京公网安备 11010802034615号
经营许可证编号:京B2-20210330
国内大数据应用潮起,发展形势稳好
大数据是继云计算、物联网之后IT产业面临又一次颠覆性的技术变革。权威数据显示,2012年大数据对全球IT开支直接或间接推动达960亿美元,而到2016年,这一数字预计将达到2320亿美元。据国内有关机构初步预算,未来中国大数据潜在市场规模有望达到近2万亿元,将给IT行业开拓了一个新的黄金时代。
分析人士指出,大数据时代来临,行业变革才刚刚开始,未来前景广阔。就目前发展来看,国内对大数据的应用领域还较为狭窄,主要集中在金融、物流、公共等三个领域。
公共领域:
交通司法等行业领衔大数据运用
目前我国在公共领域对大数据的运用主要集中在电力行业、智能交通、电子政务、司法系统等四个方面。
电力行业:大数据对该行业的应用主要体现在智能电网上,通过获取人们的用电行为信息,智能电网能够实现优化电的生产、分配以及消耗,有利于电网安全检测与控制(包括大灾难预警与处理、供电与电力调度决策支持和更准确的用电量预测)、客户用电行为分析与客户细分,电力企业精细化运营管理等多方面,实现更科学的电力需求管理。
智能交通:交通运输部今年7月份下发通知,将对公共交通信息化应用系统建设、相关支撑系统建设、数据资源与交换系统建设提供资金支持。在政策利好支撑下,可以从以下三方面掘金智能交通领域。一、从事城市交通系统建设、高速公路信息化建设等领域的上市公司。
电子政务:通过政府信息化,大数据能够提高政府决策的科学性和精准性,提高政府预测预警能力以及应急响应能力,节约决策的成本。以财政部门为例,基于云计算、大数据技术,财政部门可以按需掌握各个部门的数据,并对数据进行分析,做出的决策可以更准确、更高效。另外,也可以依据数据推动财政创新,使财政工作更有效率、更加开放、更加透明。
司法系统:公安市场大规模的信息化和装备投资产生了海量的非结构化数据,公安的实战应用是大数据的重要应用领域。
金融领域:
大数据所带来的社会变革已经深入到人们生活的各个方面,日常的出行、购物、运动、理财等等。金融业面临众多前所未有的跨界竞争对手,市场格局、业务流程将发生巨大改变。未来的金融业将开展新一轮围绕大数据的IT建设投资。
据悉,目前,中国的金融行业数据量已经超过100TB,非结构化数据迅速增长。分析人士认为,中国金融行业正在步入大数据时代的初级阶段。优秀的数据分析能力是当今金融市场创新的关键,资本管理、交易执行、安全和反欺诈等相关的数据洞察力,成为金融企业运作和发展的核心竞争力。
目前,以大数据为代表的新型技术将在两个层面改造金融业。宏源证券表示,一是金融交易形式的电子化和数字化,具体表现为支付电子化、渠道网络化、信用数字化,是运营效率的提升;二是金融交易结构的变化,其中一个重要表现便是交易中介脱媒化,服务中介功能弱化,是结构效率的提升。
伴随着大数据应用、技术革新及商业模式创新,金融业中的银行和券商也迎来巨大的转变。此外,腾讯、阿里巴巴等互联网企业也在凭借其强大的数据积累和客户基础,进军金融业,开拓新的盈利点,这也成为金融产品在线销售的一大推动力。
从银行业来看,业内人士表示,互联网环境改变了金融客户的行为习惯,并且促进交易信息透明化,交易成本显着降低。此外,交易行为和信息数据的掌握方拥有更多的话语权。在互联网技术的推动下,金融行业、互联网行业之间的界线日渐模糊,行业融合日渐深入。
数据显示,2012年年末,四大行网银客户数量已经超过了4.3亿户,招行个人电子银行交易替代率达到了90.66%。交通银行电子银行分流率现已超过76%,而三年前的这一比例还在50%。
从证券业来看,分析人士认为,互联网证券并不是传统证券行业在互联网上的外延化扩张,它将会借助网络技术打造出新的网络证券模式,颠覆性地改变券商的传统经营模式。
在大数据的冲击下,券商现有的业务将各有进退。经纪业务首当其冲,将最先面临转型压力。另外,投行通道中介重要性逐渐衰弱,历史上作为投行收入核心的IPO业务利润贡献度将有所下降。还有,券商资管的下一个爆发点在于集合理财业务、资产证券化和信用业务。大数据将进一步加深资管业务的精细化和专业化,助力这些板块获得新的突破。
总之,随着大资管时代的来临,证券、基金等金融机构迫切需要打通渠道通路,平衡渠道体系格局,低成本高效率的网络渠道有助于帮助证券、基金实现这一目标。
大数据将给各行各业带来变革性机会,但真正大数据运用仍处于发展初级阶段。据美国麦肯锡咨询机构在其一份关于大数据研报中指出,大数据已经对美国健康医疗、欧洲的政府公共管理、个人位置数据、美国的零售业及制造业等五个部门产生了重大的经济影响,其中在公共管理领域,每年产生约2500亿美元(约合1.54亿元人民币)的潜在价值。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04