⑴ 盤點政府推動大數據應用及發展的舉措
盤點政府推動大數據應用及發展的舉措
一、政府：推動大數據應用的最關鍵力量
（一）政府掌握大量最具應用價值的核心數據，是推動大數據應用的最關鍵力量
根據麥肯錫大數據研究報告指出， 各個行業利用大數據價值的難易度以及發展潛力 對比下，政府利用大數據難度最低而潛力最大。
大數據
另一方面政府開放大數據運用已經是大勢所趨：
1、 政府掌握了大量最具應用價值的核心數據。 過去十多年來政府投資進行了大量電子政務或者稱為政府信息化的工作，後台積累了大量的數據，而這些數據和公眾的生產生活息息相關。有研究表明政府所掌握的數據使政府成為了一個國家最重要的信息保有者，有百分之七十到八十的核心數據存在於政府的後台 。
2、 開放數據本身就是政府在大數據時代提供的一項公共服務。 政府數據本質上是國家機關在履行職責時所獲取的數據，採集這些數據的經費來自於公共財政，因而這些數據是公共產品，歸全社會所有，應取之於民，用之於民。
3、 政府開放數據供社會進行增值開放和創新應用，推動經濟增長乃至整個經濟增長方式的轉型。 數據是互聯網創新的重要基礎，如果政府不開放這一部分數據，很多創新應用沒有數據作為支持，數據開發者能利用政府開放的數據，提供更好的服務，創造更多的價值， 這個過程能夠提高整個國家在大數據時代的競爭力。
4、 政府開放數據推動經濟增長獲得的稅收高於單純賣數據獲得的收入。 201 年世界經合組織在關於開放政府數據的報告中提到政府通過開放數據推動經濟增長，從而獲得的稅收收入遠高於單賣數據所能獲得收入。開放數據激發經濟活力從而得到稅收提升，這是一個良 性循環，更是一個能創造巨大公共價值的全局性的戰略。
（二） 國內外政府開放數據的情況
在 2009 年奧巴馬簽署開放政府數據的行政命令後，這些年來開放政府數據已成為了世界性的一個趨勢。美國聯邦數據平台 Data.gov 上線後，在美洲、歐洲、亞洲等地，開放政府數據已成為了政府的一項重要工作。美國聯邦政府的開放政府數據平台開放了來自多個領 域的 13 萬個數據集的數據。這些領域包括圖中所列的農業、商業、氣候、生態、教育、能源、金融、衛生、科研等十多個主題。這些主題下的數據都是美國聯邦政府的各個部委所開放的。英國、加拿大、紐西蘭等國在 2009 年之後都建立起了政府數據開放平台，成為 了國際信息化和大數據領域的一個重要趨勢。
大數據
在我國， 2011 年香港特區政府上線了 data.gov.hk，稱為香港政府資料一線通。上海在 2012年 6 月推出了中國大陸第一個數據開放平台。之後，北京、武漢、無錫、佛山南海等城市也都上線了自己的數據平台。
大數據
（三）、 大數據對於政府治理具有極大的價值
大數據其實對政府的治理帶來了全新的價值，無論是對宏觀經濟的決策能力、產業聚集能力、協同治理能力、社會管理能力、公眾服務能力、快速響應能力的提升，大數據都可以在有很大層面上幫助政府治理。
大數據大數據
（四）、大數據上升至國家戰略成為共識。
大數據時代，對大數據的開發、利用與保護的爭奪日趨激烈，制信權成為繼制陸權、制海權、制空權之後的新制權，大數據處理能力成為強國弱國區分的又一重要指標。國際上以美國為代表的發達國家紛紛布局大數據產業，相繼推出大數據相關政策，大力支持大數據產 業在本國的發展。以美國為例，美國從開展關鍵技術研究、推動大數據應用和開放政府數據三方面布局大數據產業，尤其在開放政府數據方面非常積極，通過 Data.gov開放 37 萬個數據集，並開放網站的 API 和源代碼，提供上千個數據應用。我們認為，大數據未來將 引發新一輪大國競爭，大數據對整個世界的影響力會呈現爆發性增長趨勢，因此包括我國在內的國家會在政策支持力度上不斷提升，大數據戰略將上升至國家戰略已毋庸臵疑。
大數據
（五）、 我國 高度重視大數據未來發展
自去年 3 月「大數據」首次出現在《政府工作報告》中以來，國務院常務會議一年內 6次提及大數據運用。近期在 6 月 17 日的國務院常務會議上，李克強總理再次強調「我們正在推進簡政放權，放管結合、優化服務，而大數據手段的運用十分重要。」 7 月 1 日， 國務院辦公廳印發了《關於運用大數據加強對市場主體服務和監管的若干意見》。
大數據
大數據大數據
（六）. 各部委行動時間表已經確，我國大數據發展面臨歷史性機遇
值得注意的是，近期國務院出台文件對各個部委推進大數據任務制定了明確的時間表，很多推進工作任務要求在 2015 年 12 月底前出台政策並實施，近期將是我國大數據發展政策出台的密集期。
表 3： 各部委推進大數據應用時間表
序號工作任務負責單位時間進度1加快建立公民、法人和其他組織統一社會信用代碼制度。發展改革委、中央編辦、公安部、民政部、人民銀行、稅務總局、工商總局、質檢總局2015 年 12 月底前出台並實施2全面實行工商營業執照、組織機構代碼證和稅務登記證「三證合一」、 「一照一碼」登記制度改革。工商總局、中央編辦、發展改革委、質檢總局、稅務總局2015 年 12 月底前實施3建立多部門網上項目並聯審批平台，實現跨部門、跨層級項目審批、核准、備案的「統一受理、同步審查、信息共享、透明公開」。發展改革委會同有關部門2015 年 12 月底前完成4推動政府部門整合相關信息，緊密結合企業需求，利用網站和微博、微信等新興媒體為企業提供服務。網信辦、工業和信息化部持續實施5研究制定在財政資金補助、政府采購、政府購買服務、政府投資工程建設招投標過程中使用信用信息和信用報告的政策措施。財政部、發展改革委2015 年 12 月底前出台並實施6充分運用大數據技術，改進經濟運行監測預測和風險預警，並及時向社會發布相關信息，合理引導市場預期。發展改革委、統計局持續實施7支持銀行、證券、信託、融資租賃、擔保、保險等專業服務機構和行業協會、商會運用大數據為企業提供服務。人民銀行、銀監會、證監會、保監會、民政部持續實施8健全事中事後監管機制，匯總整合和關聯分析有關數據，構建大數據監管模型，提升政府科學決策和風險預判能力。各市場監管部門2015 年 12 月底前取得階段性成果9在辦理行政許可等環節全面建立市場主體准入前信用承諾制度。 信用承諾向社會公開，並納入市場主體信用記錄。各行業主管部門2015 年廣泛開展試點， 2017 年 12 月底前完成10加快建設地方信用信息共享交換平台、部門和行業信用信息系統，通過國家統一的信用信息共享交換平台實現互聯共享。各省級人民政府，各有關部門2016 年 12 月底前完成11建立健全失信聯合懲戒機制，將使用信用信息和信用報告嵌入行政管理和公共服務的各領域、各環節，作為必要條件或重要參考依據。在各領域建立跨部門聯動響應和失信約束機制。建立各行業「黑名單」制度和市場退出機制。推動將申請人良好的信用狀況作為各類行政許可的必備條件。各有關部門，各省級人民政府2015 年 12 月底前取得階段性成果12建立產品信息溯源制度，加強對食品、葯品、農產品、日用消費品、特種設備、地理標志保護產品等重要產品的監督管理，利用物聯網、射頻識別等信息技術，建立產品質量追溯體系，形成來源可查、去向可追、責任可究的信息鏈條。商務部、網信辦會同食品葯品監管總局、農業部、質檢總局、工業和信息化部2015 年 12 月底前出台並實施13加強對電子商務平台的監督管理，加強電子商務信息採集和分析，指導開展電子商務網站可信認證服務，推廣應用網站可信標識，推進電子商務可信交易環境建設。健全權益保護和爭議調處機制。工商總局、商務部、網信辦、工業和信息化部持續實施14進一步加大政府信息公開和數據開放力度。除法律法規另有規定外，將行政許可、行政處罰等信息自作出行政決定之日起 7 個工作日內上網公開。各有關部門，各省級人民政府持續實施15加快實施經營異常名錄制度和嚴重違法失信企業名單制度。建設國家企業信用信息公示系統，依法對企業注冊登記、行政許可、行政處罰等基本信用信息以及企業年度報告、經營異常名錄和嚴重違法失信企業名單進行公示，並與國家統一的信用信息共享交換平台實現有機對接和信息共享。工商總局、其他有關部門，各省級人民政府持續實施16支持探索開展社會化的信用信息公示服務。建設「信用中國 」網站，歸集整合各地區、各部門掌握的應向社會公開的信用信息，實現信用信息一站式查詢，方便社會了解市場主體信用狀況。各級政府及其部門網站要與 「信用中國 」網站連接，並將本單位政務公開信息和相關市場主體違法違規信息在「信用中國 」網站公開。發展改革委、人民銀行、其他有關部門，地方各級人民政府2015 年 12 月底前完成17推動各地區、各部門已建、在建信息系統互聯互通和信息交換共享。在部門信息系統項目審批和驗收環節，進一步強化對信息共享的要求。發展改革委、其他有關部門持續實施18健全國家電子政務網路，加快推進國家政務信息化工程建設，統籌建立人口、法人單位、自然資源和空間地理、宏觀經濟等國家信息資源庫，加快建設完善國家重要信息系統。發展改革委、其他有關部門分年度推進實施， 2020 年前基本建成19加強對市場主體相關信息的記錄，形成信用檔案。對嚴重違法失信的市場主體，按照有關規定列入「黑名單」，並將相關信息納入企業信用信息公示系統和國家統一的信用信息共享交換平台。各有關部門2015 年 12 月底前實施20探索建立政府信息資源目錄。各有關部門2016 年 12 月底前出台目錄編制指南21引導徵信機構根據市場需求，大力加強信用服務產品創新，進一步擴大信用報告在行政管理和公共服務及銀行、證券、保險等領域的應用。發展改革委、人民銀行、銀監會、證監會、保監會2017 年 12 月底前取得階段性成果22落實和完善支持大數據產業發展的財稅、金融、產業、人才等政策，推動大數據產業加快發展。發展改革委、工業和信息化部、財政部、人力資源社會保障部、人民銀行、網信辦、銀監會、證監會、保監會2017 年 12 月底前取得階段性成果23加快研究完善規范電子政務，監管信息跨境流動，保護國家經濟安全、信息安全，以及保護企業商業秘密、個人隱私方面的管理制度，加快制定出台相關法律法規。網信辦、公安部、工商總局、工業和信息化部、發展改革委等部門會同法制辦2017 年 12 月底前出台（涉及法律、行政法規的，按照立法程序推進）24推動出台相關法規，對政府部門在行政管理、公共服務中使用信用信息和信用報告作出規定，為聯合懲戒市場主體違法失信行為提供依據。發展改革委、人民銀行、法制辦2017 年 12 月底前出台（涉及法律、行政法規的，按照立法程序推進）25建立大數據標准體系，研究制定有關大數據的基礎標准、技術標准、應用標准和管理標准等。加快建立政府信息採集、存儲、公開、共享、使用、質量保障和安全管理的技術標准。引導建立企業間信息共享交換的標准規范。工業和信息化部、國家標准委、發展改革委、質檢總局、網信辦、統計局2020 年前分步出台並實施26推動實施大數據示範應用工程，在工商登記、統計調查、質量監管、競爭執法、消費維權等領域率先開展示範應用工程，實現大數據匯聚整合。在宏觀管理、稅收征繳、資源利用與環境保護、食品葯品安全、安全生產、信用體系建設、健康醫療、勞動保障、教育文化、交通旅遊、金融服務、中小企業服務、工業製造、現代農業、商貿物流、社會綜合治理、收入分配調節等領域實施大數據示範應用工程。
⑵ 移動互聯時代 大數據的應用價值
移動互聯時代 大數據的應用價值
隨著大數據的發展，企業也越來越重視數據相關的開發和應用，從而獲取更多的市場機會。一方面，大數據能夠明顯提升企業數據的准確性和及時性；此外還能夠降低企業的交易摩擦成本；更為關鍵的是，大數據能夠幫助企業分析大量數據而進一步挖掘細分市場的機會，最終能夠縮短企業產品研發時間、提升企業在商業模式、產品和服務上的創新力，大幅提升企業的商業決策水平，降低了企業經營的風險。
一、大數據助企業挖掘市場機會探尋細分市場
大數據能夠幫助企業分析大量數據而進一步挖掘市場機會和細分市場，然後對每個群體量體裁衣般的採取獨特的行動。獲得好的產品概念和創意，關鍵在於我們到底如何去搜集消費者相關的信息，如何獲得趨勢，挖掘出人們頭腦中未來會可能消費的產品概念。用創新的方法解構消費者的生活方式，剖析消費者的生活密碼，才能讓吻合消費者未來生活方式的產品研發不再成為問題，如果你了解了消費者的密碼，就知道其潛藏在背後的真正需求。大數據分析是發現新客戶群體、確定最優供應商、創新產品、理解銷售季節性等問題的最好方法。
在數字革命的背景下，對企業營銷者的挑戰是從如何找到企業產品需求的人到如何找到這些人在不同時間和空間中的需求；從過去以單一或分散的方式去形成和這群人的溝通信息和溝通方式，到現在如何和這群人即時溝通、即時響應、即時解決他們的需求，同時在產品和消費者的買賣關系以外，建立更深層次的夥伴間的互信、雙贏和可信賴的關系。
大數據進行高密度分析，能夠明顯提升企業數據的准確性和及時性；大數據能夠幫助企業分析大量數據而進一步挖掘細分市場的機會，最終能夠縮短企業產品研發時間、提升企業在商業模式、產品和服務上的創新力，大幅提升企業的商業決策水平。因此，大數據有利於企業發掘和開拓新的市場機會；有利於企業將各種資源合理利用到目標市場；有利於制定精準的經銷策略；有利於調整市場的營銷策略，大大降低企業經營的風險。
企業利用用戶在互聯網上的訪問行為偏好能為每個用戶勾勒出一副「數字剪影」，為具有相似特徵的用戶組提供精確服務滿足用戶需求，甚至為每個客戶量身定製。這一變革將大大縮減企業產品與最終用戶的溝通成本。例如：一家航空公司對從未乘過飛機的人很感興趣（細分標準是顧客的體驗）。而從未乘過飛機的人又可以細分為害怕飛機的人，對乘飛機無所謂的人以及對乘飛機持肯定態度的人（細分標準是態度）。在持肯定態度的人中，又包括高收入有能力乘飛機的人（細分標準是收入能力）。於是這家航空公司就把力量集中在開拓那些對乘飛機持肯定態度，只是還沒有乘過飛機的高收入群體。通過對這些人進行量身定製、精準營銷取得了很好的效果。
二、大數據提高決策能力
當前，企業管理者還是更多依賴個人經驗和直覺做決策，而不是基於數據。在信息有限、獲取成本高昂，而且沒有被數字化的時代，讓身居高位的人做決策是情有可原的，但是大數據時代，就必須要讓數據說話。
大數據能夠有效的幫助各個行業用戶做出更為准確的商業決策，從而實現更大的商業價值，它從誕生開始就是站在決策的角度出發。雖然不同行業的業務不同，所產生的數據及其所支撐的管理形態也千差萬別，但從數據的獲取，數據的整合，數據的加工，數據的綜合應用，數據的服務和推廣，數據處理的生命線流程來分析，所有行業的模式是一致的。
這種基於大數據決策的特點是：一是量變到質變，由於數據被廣泛挖掘，決策所依據的信息完整性越來越高，有信息的理性決策在迅速擴大，拍腦袋的盲目決策在急劇縮小。二是決策技術含量、知識含量大幅度提高。由於雲計算出現，人類沒有被海量數據所淹沒，能夠高效率駕御海量數據，生產有價值的決策信息。三是大數據決策催生了很多過去難以想像的重大解決方案。如某些葯物的療效和毒副作用，無法通過技術和簡單樣本驗證，需要幾十年海量病歷數據分析得出結果；做宏觀經濟計量模型，需要獲得所有企業、居民以及政府的決策和行為海量數據，才能得出減稅政策最佳方案；反腐倡廉，人類幾千年歷史都沒解決，最近通過微博和人肉搜索，貪官在大數據的海洋中無處可藏，人們看到根治的希望等等。
如果在不同行業的業務和管理層之間，增加數據資源體系，通過數據資源體系的數據加工，把今天的數據和歷史數據對接，把現在的數據和領導和企業機構關心的指標關聯起來，把面向業務的數據轉換成面向管理的數據，輔助於領導層的決策，真正實現了從數據到知識的轉變，這樣的數據資源體系是非常適合管理和決策使用的。
在宏觀層面，大數據使經濟決策部門可以更敏銳地把握經濟走向，制定並實施科學的經濟政策；而在微觀方面，大數據可以提高企業經營決策水平和效率，推動創新，給企業、行業領域帶來價值。
三、大數據創新企業管理模式，挖掘管理潛力
當下，有多少企業還會要求員工像士兵一樣無條件服從上級的指示？還在通過大量的中層管理者來承擔管理下屬和傳遞信息的職責？還在禁止員工之間談論薪酬等信息？《華爾街日報》曾有一篇文章就說，NO。這一切已經過時了，嚴格控制，內部猜測和小道消息無疑更會降低企業效率。一個管理學者曾經將企業內部關系比喻為成本和消耗中心，如果內部都難以協作或者有效降低管理成本和消耗，你又如何指望在今天瞬息萬變的市場和競爭環境下生存、創新和發展呢？
我們試著想想，當購物、教育、醫療都已經要求在大數據、移動網路支持下的個性化的時代，創新已經成為企業的生命之源，我們還有什麼理由還要求企業員工遵循工業時代的規則，強調那種命令式集中管理、封閉的層級體系和決策體制嗎？當個體的人都可以通過佩戴各種感測器，搜集各種來自身體的信號來判斷健康狀態，那樣企業也同樣需要配備這樣的感測系統，來實時判斷其健康狀態的變化情況。
今天信息時代機器的性能，更多決定於晶元，大腦的存儲和處理能力，程序的有效性。因而管理從注重系統大小、完善和配合，到注重人，或者腦力的運用，信息流程和創造性，以及職工個性滿足、創造力的激發。
在企業管理的核心因素中，大數據技術與其高度契合。管理最核心的因素之一是信息搜集與傳遞，而大數據的內涵和實質在於大數據內部信息的關聯、挖掘，由此發現新知識、創造新價值。兩者在這一特徵上具有高度契合性，甚至可以標稱大數據就是企業管理的又一種工具。因為對於任何企業，信息即財富，從企業戰略著眼，利用大數據，充分發揮其輔助決策的潛力，可以更好地服務企業發展戰略。
大數據時代，數據在各行各業滲透著，並漸漸成為企業的戰略資產。數據分析挖掘不僅本身能幫企業降低成本：比如庫存或物流，改善產品和決策流程，尋找到並更好的維護客戶，還可以通過挖掘業務流程各環節的中間數據和結果數據，發現流程中的瓶頸因素，找到改善流程效率，降低成本的關鍵點，從而優化流程，提高服務水平。大數據成果在各相關部門傳遞分享，還可以提高整個管理鏈條和產業鏈條的投入回報率。
四、大數據變革商業模式催生產品和服務的創新
在大數據時代，以利用數據價值為核心，新型商業模式正在不斷涌現。能夠把握市場機遇、迅速實現大數據商業模式創新的企業，將在IT發展史上書寫出新的傳奇。
大數據讓企業能夠創造新產品和服務，改善現有產品和服務，以及發明全新的業務模式。回顧IT歷史，似乎每一輪IT概念和技術的變革，都伴隨著新商業模式的產生。如個人電腦時代微軟憑借操作系統獲取了巨大財富，互聯網時代谷歌抓住了互聯網廣告的機遇，移動互聯網時代蘋果則通過終端產品的銷售和應用商店獲取了高額利潤。
縱觀國內，以金融業務模式為例，阿里金融基於海量的客戶信用數據和行為數據，建立了網路數據模型和一套信用體系，打破了傳統的金融模式，使貸款不再需要抵押品和擔保，而僅依賴於數據，使企業能夠迅速獲得所需要的資金。阿里金融的大數據應用和業務創新，變革了傳統的商業模式，對傳統銀行業帶來了挑戰。
還有，大數據技術可以有效的幫助企業整合、挖掘、分析其所掌握的龐大數據信息，構建系統化的數據體系，從而完善企業自身的結構和管理機制；同時，伴隨消費者個性化需求的增長，大數據在各個領域的應用開始逐步顯現，已經開始並正在改變著大多數企業的發展途徑及商業模式。如大數據可以完善基於柔性製造技術的個性化定製生產路徑，推動製造業企業的升級改造；依託大數據技術可以建立現代物流體系，其效率遠超傳統物流企業；利用大數據技術可多維度評價企業信用，提高金融業資金使用率，改變傳統金融企業的運營模式等。
過去，小企業想把商品賣到國外要經過國內出口商、國外進口商、批發商、商場，最終才能到達用戶手中，而現在，通過大數據平台可以直接從工廠送達到用戶手中，交易成本只是過去的十分之一。以我們熟悉的網購平台淘寶為例，每天有數以萬計的交易在淘寶上進行，與此同時相應的交易時間、商品價格、購買數量會被記錄，更重要的是，這些信息可以與買方和賣方的年齡、性別、地址、甚至興趣愛好等個人特徵信息相匹配。運用匹配的數據，淘寶可以進行更優化的店鋪排名和用戶推薦；商家可以根據以往的銷售信息和淘寶指數進行指導產品供應、生產和設計，經營活動成本和收益實現了可視化，大大降低了風險，賺取更多的錢；而與此同時，更多的消費者也能以更優惠的價格買到了更心儀的產品。
維克托曾預言2020年，大數據時代就會真正來臨。在那個時候，最經常會用到的應用就是個性化生活所需要的，尤其是智能手機的應用。
五、大數據讓每個人更加有個性
對個體而言，大數據可以為個人提供個性化的醫療服務。比如，我們的身體功能可能會通過手機、移動網路進行監控，一旦有什麼感染，或身體有什麼不適，我們都可以通過手機得到警示，接著信息會和手機庫進行對接或者咨詢相關專家，從而獲得正確的用葯和其他治療。
過去我們去看病，醫生只能對我們的當下身體情況做出判斷，而在大數據的幫助下，將來的診療可以對一個患者的累計歷史數據進行分析，並結合遺傳變異、對特定疾病的易感性和對特殊葯物的反應等關系，實現個性化的醫療。還可以在患者發生疾病症狀前，提供早期的檢測和診斷。早期發現和治療可以顯著降低肺癌給衛生系統造成的負擔，因為早期的手術費用是後期治療費用的一半。
還有，在傳統的教育模式下，分數就是一切，一個班上幾十個人，使用同樣的教材，同一個老師上課，課後布置同樣的作業。然而，學生是千差萬別的，在這個模式下，不可能真正做到「因材施教」。
如一個學生考了90分，這個分數僅僅是一個數字，它能代表什麼呢？90分背後是家庭背景、努力程度、學習態度、智力水平等，把它們和90分聯系在一起，這就成了數據。大數據因其數據來源的廣度，有能力去關注每一個個體學生的微觀表現：如他在什麼時候開始看書，在什麼樣的講課方式下效果最好，在什麼時候學習什麼科目效果最好，在不同類型的題目上停留多久等等。當然，這些數據對其他個體都沒有意義，是高度個性化表現特徵的體現。同時，這些數據的產生完全是過程性的：課堂的過程，作業的情況，師生或同學的互動情景……而最有價值的是，這些數據完全是在學生不自知的情況下被觀察、收集的，只需要一定的觀測技術與設備的輔助，而不影響學生任何的日常學習與生活，因此它的採集也非常的自然、真實。
在大數據的支持下，教育將呈現另外的特徵：彈性學制、個性化輔導、社區和家庭學習、每個人的成功……大數據支撐下的教育，就是要根據每一個人的特點，釋放每一個人本來就有的學習能力和天分。
此外，維克托還建議中國政府要進一步補錄資料庫。政府以前提供財政補貼，現在可以提供資料庫，打造創意服務。在美國就有完全基於政府提供的資料庫，如為企業提供機場、高速公路的數據，提供航班可能發生延誤的概率，這種服務這可以幫助個人、消費者更好地預測行程，這種類型的創新，就得益於公共的大數據。
六、智慧驅動下的和諧社會
美國作為全球大數據領域的先行者，在運用大數據手段提升社會治理水平、維護社會和諧穩定方面已先行實踐並取得顯著成效。
近年來，在國內，「智慧城市」建設也在如火如荼的開展。截止去年底，我國的國家智慧城市試點已達193個，而公開宣布建設智慧城市的城市超過400個。智慧城市的概念包含了智能安防、智能電網、智慧交通、智慧醫療、智慧環保等多領域的應用，而這些都要依託於大數據，可以說大數據是「智慧」的源泉。
在治安領域，大數據已用於信息的監控管理與實時分析、犯罪模式分析與犯罪趨勢預測，北京、臨沂等市已經開始實踐利用大數據技術進行研判分析，打擊犯罪。
在交通領域，大數據可通過對公交地鐵刷卡、停車收費站、視頻攝像頭等信息的收集，分析預測出行交通規律，指導公交線路的設計、調整車輛派遣密度，進行車流指揮控制，及時做到梳理擁堵，合理緩解城市交通負擔。
在醫療領域，部分省市正在實施病歷檔案的數字化，配合臨床醫療數據與病人體征數據的收集分析，可以用於遠程診療、醫療研發，甚至可以結合保險數據分析用於商業及公共政策制定等等。
伴隨著智慧城市建設的火熱進行，政府大數據應用已進入實質性的建設階段，有效拉動了大數據的市場需求，帶動了當地大數據產業的發展，大數據在各個領域的應用價值已得到初顯。
七、大數據如何預言未來？
著名的瑪雅預言，盡管背後有著一定的天文知識基礎，但除催生了一部很火的電影《2012》外，其實很多人的生活尚未受到太大的影響。現在基於人類地球上的各種能源存量，以及大氣受污染、冰川融化的程度，我們獲取真的可以推算出按照目前這種工業生產、生活的方式，人類在地球上可以存活的年數。《第三次工業革命》中對這方面有很深入的解釋，基於精準預測，發現現有模式是死路一條後，人類就可以進行一些改變，這其實就是一種系統優化。
這種結合之前情景研究，不斷進行系統優化的過程，將賦予系統生命力，而大數據就是其中的血液和神經系統。通過對大數據的深入挖掘，我們將會了解系統的不同機體是如何相互協調運作的，同樣也可以通過對他們的了解去控制機體的下一個操作，甚至長遠的維護和優化。從這個角度講，基於網路的大數據可以看作是人類社會的神經中樞，因為有了網路和大數據人類社會才開始靈活起來，而不像以前那麼死板。基於大數據，個體之間相互連接有了基礎，相互的交互過程得到了簡化，各種交易的成本減少很多。廠家等服務提供方可以基於大數據研發出更符合消費者需求的服務，機構內部的管理也更為細致，有了血液和神經系統的社會才真的擁有生命活力。
結語
透過以上這些行業典型的大數據應用案例和場景，不難悟出大數據的典型的核心價值。大數據是看待現實的新角度，不僅改變了市場營銷、生產製造，同時也改變了商業模式。數據本身就是價值來源，這也就意味著新的商業機會，沒有哪一個行業能對大數據產生免疫能力，適應大數據才能在這場變革中繼續生存下去。
當下，正處於數據大爆發的時代，如何獲取這些數據並對這些數據進行有效分析就顯得尤為重要。各種企業機構之間的競爭非常殘酷。如何基於以往的運行數據，對未來的運行模式進行預測，從而提前進行准備或者加以利用、調整，對很多企業機構其實是一種生死存亡的問題。這樣一種情況同樣適用於國家級別。正因為這一點，目前無論是在企業級別還是國家級別都開始研究、部署大數據。
可見，大數據應用已經凸顯出了巨大的商業價值，觸角已延伸到零售、金融、教育、醫療、體育、製造、影視、政府等各行各業。你可能會問這些具體價值實現的推動者有哪些呢？就是所謂的大數據綜合服務提供商，從實踐情況看，主要包括大數據解決方案提供商、大數據處理服務提供商和數據資源提供商三個角色，分別向大數據的應用者提供大數據服務、解決方案和數據資源。
未來大數據還將徹底改變人類的思考模式、生活習慣和商業法則，將引發社會發展的深刻變革，同時也是未來最重要的國家戰略之一。
⑶ 美國大數據第三輪行動中解決什麼問題
美國大數據第三輪行動中解決大數據發展問題。2012年白宮科技政策辦公室發布《大數據研究發展倡議》，以提升從海量和復雜數據中獲取知識、挖掘價值的能力，進而推動科學與工程領域創新步伐加速。第二步調整政策框架與法律規章，積極應對大數據發展帶來的隱私保護等問題。2014年美國發布《大數據：把握機遇，守護價值》白皮書，再次重申要把握大數據可為經濟社會發展帶來創新動力的重大機遇，同時也要高度警惕大數據應用所帶來的隱私、公平等問題，以積極、務實的態度深刻剖析可能面臨的治理挑戰。
⑷ 大數據應用現狀 從發現價值到創造價值
大數據應用現狀：從發現價值到創造價值
從發現價值到創造價值， 大數據將成為「互聯網+」 產業升級的驅動力。 過去，數據的價值主要應用在決策領域，典型應用是商業智能(BI, Business Intelligence)在企業經營管理層面的應用， 即通過數據收集、管理和分析等方法，將數據轉化為知識， 發現數據的價值，進而提供決策支持。隨著數據體量的不斷增加和處理數據能力的提升， 大數據已經成為一類新的資產， 其應用場景正在不斷擴寬，除了決策支持、 提高效率等發現價值功能之外，大數據還能創造價值的功能： 一方面，大數據可以幫助提供傳統模式下所無法提供的產品， 滿足用戶需求， 例如大數據完善個人徵信體系，幫助金融機構提供消費金融產品；又如千方旗下的掌城科技通過浮動車模型提供實時交通信息服務；另一方面，大數據還可以創造需求， 例如，大數據可以助力實現人工智慧， 這是新技術創造的新需求。
大數據延伸 BI 內涵， 提高企業效率
大數據分析結果為企業經營決策提供支持，幫助企業提高效率，這實際上是傳統 BI 范疇的延伸。 在人口紅利逐漸消失的背景下， 我國企業傳統的粗放型模式受到了 越來越大的挑戰， 互聯網與產業結合背景下的大數據應用將有助於提升企業經營管理效率，助力企業經營從粗放型向集約型轉型， 實現產業升級。
大數據促進商業智能的加速發展，這是因為：第一，大數據的分析過程和結果更具有靈活性、可靠性和價值性；第二，大數據的存在提高了企業的商業智能意識， 引導企業主動尋求商業智能的幫助。一些大型企業往往擁有幾十個甚至數百個信息系統，其所包含的大量數據反映了企業的日常經營情況，若能加以分析和利用，將為企業創造巨大的價值。
目前，大數據應用可以幫助企業實現戶關系管理、盈利能力分析、控製成本、衡量績效等功能：
客戶關系管理（CRM）：通過客戶信息統計，使企業有針對性的根據客戶需求來定製產品和服務，提高客戶忠誠度，還可以通過分析偏好挖掘潛在客戶；
贏利能力分析：幫助企業分析利潤來源、各類產品贏利能力、費用支出是否與銷售成正比等；
控製成本：根據統計信息優化流程，如降低庫存、減少損耗等，助於企業控製成本；
績效管理：利於商業智能確立對員工的期望，幫助他們跟蹤並管理其績效。
麥肯錫調查顯示， 數據挖掘的商業價值巨大， 大數據在美國醫療行業每年能提高 0.7%的生產力，創造約 3000 億美元的價值；在歐洲公共管理部門 ，每年能提高 0.5%的生產力，創造 2500 億歐元的價值；在美國零售業，每年能提高 0.5%-1.0%的生產力 和 60%的凈利率。
大數據滿足需求， 市場空間巨大
大數據可以幫助提供過去所無法提供的產品， 滿足用戶需求。 這種模式在傳統產業中比較常見， 過去，一些行業的用戶需求雖然存在， 但是由於缺乏有效的技術手段，導致市場參與者無法提供合適的產品迎合市場需求。大數據技術興起後，將帶動一系列創新產品推出市場， 這在各行各業都能找到案例，考慮到傳統產業的廣度，這將是是一個正在挖掘的巨大市場。
以交通領域的實時交通信息服務和車險定價為例，這兩個細分領域的需求本來就存在，但在大數據興起之前，傳統模式無法提供最優的產品，而大數據技術下的產品優化可以更好的滿足需求，提高用戶體驗。
千方科技旗下掌城科技通過大數據技術提供實時交通信息服務。 掌城科技通過向計程車公司和公交車公司購買數據、 向政府部門臵換數據、利用千方自有數據的形式匯集城際交通數據， 基於浮動車的演算法模型，對數據進行二次開發，以建立實時交通信息服務平台。 目前， 掌城科技運營著北京、上海等全國 30 余個大中城市的實時路況信息，准確率極高。 目前，千方已將交通數據收集從城際交通擴大至整個陸路交通和航空等領域，目標通過大數據技術提供更加全面的公眾智慧出行服務。
大數據技術將參與車險定價，使定價更加科學。隨著車聯網的興起，OBD（On-BoardDiagnostic車載診斷系統）等聯網的車載設備，成為車聯網中的智能節點，連接運動中的人、車和道路環境，讀取行車數據，從而分析出車輛能耗、故障等車況信息以及駕駛者的行車習慣：通過G-sensor監測車主的諸如急剎車、急加速和急轉彎等危險行為，通過破解Can-bus協議監測車主的諸如轉彎不打燈、駐車不拉手剎等不良駕駛習慣，通過GPS獲取車輛的位臵信息和里程數據，這些數據將改善車險定價技術與核保政策，提升精準定價能力。
大數據創造需求，拓寬市場邊界
大數據創新產品拓寬市場邊界， 供給創造需求。 大數據創造價值功能， 除了提供產品滿足市場已經存在的需求外， 基於大數據的新產品還將創造新供給，帶動新需求， 打破原有的市場邊界，想像空間巨大：
一方面大數據能夠前所未有的精準洞悉現在，深入挖掘現有商業價值：
例如 Airbnb 擁有海量的獨有數據，包括旅遊地、用戶評論、房源描述、社區信息等， Airbnb還有一支隊伍去各地和當地人交流，搜集所有的相關歷史數據。當用戶在搜尋一個住宿的地方時， Airbnb 利用大數據分析通過 Airbnb 社區告訴未來的客人哪裡是更好的住宿地，甚至能夠幫助用戶更深入地了解某個地點，包括地理信息無法描述的文化或宗教上的區分。 Uber 則是利用地理位臵和其用戶的綜合數據，大大縮短司機開著空車去接下一位乘客的時間和乘客等待的時間。
另一方面大數據能夠空前准確的預測未來，從而能獲得前瞻性的商業價值：
例如社交數據分析公司 Topsy 准確預測了 iPhone 4S 上市後的市場表現，同時還成功預測美國大選結果和奧斯卡頒獎結果。它在商業分析、市場銷售、新聞等領域擁有很高價值，因而蘋果以 2 億多美元的價格收購 Topsy。
大數據產業鏈分析
大數據產業鏈的主要參與方
大數據產業鏈可以分為四個部分： 數據採集和整合、數據存儲和運算、數據分析和挖掘、數據應和消費。數據採集和整合是指通過技術手段從互聯網、 移動終端、 物聯網、 應用軟體等採集數據，然後把數據按照一定的規則進行存儲和運算，再按照需求調用數據並進行智能分析和挖掘，將數據轉化成價值信息或者產品，為決策支持、提升效率、 創新產品提供依據。
數據資產開始成為核心資源
擁有數據，大數據時代的王者。在大數據時代， 數據資產已經成為核心資源， 2012 年，奧巴馬政府明確提出 將「大數據戰略」上升為國家意志，並將數據定義為「未來的新石油」， 因此，擁有數據可謂是大數據時代的王者。 擁有數據的機構可以分為三類：
一是既有數據、 又有大數據思維的互聯網公司，如阿里巴巴、騰訊、京東、 Google、 Amazon等，在互聯網端積累了大量的數據資源，而且此類公司 IT 起家， 對大數據有天生敏銳的嗅覺， 大數據技術也相對成熟， 因此，互聯網公司 可謂是最早使用大數據的機構，成為大數據應用的先行者；
二是傳統軟體公司轉型互聯網，通過 SaaS 模式為用戶提供服務， 例如用友軟體推出暢捷通，以雲模式為小微企業提供財務管理應用， 也可以認為是既有數據、 又有大數據思維的模式；
三是擁有數據，缺乏大數據思維的機構，這類機構手裡掌握著大量的數據，但是沒有能力自己有效利用， 例如金融機構、 運營商、政府部門等。
使用數據，數據變現的推動者。對於手裡掌握大量數據，但沒有能力變現的機構而言，需要專業的第三方公司提供大數據服務，主要是各類 IT 咨詢機構和行業應用軟體廠商，尤其是行業應用軟體廠商， 在各自的領域具有天然的卡位優勢： 軟體公司提供了行業應用軟體和相關的運營維護， 行業應用軟體本身就是重要的數據來源，軟體公司 屬於不擁有數據，但可以接觸到數據的機構， 且天然擁有大數據思維和大數據技術，以及良好的行業客戶關系，從信息系統建設延伸到大數據運營順理成章。因此，各個細分行業的應用軟體提供商有望成為傳統擁有數據機構的重要合作夥伴， 助力其探索大數據價值變現。
大數據技術是重要生產力
大數據應用好壞的關鍵除了 數據本身，還在於大數據技術， 大數據技術包括數據採集、數據存取、基礎架構、數據處理、統計分析、數據挖掘、模型預測、結果呈現等環節，涉及的技術環節極廣， 隨著數據體量增大和數據復雜性程度提高，大數據技術本身也處於快速迭代的發展過程中。值得一提的是，大數據技術落地的一大重要因素在於如何實現技術與業務的融合， 這背後需要深厚的業務理解， 對於既有數據、 又有大數據思維的互聯網公司 來說，技術和業務本身是相互驅動、共同發展的， 對於擁有數據，缺乏大數據思維的機構而言， 在行業深耕多難的應用軟體提供商則是最好的選擇。
以上是小編為大家分享的關於 大數據應用現狀 從發現價值到創造價值的相關內容，更多信息可以關注環球青藤分享更多干貨
⑸ 美國利用大數據進行國家治理的實例有哪些
雖然我沒在 美國待過，但是知道一些。
利用大數據的數據分析，已經可以進行信用卡詐騙監測
Google無人車也算是大數據一部分
提前預知犯罪的發生
人臉識別，在公眾場所識別犯罪分子。
⑹ 談談美國是如何運用大數據來維護國家安全。300字
美國政府將大數據視為強化美國競爭力的關鍵因素之一，把大數據研究和生產計劃提高到版國家戰略層面。3月29日，權奧巴馬政府宣布投資2億美元啟動《大數據研究和發展計劃》，希望增強收集海量數據、分析萃取信息的能力。以美國科學與技術政策辦公室（OSTP）為首，國土安全部、美國國家科學基金會、國防部、美國國家安全局、能源部等已經開始了與民間企業或大學開展多項大數據相關的各種研究開發。美國政府為之撥出超過2億美元的研究開發預算。奧巴馬指出，通過提高從大型復雜的數字數據集中提取知識和觀點的能力，承諾幫助加快在科學與工程中的步伐，改變教學研究，加強國家安全。據悉，美國國防部已經在積極部署大數據行動，利用海量數據挖掘高價值情報，提高快速響應能力，實現決策自動化。而美國中央情報局通過利用大數據技術，將分析搜集的數據時間由63天縮減到27分鍾。
⑺ 大數據在金融行業的應用與挑戰
大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。
⑻ 大數據的應用領域有哪些
1.了解和定位客戶
這是大數據目前最廣為人知的應用領域。很多企業熱衷於社交媒體數據、瀏覽器日誌、文本挖掘等各類數據集，通過大數據技術創建預測模型，從而更全面地了解客戶以及他們的行為、喜好。
利用大數據，美國零售商Target公司甚至能推測出客戶何時會有Baby;電信公司可以更好地預測客戶流失;沃爾瑪可以更准確的預測產品銷售情況;汽車保險公司能更真實的了解客戶實際駕駛情況。
滑雪場利用大數據來追蹤和鎖定客戶。如果你是一名狂熱的滑雪者，想像一下，你會收到最喜歡的度假勝地的邀請;或者收到定製化服務的簡訊提醒;或者告知你最合適的滑行線路。。。。。。同時提供互動平台(網站、手機APP)記錄每天的數據——多少次滑坡，多少次翻越等等，在社交媒體上分享這些信息，與家人和朋友相互評比和競爭。
除此之外，政府競選活動也引入了大數據分析技術。一些人認為，奧巴馬在2012年總統大選中獲勝，歸功於他們團隊的大數據分析能力更加出眾。
2.了解和優化業務流程
大數據也越來越多地應用於優化業務流程，比如供應鏈或配送路徑優化。通過定位和識別系統來跟蹤貨物或運輸車輛，並根據實時交通路況數據優化運輸路線。
人力資源業務流程也在使用大數據進行優化。Sociometric Solutions公司通過在員工工牌里植入感測器，檢測其工作場所及社交活動——員工在哪些工作場所走動，與誰交談，甚至交流時的語氣如何。美國銀行在使用中發現呼叫中心表現最好的員工——他們制定了小組輪流休息制度，平均業績提高了23%。
如果在手機、鑰匙、眼鏡等隨身物品上粘貼RFID標簽，萬一不小心丟失就能迅速定位它們。假想一下未來可能創造出貼在任何東西上的智能標簽。它們能告訴你的不僅是物體在哪裡，還可以反饋溫度，濕度，運動狀態等等。這將打開一個全新的大數據時代，「大數據」領域尋求共性的信息和模式，那麼孕育其中的「小數據」著重關注單個產品。
3.提供個性化服務
大數據不僅適用於公司和政府，也適用於我們每個人，比如從智能手錶或智能手環等可穿戴設備採集的數據中獲益。Jawbone的智能手環可以分析人們的卡路里消耗、活動量和睡眠質量等。Jawbone公司已經能夠收集長達60年的睡眠數據，從中分析出一些獨到的見解反饋給每個用戶。從中受益的還有網路平台「尋找真愛」，大多數婚戀網站都使用大數據分析工具和演算法為用戶匹配最合適的對象。
4.改善醫療保健和公共衛生
大數據分析的能力可以在幾分鍾內解碼整個DNA序列，有助於我們找到新的治療方法，更好地理解和預測疾病模式。試想一下，當來自所有智能手錶等可穿戴設備的數據，都可以應用於數百萬人及其各種疾病時，未來的臨床試驗將不再局限於小樣本，而是包括所有人!
蘋果公司的一款健康APP ResearchKit有效將手機變成醫學研究設備。通過收集用戶的相關數據，可以追蹤你一天走了多少步，或者提示你化療後感覺如何，帕金森病進展如何等問題。研究人員希望這一過程變得更容易、更自動化，吸引更多的參與者，並提高數據的准確度。
大數據技術也開始用於監測早產兒和患病嬰兒的身體狀況。通過記錄和分析每個嬰兒的每一次心跳和呼吸模式，提前24小時預測出身體感染的症狀，從而及早干預，拯救那些脆弱的隨時可能生命危險的嬰兒。
更重要的是，大數據分析有助於我們監測和預測流行性或傳染性疾病的暴發時期，可以將醫療記錄的數據與有些社交媒體的數據結合起來分析。比如，谷歌基於搜索流量預測流感爆發，盡管該預測模型在2014年並未奏效——因為你搜索「流感症狀」並不意味著真正生病了，但是這種大數據分析的影響力越來越為人所知。
5.提高體育運動技能
如今大多數頂尖的體育賽事都採用了大數據分析技術。用於網球比賽的IBM SlamTracker工具，通過視頻分析跟蹤足球落點或者棒球比賽中每個球員的表現。許多優秀的運動隊也在訓練之外跟蹤運動員的營養和睡眠情況。NFL開發了專門的應用平台，幫助所有球隊根據球場上的草地狀況、天氣狀況、以及學習期間球員的個人表現做出最佳決策，以減少球員不必要的受傷。
還有一件非常酷的事情是智能瑜伽墊：嵌入在瑜伽墊中的感測器能對你的姿勢進行反饋，為你的練習打分，甚至指導你在家如何練習。
6.提升科學研究
大數據帶來的無限可能性正在改變科學研究。歐洲核子研究中心(CERN)在全球遍布了150個數據中心，有65,000個處理器，能同時分析30pb的數據量，這樣的計算能力影響著很多領域的科學研究。比如政府需要的人口普查數據、自然災害數據等，變的更容易獲取和分析，從而為我們的健康和社會發展創造更多的價值。
7.提升機械設備性能
大數據使機械設備更加智能化、自動化。例如，豐田普銳斯配備了攝像頭、全球定位系統以及強大的計算機和感測器，在無人干預的條件下實現自動駕駛。Xcel Energy在科羅拉多州啟動了「智能電網」的首批測試，在用戶家中安裝智能電表，然後登錄網站就可實時查看用電情況。「智能電網」還能夠預測使用情況，以便電力公司為未來的基礎設施需求進行規劃，並防止出現電力耗盡的情況。在愛爾蘭，雜貨連鎖店Tescos的倉庫員工佩戴專用臂帶，追蹤貨架上的商品分配，甚至預測一項任務的完成時間。
8.強化安全和執法能力
大數據在改善安全和執法方面得到了廣泛應用。美國國家安全局(NSA)利用大數據技術，檢測和防止網路攻擊(挫敗恐怖分子的陰謀)。警察運用大數據來抓捕罪犯，預測犯罪活動。信用卡公司使用大數據來檢測欺詐交易等等。
2014年2月，芝加哥警察局對大數據生成的「名單」——有可能犯罪的人員，進行通告和探訪，目的是提前預防犯罪。
9.改善城市和國家建設
大數據被用於改善我們城市和國家的方方面面。目前很多大城市致力於構建智慧交通。車輛、行人、道路基礎設施、公共服務場所都被整合在智慧交通網路中，以提升資源運用的效率，優化城市管理和服務。
加州長灘市正在使用智能水表實時檢測非法用水，幫助一些房主減少80%的用水量。洛杉磯利用磁性道路感測器和交通攝像頭的數據來控制交通燈信號，從而優化城市的交通流量。據統計目前已經控制了全市4500個交通燈，將交通擁堵狀況減少了約16%。
10.金融交易
大數據在金融交易領域應用也比較廣泛。大多數股票交易都是通過一定的演算法模型進行決策的，如今這些演算法的輸入會考慮來自社交媒體、新聞網路的數據，以便更全面的做出買賣決策。同時根據客戶的需求和願望，這些演算法模型也會隨著市場的變化而變化。
⑼ Tiger：我眼中的大數據-新生大學分享(1)
【作者按：本文為2016/10/15晚在新生大學社群的公開分享，旨在和大家探討個人對大數據的一點淺見。雖然專業知識和寫作水平有限，但哪怕能幫到一個人亦會欣慰，同時也期待能得到更多反饋。】
** 1. 認知誤區**
在日常生活和工作中，我發現很多人對大數據的理解存在如下兩個誤區 ：
現在很多人，言必稱大數據。可是，大數據這個說法本身非常模糊，不知道他們在說大數據時具體指什麼。這讓我想起許多年前在國內流行的另外一個概念：納米，我相信你一定很耳熟。那會兒，隨便逛個商場或者看個電視，你都會發現鋪天蓋地的打著納米旗號的廣告襲來：什麼「納米冰箱」，「納米空調」，「納米彩電」。。。 就好像納米是能治百病的靈丹妙葯，任何東西只要貼上「納米」的標簽就好使了，就升值了，就高大上了。
今天，很多人對待大數據的態度和納米一樣，人雲亦雲，自我忽悠，然後互相忽悠。
當你問很多言必稱大數據的人：大數據到底是什麼？不知道大數據是什麼？大數據是怎麼用的？大數據到底對你的生活帶來了哪些收益和影響呢？80%的人都會一臉懵逼，他們根本說不出所以然。當然，我不是說每個人都這樣，但這樣的人的確不少。
個人以為，實事求是的態度很有必要，理應推崇。
知之為知之，不知就知乎之。
不知道沒關系，但如果硬是為了虛榮心去說大數據，為賦新詞強說愁，這樣的態度沒有益處。
如果你真的覺得大數據這個東西非常好，既有趣也有用，那我們就捲起袖口，去搞懂細節，搞懂它的前世今生，乃至它未來的發展趨勢。這樣的態度既接地氣，更能增加個人價值。
2. 數據分析
在和大家探討真正的「大數據」之前，我們先聊聊數據分析。
數據分析實際上已經存在很久了，它根本不是什麼新東西。
它不是什麼新事物，也並不神秘，一點都不！
你會用Excel罷？Excel就是用來做數據分析的，千萬不要小看它。而數據分析比Excel的歷史還要早的多。
數據分析大致可分成四個層面：
首先，獲得數據；
其次，從數據中提取信息；
再次，從信息中提煉出知識；
最後，通過知識發掘智慧。
總結下來就是：Data（數據）->Information（信息）->Knowledge（知識）->Wisdom（智慧）。
從另外一個角度來看，數據分析是技術和藝術的混合體：
3. 大數據的通用特徵
大數據目前沒有一個通用的定義，個人理解的大數據具備如下幾個特徵：
4. 大數據的用途
那麼，大數據有什麼用呢？其實有很多著名的例子，如Alphago幹掉了韓國殿堂級棋手李世石，當然，這樣的例子已經爛大街了。
從我個人而言，我會分享一個亞馬遜的例子。我是亞馬遜的資深用戶，用了八年多了，所以它有我很多的消費行為數據，它知道我的購物的愛好、特徵和規律。這里有一個截圖：
當我登錄亞馬遜賬戶之後，它的推薦頁面就是上面這樣。這個頁面上展示的商品就是它根據我之前買過的一些商品，通過推薦演算法猜測我喜歡什麼種類的商品，還會買什麼商品。總之就是通過已買商品的各個特徵去給你做推薦。
另外，大數據還可以用來找男女朋友。這里也有一個真實的故事：大概在前幾年，美國的加州大學洛杉磯分校（UCLA）有個數學系的博士生，大齡單身宅男，就為找女朋友的事情發愁。但他是個極客，就想辦法寫了一個程序（爬蟲），爬蟲裡面設定了許多符合他個人喜好的規則，然後用這個爬蟲到一些婚戀網站上去爬取目標對象。這樣就找到一些符合他喜好的目標對象，同時，在這個過程中自然排除掉了很多不符合他設定參數的目標。通過和篩選後的目標對象約會，最後他果然找到一個非常合適的女朋友，然後快樂地在一起。
大數據的應用實例還有很多，曾經在2012年在紐約時報上登過一篇報道叫《大公司如何竊取你的秘密？》，文中一個例子就是關於Target超市的大數據應用（美國一家超大規模的連鎖超市）。報道稱Target給明尼蘇達州一戶人家的女兒寄嬰兒用品的優惠券，但是這個女孩還是高中生。他爸爸看到優惠券後非常震怒，認為有誘導未成年人懷孕的嫌疑，就去找當地超市理論。當時超市的經理比較誠懇，一臉懵逼地給顧客道歉。後來，這個父親卻主動打電話給超市過來道歉，說回家和女兒交流後發現她真的懷孕了。
劇情180度大反轉！
這到底是怎麼回事？原來，是Target超市的數據部門開發的懷孕預測模型，根據演算法結合購物記錄發現這個女孩極有可能懷孕。所以，在得到這樣一個判斷後，他們的營銷部門就給這樣的潛在的目標客戶精準推送母嬰商品的優惠券。這事聽起來還是蠻可怕的，大數據雖然沒見過你，但它可能對你了如指掌，知道你是什麼樣的人，家住哪，收入什麼水平，開什麼樣的車，穿什麼衣服，抽什麼煙等等。
大數據甚至還可以做輿情監督和民意調查。比如說，微信在2016年就做了一個大數據分析，推測全國人民的心情，最後的結論是，每逢節日大家的心情就特別好，其中中秋和春節的心情格外好；年輕人相對更多愁善感，老年人反而更樂觀開朗陽光，很有意思。
根據上面的例子，我們對大數據的用途做一個抽象和總結。以上的例子告訴我們，大數據可以用來 從已知到未知 ，就是說根據手上掌握的一些已知的信息可以推測出未知的規律和趨勢，就像亞馬遜猜我喜歡購買的商品，或者像Target推測高中生已經懷孕了，或者像UCLA博士生通過寫程序找到女朋友。這些都是從已知到未知的推理。
大數據另外一個用途，就是可以 糾正錯覺 或錯誤認知。因為，真實的原始數據是不會撒謊的，這裡麵包含了許多信息，甚至一些潛在的反常識的東西。就以我曾經做過的一個分析 《頂級風投的宿命》 為例。因為之前有過創業經歷，個人會對投融資比較敏感。而當時創投界有所謂的風口論，比如O2O、生鮮電商等，這些方向的互聯網公司特別容易拿到融資。那我在做完相關的數據分析之後發現：
真正一流的投資機構從不會賭所謂的風口，他們會堅持去投資一些商業本質更清晰的的公司和業務模式，像電子商務、對企業的服務、文化娛樂等方向。
而這個認識是在我做數據分析之前完全不知道的，可以說顛覆了我此前的認知。進一步，我之前對風口論的認知就是錯覺，而這個錯覺就被數據分析很好地推翻了。所以，我認為大數據的第二個功能就是糾正錯覺。
大數據分析確實有些必備的知識集合，這里有幅來自IBM研究院的圖，闡明了數據科學的必備知識領域。