扫码加入数据分析学习群

当前，以大数据、互联网、人工智能为代表的新一代信息技术正在蓬勃发展，对社会进步、国家经济发展、人民生活产生了巨大而深远的影响。下面，我将从大数据的概念与意义、大数据的来源、大数据应用场景这三个方面为大家介绍大数据相关方面的知识，使大家对大数据有一个基本的认识与了解，以帮助大家更好地使用永洪一站式大数据分析平台。

一、大数据的概念与意义

1、什么是大数据？

2011年5月，麦肯锡研究院发布公告——Big data: The next frontier for innovation, competition, and productivity，第一次给大数据做出了相对清晰的定义：“大数据是指其大小超出了常规数据库工具获取、存储、管理和分析能力的数据集。”

2015年8月31日，国务院《促进大数据发展行动纲要》指出：“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。” 学术界和政府组织对“大数据”的定义各式各样，但对大数据内在特质的认识基本一致，即Volume（体量大）、Variety（种类多）、Velocity（速度快）和Value（价值高）。

2、大数据能够给我们带来什么？

大数据是一个信息和知识的富矿，蕴藏着无限的商机与巨大的收益。美国德克萨斯大学针对数据有效性的一项研究表明，企业通过提升自身数据的使用率和数据质量，能够显著提高企业的经营表现。

如果企业数据使用率提升10%，零售、咨询、航空等行业人均产出将分别提高49%、39%和21%。如果财富1000强中的中位数企业的数据使用率提高10%，那么每年能够增加20亿美元的营业收入，人均产出将提升14%。而数据质量的提升，对企业的影响将更为显著。

如果企业数据质量提升10%，那么公用事业、航空、电信、石化等行业的收益将会有明显地增加，净资产收益率提升幅度将会超过200%，财富1000强中位数企业净资产收益率提升幅度约为76%。

二、大数据的来源

首先，我们先看一下最近几年全球数据总量的变化情况：

2004年，全球数据总量是30EB；2005年达到了50EB；2006年达到了161EB；到2015年，达到了惊人的7900EB；到2020年，预计将达到35000EB。

如此海量的数据，它的产生源头在哪里呢？我们可以从产生数据的主体、产生数据的行业、产生的数据类型三个方面对大数据的来源进行分类。

➤按照产生数据的主体进行划分，可以包括三个部分：

少量企业应用产生的数据，如关系型数据库中的数据和数据仓库中的数据等；

规模庞大的人群产生的数据，如人们使用社交软件、娱乐软件、在线购物平台、企业软件等产生的数据；

数量巨大的机器产生的数据，如应用服务器日志、各类传感器数据、图像和视频监控数据、二维码和条形码（条码）扫描数据等。

➤按照产生数据的行业进行划分，可以包括五个部分：

一是以BAT为代表的互联网公司产生的数据。以百度公司为例，百度公司数据总量超过了千PB级别，数据涵盖中文网页、百度推广、百度日志、UGC等多个部分，并以70%以上的国内搜索市场份额坐拥庞大的搜索数据；

二是电信、金融、保险、电力、石化系统产生的数据。以电信行业为例，电信行业数据包括用户上网记录、通话、信息、地理位置等数据，运营商拥有的数据量将近百PB级别，年度用户数据增长超过10%；

三是公共安全、医疗、交通领域产生的数据。举个简单的例子，一个大型城市一个月的交通卡口记录数据量可以达到3亿条；

四是气象、地理、政务等领域产生的数据。以中国气象局拥有的数据量为例，中国气象局保存的数据量将近10PB，数据量每年约增长数百TB；

五是制造业和其它传统行业产生的数据。制造业和其它传统行业产生的数据量也在剧增，但是还处于积累期，整体体量都不算大，多则达到PB级别，少则达到数十TB或数百TB级别。按照产生的数据类型进行划分，可以分为结构化和非结构化数据。大数据不仅数据量巨大，而且数据类型也非常多。在海量的数据中，大约20%的数据量属于结构化数据，剩余80%属于非结构化数据。

三、大数据应用场景

大数据的运用给各行各业带来的效益是显著的。这里将从零售、金融两个行业并结合永洪一站式大数据分析平台，来向大家说明大数据的应用场景。

零售行业大数据应用主要有两个方面。一个方面是零售行业可以通过了解客户的消费喜好和消费趋势，以进行商品的精准营销，降低营销成本。

例如，记录客户的购买习惯，将一些日常的必备生活用品，在客户即将用完之前，通过精准广告的方式提醒客户进行购买。

另一个方面是依据客户购买的产品，为客户提供其它可能会购买的产品，扩大销售额。例如，通过客户购买记录，了解客户对关联产品的购买喜好，将相关的产品与客户购买的产品放到一起进行销售，提高相关产品的销售额。

除此之外，零售行业可以通过大数据掌握未来的消费趋势，以帮助热销商品的进货管理和过季商品的处理。

金融行业的大数据应用场景较为广泛。典型的应用场景有银行数据应用场景、保险数据应用场景及证券数据应用场景等。

首先，银行的数据应用场景比较丰富。基本集中在用户经营、风险控制、产品设计和决策支持等方面。例如，“利用银行卡刷卡记录，寻找财富管理人群”，中国约有120万人属于高端财富人群，这些人群平均可支配的金融资产在1000万元以上，是所有银行财富管理的重点发展人群。这些人群通常具有典型的高端消费习惯，银行可以参考POS机的消费记录定位这些高端财富管理人群，为其提供定制的财富管理方案，吸收其成为财富管理客户，增加存款和理财产品销售。

永洪Demo展示

其次，保险数据应用场景一般是围绕产品和客户进行的，典型的应用场景有利用用户行为数据来制定车险价格，利用客户外部行为数据来了解客户需求，向目标客户推荐产品等。例如，依据个人信息数据、外部养车APP数据等为保险公司找到车险客户。最后，证券行业拥有的数据类型有个人属性数据（含姓名、联系方式、家庭地址等）、资产数据、交易数据、收益数据等，证券公司可以利用这些数据建立业务场景，筛选目标客户，为用户提供合适的产品，提高单个客户收入。

永洪Demo展示

全球范围内，研究发展大数据技术、运用大数据正在成为一种趋势。永洪一站式大数据分析平台具备数据应用方案咨询、数据治理、数据仓库建设、数据可视化分析、数据深度应用等的强大技术能力和服务保障能力，能够帮助企业轻松构建数据应用，有效地挖掘数据中的价值，实现企业的信息化转型、变革与发展。大数据时代浪潮下，永洪一站式大数据分析平台将一路伴您同行。