大資料的應用領域越來越廣泛，所涉及的行業也越來越多，隨著大資料的發展，影響著人們中的點滴，可以幫助人們獲取有用的資訊，不管是企業還是個人都會受到大資料的分析影響。大資料的應用待敵會給哪些行業和領域帶來變化呢，是如何帶來變化的呢。　　

對醫療行業的影響

　　大資料應用的計算機能力能夠在很短的時間內解碼DNA，並且制定出合理的治療方案，還可以預測疾病，比如智慧手錶手環可以產生資料一樣，大資料可以幫助病人得到更好的治療，目前已經應用於醫院的某些科室中，透過記錄和分析，預測出可能會產生的症狀，大大提高了工作的效率。

　　對體育行業的影響

　　目前很多運動員在訓練的時候已經應用大資料分析技術了，比如影片分析每個球員的表現，在運動器材中植入感測器技術，讓我們可以獲得比賽的資料以及如何改進，而且還有一部分球隊追蹤運動員的比賽之外的生活。主要是對營養和睡眠，以及社交和情感方面。

　　對機器裝置的影響

　　大資料分析還可以讓積極和裝置在應用上更加智慧化和自主化。例如，大資料工具曾經就被谷歌公司利用研發谷歌自駕汽車。豐田的普瑞就配有相機、GPS以及感測器，在交通上能夠安全的駕駛，不需要人類的敢於。大資料工具還可以應用最佳化智慧電話。

　　對安全執法的影響

　　大資料的應用已經擴大到安全執法的領域之內了，想必大家都知道美國安全域性利用大資料進行恐怖主義打擊，甚至監控人們的日常生活。而企業則應用大資料技術進行防禦網絡攻擊。警察應用大資料工具進行捕捉罪犯，信用卡公司應用大資料工具來檻車欺詐性交易。

　　對城市改善的影響

　　對城市中日常生活中的影響，比如交通訊息，基於城市的實時交通情況，利用社交網路資料來最佳化最新的交通路況，目前大多數城市已經進行大資料分析和試點了。　

　 對金融行業的影響

　　應用大資料進行金融交易，大資料的演算法應用於交易的決定，很多股權的交易都是利用大資料的演算法進行的，這些演算法是基於社交媒體和網站新聞決定未來的幾秒內是買進還是賣出。

　　大資料所涵蓋的領域不止這些，只是在某一些領域的應用是比較多的，頻繁的。當然，在未來大資料的普及和應用是越來越多的，還會有許多新的行業和領域來利用大資料的應用進行規劃和發展。

大資料應用，關係你我生活

必勝客店的電話鈴響了。

顧客：你好！ 我想要一份……

客服：先生，請先把您的會員卡號告訴我，好嗎？

顧客：16846146***。

顧客：你為什麼知道我所有的電話號碼？

客服：陳先生，因為我們聯機CRM系統。

顧客：我想要一個海鮮比薩……

客服：陳先生，海鮮比薩不適合您。

顧客：為什麼？

客服：根據您的醫療記錄，你的血壓和膽固醇都偏高。

顧客：那你有什麼可以推薦的？

客服：您可以試試我們的低脂健康比薩。

顧客：你怎麼知道我會喜歡這種的？

客服：您上星期一在國家圖書館借了一本《低脂健康食譜》。

顧客：好。那我要一個家庭大號比薩。

客服：陳先生，大號的不夠吃。

顧客：為什麼？

客服：因為您家一共有六口人。來個特大號的，怎樣？

顧客：要付多少錢？

客服：99元。這個足夠您一家六口吃了。但您母親應該少吃，她上個月剛剛做了心臟搭橋手術，還處在恢復期。

顧客：那可以刷卡嗎？

客服：陳先生，對不起。請您付現款。

顧客：你們不是可以刷卡的嗎？

客服：一般是可以的。但是您的信用卡已經刷爆了，您現在還欠銀行4807元，而且還不包括您的房貸利息。

顧客：那我先去附近的提款機提款。

客服：陳先生，根據您的記錄，您已經超過今日提款限額了。

顧客：算了，你們直接把比薩送我家吧，家裡有現金。你們多久會送到？

客服：大約30分鐘。如果您不想等，可以自己騎摩托車來取。

顧客：為什麼？

客服：根據我們CRM全球定位系統車輛行駛自動跟蹤記錄顯示，您登記的一輛車號為SB-748的摩托車，目前正在解放路東段華聯商場右側行駛，離我們店只有50米。

顧客:好吧（頭開始暈）

客服：陳先生，建議您再帶一小份海鮮比薩。

顧客：為什麼？你不是說我不能吃嗎？

客服：根據我們CRM通訊系統分析，今天您與一位女性通話頻率高、時間長，今天又週末，我們分析應該是您的情人，而這位手機使用者近來一直買的是海鮮比薩，她應該喜歡這種口味。

顧客：…………

客服：您最好現在就送回家，否則您就不方便出來了。

顧客：為什麼？

客服：根據我們定位系統，您的愛人大約30分鐘後到家。

顧客：我為什麼要出來？

客服：您已在匯峰酒店定了今晚的房間，估計您是與情人約會吧？

顧客：當即暈倒…………

這就是大資料！？

大資料創業到現在，決定最終發展的，其實不是大資料的技術，而是大資料的商業化。怎麼樣結合資料把它商業化，不僅是大資料，各個行業都是如此。

以金融行業為例，在金融裡做大資料營銷，比如要推銷一個理財產品，你需要的使用者不僅是個消費能力強的，而且是很有流動資金的人，那麼他就是一個高質量的資料。如果是純粹的資料堆積，獲取的是一些低收入的偏遠地區的使用者資料，根本沒有任何意義。

現在金融行業獲客成本、轉化成本越來越高，於是對精準化的營銷和服務會更加迫求。所以大資料化金融行業，最終的目標是商業化效益，其中關鍵是資料質量的競爭。但想要高質量的資料或者高質量的客戶，你就要提供高質量的服務產品和技術，才能把資料收集起來。高質量的資料依賴高質量的業務，高質量的業務依賴於高質量的產品，三者相輔相成。

現在在國外，有專門幫助客戶做大資料商業化的公司。比如我瞭解的一個海外團隊就是在幫全球各處運營商做資料商業化的。他們在海外做過的商業化的案子，包括門店、運營商、基站的選址，高速公路邊上那種大的立柱廣告的佈設等等。

大資料應用有很多，比如精準營銷，比如輿情分析。當然，最大的用處還是“預測”。下面就從大資料的應用行業、應用場景和成功應用案例三個方面來具體介紹一下大資料應用：

應用行業

大資料的應用可以說是遍佈各個行業，舉幾個典型的應用行業：

金融行業醫療行業農牧業零售行業大資料技術產業物流行業房地產業娛樂產業製造業網際網路廣告業

應用場景

同樣，大資料的具體應用場景也很多，下面列舉出了大資料的9個主要的應用場景：

客戶分析（Customer analytics）營銷分析（Sales and marketing analytics）社交媒體分析（Social media analytics）網路安全（Cybersecurity）裝置管理（Plant and facility management）管道管理（Pipeline management）供應鏈和渠道分析（Supply chain and channel analytics）價格最佳化（Price optimization）欺詐行為檢測（Fraud detection）

應用案例

每個行業每個場景的大資料成功案例很多，本文以《紙牌屋》為例。Netflix的《紙牌屋》是基於大資料做出來的。毫無疑問，在我們喜愛的電視節目背後，有很多辛勤付出的創作天才，但這些電視節目流行的背後是否也有資料分析的功勞？更具體地說，我們是否可以使用大資料來製作一檔非常流行的電視節目？慕尼黑的資料科學家Sebastian Wernicke潛心研究了這個問題，並在在TED 做了演講。

Netflix充分利用了已經獲得的觀看資料（收視率、觀看歷史等）。他們利用這些資料來挖掘使用者喜歡的點點滴滴，並且滿懷信心地製作了關於一位美國參議員的電視劇。Wernicke從事計算遺傳學領域的工作，該領域需要使用資料分析來做出一些非常重要的決定，例如癌症的治療和藥物的研發等。他從自身經歷出發，總結出了一個非常可信的模式，該模式能將以資料為基礎的成功決定和非成功決定相分離。事實上，該過程設計到兩個步驟：（1）將資料分離以便進行分析；（2）將資料重新組合從而進行充分利用。關鍵是資料和資料分析只對第一部分有用……將這些已被碎片化的資料再重新組合到一起來做決策是很不合理的。

「還有另外一個所有人都有，能完成這項工作的工具，即我們的大腦。如果大腦對一件事情非常擅長，則可將一些零零散散的片段資訊結合起來，形成完整資訊、得出結論，專家的大腦則更擅長於此，這也是為什麼Netflix會獲得如此大成功的原因。他們在整個過程的不同階段正確運用了資料和大腦的功能，將兩者完美地結合起來，因此獲得了成功。」

應用案例：民生銀行的阿拉丁平臺——基於大資料的客戶關係管理體系

阿拉丁雲平臺是中國民生銀行資訊管理部從2013年開始建設的一個開放的企業級大資料雲服務平臺，目標是透過阿拉丁神燈，實現資料分析師多年的願望，隨時獲取需要的資料，自由地挖掘大資料寶藏，從而調動全行的積極性，充分挖掘資料價值，讓阿拉丁成為民生銀行資料科學家誕生的搖籃、資料工程師成長的沃土、金融分析師表演的舞臺，形成充滿活力的大資料分析應用生態圈，增強民生銀行的核心競爭力。

2016年7月22日中國民生銀行阿拉丁線上自助分析平臺”榮獲 “2016年度中國金融行業最佳創新專案獎”。這是目前大資料平臺應用於金融行業最有利的詮釋。

大資料應用最耳聞能詳的是沃爾瑪超市啤酒與尿布的故事，這也成為了營銷界的神話，2008年8月維克托·邁爾-舍恩伯格提出大資料的概念，到現在將近十年的時間，大資料已經滲透到各行各業中，這也成為了目前眾多企業競爭的利刃。

　　2017中國大資料應用大會及同期舉辦的中國電子展7月13日在成都召開。大會聚焦“大資料、大智慧、大健康”，梳理過去一年大資料在各行業、各領域的創新應用，探討中國建設大資料強國的機遇與路徑。會議指出，中國大資料正在迎來“應用的黃金時代”。

　　目前中國在大資料應用方面位於世界前列，特別是在服務業領域，如基於大資料的網際網路金融及信用體系產品的迅速普及；在智慧物流領域，透過為貨主和司機提供實時資訊資料匹配，降本增效成果顯著。與此同時，隨著國家大資料戰略配套政策措施的制定和實施，中國大資料產業的發展環境正在不斷最佳化。大資料的新業態、新業務、新服務將迎來爆發式增長，產業鏈進一步成熟和擴張。

　　大資料在政務、工業、電信、金融、交通、醫療等領域的應用層出不窮，發揮了對產業升級的引領作用。中國電子資訊產業集團有限公司董事長芮曉武表示，隨著雲計算的迅速普及，大資料的應用也向更廣、更深的維度展開，大資料已經擺脫了流行詞的界定，真正實現了產業鏈的豐富和完善。

　　大會雲集了國內外大資料領域學者和技術“大咖”，在探討大資料與智慧融合的議題上，帶來實用性很強的廣闊視野和犀利觀點。在談到當前大資料應用現狀時，專家指出，當前很多企業積極佈局深度學習等人工智慧前沿技術，在語音識別、影象理解、文字挖掘等方面搶佔全球大資料技術的制高點。前沿技術的創新應用全面支撐了中國智慧產業的轉型升級。同期舉行的2017中國（成都）電子展以“推動智慧製造 促進軍民融合”為主題，彙集超過600家電子資訊產業現場參展，展示超過2000件新產品與新技術。

　　其實，國內企業正探索大資料應用。中國郵政建成新一代寄遞業務資訊平臺、集中式呼叫中心和指揮排程中心，透過大資料、雲計算推進企業資源計劃、客戶關係管理，以科技創新推動業務發展。

應用案例：大資料醫保反欺詐

應用場景：利用大資料技術精準識別醫保報銷中存在的欺詐騙保、過度醫療、醫療浪費等問題，控制醫療費用的不合理增長，確保醫保基金的安全和合理使用。

舉個栗子：數聯易康醫保大資料實時監管平臺

數聯易康醫保大資料實時監管平臺，利用人工智慧+大資料進行高效的醫保控費，改變了傳統的人工抽查和主要依託臨床規則進行稽核的控費方法。透過深度挖掘資料本身的異常表現，運用包括案例推理、醫療行為模式分析、診療方案分析、醫患網路擴散分析在內的百餘種大資料分析挖掘模型構建的自適應學習引擎對醫保結算資料、診療資料以及經辦資料等進行綜合分析處理，深挖存在於醫保中的諸如偽造材料、掛床、串換藥品、串換專案、醫療行為異常、過度醫療、藥品濫用等欺詐就醫行為，控制醫療費用不合理增長，從而形成更加全面、科學、立體的監管控費體系。

透過大資料手段進行醫保控費，在控費的長效性、欺詐騙保識別能力、自主進化能力、處理的資料維度、平臺的延展性上均呈現出優勢。傳統的規則控費模式基於資料真實性帶來的欺詐行為，且在執行一段時間之後會因為醫療機構對規則的逐漸熟悉從而導致控費力度大大削弱，而易康平臺的反欺詐演算法則不會受此影響，只要欺詐行為存在，就能被反欺詐演算法有效識別。

除此之外，該平臺還具備輔助決策的功能。在大資料的支援下透過基金模擬、基金態勢感知等，可以幫助醫保部門對醫保政策進行預先的效果評估，實現決策資料化、科學化。

近兩年，大資料技術發展飛速，已初步應用到生活中的各行各業。以上僅是大資料技術在醫療行業的應用方向之一。可以說， 大資料帶來了無限可能。

大資料應用經典案例TOP50詳細剖析

1. 梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。

2. Tipp24 AG針對歐洲博彩業構建的下注和預測平臺。該公司用KXEN軟體來分析數十億計的交易以及客戶的特性，然後透過預測模型對特定使用者進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN。

3. 沃爾瑪的搜尋。這家零售業寡頭為其網站Walmart.com自行設計了最新的搜尋引擎Polaris，利用語義資料進行文字分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜尋技術的運用使得線上購物的完成率提升了10%到15%。“對沃爾瑪來說，這就意味著數十億美元的金額。”Laney說。

4. 快餐業的影片分析。該公司透過影片分析等候佇列的長度，然後自動變化電子選單顯示的內容。如果佇列較長，則顯示可以快速供給的食物;如果佇列較短，則顯示那些利潤較高但準備時間相對長的食品。

5. Morton牛排店的品牌認知。當一位顧客開玩笑地透過推特向這家位於芝加哥的牛排連鎖店訂餐送到紐約Newark機場（他將在一天工作之後抵達該處）時，Morton就開始了自己的社交秀。首先，分析推特資料，發現該顧客是本店的常客，也是推特的常用者。根據客戶以往的訂單，推測出其所乘的航班，然後派出一位身著燕尾服的侍者為客戶提供晚餐。

6. PredPol Inc.。PredPol公司透過與洛杉磯和聖克魯斯的警方以及一群研究人員合作，基於地震預測演算法的變體和犯罪資料來預測犯罪發生的機率，可以精確到500平方英尺的範圍內。在洛杉磯運用該演算法的地區，盜竊罪和暴力犯罪分佈下降了33%和21%。

7. Tesco PLC（特易購）和運營效率。這家超市連鎖在其資料倉庫中收集了700萬部冰箱的資料。透過對這些資料的分析，進行更全面的監控並進行主動的維修以降低整體能耗。

8. American Express（美國運通，AmEx）和商業智慧。以往，AmEx只能實現事後諸葛式的報告和滯後的預測。“傳統的BI已經無法滿足業務發展的需要。”Laney認為。於是，AmEx開始構建真正能夠預測忠誠度的模型，基於歷史交易資料，用115個變數來進行分析預測。該公司表示，對於澳洲將於之後四個月中流失的客戶，已經能夠識別出其中的24%。

9、Espresso作為一個事務一致性檔案儲存。 LinkedIn建成的一個最重要的資料庫是Espresso，透過對整個公司的網路操作將取代遺留的Oracle資料庫。它最初的設計就是為了提供LinkedIn InMail訊息服務的可用性。

10、Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療資訊，透過大資料處理，更好地分析病人的資訊。在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鐘有超過3000次的資料讀取。透過這些資料分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

11、Express Scripts藥物管理服務。透過一些複雜模型來檢測虛假藥品，這些模型還能及時提醒人們何時應該停止用藥。

12、保險行業基於MongoDB的應用程式。MongoDB匯聚了來自70多個遺留系統的資料，並將它合併成一個單一的記錄。它執行在兩個資料中心的6個伺服器上，目前儲存了24TB的資料。這包括MetLife的全部美國客戶，儘管它的目標是擴大它的國際客戶和多種語言，同時也可能建立一個面向客戶的版本。它的更新幾乎是實時的，當新客戶的資料輸入時，就好像Facebook牆一樣。

13、職業籃球賽。來自Krossover團隊根據教練上傳的每場比賽過後的影片將其分解，等到第二天教練再看昨晚的比賽時，他只需檢查任何他想要的——資料統計、比賽中的個人表現、比賽反應等等。透過分析比賽影片，毫不誇張地分析所有的可量化的資料。

14、中醫智慧養生。基於探碼大資料的中醫智慧養生平臺是研究開發一套中醫藥特色的養生智慧自助系統，該系統透過計算機資訊科技、模糊數學理論和中醫藥理論，結合中醫證型和中醫體質學，透過智慧養生系統，整合中醫界著名專家的研究和臨床經驗，收錄海量的各種中醫體質資訊和除錯調理方式。使用者輸入自己的當前狀態，系統根據這些輸入資訊，判斷使用者屬於哪種不同的證型和體質，對使用者給出中醫藥為主的包括，心理調適，運動養生，音樂調理，藥食藥膳，生活起居等各方面建議和初期診斷。

15、維斯塔斯風力系統。依靠的是BigInsights軟體和IBM超級計算機，然後對氣象資料進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。

16、印度Satyamev jayate電視節目。該節目整理並分析社會民眾關於爭議話題的各種意見，包括女性墮胎、種姓歧視和虐待兒童等社會熱點問題，並使用這些資料來推進政治改革。

17、Facebook。Facebook聯合創始人，克里斯•休斯就建議扎克伯格在網站上推出相關服務，幫助總統候選人在Facebook上建立個人主頁，以便他們進行形象推廣。

18、MailChimp的電子郵件服務。MailChimp的一個重要任務就是搞清楚如何幫助客戶更好地瞭解他們所傳送的資訊。考慮到這一點，該公司建立了一個服務叫Wavelength，向客戶展示了與他們相似的其他訊息。這個系統使得Wavelength能夠儲存公司資料庫中每個郵件地址發生的互動。這意味著告訴了你,使用者打開了什麼樣的郵件，何時開啟，他們點選了什麼連結，還有訂閱了什麼郵件。

19、音樂元資料公司Gracenote。　Gracenote擁有數百萬首歌曲的音訊和元資料，因而可以快速識別歌曲資訊，並按音樂風格、歌手、地理位置等分類。

20、全球零售業巨頭沃爾瑪啤酒+尿布。全球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時，常常會順便搭配幾瓶啤酒來犒勞自己，於是嘗試推出了將啤酒和尿布擺在一起的促銷手段。沒想到這個舉措居然使尿布和啤酒的銷量都大幅增加了。如今，“啤酒+尿布”的資料分析成果早已成了大資料技術應用的經典案例，被人津津樂道。

21、資料新聞讓英國撤軍。2010年10月23日《衛報》利用維基解密的資料做了一篇“資料新聞”。將伊拉克戰爭中所有的人員傷亡情況均標註於地圖之上。地圖上一個紅點便代表一次死傷事件，滑鼠點選紅點後彈出的視窗則有詳細的說明：傷亡人數、時間，造成傷亡的具體原因。密佈的紅點多達39萬，顯得格外觸目驚心。一經刊出立即引起朝野震動，推動英國最終做出撤出駐伊拉克軍隊的決定。

23、Google成功預測冬季流感。2009年，Google透過分析5000萬條美華人最頻繁檢索的詞彙，將之和美國疾病中心在2003年到2008年間季節性流感傳播時期的資料進行比較，並建立一個特定的數學模型。最終google成功預測了2009冬季流感的傳播甚至可以具體到特定的地區和州。

24、XO Communications透過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將透過提供單個端到端網路、服務、客戶分析檢視的可擴充套件平臺，幫助通訊企業制定更科學、合理決策。

25、電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。

26、中國移動透過大資料分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。

27、NTT docomo把手機位置資訊和網際網路上的資訊結合起來，為顧客提供附近的餐飲店資訊，接近末班車時間時，提供末班車資訊服務。

28、浪潮GS助力廣安集團一豬一ID強化食品安全。作為輻射全國的農牧企業集團，多年來廣安集團一直企業資訊化程序與企業發展需求不匹配的問題。2013年，廣安集團引入浪潮GS，採用單件管理系統，透過一豬一ID對其成長週期進行全過程監控，促使食品安全可追溯，實現飼養流程精細化、集約化管理，使每年飼料節約了2成左右，為廣安的智慧企業養成之路奠定了基礎。

29、濟南借力IBM 加快”智慧旅遊”。濟南正在推進智慧化旅遊公共服務平臺建設，藉助IBM建立的智慧旅遊成熟度評估模型，根據自身旅遊業所處的發展階段，以及濟南旅遊業實現跨越式發展所需要採取的具體行動，加快濟南打造國際旅遊名城的腳步。IBM正是利用大資料平臺實現各旅遊部門的資訊共享，為行業管理、規範市場運作提供資料支撐。在對遊客資料進行分析的基礎上對遊客群體進行細分，針對每一群體制定有針對性的營銷策略。

30、Informatica幫助紫金農商銀行深挖資料價值。紫金農商銀行ODS資料倉庫專案建設使用Informatica產品完成資料的載入、清洗、轉換工作顯得尤為簡單，圖形化、流程化設計使維護人員能夠快速、順暢的操作，即使資料來源結構發生變化，也不會像以前必須修改大量的程式程式碼，只需要在PowerCenter中配置一下即可。

31、華為大資料方案在福建移動的應用。為進一步提升外呼成功率，從2014年初開始，福建移動聯合華為公司開展基於大資料的精準營銷工作，採用大資料分析的方法選擇外呼目標價值使用者。基於大資料分析方法和傳統外呼方法分別提供20萬目標客戶清單，在前臺無感知下進行對比驗證，確保對比效果不受人為因素影響，經過外呼驗證，基於大資料分析方法較傳統方法外呼成功率提升50%以上，有效支撐了福建移動4G使用者發展戰略。

32、神州數碼助張家港市更”智慧”。在張家港實踐的城市案例中，市民登入這款”神州數碼”研發的市民公共資訊服務平臺後，市民只要憑藉自己的身份證和密碼，即可透過該系統平臺進行240餘項”線上預審”服務、130餘項”網上辦事”服務等，還可透過手機及時檢視辦事狀態。相比於以前來說，市民辦事的時間最少可以節省一半以上。

33、軟通動力大資料平臺為政府以及企業提供輿情監控服務。基於大資料、雲計算等新興技術手段，軟通動力資訊科技（集團）有限公司於2014年推出了大資料輿情監測平臺產品，為政府以及企業提供輿情監控服務。大資料輿情監測平臺提供的”企業畫像”功能，是專為企業打造的一個便捷智慧分析產品。”企業畫像”透過對企業市場、客戶、產品、業務等海量資訊出發，透過多角度分析和智慧挖掘來構建一系列視覺化資料，致力於幫助企業發現大資料中隱藏的價值和商機。

34、宜信宜人貸用大資料突破”極速模式”。利用大資料技術，宜信金融雲能夠解決金融領域海量資料的儲存、查詢最佳化，及聲音、影像等非結構化資料的處理。一方面對資料進行視覺化，構建客戶畫像，便於專家分析；另一方面結合專家知識和機器學習模型，實現規則引擎、授信引擎和反欺詐引擎等模組，有效地支援了宜信的線上和離線業務，完成對使用者的實時授信。宜信宜人貸”極速模式”可以做到在手機端和PC端提交資料之後，10分鐘內反饋稽核結果，最低月費率0.78%，最高額度為10萬元，最快在一天內資金到賬。如此快速稽核的背後，就是大資料金融雲的功勞

35、星環TDH助力山東交警辦案更高效。公安部無錫所幫助山東交警部署的新緝查系統底層採用了星環科技的分散式大資料處理平臺Transwarp Data Hub（TDH）。

36、農夫山泉運用SAP HANA實時處理海量資料。利用SAPHANA的觸發機制，農夫山泉實現了真正的實時資料轉移及資料同步。這樣的實時資料同步使得資料分析能夠更及時，也為業務人員帶來極大的便利，使得他們所做出的分析及市場反應能夠更及時準確，也能減少錯誤的發生。

37、京東用大資料技術勾勒使用者畫像。使用者畫像提供統一資料服務介面供網站其他產品呼叫，提高與使用者間的溝通效率、提升使用者體驗。比如提供給推薦搜尋呼叫，針對不同使用者屬性特徵、性格特點或行為習慣在他搜尋或點選時展示符合該使用者特點和偏好的商品，給使用者以友好舒適的購買體驗，能很大程度上提高使用者的購買轉化率甚至重複購買，對提高使用者忠誠度和使用者黏性有很大幫助；再比如資料介面提供給網站智慧機器人JIMI，可以基於使用者畫像的使用者量身定做諮詢應答策略，如快速理解使用者意圖、針對性商品評測或商品推薦、個性化關懷等，大幅提升JIMI 智慧水平和服務力度，贏得使用者歡迎和肯定。

38、Oracle零售解決方案助北京華聯集團最佳化運營管理。作為中國商務部重點扶持的最大零售企業之一，北京華聯集團透過部署Oracle 零售應用解決方案，以最佳化運營管理，進而提高商業敏捷性，並提升關鍵貨物、定價、存貨、供應鏈和交易流程的管理和實施。全面支援其旗下各項業務的不斷增長，包括大賣場、綜合超市、百貨公司以及商業地產等。

39、IBM助廣州中醫藥大學第一附屬醫院開啟智慧化資料分析。利用IBM大資料分析工具，廣州中醫藥大學第一附屬醫院實現了醫院在日常運營監控、Sunny用藥監察、醫保費用監控、科室目標管理四大方面的有效提升。利用IBM大資料分析工具Cognos和資料探勘工具Datastage構建的醫院智慧運營平臺，能夠幫助醫院進行日常運營資訊的整合，對複雜的資料來源進行資料抽取、清洗和轉換，為資料的智慧化分析利用打好基礎。

40、美特斯邦威借SQL Server最佳化管理與運營。美特斯邦威作為中國銷售量最大的服飾品牌之一，其集團也在積極尋求如何利用大資料在線上線下實現零售業務增長。藉助微軟SQL Server 2012商業解決方案，美特斯邦威能夠掌握客戶店內走動情況以及與商品的互動，將豐富的輸入資料與交易記錄相結合開展實驗，以便指導銷售哪些商品、擺放貨品以及如何以及何時調整售價與最佳化庫存。

41、安徽農信採用IBM i平臺有效控制金融風險。安徽省農村信用社聯合社採用IBM i平臺，透過規模化經營提升競爭力並有效控制金融風險。i平臺在穩定性、安全性方面的優勢，整體虛擬化設計和麵向雲、智慧化的設計能為安徽農信帶來更多的投資回報，並提供了面向未來應用需求的IT基礎架構。

42.騰訊大資料釋出世界盃報告《移動端上的世界盃》騰訊大資料釋出巴西世界盃主題報告《移動端上的世界盃》。報告從足球迷使用機型、移動端活躍使用者數分佈、性別、年齡、地域等多個維度進行了分析。並且移動端互動性良好，熱度很高。報告指出，世界盃期間使用者主要透過小米手機、蘋果手機和三星手機瞭解世界盃的最新訊息。並且玩家透過微信邀請好友移動猜球、選擇球迷最喜愛的球員和球隊，使用者活躍度高於平時。

43.愛奇藝大資料分析工具綠鏡透過收集、分析使用者對於《高科技少女喵》每一分鐘收視喜好乃至使用者對每個內容片段的不同反應，協助創作方對劇集進行最佳化，也讓網路播放量直線飆升。新鮮創意的不斷嘗試給觀眾帶來了與眾不同的體驗，使用者對此類劇的熱忱正與日俱增。

44.南韓觀光公社與百度合作利用大資料吸引中國遊客。由於最近幾年的韓流襲來，南韓成為越來越多中國遊客的旅遊目的地。南韓觀光公社將與百度合作，利用百度關於旅遊交通的移動流量資料來吸引更多中國的遊客。百度將會提供給南韓觀光公社以與旅遊相關的資料，來幫助其對需求進行科學分析，並據此結果制定市場策略。

45.軟通動力助推成都智慧旅遊資料中心建設。軟通動力在充分借鑑國內外旅遊資料中心建設的成功經驗的基礎上，結合成都旅遊資訊化發展現狀和未來智慧旅遊對資料支撐的要求，提供定製化的解決方案，並最終成功開發建設了標準統一、資源共享、介面開放、與旅遊產業發展相適應的資料中心管理系統，使得成都市的旅遊服務、旅遊營銷及旅遊管理達到了一個全新的境界，讓城市旅遊更加智慧化、個性化和便捷化。

46.華為ICT助力海南建設國際化的智慧旅遊島。華為企業ICT解決方案在海南各行業已廣泛應用，服務於包括海南省委、海南省政府、海南省公安廳、海南電網、海南省氣象局、工商銀行和農業銀行等銀行在海南省的分行等多家客戶。華為攜手海南藍點計算機網路工程有限公司共同為海南智慧旅遊島的建設，提供更優質的產品和服務，助力海南提高資訊化核心競爭力。

47.漢庭酒店成功實施全面預算解決方案。利用IBM大資料分析工具，漢庭酒店成功實施全面預算解決方案，幫助企業財務部門將預算週期縮短了60%，年度戰略規劃的工作時間縮短了90%，推動了集團業務創新拓展。IBM Cognos能夠靈活地調整動態預測資訊分析和實現即時分析計算，提升了預算業務流程的效率和資料質量；使得漢庭財務部門能夠加強預算編制、調整流程控制，縮短工作週期時間，從而更好地發揮部門智慧；透過高效準確、以業務為導向的預算規劃，為集團業務的快速拓展提供強大支援。

48、阿迪達斯的“黃金羅盤”。阿迪達斯每天都會收集門店的銷售資料，並將它們上傳至阿迪達斯。收到資料後，阿迪達斯對資料做整合、分析，再用於指導經銷商賣貨。研究這些資料，讓阿迪達斯和經銷商們可以更準確瞭解當地消費者對商品顏色、款式、功能的偏好，同時知道什麼價位的產品更容易被接受。

49、資料權之爭。最近幾年，隨著移動網際網路的興起，一類關於航班動態的應用程式開始出現。飛友網路透過一套演算法，資料工程師們將機場航班實時動態轉換成直觀的資訊，再傳遞給使用者，讓後者能夠及時瞭解到航班的起飛、到達、延誤、取消、返航、備降等狀態，從而幫助使用者更高效地安排行程計劃。

50、精準扶貧專案。探碼大資料平臺透過對資料的提取分析，“扶貧大平臺”還能展示貧困人口的致貧原因，包括：因病、因殘、因學、因災、缺土地、缺水、缺技術、缺勞力、缺資金、交通條件落後、自身發展動力不足等，透過致貧原因分析，協助制定精準的扶貧措施。 平臺旨在透過大資料技術，擴大資訊採集的渠道，提高資料加工能力和效率，深度挖掘資料的價值，為扶貧工作提供真實可靠、及時全面的決策資料，為最終實現精準扶貧和精準脫貧保駕護航。

大資料可以和物聯網協同工作。比如從物聯網裝置提取的資料提供裝置互連的對映，媒體行業、公司和政府已經利用這種對映更準確地瞄準他們的受眾並提高媒體效率。物聯網也越來越多地被用作收集感官資料的手段，而這種感官資料已被用於醫療和製造業。

數字創新專家凱文·阿什頓（Kevin Ashton）以創造這個詞為名，在這句話中定義了物聯網：“如果我們有知道所有事情的計算機，就可以瞭解事物，使用它們收集的資料，而不需要我們幫助 ，我們將能夠跟蹤和統計所有事情，並大大減少浪費，損失和成本。我們會知道什麼時候需要更換，修理或回收，以及它們是新鮮的還是過時的。”

而自2015年以來，大資料已經成為商業運營中突出的一個工具，可幫助員工更高效地工作，並簡化資訊科技（IT）的收集和分配。使用大資料解決企業內的IT和資料收集問題稱為IT運營分析（ITOA）。透過將大資料原理應用於機器智慧和深度計算的概念，IT部門可以預測潛在問題並在問題發生之前提供解決方案。在這段時間內，ITOA企業也開始在系統管理中發揮重要作用，提供將單個數據孤島整合在一起的平臺，並從整個系統獲得洞察，而不是從孤立的資料包中獲取洞察。

內容媒體方面，Nick Couldry 和 Joseph Turow 提出，媒體和廣告從業者將大資料視為關於數百萬人的許多可操作資訊點。這個行業似乎正在擺脫使用特定媒體環境（如報紙，雜誌或電視節目）的傳統方式，轉而採用在最佳位置以最佳時間覆蓋目標人群的技術。最終的目標是服務或傳達一種符合消費者心態的（統計上）訊息或內容。例如，釋出環境越來越剪裁訊息（廣告）和內容（文章）以吸引消費者，消費者透過各種資料探勘活動專門蒐集訊息。

凡是有資料的地方，就會有統計。網際網路資訊時代，使得資料暴增：人們在聯網的過程中，所留下的文字、影象、語音、足跡，成為海量資料，即人們所謂的“大資料”。

我知道的具體成功應用用：

營銷領域：有時候為了防止客戶流失，會有千人千"價"，當然此處的價格，可能是類似優惠券的優惠價格。基於大資料分析，如果你流失的機率大，可能你獲得的優惠就更大。

信用體系：淘寶的信用分，也是根據使用者的消費、還款等資料，透過機器學習計算出來的分數，來衡量一個人的信用

文字領域：機器翻譯，基於大量的翻譯語料和深度學習的端到端的演算法，機器翻譯領域的水平近幾年也在快速提高

客服領域：基於NLP的對話系統和知識圖譜，現在很多客服機器人，也能解決一部分問題，省一部分人力。

影象領域：自動駕駛、車牌檢測、OCR識別、影片分析、電影拍攝中的換臉等，都是基於大資料和深度學習的演算法，來完成的

還有一些對使用者體驗而言，可能不是成功的，但是對某些“商家”可能是成功的一些應用，比如大資料殺熟、自動電話營銷、資料販賣等。

大資料是雙刃劍，隱私方面需要法律法規的制訂，這樣會避免被濫用，才更有利大資料長期更加健康的發展。

大資料的應用已經是相當廣泛了，我們日常生活中都有見到。

1、現在很多大城市的訊號燈都是智慧的，時間長短是利用了交通大資料測算出來的。

2、我們每天用的支付寶中的芝麻信用也是用大資料測算出來的，包括你的借款額度。

4、我們的天氣預報的預測有很大程度也是基於大資料分析，結合當前觀測結果，對未來天氣做出預測。

5、我們的股市同樣利用大資料來保障交易的穩定有序。

6、就是我們最常看的NBA、足球歐洲聯賽都會用大資料來預測賽事結果。

7、大型商場利用商圈客流大資料分析，來確定精準顧客群體，實現使用者畫像，開展很精準營銷。

8、很多人工智慧的應用都是基於大資料的分析，從而實現智慧化。

真正應用遠不止這些，基本各行各業都有大資料的應用場景，未來也會用的越來越廣泛。

這是一個很多人都比較關心的問題，作為一名計算機領域的科研、教育工作者，我來回答一下。

首先，當前大資料技術正處在落地應用的初期，目前除了網際網路領域之外，傳統行業領域還沒有開始大面積應用大資料技術，但是在工業網際網路的推動下，目前大量的企業已經開始了上雲計劃，企業上雲之後，大資料技術將逐漸開始落地應用，大資料與普通人的關聯也會越來越多。

從當前大資料的落地應用情況來看，目前與網際網路相關的業務或多或少都在應用大資料技術，比如電子商務領域應用大資料技術就比較普遍，推薦系統就是一個非常普遍的應用，基於推薦系統也會給使用者帶來更好的購物體驗。從大的發展趨勢來看，未來大資料的應用空間是非常大的，而且大資料的價值空間同樣非常大。

除了電子商務領域之外，大資料在出行、醫藥健康、教育、金融等領域的應用也在不斷增加，而這些領域當前與網際網路的結合也走在了諸多傳統行業的前面，相信在工業網際網路時代，更多的行業領域都會逐漸網路化、智慧化，這個過程也會推動大資料的落地應用。

相對於大資料技術來說，雲計算的落地應用目前要多一些，而且企業要想借助於工業網際網路來實現創新發展，往往都需要藉助於雲計算的支撐，所以也把雲計算稱為開啟工業網際網路大門的鑰匙。目前雲計算已經成為了大量網際網路計算服務的支撐，尤其是與使用者相關的網際網路應用，所以普通使用者只要在使用網路服務，包括各種App，幾乎都離不開雲計算。

大資料的應用已經開始爆發，比較成熟的部分應用主要有：1、精準營銷；2、徵信；3、智慧輿情；4、智慧選點（店）；5、智慧交通路線規劃；6、智慧旅遊大資料；7、智慧疫情大資料；8、智慧農業大資料；9、工業大資料的預測大資料；10、人員熱力圖大資料；11、使用者失聯修復大資料；12、醫療大資料；13、資料中臺；14、使用者畫像；15、展會大資料；16、環保大資料；17、其他。應該說大資料技術越來越成熟，應用在各行各業都在落地，只是深淺的問題，上面列舉的應用應該是九牛一毛，總之，未來已來。

大資料應用範圍很廣，其實在我們日常生活中應用都有很多，不過，我們一般不會注意到，這方面的相關介紹有很多，我就不說了，我說一個在生產加工製造型企業中的應用，這個在我們開發的軟體產品中做了開發的規劃和設計，目前還沒最終完成。

我們知道，對於大型製造型企業來說，比如生產大型化工機械的，可能有成千上萬種零部件，這些零部件根據不同的配置，顏色、材質、長度等等也可能不同，因為企業在設計產品圖紙的時候，每隔一段時間也會推出新的版本，這些新版本有的使用原來的零部件，有的會使用新的，而且同樣一種產品，會根據要求生產不同的配置，這樣以來，企業就有可能要管理十幾萬種零部件。

這些零部件，在企業裡都會給他們編碼，進行相應的採購、庫存、維護、售後等活動，但是，可以肯定的是，這些零部件裡一定會存在相似件，比如編號為88765和36000的零部件其實是同一個零部件，但是當時做設計的人沒意識到，直接給重新設計了一個零部件，這種情況是很常見的，估計如果有十萬種零部件，至少有幾千種是相似件。

假如我們透過大資料，把這些零部件的特徵都收集起來，然後對任意兩個零部件做相似性分析，然後計算出相似度，根據我們設計的相似度閾值，超過這個閾值的，就認為疑似相似件，然後交給人工進行最終確認，最終找出所有的相似件，這樣就可以把相似件合併起來，企業就可以減少大量的成本。

這個只是工業應用的一個例子，類似的還有很多。

你的京東plus會員。

你的美團 優惠券。

你的手機廣告。

你的電商購物。

說一個平臺推薦吧，大資料根據消費者在電商平臺的檢視商品以及停留的時間，判斷消費者的偏好，然後對不同的消費者做出不同的精準的商品推薦。還有平臺根據消費者的商品偏好對同一個商品徵收不同意價格，以此來掠奪更大剩餘。

還有新冠疫情實施的行程碼就是大資料應用。

能夠跟蹤和統計人民生活的所有事情，並大大提高減少浪費，損失和成本。我們會知道什麼時候需要更換，修理或回收，以及它們是新鮮的還是過時的。

越具像化的應用場景，可能越貼近違法犯罪，比如：

1、某出行、旅遊平臺基於大資料殺熟的應用；

3、基於大資料抓取裝置資訊、上網行為資訊的“定向廣告”；

這些都是大資料領域比較具體，而且是明天你可能都在親身經歷的應用場景。

我們最日常生活能用的就有：

1.12306購票系統

2.防疫的健康碼，行程碼

3.網上購物，繳費等

5.地圖

……

全世界都知道中國是“基建狂魔”，但基建是離不開工程機械的，而今天我們故事的主人公就是徐工集團旗下，專注於混凝土機械領域的“徐工施維英”。

“別人以為我們數字化轉型很光鮮，但其實剛開始都是在摸著石頭過河”

徐工施維英作為混凝土行業裡的老大哥，別的企業都覺得他們數字化一定做的很完善，但這背後的迷茫和困惑只有他們自己知道。

其實，相比其他企業來說，徐工施維英的資訊化系統是非常完善的，搭建了以SAP-ERP、MES、CRM、PDM等平臺。但在資訊化建設過程中，會發現由於資料散落在各個系統中，如果想要了解某個指標，就需要花費大量時間去人工進行篩選、整合、分析，再彙總形成報告。經過一段時間，發現這種方式不但效率低，而且還存在口徑不一的問題，不能實時高效支援企業決策。

在發現以上痛點後，徐工施維英明確了自己的改進需求：做整個企業的指標視覺化，搭建經營管理看板，構建一個基於目標管理的資料分析平臺，打通資料壁壘，讓業務資訊實時透明。

“知道自己想做什麼後，透過正確的IT規劃和合適的管理工具，來真正創造價值”

正確的IT規劃：基於戰略和經營需求，以管理目標為嚮導，透過不同業務場景分析，深度挖掘資料價值，使用PDCA管理模式完善指標，從而實現透過資料驅動，實現經營管理體系化。

資料倉庫架構圖

合適的管理工具：要構建一個高效的資料運營管理平臺，需要高質量的產品和高水平的實施團隊。經過多方市場調研瞭解，徐工施維英最終採用帆軟報表開發工具FineReport，作為資料支撐平臺。

“創造價值不是隨口說說，而是實實在在體現於各項業務、各個流程”

許多企業在構建完IT架構、採購完軟體工具後，就以為自己做好了數字化轉型，根本沒去考慮做了這麼多，是否真的對提升業務有實質幫助？IT有可能一年忙到頭，只會讓老闆覺得白花錢，讓基層人員浪費時間學工具。因此，判斷數字化轉型是否成功，很重要的一點是：數字化，是否真的落地在各個環節，為業務創造價值。

不說空話，這裡分享3個帆軟助力徐工施維英，完成數字化轉型後的3個應用場景。

場景1：搭建運營駕駛艙，實時瞭解企業經營狀況

在使用FineReport做報表之前，徐工施維英在資料方面常會面臨：取數困難，業務人員需要從系統中匯出資料再透過Excel進行整理，花費大量時間；展示效果差，分析不全面，無法深究到問題本質原因；資料嚴重滯後，往往月中才能將上月的經營情況傳送給領導，經營決策較為滯後。

所以徐工施維英計劃打造一個以企業整體經營效果的變化為依據，實時反映企業經營資料的管理駕駛艙。

集中監控企業指標：

資訊部門與業務部門將公司全域性運營指標梳理出來，統一資料模型，開發全域性指標集中監控看板，圍繞研發、生產、供應、銷售、服務、人力六大主題，實現指標實時運算。標紅警示異常指標，實時重新整理，並可穿透分析定位異常原因。

營銷駕駛艙：

營銷駕駛艙展示企業營銷情況，可以對各戰區進行對比，對於經營不佳的戰區可以進行穿透詳細分析。除此之外營銷駕駛艙還展示了各產品的營銷情況，配合時間維度的篩選，可以直觀地看到時間段內各產品的銷售情況。

生產裝配下線統計：

從MES系統實時接入資料，展示每日產量走勢、年度完成情況、月度完成進度、每日計劃執行情況等關鍵資訊，將大屏安裝在生產現場，工人實時掌握計劃完成進度，合理安排工作。

生產流程監測：

對生產十二道工藝流程進行定製化大屏設計，實時展示各環節進度、產量、裝置狀態以及現場實時監控等資訊，領導在辦公室只需要開啟電腦就可以實時掌握各環節生產情況。

單板自動化生產線大屏：

對關鍵裝置進行聯網，將實時工作引數、狀態、產量等資料實時接入MES系統，針對裝置執行情況、實時電流電壓、探傷合格率等資訊進行視覺化展示，實時掌握裝置執行狀態。

場景2：建立客戶資料分析模型，做到精準營銷

在傳統的營銷中，無法分辨哪些是真正有需求的客戶，沒有做到針對性服務，導致銷售人員花費了大量時間和精力在一個客戶身上，最終卻沒有達成交易。另一方面，真正有需求的客戶，卻因為沒有及時跟進溝通，被競爭對手搶佔，導致客戶成交率不高，所以推動建立客戶資料主題分析。

第一步就是嚴格完善客戶檔案，保證客戶基礎資料的完整性，對客戶的年齡、地域、行業、企業經營狀況等維度進行分析，然後梳理客戶全部歷史交易，按照FineBI中的RFM模型，將客戶歸為8大類別，針對不同類別制定相應營銷方案，最終制定客戶分析看板，進行多層穿透可以精準定位特定客戶的全貌畫像。

場景3：學會主動用資料去發現問題，解決問題，而不是拍腦袋做決定

在利用帆軟搭建了視覺化管理看板後，無論是電腦上還是移動端上，高層及管理者都可以看到日報、週報、月報等報表，實時檢視經營資料，一線員工也可以實時看到自己的業績達成情況、排名情況等。比如說銷售部門，可以監控每個月的銷售計劃的達成情況，如果沒達成，需要具體分析是哪些環節有問題，透過帆軟大屏資料，層層鑽取，發現問題的根源。

企業從下到上，大家開始願意主動去用資料解決問題，而不是拍腦袋做決定

“以前各部門的報表都是我們主動去詢問他們需不需要，現在都是各業務口的人會找過來提需求，支援和配合我們的工作，局面一下子打開了。”

“今天早上還遇到營銷的同事，見到我就給攔住了，說要做整個銷售服務的績效模型，營銷口不希望統計工資還要靠人工的方式算，希望每個月只要結束之後，自動能夠把每個月的工資核算出來，把營銷服務的成本核算出來，然後結合公司的生產經營情況，能夠更精準地算出我們的管理成本。現在業務部門非常積極。”

透過資料文化的建立，公司高層、中層和基層建立起統一認知，推進資料組織建設、平臺建設，包括實施資料治理，數倉建設等一系列資料標準化流程就水到渠成了。

故事最後

在寫這篇故事時，能深切感受到徐工施維英數字化建設給業務部門帶來的價值。離開公司時，我們看到了大廳裡掛著一幅世界地圖的縮影，在夕陽的對映下熠熠生輝，上面有八個大字“中國力量 世界徐工”，數字化的力量正如這徐工的願景一般，將給中國乃至世界的發展帶去更多可能！