大資料覆蓋面已經很廣了，可以幫助許許多多的行業，比如旅遊業、餐飲業等等，可以幫助企業精準投放廣告，輕鬆獲客。

大資料是最近幾年來也非常火的技術，大資料其實跟我們每個人都息息相關，我們每天坐車上班刷公交卡有資料、吃飯付錢有資料，超市買東西同樣有資料，這些都是大資料。

大資料對於各行各業都有很多好處，比如生產製造企業，大資料可以幫助他們最佳化產品升級迭代，瞭解市場需求消費者需求等。

什麼是大資料？

這次我們不談概念，不談理論，避虛就實，關注大資料在十大行業的實際應用。

從證券行業到醫療領域，越來越多公司意識到大資料的重要性。2015年Gartner調查顯示，超過75％的公司正在投資或計劃在未來兩年內投資大資料。而在2012年進行的類似調查中，僅有58％的公司在未來兩年內計劃投資大資料。

增強客戶體驗、降低成本、精準營銷以及提高流程效率、資料安全是公司關注大資料的主要目的。本文將研究正在使用大資料的10個垂直行業及面臨的挑戰，以及大資料如何解決這些難題。

1. 銀行和證券

挑戰：

透過對10家投行券商的16個專案的研究表明，該行業面臨的挑戰包括：證券欺詐預警、蜱蟲分析、檢測卡片欺詐、審計跟蹤檔案、企業信用風險報告、貿易可視性、客戶資料轉換、用於交易的社交分析、IT運營分析和IT策略合規性分析等。

應用：

證券交易委員會（SEC）正在使用大資料網路分析和自然語言處理器來捕捉金融市場中的非法交易活動。

商業銀行，對沖基金和其他金融公司在高頻交易的交易分析，交易前的決策支援分析，情緒測量，預測分析等方向使用大資料。

該行業還嚴重依賴大資料進行風險分析，這其中包括：反洗錢，企業風險管理，客戶畫像，以及減少欺詐行為等。

2. 通訊，媒體和娛樂

挑戰：

每個觀眾消費著不同形式的娛樂，以及不同的娛樂裝置，因此通訊，媒體和娛樂行業正面臨以下大資料挑戰：

1. 收集，分析和利用消費者習慣

2. 利用移動和社交媒體內容

3. 實時追蹤媒體內容使用形式

應用：

公司同時分析客戶資料和行為資料，以建立詳細的客戶檔案，可用於：

1. 個性化定製內容

2. 按需推薦內容

3. 衡量內容結果

一個典型的例子是國外影片網站YouTube上的溫網比賽，它利用大資料實時向電視、移動和網路使用者提供網球比賽的詳盡的情感分析。亞馬遜Prime大量使用大資料，在一站式商店提供影片，音樂和Kindle書籍來提供卓越的客戶體驗。

3. 醫療領域

挑戰：

醫療保健行業可以獲取大量資料，但由於醫療成本上升、醫療系統效率較低，大量資料沒能得到有效利用。拋棄患者的資料精準度弱化、以及不同感測器的資料差異均是醫療行業所面臨的困難。

應用：

一些醫院正在使用從數百萬患者手機應用程式收集的資料，允許醫生使用循證醫學，而不是對所有去醫院的患者均進行多次醫學檢查。佛羅里達大學運用免費的公共健康資料和谷歌地圖建立了視覺資料，以便更快地識別和有效分析醫療資訊，用於跟蹤慢性病的傳播。

4. 教育

挑戰：

從技術角度來看，教育行業面臨的主要挑戰是整合不同來源的大資料，並在統一平臺上使用它，有時這些資料並非是相互協作的。從實際角度來看，教師和機構必須學習新的資料管理和分析工具。在政治上，用於教育目的的大資料相關的隱私和個人資料保護也是一個問題。

應用：

大資料在高等教育中的使用非常多。例如，一所擁有超過26000名學生的澳洲大學已經部署了學習和管理系統，該系統可以跟蹤學生登入系統時，在系統中不同頁面上花費的時間以及學生的整體學習進度等。

大資料還用於衡量教師的教學有效性，以確保學生和教師的良好體驗。教師的表現可以根據學生數量，主題，學生人口統計，行為分類和其他幾個變數進行微調和衡量。

5. 製造業和自然資源

挑戰：

石油、農產品、礦物、天然氣、金屬等自然資源的需求不斷增加，導致資料數量、複雜性增加。製造業的大量資料尚未開發。這些資訊的利用不足會妨礙產品質量、能效、可靠性和更高的利潤空間。

應用：

在自然資源行業中，大資料允許預測建模以輔助決策制定，從地理空間資料，圖形資料，文字和時間資料中攝取和整合大量資料。使用領域包括：地震解釋和油藏描述。

6. 政府

挑戰：

在政府領域，最大的挑戰是跨政府部門和組織的大資料整合和資料的互相容性。

應用：

在公共服務領域，大資料的應用範圍非常廣泛，包括：能源勘探，金融市場分析，欺詐檢測，健康相關的研究和環境保護。美國社保局使用大資料分析大量的社會殘疾索賠資料，用於快速有效地處理醫療資訊，以便更快地做出決策並檢測可疑的或欺詐性索賠。美國食品和藥物管理局（FDA）正在利用大資料來檢測和研究食品中毒等疾病的模式。大資料讓響應更快，治療更快和死亡更少。

7. 保險

挑戰：

缺乏個性化服務，缺乏個性化定價以及針對新細分市場和特定細分市場的服務。

應用：

透過從社交媒體，GPS裝置和攝像頭獲得的資料預測客戶行為，大資料已被業內用於為簡單的產品提供客戶見解。大資料還可以讓保險公司更好地保留客戶。在索賠管理方面，大資料的預測分析可以加快服務速度，因為可以分析大量資料，特別是在承保階段。

8. 零售和整體銷售貿易

挑戰：

從傳統的實體零售商和批發商到當今的電商，該行業隨著時間的推移累計了大量資料。這些資料來自客戶會員卡，POS掃描器，RFID等，其用途不足以改善客戶體驗。

應用：

零售商和批發商收集來自客戶忠誠度資料，POS，商店庫存，本地人口統計資料的

1、保險業：

客戶分析：客戶群體的偏好，潛在客戶群體，市場公關對客戶的影響，是否有適當的產品將提供給潛在客戶等；

產品分析：產品的定價基數的合理性，產品的效益等；

理賠分析：風險控制，服務質量，賠案規律，出險率，欺詐防範等；

保全分析：服務質量，客戶保持等；

風險分析：產品風險，客戶風險，理賠質量，產品測算，給領測算等。

2、電信業：

產品分析：產品的定價基數的合理性，發現高收益產品，低收益或虧損產品的風險等；

客戶分析：發現帶來高收益的客戶群體及其與產品的關係，各類個性化服務對客戶的影響，發現提高客戶保持率的方法；以及話費行為，欠費行為分析等；

需求預測：提供產品需求和服務需求的預測基礎，產品、價格測算；

渠道分析：渠道使用者儲存率，存量收入與使用者情況，渠道營銷效果分析等

策略模擬：優惠政策的模擬模擬。

3、製造業：

成本分析：提供成本分析模型，有效分析固定、變動成本的影響，成本控制等；預算制管理：費用控制，效益測算等；

定貨、庫存計劃：最佳定貨計劃，庫存控制等；

產品分析：市場分析與產品發展戰略，市場分析與營銷策略，產品效益等；

客戶分析：客戶群分類，客戶與產品關係，有效客戶保持手段等。

4、銀行、證券業：

客戶分析：識別高收益群體，市場活動對客戶的影響，客戶保持手段等；

效益分析：識別高收益服務，控制產品、服務風險等；

信貸管理：客戶信用等級的界定調整，控制信貸風險；

交易分析：交易類別、行業型別、交易時間、交易場所、交易金額、交易次數等指標的分析掌握交易行為的規律；

存款分析：瞭解存款的種類、幣別、相關人群、時間分佈等特徵。

大資料首先在網際網路行業興起，有了豐富的技術和經驗積累，如今很多行業都網際網路+，在傳統行業，比如能源，汽車等領域大資料有了越來越多的應用。

資料就是最有價值的資產大資料蘊藏著豐富的資訊和價值，如何運用好大資料，發揮資料資產的商業價值,這是大資料時代最核心的挑戰。與此同時，手機網際網路或者移動網際網路，尤其物聯網、車聯網，包括可穿戴裝置，各種智慧硬體，將會擁有比PC網際網路更實時、更廣闊的資料採集能力。而位置大資料包含了空間位置和時間標識的地理和人類社會資訊的資料。具有大量性、高速性、多樣性、價值和真實性的特徵。根據來源的不同可以分為地理資料、軌跡資料和空間媒體資料。地理資料，是表示地理位置、分佈特點的自然現象和社會現象的要素檔案，包括自然地理資料和社會經濟資料。自然地理資料，包括地覆蓋型別、地貌、土壤、水文、植被、居民地、河流、行政境界及社會經濟方面的資料等，一般按向量資料結構或網格資料結構進行儲存。社會經濟資料一般在計算機按統計圖表形式，是地理分析的基礎資料。地理資料具有資料量大、資料儲存相對較為規則、資料變化相對較慢的特點。

目前，中國位置大資料的企業約45家左右，但是資料來源主要集中在以BAT為主的大型網際網路企業以及地理位置服務運營商、電信運營商等手中，預計未來幾年行業企業都會在上述企業中站邊。位置大資料能創造的價值非常大，雖然目前位置大資料的市場規模還不大，預計2018年位置大資料的市場規模為60.8億元，2023年市場規模為293.2億元，但是未來位置大資料能夠撬動的價值遠大於位置大資料本身價值的萬億資產，位置大資料的需求量將會呈現穩定上升的趨勢。

大資料戰略已上升為國家戰略，"十三五"規劃綱要中指出，把大資料作為基礎性戰略資源，全面實施促進大資料發展行動，加快推動資料資源共享開放和開發應用，助力產業轉型升級和社會治理創新。大資料孕育和驅動下的新產品、新服務、新產業層出不窮，並日益深刻地改變著每個人的日常生活。一個基於技術進步的"大資料時代"正在來臨。