㈠ 大数据商业化:先谈隐私,再谈价值
大数据商业化:先谈隐私,再谈价值
不论我们称之为大数据时代、互联网时代，还是物联网时代、智能穿戴时代，它们之间都有一个共同的特征，就是信息数据化。当人与物都被数据化之后，就意味着巨大的商机蕴藏到了这些数据中间，而国务院所出台的这个关于大数据的指导意见也足以证明大数据的价值。
面对大数据所蕴含的巨大价值，我并不担心其商业价值挖掘不出来，担心的是如何把握好商业挖掘的尺寸与公民隐私权之间的关系。今天，大数据的商业化已经形成。当我们通过PC登录或者访问了相关的网站，浏览了某些信息的时候，我们在电脑上的这种行为都将被记录下来。当我们再次登录一些网站，打开相关页面的时候，一些“牛皮癣”广告就会被推送到我们的眼前。
那么，有谁在推送这些“牛皮癣”广告的时候征求过用户的意见?追踪用户使用行为的商业挖掘边界到底在哪里?这些问题或许比当前推动大数据商业挖掘来说更为重要。
首先，从目前的实际情况来看，大数据商业的前端很繁华，而商业后端的法律法规则相对滞后。过度的商业化挖掘，如果在没有相关隐私权保障的情况下发生，必然会招致用户的反感。那么，商家到底应该将数据商业化到什么程度，这个尺度如何把控，也就成为当前有关部门着重关注的焦点问题。
其次，对于企业来说，哪些数据是可以挖掘，哪些数据在商业化中是不能挖掘的;对于行政部门来说，什么部门可以拥有什么样的数据使用权限……这些都存在着关键尺度问题。如果相关法律法规和政策能够及时出台，那么公民隐私安全问题就可以缓解很多;反之，如果这个指导规范一直出不来，那么公民隐私就很危险了。
尤其是在智能穿戴时代的万物数据化之后，包括人的一切行为与生命体态特征都被数据化，网络安全、数据安全，就是摆在眼前最急迫、最重大的事情。可以预见，在进入智能穿戴时代，人与物，人与互联网之间的识别关系一定不是当前的这种数字密码，而是更为复杂的生物识别技术，如步态、静脉、视网膜、心率等，借助于可穿戴设备将人与设备连接、绑定在一起。由此通过人的生理特征识别后，建立一种唯一性的身份识别特征和独一无二的ID。
显然，这种识别特征的建议就相对比较安全，尤其是对于金融系统来说，未来的支付就很安全，一旦你的设备被偷了，离开你就自动失效了。深度数据化背后的商业价值将随之放大，而同时被放大的，还有数据安全风险。不过，我们不能因为大数据的安全存在风险，就让科技发展的脚步停下来。
我们需要谨慎地对待数据安全，但亦非谨小慎微。就像我们知道网络网银不安全，但我们还是会谨慎地用，此时对于银行等机构来说就是如何通过技术来最大限度地保障用户财产安全;我们知道美国枪支泛滥，但很多人依然很“向往”美国，此时对于美国政府来说就是如何通过法律法规来杜绝这些案件的发生。
面对大数据也是如此，需要政府提高监管的水平和方式，尽可能地把犯罪的风险系数和危害降到一个合理的范围。当然社会上总有一些人想着赚歪门邪道、旁门左道的钱，这就是需要政府作为的问题，怎样有效控制。尽管目前我们还没有完全进入大数据时代，但相关的弊端、问题与安全风险已经或多或少地初露端倪。
随着国务院关于大数据文件的出台，一方面会加速大数据产业的形成，也必然会加速商业价值的挖掘。但是在这个过程中，我们尤其不能忽略了对公民隐私权的重视。所以，发展大数据产业很重要，但对于公民来说或许保护比挖掘更为重要。
以上是小编为大家分享的关于大数据商业化:先谈隐私,再谈价值的相关内容，更多信息可以关注环球青藤分享更多干货
㈡ 大数据技术的发展趋势有哪些
1.数据分析成为大数据技术的核心 数据分析在数据处理过程中占据十分重要的位置，随着时代的发展，数据分析也会逐渐成为大数据技术的核心。
大数据的价值体现在对大规模数据 *** 的智能处理方面，进而在大规模的数据中获茄滑取有用的信息。
要想逐步实现这个功能，就必须对数据进行分析和挖掘。
而数据的采集、存储、和管理都是数据分析步骤的基础，通过进行数据分析得到的结果，将应用于大数据相关的各个领域。
未来大数据技术的进一步发展，与数据分析技是密切相关的
2.广泛采用实时性的数据处理方式 在现如今人们的生活中，人们获取信息的速度较快。
为了更好地满足人们的需求，大数据处理系统的处理方式也需要不断地与时俱进。
目前大数据的处理系统采用的主要是批量化的处理方式，这种数据处理方式有一定的局限性，主要是用于数据报告的频率不需要达到分钟级别的场合，而对于要求比较高的场合，这种数据处理方式就达不到要求。
传统的数据仓库系统、链路挖掘等应用对数据处理的时间往往以小时或者天为单位。
这与大数据自身的发展有点不相适应。
大数据突出强调数据的实时性，因而对数据处理也要体现出实时性。
如在线个性化推荐、股票交易处理、实时路况信息等数据处理时间要求在分钟甚至秒极。
要求极高。
在一些大数据的应用场合，人们需要及时对获取的信息进行处理并进行适当的舍弃，否则很容易造成空间的不足。
在未来的发展过程中，实时性的数据处理方式将会成为主流，不断推动大数据技术的发展和进步。
3.基于云的数据分析平台将更加完善 近几年来，云计算技术发展的越来越快，与此相应的应用范围也越来越宽。
云计算的发展为大数据技术的发展提供了一定的数据处理平台和技森茄术支持。
云计算为大数据提供了分布式的计算方法、可以弹性扩展、相对便宜的存储空间和计算资源，这些都是大数据技术发展中十分重要的组成部分。
此外，云计算具有十分丰富的IT资源、分布较为广泛，为大数据技术的发展提供了技术支持。
随着云计算技术的不断发展和完善，发展平台的日趋成熟，大数据技术自身将会得到快速提升，数据处理水平也会得到显著提升。
4.开源软件的发展将会成为推动大数据技术发展的新动力 开源软件是在大数据技术发展的过程中不断研发出来的。
这些开源软件对各个领域的发展、人们的日常生活具有十分重要的作用。
开源软件的发展可以适当的促进商业软件的发展，以此作为推动力，从而更好地服务于应用程序此纳察开发工具、应用、服务等各个不同的领域。
虽然现如今商业化的软件也是发展十分迅速，但是二者之间并不会产生矛盾，可以优势互补，从而共同进步。
开源软件自身在发展的同时，为大数据技术的发展贡献力量。
㈢ 运营商发展大数据的核心价值在于商业化
运营商发展大数据的核心价值在于商业化
近年来，电信运营商利润率增幅放缓甚至下降，传统话音业务收入增长乏力，日趋边缘化、管道化；数据业务占比迅速增长，但量收的剪刀差持续扩大，投入多回报少。
在运营商转型路上，大数据技术的深入应用与商业模式的开发大有可为，可以说是运营商规避同质化竞争，打造智能数据管道，寻找差异化经营“蓝海”的必由之路。大数据的技术架构寻求高性能与低成本的统一，可以降低电信运营商庞大的IT资本开支压力。大数据的商业应用促使电信运营商从单纯提供网络资源、前向收费方式转变为基于网络资源和依据海量数据资源提供服务的灵活多样的混合模式，是一种新的商业模式。
国内运营商大数据应用受限
国内电信运营商在大数据应用方面主要受到了以下方面的限制。
第一，数据采集散乱、深度不足：电信运营商拥有海量数据的来源，但采集渠道散乱，通常分级、分地区、分系统建设，整体规划不足，数据标准化程度低，汇聚困难，无法形成有效的数据资产。
第二，数据分析能力不足：电信运营商建有以数据仓库为核心的经营分析系统，通常采用小型机加高性能存储架构建设，针对传统话单日志等结构化数据设计，还不具备非结构化数据与流数据的分析处理能力。
第三，数据商业应用不足：电信运营商大量数据尚没有充分发掘数据应有的价值，智能管道的建设正处在初期阶段。现有分析系统仅对内部提供服务，缺乏对外数据开放平台，大量数据未能有效进行商业利用。
电信运营商大数据发展探析
（1）大数据的政策支撑
电信运营商应积极寻求政府的支持，推动政府为大数据产业发展提供积极的政策支撑与引导、对关键技术的研发提供专项财政资金支持、对重点工程项目的实施提供支持与保障。电信运营商应高度重视大数据信息安全，推动政府部门牵头启动大数据立法，解决大数据信息权属与隐私保护问题；制定大数据技术标准与运营标准，规范大数据安全体系。通过政策支撑保障大数据产业的可持续发展。
2012年10月，中国计算机学会和中国通信学会均成立了大数据专家委员会，从行业学会的层面来组织和推动大数据的相关产学研用活动。运营商可以依托该平台推动企业内部大数据的发展。
（2）大数据技术架构与算法的研发
根据2012年美国市场调查咨询公司（Gartner）发布的新兴技术曲线，大数据技术正处于“期望膨胀期”，距离真正成熟尚需2~5年。电信运营商应抓住机遇加强技术研发，在开源技术的基础上，发展适合运营商的大数据技术；同时应积极对技术标准做出贡献，掌握技术主动权。在技术的拓展可主要集中在三个方面：（a）大数据的采集与传输技术。采集技术是指基于智能管道和物联网的大数据获取技术和算法；大数据传输技术研究应注重海量数据传输的安全可靠性，解决调度与控制问题。（b）大数据的存储与分析技术。存储技术主要指面向海量数据文件的有效存储与读取能力、大数据的新型表示方法和去冗降噪算法；分析技术的拓展方向应包括数据可用性和可计算性，计算复杂性问题，研究求解算法，进行高效处理等。（c）大数据的隐私安全技术。在大数据时代，如何保护用户隐私安全不仅是法规层面需要解决的问题，也是电信运营商在技术层面亟待解决的问题。
（3）大数据支撑运营中心
运营商要充分发挥大数据的价值，首要条件是具备采集、融合、存储、分析海量数据的能力。电信运营商可以在现有经分系统或数据仓库的基础上，针对目前数据采集散乱、采集深度不足、分析能力不足的问题，构建数据集中、平台统一的省级或全国级大数据支撑运营中心，为大数据的应用与商业化提供精确支撑。大数据支撑运营中心可以设置如下逻辑架构。
数据采集层：通过建设数据采集聚合网关，汇聚跨地区、跨系统的采集的丰富数据源。
数据融合层：建设海量结构化数据、非结构化数据以及流数据处理能力，建立数据标准化体系，进行统一处理和存储。
数据应用层：通过构建不同的数据挖掘与分析模型，融合结构化数据，形成数据仓库，对外提供统一服务能力。
资源管理层：提供统一监控、资源管理与运营等功能。
（4）大数据应用与商业化
大数据应用与商业化是大数据发展的核心价值与落脚点。电信运营商拥有极其丰富的数据资源，相比互联网公司更具天然优势。对大数据进行全面、深入、实时的分析和应用，以客户体验为核心发展流量经营，是电信运营商应对新形势下挑战避免沦为哑管道的关键。
通过大数据助力业务创新，提供市场营销与客户服务的精准支撑能力。在互联网社会中，拥有数据，就拥有了了解用户行为的基础，从足够多数据的叠加中可以探知一个人的过往行为，同时可以精准的预测出其未来的需求。通过对海量的行为和内容数据处理，可以获得用户的时间、位置、业务、终端等基础信息，分析出用户的身份、兴趣、社交圈等，这样可以开发出很多新的增值业务。
通过大数据提升企业管理水平，提供透明管控与科学运营的精准支撑能力。运营商可以融合市场、财务、网络等多个系统产生的海量数据，将相关联的数据进行处理分析，有利于运营商更全面、更准确、更快速地获得企业运营数据，为投资决策和网络优化方案提供更多视角。
通过大数据发展开放合作平台，开辟新的商业模式，助力电信运营商转型。电信运营商可以通过大数据支撑运营中心发展开放合作平台，为广大开发者提供海量数据资源，发挥大数据的价值，将数据作为资源，进而提升的运营商利润增长点。
大数据技术的发展及规模商用，使得电信运营商能够充分挖掘管道内容，创造新的业务增长模式，应对“去电信化”的趋势，转型为综合信息服务提供商，成为未来大数据时代中最大的赢家。但在推动商业化应用的过程中还应全面认识大数据的内涵，避免陷入单纯的计算能力和存储能力建设，要清醒认识大数据发展的成熟度，客观分析用户的应用需求，避免过度建设
㈣ 实现商业突破的关键点 大数据
实现商业突破的关键点 大数据
而这两年，随着微博、微信等社交平台商业化尝试的深入，及其结果的不尽如人意，大数据的利用成为了一个能否实现商业化实质突破的关键点。而这个点的关键又在于社交平台是否能做到对大数据的真正开放。
对于社交平台大数据开放，行业关注点现在主要在集中在两方面：其一是社交平台大数据究竟价值几何?其二，是基于这一大数据，平台方能给出怎样的的全面开放政策，以及这类政策的持续和稳定性又如何。
社交平台的数据价值
要了解社交平台大数据的价值，首先要搞清楚的是，开放平台合作伙伴们是如何利用这一大数据的。
化繁为简，我们将其概括为三步：首先是对平台所产生的庞大数据进行分析;然后，通过分析获得数据背后的用户诉求;最后，针对用户诉求进行个性化、精确化和智能化的信息推送和服务推广，并最终实现吸引用户点击、消费的目标。
举个简单例子，比如有用户在微博分享地理位置、景点等信息时，其广告模块就会快速精准的为其推荐相关的机票、酒店等信息。
而实现这一所有流程的起始点，就在于用户在社交网络上的生活化分享。而这也正是社交网络大数据的价值所在。
此外，企业通过社交大数据的分析和处理，还可以低成本的进行舆论监控，极大降低了企业品牌危机产生和扩散的可能。
社交平台的数据价值不言而喻。近日，新浪CTO许良杰在接受采访时就着重谈了大数据，并称“新浪微博作为社会化平台，最大的价值在于大数据”。
超5亿的用户群及每天产生各种信息便是新浪微博有价值的大数据。目前，其正基于此做多种商业化的尝试，但对这些尝试，业界评价似乎不是太高。
比如，包括粉丝通、Pagerank、淘宝广告等在内的基于大数据的产品尝试，皆一定程度上影响了用户体验，在利用数据的同时，产生了诸多垃圾数据，更降低了用户活跃度，对平台价值进行着侵蚀。
要知道，社交平台的数据价值指的并不单纯是用户数及用户信息等，而是基于其动态数据的挖掘、分析和以API接口的输出，及再利用。这需要诸多环节的协同与努力，而非平台方一家力所能及。
正如Facebook的工程总监Parikh所说：“大数据的意义在于真正对你的生意有内在的洞见。如果你不能好好利用自己收集到的数据，那你只是空有一堆数据而已，不叫大数据。”
开放尺度定成败
大数据的价值只是基础，要实现智能营销，一个重要层面还在于第三方能从多大程度上利用到这一数据进行挖掘。
而这也包含了两个层面，首先是API开放多样性，其次是数据的完整性。
在API开放方面，一直以来行业对开放平台期待最多的公司要数新浪。新浪初期也的确不负众望，给予了第三方开发者近百个API接口，可谓相当丰富。在2012年前后，通过这些接口，也密集涌现出了很多基于新浪微博大数据的创业公司，盛况空前。
然而这种基于开放而联姻的蜜月期还没来得及令人回味，新浪对于API开放的态度却在近期发生了转变。如在去年，新浪微博便关闭了其开放平台的私信接口，今年更是对开放平台接口做了进一步收紧(对当前授权应用只能读取授权该应用的当前用户微博，不能获取其他用户微博;同时，当前授权应用只能读取授权该应用的当前用户的关系，不能读取其他用户的关系。)。
而这种收窄的姿态，在阿里巴巴入股新浪微博之后，愈趋明显。
众多开发者表示，其多款应用的数据已被清空或者api接口被停用。现在新浪开放平台的每次更新也是删的多，增的少，而增加的功能也大多都是可有可无的。
开发作为当下互联网的一个趋势(网络、阿里巴巴、腾讯【简称BAT】三巨头都在谈开放)，新浪微博反其道而行之，当然，新浪对API开放性的收缩，我们要承认其一些深层次的因素考量。比如之前私信端口的开放，就造成大量垃圾信息对用户的骚扰;以及与阿里联姻后，来自阿里方面的诉求和压力等。
与此相比，一直以来不声不响的腾讯微博倒在开放平台上做出了不少动静。比如，国内唱吧、啪啪，国外cooliris都选择了腾讯微博，甚至iOS7系统也首次开放ios-SDK给腾讯微博。
其次说到开放的完整性，所谓数据完整性就是当开发者请求某种数据时，开放平台是否对返回数据的数量有所限制。这点也最能反映出一个平台的真实开放程度。
以最基本的获取一个用户的”粉丝列表“为例，新浪，对于一般授权用户，最多只能获得5000个最新粉丝信息，而腾讯则没有任何的限制。
腾讯副总裁刘炽平曾在其内部讲话中曾提到：“关键路径要有用户价值，如果没有用户价值，这里放一个流量，那里放一个流量，价值不大。” 而这句话也正点明了大数据开放的本质应该是什么。
行业皆知，只有数据挖掘精准度在85%以上时，才具备实现精准营销的条件。如数据挖掘不够精准，就会直接影响到广告营销的投放效果。而数据不完整，数据挖掘的精准度只是空谈而已。
而数据完整开放的重要性，还不仅仅限于第三方开放者，对于社交平台本身，在提升用户体验方面也息息相关。
比如腾讯微博最近上线的微圈、微热点、微频道、微博管家等产品，就是通过数据挖掘技术，抽取用户阅读时间线中来自游戏、活动、第三方应用等营销和广告微博，并将其过滤，从而进一步减轻垃圾信息对于微博用户的骚扰，从而使用户更高效的获取优质微博信息，最终实现用户阅读体验的提升。
这种将大数据挖掘产品化的路子，应该说值得借鉴。因为一方面，它能比较充分的满足第三方开发者需求;更重要的是，这并不以影响用户端的产品体验为代价，实施得好的话，可形成一个良性闭环模式。
以上是小编为大家分享的关于实现商业突破的关键点 大数据的相关内容，更多信息可以关注环球青藤分享更多干货
㈤ 以下哪个属于大数据在电信行业的数据商业化方面的应用
以下个性化推荐，客户细分，数据分析决策，客户体验管理，风险控制属于大数据在电信行业的数据商业化方面的应用。
1、个性化推荐：通过分析用户的通讯记录、消费行为等数据，为用户提供个性化的产品及服务推荐。
2、客户细分：通过对海量用户数据进行分类和聚类分析，将用户按照其特征划分成不同的群体，以便更好地针对不同的用户群体开展营销活动。
3、数据分析决策：拆携通过分析运营数据，如流量、话务量、ARPU等数据，来帮助企业做出更加明智的运营决策。
4、客户体验管理：通过对用户行为和需求的分析，为客户提供更好的服务体验兆闭，并旅猜伏提高用户的满意度。
5、风险控制：通过对用户行为、账单支付情况等数据的分析，识别潜在的风险，及时采取措施进行防范。