大数据撒意思

1. 大数据到底怎么理解

1、大数据的定义。大数据，又称巨量资料，指的是所涉及的数据资料量规模巨大到无法通过人脑甚至主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2、大数据的特点。数据量大、数据种类多、 要求实时性强、数据所蕴藏的价值大。在各行各业均存在大数据，但是众多的信息和咨询是纷繁复杂的，我们需要搜索、处理、分析、归纳、总结其深层次的规律。

3、大数据的采集。科学技术及互联网的发展，推动着大数据时代的来临，各行各业每天都在产生数量巨大的数据碎片，数据计量单位已从从Byte、KB、MB、GB、TB发展到PB、EB、ZB、YB甚至BB、NB、DB来衡量。大数据时代数据的采集也不再是技术问题，只是面对如此众多的数据，我们怎样才能找到其内在规律。

4、大数据的挖掘和处理。大数据必然无法用人脑来推算、估测，或者用单台的计算机进行处理，必须采用分布式计算架构，依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术，因此，大数据的挖掘和处理必须用到云技术。

5、大数据的应用。大数据可应用于各行各业，将人们收集到的庞大数据进行分析整理，实现资讯的有效利用。举个本专业的例子，比如在奶牛基因层面寻找与产奶量相关的主效基因，我们可以首先对奶牛全基因组进行扫描，尽管我们获得了所有表型信息和基因信息，但是由于数据量庞大，这就需要采用大数据技术，进行分析比对，挖掘主效基因。例子还有很多。

6、大数据的意义和前景。总的来说，大数据是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。以前，面对庞大的数据，我们可能会一叶障目、可见一斑，因此不能了解到事物的真正本质，从而在科学工作中得到错误的推断，而大数据时代的来临，一切真相将会展现在我么面前。

2. 什么是征信大数据

大数据征信是利用数据分析和模型进行风险评估，依据评估分数，预测还款人的还款能力、还款意愿、以及欺诈风险。在金融风控领域，大数据指的是全量数据和用户行为数据。目前使用的是围绕客户周围的与客户信用情况高度相关的数据，利用数据实施科学风控。

1、大数据征信模型可以使信用评价更精准：大数据征信模型将海量数据纳入征信体系，并以多个信用模型进行多角度分析。

以美国互联网金融公司ZestFinance为例，它的模型基本会处理3500个数据项，提取近70000个变量，利用身份验证模型、欺诈模型、还款能力模型等十余个模型进行分析，使评价结果更加全面准确，是模型评估性能大大提高。

2、大数据征信能纳入更为多样性的行为数据：大数据时代，每个相关机构都在最大程度上设法获取行为主体的数据信息，使数据在最大程度上覆盖广泛、实时鲜活。

3、大数据征信带来了更为时效性的评判标准：传统风控的另外一个缺点是缺乏实效性数据的输入，其风控模型反映的往往是滞后数据的结果。利用滞后数据的评估结果来管理信用风险，本身产生的结构性风险就较大。

大数据的数据采集和计算能力，可以帮助企业建立实时的风险管理视图。借助于全面多纬度的数据、自我学习能力的风控模型、实时计算结果，企业可以提升量化风险评估能力。

(2)大数据撒意思扩展阅读：

从1980年代末至今，征信行业先后经历了起步、搭建征信平台、央行主导统筹等数个阶段。 2015年1月5日，人民银行印发《关于做好个人征信业务准备工作的通知》，要求芝麻信用，腾讯征信等八家机构做好个人征信业务的准备工作，择时发放第一批牌照，但一直不见下文。

最终等来的却是由中国互联网金融协会与芝麻信用、腾讯征信等把家征信机构联手成立的百行征信。这意味着征信这个金融业最关键的阀门，最终还是要由政府来监督把控。

截止目前，百行征信已与120余家互联网金融机构和消费金融机构达成了信用信息合作共享协议，与50余家机构达成了合作意向。

没有征信牌照，征信创业公司无法合法的去获取核心数据，比如银行信贷数据或者运营商，公安局的隐私数据；也无法以牌照去融资收购其他征信公司，资金上毫无优势。因而，业内人士认为，初创公司很难在征信领域发展壮大，成为未来的寡头之一。

3. 对企业进行大数据分析有什么用

正确的大数据分析可以帮助企业更精准的定位客户，在你拓展客回户资源陷入难题时，答运用大数据就可以挖掘出平时挖掘不到的精准潜在客户资源。详细一点来说的话，目前市面上比较出名的一些大数据分析商（例如数点营销，探技，神册，红圈等）一般能为企业带来以下几点用处：

• 帮助企业获取销售线索，企业可以根据大数据分析结果针对性营销，比大海捞针广撒网更有效。

• 为管理者的决策过程提供支持，管理者的决策不能仅凭自己的意愿，有了数据支持才能做出更好的规划。

• 降低整体营运成本，有了大数据分析功能，将大幅度节省时间及人力成本。

4. 个人如何使用大数据致富

，大数据很好理解，本质无非就是数据挖掘深度和应用广度的结合，通俗易懂的讲是跨界融合的广度。

比如，在1996年的时候美国人口普查时就将大数据应用到了极致，当年美国人口出生量达到了490万人，这看似无关紧要的数字，要是和40年前的50年代、60年代初紧密结合，就会发现那时候美国正处在一个“战后婴儿浪潮”之期。10年后反观不难得出结论：那批人已经过了黄金生育期，婴儿也已长大，有多少的初中生要毕业，又有多少的老师理应退休，但是如果这时需要抑制薪酬的增长而不得不减税，老师面临的就是长期工资不涨的状态，将这一连串连锁反应结合就会发现美国会出现教育压力，有了压力可能就会有政策的变动亦或者是新的商机。

这就明确发现透过数据的获取、分析和应用会承载社会巨大的进步，这可能也是为什么国家要将大数据等作为国家战略的目的之一。

可能这个例子读懂有点困难，那么大家一定有过这样的经历，当你在网络上浏览过某件商品或者某类信息后，接下来很长一段时间你都会沉静在类似商品或信息的海洋中，使得你无比的苦恼。

记得“小撒”分享过他在网上浏览梯子的搞笑故事，自从那次浏览后，不管他打开什么APP，都会有铺天盖地的梯子广告，各种梯子，应有尽有，他还为此感到困惑。

但这就是大数据的魅力所在，它会在你不经意的一次网站浏览中获取大量和你相关的信息，在经过严密的整合分析，在近期内推荐你所喜欢的内容。

如果网购的例子大家觉得太过平淡无奇，接下来给大家讲一个很酷的例子。在美国有一家数据分析公司 帕兰提尔 ，曾经帮助美国政府发现了“并击毙本•拉登”，政府提供的各种数据，财务、通信数据，甚至是社交网上数据整合建立了一个实体关系网，帮助美情报人员去分析 “本•拉登”在什么地方。

16年的围棋大战还历历在目，开始围棋界的人都认为智能“技不如人”，李世石会轻松5：0获胜，当第一局结束后，人们的反应是：咦，看来这个AIphaGo并不简单。最后事与愿违的是围棋奇才“轻松”以3：0战败给了AIphaGo,这时候人们才相信：哦！原来智能和大数据结合真的是“智慧过人”。

包括大数据在预测奥斯卡方面的成功率已接近88%，这些都是人们直观感受到大数据带来的改变，那么站在国家的层面以及更大的发展来看，大数据不折不扣成为了提升国家综合能力和保障国家安全的新利器。

互联网构建了网络空间的新疆域，美国的斯诺登事件很好的

5. Tiger：我眼中的大数据-新生大学分享(1)

【作者按：本文为2016/10/15晚在新生大学社群的公开分享，旨在和大家探讨个人对大数据的一点浅见。虽然专业知识和写作水平有限，但哪怕能帮到一个人亦会欣慰，同时也期待能得到更多反馈。】

** 1. 认知误区**

在日常生活和工作中，我发现很多人对大数据的理解存在如下两个误区 ：

现在很多人，言必称大数据。可是，大数据这个说法本身非常模糊，不知道他们在说大数据时具体指什么。这让我想起许多年前在国内流行的另外一个概念：纳米，我相信你一定很耳熟。那会儿，随便逛个商场或者看个电视，你都会发现铺天盖地的打着纳米旗号的广告袭来：什么“纳米冰箱”，“纳米空调”，“纳米彩电”。。。 就好像纳米是能治百病的灵丹妙药，任何东西只要贴上“纳米”的标签就好使了，就升值了，就高大上了。
今天，很多人对待大数据的态度和纳米一样，人云亦云，自我忽悠，然后互相忽悠。

当你问很多言必称大数据的人：大数据到底是什么？不知道大数据是什么？大数据是怎么用的？大数据到底对你的生活带来了哪些收益和影响呢？80%的人都会一脸懵逼，他们根本说不出所以然。当然，我不是说每个人都这样，但这样的人的确不少。

个人以为，实事求是的态度很有必要，理应推崇。
知之为知之，不知就知乎之。
不知道没关系，但如果硬是为了虚荣心去说大数据，为赋新词强说愁，这样的态度没有益处。

如果你真的觉得大数据这个东西非常好，既有趣也有用，那我们就卷起袖口，去搞懂细节，搞懂它的前世今生，乃至它未来的发展趋势。这样的态度既接地气，更能增加个人价值。

2. 数据分析

在和大家探讨真正的“大数据”之前，我们先聊聊数据分析。
数据分析实际上已经存在很久了，它根本不是什么新东西。
它不是什么新事物，也并不神秘，一点都不！
你会用Excel罢？Excel就是用来做数据分析的，千万不要小看它。而数据分析比Excel的历史还要早的多。
数据分析大致可分成四个层面：
首先，获得数据；
其次，从数据中提取信息；
再次，从信息中提炼出知识；
最后，通过知识发掘智慧。
总结下来就是：Data（数据）->Information（信息）->Knowledge（知识）->Wisdom（智慧）。
从另外一个角度来看，数据分析是技术和艺术的混合体：

3. 大数据的通用特征

大数据目前没有一个通用的定义，个人理解的大数据具备如下几个特征：

4. 大数据的用途

那么，大数据有什么用呢？其实有很多著名的例子，如Alphago干掉了韩国殿堂级棋手李世石，当然，这样的例子已经烂大街了。
从我个人而言，我会分享一个亚马逊的例子。我是亚马逊的资深用户，用了八年多了，所以它有我很多的消费行为数据，它知道我的购物的爱好、特征和规律。这里有一个截图：

当我登录亚马逊账户之后，它的推荐页面就是上面这样。这个页面上展示的商品就是它根据我之前买过的一些商品，通过推荐算法猜测我喜欢什么种类的商品，还会买什么商品。总之就是通过已买商品的各个特征去给你做推荐。

另外，大数据还可以用来找男女朋友。这里也有一个真实的故事：大概在前几年，美国的加州大学洛杉矶分校（UCLA）有个数学系的博士生，大龄单身宅男，就为找女朋友的事情发愁。但他是个极客，就想办法写了一个程序（爬虫），爬虫里面设定了许多符合他个人喜好的规则，然后用这个爬虫到一些婚恋网站上去爬取目标对象。这样就找到一些符合他喜好的目标对象，同时，在这个过程中自然排除掉了很多不符合他设定参数的目标。通过和筛选后的目标对象约会，最后他果然找到一个非常合适的女朋友，然后快乐地在一起。

大数据的应用实例还有很多，曾经在2012年在纽约时报上登过一篇报道叫《大公司如何窃取你的秘密？》，文中一个例子就是关于Target超市的大数据应用（美国一家超大规模的连锁超市）。报道称Target给明尼苏达州一户人家的女儿寄婴儿用品的优惠券，但是这个女孩还是高中生。他爸爸看到优惠券后非常震怒，认为有诱导未成年人怀孕的嫌疑，就去找当地超市理论。当时超市的经理比较诚恳，一脸懵逼地给顾客道歉。后来，这个父亲却主动打电话给超市过来道歉，说回家和女儿交流后发现她真的怀孕了。

剧情180度大反转！

这到底是怎么回事？原来，是Target超市的数据部门开发的怀孕预测模型，根据算法结合购物记录发现这个女孩极有可能怀孕。所以，在得到这样一个判断后，他们的营销部门就给这样的潜在的目标客户精准推送母婴商品的优惠券。这事听起来还是蛮可怕的，大数据虽然没见过你，但它可能对你了如指掌，知道你是什么样的人，家住哪，收入什么水平，开什么样的车，穿什么衣服，抽什么烟等等。

大数据甚至还可以做舆情监督和民意调查。比如说，微信在2016年就做了一个大数据分析，推测全国人民的心情，最后的结论是，每逢节日大家的心情就特别好，其中中秋和春节的心情格外好；年轻人相对更多愁善感，老年人反而更乐观开朗阳光，很有意思。

根据上面的例子，我们对大数据的用途做一个抽象和总结。以上的例子告诉我们，大数据可以用来 从已知到未知 ，就是说根据手上掌握的一些已知的信息可以推测出未知的规律和趋势，就像亚马逊猜我喜欢购买的商品，或者像Target推测高中生已经怀孕了，或者像UCLA博士生通过写程序找到女朋友。这些都是从已知到未知的推理。
大数据另外一个用途，就是可以 纠正错觉 或错误认知。因为，真实的原始数据是不会撒谎的，这里面包含了许多信息，甚至一些潜在的反常识的东西。就以我曾经做过的一个分析 《顶级风投的宿命》 为例。因为之前有过创业经历，个人会对投融资比较敏感。而当时创投界有所谓的风口论，比如O2O、生鲜电商等，这些方向的互联网公司特别容易拿到融资。那我在做完相关的数据分析之后发现：
真正一流的投资机构从不会赌所谓的风口，他们会坚持去投资一些商业本质更清晰的的公司和业务模式，像电子商务、对企业的服务、文化娱乐等方向。

而这个认识是在我做数据分析之前完全不知道的，可以说颠覆了我此前的认知。进一步，我之前对风口论的认知就是错觉，而这个错觉就被数据分析很好地推翻了。所以，我认为大数据的第二个功能就是纠正错觉。

大数据分析确实有些必备的知识集合，这里有幅来自IBM研究院的图，阐明了数据科学的必备知识领域。