以下哪些是运营商大数据应用的痛点

⑴ 大数据医疗行业的痛点有哪些

一、数据安全

医疗数据涉及个人数据隐私方面的问题，因此要特别注意个人数据隐私保护，中国《网络安全法》规定“网络运营者不得泄露、篡改、毁损其收集的个人信息;未经被收集者同意，不得向他人提供个人信息。但是经过处理无法识别特定个人且不能复原的除外”

虽然AI医疗公司在使用数据时要进行数据的无法识别特定个人处理，这在一定程度上能够帮助AI医疗公司规避数据安全问题，但仍旧无法完全避免数据安全问题的产生。

二、数据开放受限

中国的医疗数据开放程度有限，主要体现两个方面：一是境内与境外的流通限制，二是医院与医院或医院与公司之间流通的限制。

境内与境外的限制其实很简单，这个各个国家都有相关规定，而且有的国家规定的更加严格，比如美国和欧洲。在医院与医院的流通限制方面，我国大部分的医院数据都是独立存在的，流通起来相对困难，更谈不上共享和数据交叉应用及数据变现。

三、数据标准差异

我国人口众多，医疗数据丰富，但”数据大“不等于 “大数据“，临床数据不够统一和规范，不同地区、不同医院之间的数据没有建立起联系，也没有统一的标准，因此价值也得不到体现。

四、伦理争议

尽管AI在医疗行业取得了令人瞩目的进展，但不可否认的是，AI的应用依然存在一系列的伦理问题，比如：AI造成了个人信息泄露，导致医疗事故，责任方是谁?AI的使用造成了医疗人员的失业，引发医疗产业结构的转型，社会应该如何应对?诸如此类的问题很多，都需要行业从业者去面对和解决。

五、数据成本高

所有基于AI的医疗技术，都是以”数据“为基础的，目前AI医疗公司获得数据的渠道分为三种：第一，与医院合作科研项目;第二，从公开数据集下载数据;第三，购买数据。

总体来说，获取数据的成本主要在数据获取和数据标注上，而随着模型训练的逐步深入，数据吞吐量可能会是几何级数增长，代价也会水涨船高，这无形中为实现大数据医疗增加了负担。

关于大数据医疗行业的发展痛点的内容，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

⑵ 怎样用大数据来挖掘用户的痛点

大数据时代，采用大数据营销方式是主导。CRM客户关系管理系统是云时代和大数据时代飞速发展的产物，CRM在企业的普遍应用，说明企业已经将其作为挖掘客户需求的主要应用。

企业利用CRM挖掘用户痛点的方式：

CRM场景化营销
CRM在海量存储客户信息的基础上，能够深入对客户数据进行分析、挖掘和总结，从而找出客户的真正需求点，满足客户需求的同时，还能体现出高度的关怀，让客户体验到企业对自己的高度重视，从而增加客户对企业的依赖性。客户资源在手，不愁业绩不增长。

实现一对一营销
一对一营销意味着对每一位客户的高度关注。只有长时间地对客户进行追踪、识别，记录客户的个性化需求，才能够实现用个性化的产品满足客户的真正需要。而CRM的引进，正是帮助企业实现一对一营销的思想与科技结合的好工具。使用CRM与客户建立起一种新型的学习关系，通过与客户的每次接触更加了解客户，并且可以及时记录联系既要，避免对客户需求张冠李戴。

数据库营销进行战略制定
引进CRM就相当于为企业引入了一个客户数据库，CRM具有的报表、销售漏斗图功能，能够清晰地呈现出企业的所有客户所处的金字塔位置，使得领导者一眼能够明白，哪些客户是企业的钻石级客户，需要投入更多的营销资源，哪些客户是普通客户，不必投入太大的精力，以及哪些客户是企业的负担，可以丢弃。

⑶ 认清现实吧 中国大数据产业的痛点和困难

认清现实吧 中国大数据产业的痛点和困难

大数据作为一个新兴的产业，一直在处于舆论的风口浪尖。就像互联网＋的概念一样，大数据被神话了，被送上了“宗教”的神坛。大数据企业总是有一个担心，生怕大数据被捧得的太高，将来可能会被摔的很惨。

2015年中国大数据产业的热度从贵阳大数据交易所开始，到9月国务院的2015第50号文《促进大数据发展行动纲要》进入高峰，相信10月份的乌镇互联网大会上，大数据还会是一个大的热点。

大数据论坛上，数据产品和解决方案被介绍的很多。数据给企业带来的具体价值、数据应用场景、大数据产业的痛点介绍的很少。中国大数据产业经历着很多痛苦，大数据产业前景很好，但是大数据企业却很难做大，很难实现质的飞跃。中国大数据产业的痛点和困难如下。

中国大数据企业大概有200多家，将近60%集中在北京，以小微企业为主，年销售额达到十亿人民币的企业几乎没有。大数据产业处于春秋时代早期，各家诸侯割地而立，每家占领了一块小的细分领域，很难做大，都面临着同行的激烈竞争，有的领域例如舆情监控已成为红海。

大数据企业人数大多在几十人到几百人，少有千人以上的企业。没有一家大数据企业可以统领一个行业，没有一家企业占有细分市场10%的份额，没有一家大数据企业建立了行业标准，领导行业发展。

中国大数据产业处于极度分散状态，优秀的人才分布在不同企业，很难形成人才合力。各家企业规模小，很难在企业做深做大，很难利用大数据帮助企业实现业务提升。大多数企业的工具和数据很难满足企业整体的数据要求，中国的数据挖掘和分析产品也很难和国外的产品进行竞争。

大数据产业如果要形成产业优势，必须需要一批领军企业。参考国外大数据产业，中国在大数据基础架构，数据产品，数据工具、数据清洗和数据挖掘、数据分析、数据人才都需要产生一批标杆企业。每个领军企业都规模应该在千人以上，销售额应该在百亿以上，否则很难形成技术和人才优势，也很难利用大数据帮助客户实现业务提升。

贵阳大数据交易所《2015年中国大数据交易白皮书》提到2014年中国大数据市场规模为767亿元。这个数字看上去不错，估计其实真正和大数据工具和大数据产品相关的不足20%（业务价值提升）。大多数的经费都用于大数据基础平台（存储和计算）、咨询、报告等和业务价值提升相关度不大的领域。中国大数据市场销售额大多数集中在传统的IT企业例如IBM，Oracle，EMC，Intel，华为，联想等。真正大数据企业所有市场份额加起来可能就在百亿元左右。

中国大数据企业规模过小，领军企业缺少，行业过于分散，这些都是制约中国大数据产业发展的因素，也是产业做大的一个痛点。

数据是大数据产业发展的基础，具有商业价值的数据可以帮助企业洞察客户、数字化运营、风险管控、精准营销、预测和决策等。具有商业价值的数据和商业分析真正能够帮助企业提升业务，创造出新的价值。

中国的大数据市场还不成熟，很多大数据企业拥的数据都是片段的数据，很难形成完整的，具有商业价值的数据。大数据市场的数据质量和企业的数据需求有较大的差距。外部数据大多处于孤岛状态，数据之间很少流动和整合；孤立、不流动、没有整合的数据很难帮到企业，很多需要数据的企业不得不从多个大数据企业采购数据，效率很低，采购来的数据价值不高，数据整合的难度较大，数据采购的整体费用过高。

大家都看到了数据分散的弊端，于是很多地方都建立了大数据交易市场，帮助大家进行数据交易和数据采购。由于缺少法律保护，很多企业不太想在交易市场进行数据交易，往往还是采用一对一的数据交易，这种交易方式可以保护交易双方的利益。具有商业价值的数据还在开发中，大数据交易市场，缺少大量可以进行交易的数据。大数据交易市场这种商业模式，还需要用很长的时间去证明。

中国质量最好的数据在金融行业、BAT、电信运营商，这些企业比较谨慎，很难向外部输出数据。这三大行业自身的主营业务也不在数据，其数据产品生产和输出的愿望也不强烈。政府的数据正在逐步开放，但是其数据质量、集中度、输出方式等多存在很大多挑战。在中国大规模的数据开放，至少需要3年时间才能达到商业应用要求。

大多数企业对数据有需求，但是其对数据商业敏感度很低。对数据商业应用的场景以及数据技术了解很少。即使是数据商业敏感度较高的银行，至少要沟通三次以上，其才能够建立起数据价值理念。其他行业例如制造业，房地产业，零售业，他们的数据商业敏感度更低。甚至万科的王石也大声疾呼，不要和房地产业谈大数据应用，房产行业数据还不全，很多还是手工数据。于是某个领先的电商开始帮助万科进行数据规划建设，研究大数据在房地产行业的应用。

已有的大数据企业商业案例中，大部分都是大数据企业主动去找客户谈合作，为企业提供数据产品、数据工具或数据技术，目的是帮助企业提升业务。但是这种商业模式很累，市场很难被引爆，被动的数据商业应用，往往和业务结合较弱，无法迅速帮助企业利用数据提升业务，同时也无法解决业务发展瓶颈。

企业内部人士深度了解业务需求，他们缺少的是市场数据和消费者反馈，缺少的数据分析方法和工具。企业内部人士更应该成为大数据商业应用的主力，参加一些行业活动，从需求出发，主动寻找数据和解决方案。移动互联网时代，商业竞争策略很清晰，一个是快，一个是要利用数据进行决策。

大数据产业的发展，不仅仅是大数据企业自身的事情，也是各家企业自身的事情。企业客户也应该依据业务需要，主动到市场寻找数据和解决方案，提升数据商业敏感度，从业务场景出发，寻找具有价值的数据。

市场上所有大数据企业和客户都面临一个难题，就是数据解决方案同客户业务结合的深度不够，数据对业务整体推动效果不如期望，这也是大数据产业爆发的一个痛点。由于外部数据质量、企业用户数据敏感度、企业管理方式、商业数据人才等问题，大数据解决方案很难和业务深度结合。

大数据核心价值就是揭示事务发展规律，帮助企业利用数据进行科学决策。目前大数据的商业应用领域主要集中在数据采集、数据存储、数据计算、用户画像、精准营销等领域。大数据最具商业价值的预测和辅助决策功能并没有被充分利用。特别是在重大战略决策方面，大数据的作用并不明显。企业的产品开发，市场策略，战略决策还是依靠过去的精英决策和经验主义。未来社会只有两类企业，一种是利用数据发展的企业，另外一种是不重视数据被淘汰的企业。

大数据企业如果想发展壮大，如果想成为行业领先的企业，其必须放弃短期利益，深入到客户的运营中去，了解客户的数据，了解客户的业务，了解客户的商业需求。同时利用数据了解客户，了解市场，了解业务场景。数据和业务深度结合的核心是掌握正确的数据、正确的方法、正确的工具。业务人员要懂数据，技术人员要懂业务。复合型数据人才是数据生意的关键，业务人员掌握数据技术的门槛较高，但是技术人员了解业务的门槛很低，复合性人才倾向于从技术人才培养开始。

企业内部的数据人才和大数据企业的数据人才需要互相学习，了解对方环境和需求，在同一个平台上进行对话和沟通。数据团队需要深入了解业务场景和背后的规律，从业务出发，从场景出发，从数据出发，将大数据解决方案同业务深度结合，利用数据推动业务发展，发挥大数据预测规律的核心价值。

传统的数据挖掘工具和BI系统存在很久了，通过各类报表展示，让管理层了解企业运营信息，过去的确帮助企业提高管理水平，达到了预期目的。

在大数据时代，企业需要的是实时数据，需要的是高效工具，需要的是决策支持和预测。传统的数据挖掘工具的性能和灵活性已经不能满足企业的需要，另外非机构化数据的应用也对传统数据工具提出了挑战。BI领域中的SAS，SPSS，TD等数据工具越来越被边缘化，R语言正在成为数据统计和可视化的新宠。

数据的时间价值正在得到重视，特别是金融企业，所有的业务部门都期望在最短的时间里，看到资金使用情况，客户交易情况，风险管控情况。企业越早了解信息，就会越早进行决策，时间就是Money。过去数据需求可能是T＋5或者T＋30，现在的数据需求往往是T＋1或者T＋0，数据实时性、准确性、相关度被提到了一个非常重要的地位。业务的需求已经很明显了，但是数据工具和人才却是一个很大的挑战。

中国200多家大数据企业，看到了大数据产业的曙光，看到了大数据产业的价值，同时也在经历着大数据企业的痛苦。大数据产业发展很快，市场正在逐步变大，但是其产业优势不明显，优势企业很少，数据商业化较慢，市场还不成熟，客户数据商业敏感度较低，缺乏高质量数据工具和人才。所有大数据企业内心的感受就是，站在了时代的风口，选对了方向和行业，但是发展壮大还是很难。200多家大数据企业正在努力耕耘着大数据产业，痛并快乐着。

以上是小编为大家分享的关于认清现实吧 中国大数据产业的痛点和困难的相关内容，更多信息可以关注环球青藤分享更多干货

⑷ 传统行业如何利用大数据

从2013年大数据元年始，大数据的词汇已经深入人心，大家都觉得大数据是个好事，但基本上都是叫好不叫座，尤其是在传统企业中。现今的中国，大数据在互联网、电商、金融等行业都得到了很好的发展应用，而在传统企业举步维艰，究其原因，一般都有如下几点问题：

1

大数据技术端和市场应用端的信息不对称

2

计算性能不足（数据分析能力不足）

3

数据应用者缺乏耐心和战略远见

落地痛点1：

大数据技术端和市场应用端的信息不对称

一个企业的大数据战略布局是需要远见和时间成本的，战略远见不仅来源于核心领导层对于大数据知识的主动学习和思考，还要有敢于付出试错成本的决断力。同时，大数据项目投入的周期相对较长，前期繁复枯燥地整合内部数据孤岛、联合外部数据源的工作耗时费力而又障碍重重，如同万丈高楼的地基，虽然极为重要且时间金钱的代价不菲，却在表面上难以有显著成效可以彰显。另外，即便最终具备应用能力的大数据软件开发完成，往往也会因为受到数据源、分析技术，甚至是使用人员素质的限制使得短期内不能让企业领导者看到有亮点的投资回报率。

解决途径：

对于一个新兴产业来说，企业领导者应该充分认识到这是必要的学习成本，自己乃至整个企业经由这样的学习曲线获得了大数据领域的实操经验和能力。此外，要利用产业起步期不断夯实自己的技术实力，真正地去挖掘市场需求，用户痛点，接地气地创造应用。最后，企业要积累必要的足够的“弹药”（资本），度过这样一个相对漫长的技术和市场都逐渐成熟的蛰伏期。