非常高興回答您的這個問題，以下是我自己的一些理解和看法：

大資料的本質是:大量多維、多形式的資料。它包含每個時空節點的資訊。如果我們認為人工智慧是嬰兒餵養的，那麼每個領域的大資料就是餵養嬰兒的奶粉量——“奶粉”的量決定了嬰兒能生長多長時間，“奶粉”的質量決定了嬰兒的智力發展水平。

馬雲在16年中提到大資料是未來的新能源。資料可以產生生產力，提高人類活動的效率！

人腦的本質是一個模式分類器:從各種感測器(五個身體和身體)接收資訊，透過融合處理和正反饋，在資訊處理過程中塑造神經元，最終神經元的迭代產生人類智慧。青蛙的視覺系統只能看到移動的物體，狗看不到顏色，人類的視覺系統可以識別多達數萬種顏色，人類大腦接收和處理的資料遠遠超過其他生物，因此人類比其他生物聰明得多。資料越多，資訊處理系統就越智慧，這就是大資料對人工智慧的意義。

因此，大資料的應用主要是在人工智慧領域。人工智慧的進步在很大程度上是從傳統建模和規則制定到今天對資料機器學習的依賴的根本轉變。這種轉變恰恰是因為我們今天有了資料，覆蓋面越來越好，越來越準確，所以我們對模型的依賴性越來越小，或者更復雜的模型有足夠的資料訓練。我們的資料如此之大，以至於我們有一個非常困難的問題，我們今天已經很好地解決了。

所以大資料實際上是人工智慧深度學習背後的驅動力。

大資料細分應用領域需求與市場分析

製造業需求市場

一、行業資訊化建設現狀

當前，中國工業正處於轉型升級的攻堅時期，國家工信部印發《資訊化和工業化深度融合專項行動計劃(2013-2018年)》，積極推動資訊化和工業化深度融合，國家工信部先後認定16個兩化融合試點城市， 各地都取得了顯著的成果。上海作為首批8個國家級兩化融合試驗區之一,連續5年保持全國領先水平。

圖表：2016年中國製造行業資訊化投資規模統計

2013年，中國製造業資訊化投資達620億元，略有增長，同比增長率為0.8%。2015年，中國製造業資訊化投資規模達到655億元，同比增長3.4%。但是中國製造業中不同行業、不同規模的企業，資訊化建設狀況差距很大。石化、鋼鐵、汽車等行業集中度高企業的資訊化建設較好，一些企業已基本具備了與國際同行接近的資訊化水平;而紡織、輕工等行業，資訊化建設水平較低。

隨著資訊科技的發展以及資訊化普及水平的提高，數字技術、網路技術和智慧技術日益滲透融入到產品研發、設計、製造的全過程，推動產品生產過程的重大變革。

世界工業化發展正在面臨著新的變革，發達國家中德國戰略性地提出“工業 4.0”，美國著力打造“工業網際網路”，新的動態變化都將影響全球製造業版圖，中國製造業亟待轉型升級。

二、行業資料量及其特點

製造業的儲存資料一般被分為以下幾種型別：其一，產品設計資料，這類資料的典型特點是以檔案為主，非結構化，共享要求比較高，儲存時間也比較長;其二，企業生產環節的業務資料，其特點是以資料庫等結構化資料為主，這些資料的重要性不言而喻，它們不僅表現企業目前執行的狀況，而且為企業進一步發展決策提供有價值的分析;其三，生產監控資料，其特點是資料量非常大，對儲存空間以及I/O吞吐要求高。製造企業中，企業對資料的記錄多停留於兩種形態：1、傳統的紙筆記錄;2、Excel電子表格記錄。這些操作起來看似簡單的資料管理方式，在浪費人力物力的同時，還為企業生產及質量監控埋下了巨大的隱患。而真正挖掘資料背後的價值，更是無從談起。

三、行業大資料應用需求分析

在製造業的應用中，產、供、銷一體化為基本核心外，還有延伸的客戶關係管理、供應商資訊管理等外延系統，各種海量資料庫同時交叉執行，並行服務，使用者訪問量大，頻度高，系統負荷重，而且需要保證資料處理的高實時性，這樣資訊化才能有效地服務於生產和運營。日常操作及追加資源頻繁，是一種複合型的高度動態化應用：資料實時變化頻度高，牽扯麵廣，系統需要形成一個有機的整體隨時更新各個狀態。

製造型企業的良性運營對資訊化的依賴性越來越大，對系統的可靠性、穩定性、安全性和反應速度均提出了很高標準和嚴格要求：隨著企業規模的擴充套件，資訊化應用的規範和普及，對企業網電子資料的使用反映出實時、動態、突發、連續、超高負荷等特點，與生產、銷售、供應緊密聯結，不容許服務中斷甚至反應遲緩。因此硬體裝置的效能應體現出較強的先進性、一定的超前性、充分的可靠性及迅捷的反應速度。

四、行業大資料應用場景分析

第一個是在設計環節上。縱觀國外能做成百年企業的，都是設計能力超強的公司。設計能力強的企業有個特點，他們會經常到網上去搜使用者的反饋，甚至建立一個網上社群，由粉絲參與到設計環節當中，這個時候可以藉助大資料的分析能力，將這些反饋快速融入到產品設計當中，推出來的產品才會有消費者買單。而在高階製造業上，需要有設計引數的積累。同樣的材料做出來的產品，有的能耐用10年，有的用幾年就壞了，這是為什麼呢?主要就是原料配比、加工、工藝等的差別，這要依靠很多年的資料積累形成的。鼓勵國內製造企業在設計過程中，用大資料的理念，從頭到尾捕捉下來，所有的設計人員用資料的眼光去做設計，而不是說產品做不好是其它部門的事，管理水平決定了資料的意識和應用的水平。

第二個環節是生產車間。國內的高階製造業其實資訊化程度很高，生產線上的機床基本都是自動化的，從原材料進入車間到成品產生，人甚至都不用幹預。每個數控機床就是一部小電腦，一條生產線下來就有幾十個質量控制點，只要機器一開每分鐘就會產生巨大的資料量。如果在全國有很多工廠，產量比較大的話，這個製造企業本身就是一個標準的大資料應用場景。“大資料對於製造企業來說好像挺高階的，但也不用怕，可以從小的地方開始，先將資料以自己的維度從機器上採集起來，再結合預先建立的模型，就可以逐步形成大資料的應用。透過一個月、半年、一年的積累，就可以分析出質量跟哪些因素相關，以此為依據去改進產品和生產流程。

五、行業大資料應用價值分析

基於工業資料倉庫的精準營銷管理，依託工行強大的資料倉庫平臺，建設精準營銷管理系統叢集，充分運用資料探勘以及大資料分析等現代化的資訊科技手段，就能夠透過客戶資訊的全面採集、高度整合、深度挖掘與高效運用等措施建立“以客戶為中心”的精準營銷管理體系。

大資料使不同的工業企業構建起了客戶營銷統一檢視，打破資訊孤島，深度挖掘客戶需求，實現目標客戶精準定位，推進客戶分層分類服務。此外，透過搭建智慧營銷資訊服務平臺，企業還能實現精準營銷資訊的智慧化、自動化、制度化、流程化管理，推進營銷管理模式再造和制度完善，加強與客戶之間的溝通和良性互動，提升客戶滿意度和忠誠度。

我們在做報表& BI（商業智慧）應用，這也算大資料的一種，並且這項事業已經開展了10餘年。

具體做什麼呢？

幫企業規範化報表業務，建立資料分析中心，搭建自助的業務分析平臺，簡單點說就是提供企業的資料化管理服務。並且，這項事業可應用於每個行業，目前已收穫6000+成功案例。

何為資料化管理？

引用百度百科的解釋：資料化管理是指將業務工作透過完善的基礎統計報表體系、資料分析體系進行明確計量、科學分析、精準定性，以資料報表的形式進行記錄、查詢、彙報、公示及儲存的過程，是現代企業管理方法之一。資料化管理的目標在於為管理者提供真實有效的科學決策依據，宣導與時俱進的充分利用資訊科技資源，促進企業管理可持續發展。

為此，我司先後研發了兩款資料產品，一款是FineReport，另一款是FineBI。前者解決報表的製作和管理問題，後者解決業務的快速分析。

FineReport

FineReport嚴格來講是報表工具，你可以把他想成Excel，在設計器中設計表格、圖形，然後放到網頁端展示， 可以嵌入在其他應用系統和網頁中開發。功能數量和通用度雖不及Excel，但是製作商業報表的的簡易度絕對讓你大跌眼鏡，目前是最流行的商業報表工具。

1、 提供各種資料介面，可同時引用不同資料庫的資料；

2、 以資料欄位為單位，可明細可合計，不用資料透視表，也不要寫VBA，功能都是封裝好的，設計一套模板可匯出N張不同報表；

3、填報功能，收集資料入（資料庫），協作填表無壓力；

4、可以協同製作報表，儀表多人制作。提供許可權設定，不同人看不同表；

使用FineReport可以快速靈活地製作報表，搭建統一的資料決策和管理平臺，讓更多的資料用於業務經營和決策

5、視覺化Dashboard(決策報表)，表格立馬變高大上的“駕駛艙”；

6、移動端報表隨時隨地看。

7、視覺化大屏輕鬆做

詳細請看：你用過Excel，卻不知還有一款神器“FineReport” 大屏做成這樣，領導不重用你都難！

……

FineBI

FineBI是大資料BI，是商業智慧工具，側重於資料分析。一般是IT部門準備好資料後，業務人員/領導直接用它來託拽資料欄位分析。

1、資料處理——FineBI可直連資料庫/資料倉庫/大資料平臺，也可藉助內建的FineIndex(多維資料集cube)建模分析，能快速的處理大資料量並呈現結果。

2、主要在於前端的OLAP分析模式，注重視覺化分析。

3、使用難度上BI工具應該是最簡單的資料分析工具了。

一文說透大資料，解讀智慧門禁背後的大資料價值！

網際網路時代已經盡展芳華，下一個風口是什麼？是物聯網？5G？還是大資料、人工智慧？其實說到底它們之間都是水乳交融的。物聯網應用的前提是5G技術的普及，人工智慧又建立在大資料的基礎上，而大資料的採集又離不開萬物聯網。今天就跟著小令走進大資料的世界~

大資料是什麼？說直白點，就是大量特定屬性的資訊集合在一起形成的資料包。但資料本身沒有價值，採集大量資料，需要透過清洗、篩選出有價值的資料，進一步處理分析，從而被人們利用。

而大資料要為人所用，必須經過四道內功修煉：資料--資訊--知識--智慧。接下來，我們一起來看在大資料進階修煉的過程中，智慧門禁的大資料是如何完成採集--整理--分析--應用的？

第一段位：資料——資料的採集

資料的採集方式分為兩種：

第一種方式抓取或者爬取資料，即透過程式在網際網路上提取自己需要的資料資訊，從而完成資料的採集工作。例如搜尋引擎把網上的資訊下載到它的資料中心，然後你一搜才能搜出來。

第二個方式是推送，透過很多特定終端，將相關資料傳送到我們的伺服器。很顯然，第二種方式獲取的資訊會更加精準，質量更高。

門禁大資料的採集方式就屬於第二種，透過讀頭讀取出入人員相關資訊，控制器再將裝置地址、人員資訊、出入時間、通行方式、是否透過等資訊，傳輸到對應的伺服器上進行儲存，形成大資料庫。

第二段位：資訊——資料的整理

儲存的資料是原始資料，高價值的資訊包裹在其中，但原始資料是雜亂無章的，夾雜著很多垃圾資料，因而需要清洗和過濾，得到一些高質量的資料，這部分資料叫做資訊。

毋庸置疑，如果以第一種爬取資料的採集方式，資料多、雜亂、垃圾多是必然的，所以將資料變為資訊則是很關鍵的一步。而門禁系統採集到的資料都是高質量的，我們只需將這些資訊按一定的規則整理即可，也就是我們看到的通行日誌。

第三段位：知識——資料的分析

高質量的資料篩選出來以後，就可以進行分析，資訊會包含很多規律，我們需要從資訊中將規律總結出來，發現數據之間的相互關係，把它稱為知識。

第四段位：智慧——資料的應用

有了知識，然後利用這些知識去應用於實戰，這也是大資料價值的最終體現，這個過程叫做智慧，也叫人工智慧。根據實戰反饋的效果，有針對性的最佳化資訊源，讓資料更精準，這樣也就形成了一個生態閉環。

對於寫字樓物業管理者而言，大資料分析統計結果成為運營者商業資源配置和招商方案的高價值參考。比如通過出入口人流統計，調整商業服務的佈局以及租金調整，透過對應公司訪客人流高低，動態分析公司運營情況，從而調整招商方案。

同時，門禁大資料也可應用在社群安防、公租房屋管理、流動人口管理、特殊人群關注、資訊傳播管理及城市治安、疫情期間高效人流管控及人員篩查鎖定等方面帶來可行的智慧解決方案，實現資源更優的配置。