精准营销下的大数据分析利用

第一篇：精准营销下的大数据分析利用

大数据模式下的精准营销

于大部份营销者来说，网站再定向(onsite retargeting)是其中一个最重要的营销手段，所谓网站再定向的意思是对曾访问您网站的用户进行宣传，在他们浏览网络时向其展示广告。此手段之所以重要是因为在第一次接触中真正转化为购买的只占2%，而没有产生购买就离开网站的人群体高达98%。网站再定向的威力在于它能够帮助你吸引很多的潜在客户，由于这些用户之前已经访问了您的网站一次，这意味着他们确实对您的产品和服务感兴趣。当你不断向这些用户显示相关的广告，将能够吸引他们回访并完成购买。理论上，网站再定向技术听起来完美，但执行起来，却可能让很多广告主走入死胡同，因为它只能够覆盖到旧有的访客，而无法接触新访客。对于广告主来说，网站再定向是一把双刃刀，它虽然能带来绝佳的ROI，却由于覆盖度不足，会在无形中扼杀销售机会。

其实无论是广告数据或购买行为数据，网络都能记录下来，而网络的实时记录特性，让它成为当下广告主实现定位营销的不二之选。随着技术不断革新，广告主精细化定位的需求也不断得到满足。在随后的篇幅中，我们会简单地对比几大定位技术，并通过电商案例分析来讨论如何让这些数据技术协同起来，促成客户从浏览广告到掏钱购买的转化，实现广告主的收益最大化。

网络营销的精细化定位潜力只有在大数据的支持下才能完全发挥出来。图中的数据金字塔划分出了数据的四个层级。最底层是广告表现数据，是关于广告位置和其表现的信息。具体而言，就是广告位的尺寸、在网页的位置、以往的点击率、可见曝光(viewable impression)等指标。

再上一层就是受众分类数据。如今，市场上的数据提供商可以通过用户的线上和线下的行为，来收集到广告受众的兴趣、需求等数据。这些不会涉及个人真实身份的信息会被分析，并划分为不同的群組，例如性价比追求者、网购达人等。有了受众分类数据，广告主可以在互联网上按自己的需求和品牌的特性来投放。受众分类数据的针对性更强，也能带来比单纯依赖广告表现数据更好的点击率与转换率，因为它提供了消费者行为和偏好等宝贵信息。

第三层是搜索动机数据。搜索再定向是个用于发掘新客户的技术。它的出现让我们能够发掘出那些很可能会购物的用户，因为他们已经开始搜索与广告主产品相关的信息了。那些具有高商业价值的数据可以进一步被筛选出来，广告主可以将具有高购买意愿的人们再定向到自己的产品信息上来。

而位居数据金字塔顶端的是站内客户数据，这指的是用户在广告主网站上的用户行为数据，包括了用户浏览的页面，下载的信息，以及加入购物车的商品等数据。网站用户通常是那些已经了解过品牌并且对公司也熟悉的一群人。

对于广告主来说，金字塔四层的数据都独具价值。举例而言，广告表现数据是每个广告主都首先会关注的信息，因为这些信息在大多数广告管理平台和广告交易平台都能轻易获得的。同时，那些与用户需求和偏好相关的数据，能够助力广告主更好地实现精细化营销。因此，要想针对性地影响消费者购买路径的每个过程，我们就需要把这四层的数据分析整合，才能制定一个更全面的营销方案。

以下，我们将分享一个真实的案例，让广告主明白应当如何打通各层数据，制定覆盖消费者购买路径的精准定位的营销方案。

案例分享

背景：爱点击的客户，国内最知名的电子商务网站之一，希望能提高ROI(投资回报率)和线上交易数量

挑战：客户已经使用了网站再定向技术来实现一个较好的ROI，但是，从再站内定向所带动的交易数量开始有下降的趋势。

优化策略︰利用多重数据的整合，提升转化漏斗每一阶段的人群数目，以提升总转化量

第一步：网站再定向

广告主会发现网站内再定向带来的购买转化量有限，这是因为大部份广告主只会再定向曾经将商品加入购物车的访客。要想提升网站再定向的效果，最优的方法是根据用户浏览过的页面进行属性分类，并呈现具有针对性的内容。具体参考下图：

有了全面的追踪和分类，再定向受众数量的基数大幅增加。在短短两个星期内，交易数量显着提升，尤其是来自老访客的成交量更是大幅提升44%。

第二步：搜索再定向(search retargeting)及购买第三方受众分类数据

一方面，再定向可以有效地召回老访客，增大重复进入网站及购买的可能性。但同时，广告主还应该考虑怎么能增加新访客，以保证转化漏斗有足够的新增流量。

首先，我们利用搜索关键词捕捉有兴趣的用户，然后储存有关的用户数据，最后，在交易平台上将合适的广告呈现给该用户。此外，我们还会关注第三方受众分类数据中那些有着同样行为特征的用户信息，整合在一起进行精准投放。

在进行搜索再定向及购买受众数据后，新客户所带来的成交大幅度上升254%，广告效果花费CPA下降29%，同时增加该网站整体的浏览量。

第三步：利用机器学习(Machine Learning)进一步扩大客户的数量

用户来进行定位广告投放。XMO的算法可以对比客户的CRM消费者数据与第三方受众数据，并预测出哪些网络用户会有特定的购买倾向。在这个案例中，XMO能通过机器学习来不断产生新的受众，平均每周能够细分出一个有着230万样本的人群。通过将广告投放到我们已有的目标受众群和由机器学习锁定的新目标受众，我们可以看到非常喜人的广告效果，虽然CPA轻微上升14%，但新客户成交量大幅增长26%说明了机器学习能有效地为广告主发掘新客户。

什么是机器学习(Machine Learning)?(摘自维基百科Wikipedia)机器学习是人工智能的核心，根据数据或以往的经验，通过设计算法来模拟背后机制和预测行为，并获取新的数据。这是一个重新组织已有的知识结构使之不断改善自身性能的过程。研究者可以

通过机器学习来抓取现有数据的特征来预测未知的概率分布，找到新的具有相同特征的数据并加入库中。机器学习中最关键的就是开发出能智能识别复杂模式并能智能化决策的算法。

观点总结

多渠道数据的整合可以在两方面帮助广告主提高广告表现。

首先，此举可以增加广告受众总数，并会为广告主赢得源源不断的访问量。第二，多渠道数据整合后的定向还能促进消费者购买漏斗的每一个过程，广告主通常利用网站再定向技术来召回“购物车放弃者”或者流失的老客户，但实际上，广告主应该把注意力放在现有客户和新客户的比例。总而言之，从搜索动机数据，到受眾分类数据，到最终的机器学习，都能促进购买漏斗的顶端访客数量的增加。结合上创意的策略定制、精准的位置选择，客户的转化率将会提高，广告主也将挖掘出更多的商机。

第二篇：大数据分析

1什么是大数据？ 云中大数据：融合技术

如今，大数据分析和云计算是全球企业最为关注的两大 IT 话题，大数据分析提供独具价值的洞察，帮助企业打造竞争优势，启迪创新，推动收益增长。作为 IT 服务的交付模式，云计算可以增强业务灵活性，提高生产力，同时增加效率，降低成本。

2大数据能给我们带来什么？

中国社会的急剧发展带来了数据的暴增，从街头的交通摄像头到商场的打折信息，再到网商的用户资料、信息，无不充斥着大量的数据，而在这背后，如何找出有用数据，如何发现规律，如何找到新的商业机会？

大数据究竟能给我们带来什么？

信息时代的特征之一就是数据的密集爆发，而这种数据的变化没有一个循序渐进的过程，呈现跨越式的特征。比如手机里的信息不断地堆积，从最开始的通讯录到短信、彩信，再发展到现在的智能手机时代，更多的来自于应用的数据如微博等正在积累起大量的数据信息。放大到社会而言，产生的数据更是异常庞杂。毫无疑问，大数据时代已经来了。

什么是大数据？，数据已从 TB 级别跃升至 PB 级别；对大数据，现在比较流行的是用 4 个“V”来总结其四个层面的含义：容量巨大（Volume）

数据类型多（Variety），从普通的文字、视频、图片到逐渐增多的地理位置信息等，类型纷繁，已无规律可循；价值密度低（Value），以视频为例，在连续不间断监控过程中，可能有用的数据也许只有一两秒；处理速度快（Velocity），实时分析对某些应用才更有意义，而不是批量式分析，即时处理已经成为趋势之一。

大数据的发展趋势和带来的机会

在大数据概念出来之前，个人制造的数据往往被忽略，企业数据被谈及的更多。企业内部的数据多数都是结构性数据，并被企业在或多或少地利用着，无论是数据挖掘还是商业智能化应用都已经初露端倪。面对这些应用需求，企业依托自身的数据库系统就可以解决，例如应用少量 x86 服务器、客户端，再加上 Sybase 系统、Oracle 系统、Unix 系统等。

随着互联网的快速发展，在企业数据还没有井喷的时候，我们就发现个人用户以及社会应用产生的数据已经开始爆发了，比如社交、交互式应用带来了大量的网络数据，这种非对称性数据充斥在我们周围，包括网络日志、点击流、电话记录、医疗记录、传感器和监控摄像头等等，各种来源的巨量数据种类丰富，让人无所适从。此时传统的硬件设备开始显得捉襟见肘，无法满足这种庞杂数据带来的应用需求。很多时候，也许我们会认为这些数据里会有价值，但是却不知道如何挖掘这些数据的内在价值，数据成为了堆砌。因此，对于数据精准分析的需求正在呼唤做数据分析的厂商们拿出下一步的举动。

比如说，在淘宝庞大的用户群中，淘宝卖家如何精准掌握一个新用户的需求？一家饭馆如何利用细节满足每一个食客对于美味的需求？越来越多的应用需求推动着大数据的发展。更主要的是，未来可能各种传感器会出现在社会的各个地方，数据会更多，比如交通、医疗等等，数据的采集已经不是问题，难点已经转换为处理和分析。如此巨量的数据，处理难度可想而知。

大数据给中国市场带来什么？

大数据应用需求在中国更加明显。中国人口众多，各行各业都呈现出极快的增长速度，电商、快递、微博、社交等都承载了大量的个人信息；大型超市、卖场、商场、银行等集聚了大量交易信息，日新月异的城市建设中，连接着更多数据采集传感器和嵌入式设备的物联网开始成型……大数据的时代正在到来，不仅有机遇，也存在挑战，且机遇大于挑战。

目前，网络搜索曾经在数据分析方面获得了一些机会，但远远不够，而且也是在相对偏窄的一个区域内利用信息，更多的数据散落在社会各个环节中，梳理分析出这些大数据带来的商业机会逐渐凸显价值。在中国市场，工信部发布的物联网“十二五”规划上，把信

息处理技术作为4项关键技术创新工程之一提出来，其中包括了海量数据存储、数据挖掘、图像视频智能分析，这都是大数据的重要组成部分。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与大数据密切相关。

大数据背后的商业机会

在实现大数据的过程中，硬件和软件供应商都可以找到合适的位置和方法来实现自身的价值，因为大数据的实现需要硬件具备足够的性能、灵活性以及可靠性和软件层面的优化支持。从目前的企业计算领域来看，IA架构是承载和实现大数据的理想平台。对于数据分析来说，基于英特尔至强处理器的双路/多路平台具备开放式、普及性、易优化、灵活易扩展等特点，是实现大数据应用的出色载体。英特尔的双路至强处理器已经通过实践验证了自身在计算能力的领先性，而以其为基础的主流服务器和存储系统具备无可比拟的扩展性。对于商业智能来说，基于英特尔至强处理器的多路平台则具备高性能、高能效、灵活扩展以及高性价比等优势。

此外，英特尔还拥有类似于英特尔发行版 Hadoop 这样的开源分布式架构以及相关的软件工具如编译器、函数库等，英特尔已经形成了完整的大数据解决方案。英特尔提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。Hadoop 对海量数据处理的支持，可以让用户不再依赖价格高昂的大型专有设备，而是通过大量 x86 服务器集群就可解决——利用较高性价比的 x86 服务器来搭配并行计算架构，从而可以以最符合经济效益的方式完成庞大的计算任务。

对于国内市场而言，对于大数据应用机会的重视和抓取已经越发明显，作为世界上人口最多的国家，中国产生数据的潜力可想而知，即便能掌握其中一部分大数据，对于企业发展也具有不可估量的价值。比如微博等社交网络平台上产生的大量碎片化信息，如果被合理应用，并精准分析、管理、挖掘这些数据的内在价值，那么就能掌握下一个互联网发展机会抑或革命，这还仅仅是互联网层面，放眼到全行业，可以利用的机会则更多。而英特尔与产业合作伙伴的强大产业生态链能够满足行业需求的同时在大数据时代用创新技术将大数据背后的价值一一呈现，并促进更多商业机会的出现。

3大数据：落地正当时我们正处于一个信息大爆炸的时代：宽带普及带来的巨量日志和通讯记录，社交网络每天不断更新的个人信息，视频通讯、医疗影像、地理信息、监控录像等视频记录，传感器、导航设备等非传统 IT 设备产生的数据信息，以及持续增加的各种智能终端产生的图片及信息，这些爆炸性增长的数据正在充斥整个网络。据权威市场调查机构IDC预测，未来每隔 18 个月，整个世界的数据总量就会翻倍；到 2020 年，整个世界的数据总量将会增长 44 倍，达到 35.2ZB(1ZB=10亿TB)。“大数据”时代正在来临！

“大数据”的价值

所谓“大数据”，一般具有几个特点：首先是数据量很大，已经从 TB 级跃升至 PB 级；其次是区别于传统的数据结构，“大数据”时代的数据结构比较复杂，超过 80% 都是非结构化数据，比如道路上的视频监控数据、网上的流媒体数据、物联网中 RFID 的感应数据，以及社交网络上产生的各种数据等。这两个特点，给数据存储、管理和挖掘带来了困难。第三，数据更新快，比如视频监控每秒钟都在进行，微博随时都有人在更新；最后，是对数据的随机访问，这些更个人化的数据在存储后被再次访问的时间是不确定的。这两点就要求新的IT系统更够更快地处理数据，并且能够更智能地保存和管理数据。比如在某一天，你需要从监控录像中找出某个人，那么就需要能够迅速地查找、调用、分析之前保存的海量数据。“大数据”的这些特点，对数据搜索及管理提出了更高要求，因为在“大数据”时代只有经过分析提炼的关键数据才有价值。

全球知名咨询机构麦肯锡在关于“大数据”时代的研究报告中指出，数据已经渗透到了每一个行业和业务职能领域，逐渐成为重要的生产因素；人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。在互联网时代，数据本身就是资产，而“大数据”则意味着这些资产正在变得庞大无比。虽然云计算可以为数据资产提供保管的场所和访问的渠道，但如何盘活数据资产，使其为国家治理、企业决策乃至个人生活服务，则是“大数据”时代的核心问题。这就好比一座日益膨胀的矿山，虽然其中蕴含着大量的贵金属，但是要想获得这些价值，就必须解决筛选冶炼的问题。

“大数据”对IT解决方案提出更高要求

在“大数据”时代，超过 80% 的数据都呈现非结构化状态，这些数据正在持续不断地增加，并且需要长时间存储，非热点数据也会被随机访问。这种情况与传统的、基于关系型数据库的核心数据存储方式有显著的差异。这种差异，使得传统的数据存储和管理解决方案无法胜任“大数据”时代的分析、管理和挖掘工作。传统的关系型数据库以及数据分析软件处理的结构化数据通常是GB级别的，很难适应“大数据”时代 TB、PB 级复杂数据类型的检索分析。同时，因为“大数据”时代数据每时每刻都在快速增长，传统解决方案也无法适应这种近乎无限的扩张性。为了适应“大数据”时代的到来，企业需要从技术、应用、硬件等各个层面做好准备，采用更新的IT解决方案，才能满足“大数据”收集、存储、管理和分析的要求。

“大数据”时代的IT解决方案，需要容纳数量庞大的用户和数据生产者，能够从企业及社区网络、移动智能终端、传感器及物联网、定位及地理信息设备中获得大量的视频、语音、图片、文字、产品信息、地理信息、时间信息等非结构化数据，并对这些海量复杂数据进行分析和挖掘，从而获得真正有价值的数据用于后续的经营。这种应用模式，要求“大数据”时代的IT解决方案具备可变的数据接口和高效的数据导入、管理、分析、统计技术；能够支持PB级别的数据、支持非结构化以及结构化数据、支持每秒万次级查询，拥有更高的系统可靠性以及更高的统计分析效率，这就对计算能力、内存数据处理能力和管理能力提出了非常高的要求。

对于企业而言，“大数据”时代爆炸性增长的数据既是巨大的机遇，也将是巨大的挑战。在“大数据”时代，IT解决方案既要能够更高效、低成本的存储和管理，也要能够更快速、灵活及稳定的检索和分析。而在这些方面，已经有不少厂商在努力围绕大数据整合解决方案，英特尔就是其中的佼佼者。首先，IA 架构广泛的普及率可以为企业提供更高的一致性，是承载和应对“大数据”的理想平台。英特尔® 至强® 处理器拥有更高的计算性能和内存数据处理能力，以其为核心的服务器和存储系统具备开放式、普及性、易优化、灵活等特点，具备无可比拟的扩展性，非常适合应对“大数据”的挑战。除此之外，英特尔还有包括 Hadoop 这种开源架构等软件方案（如编译器、函数库等），也将对“大数据”的处理提供了更高的效能。这些软件方案通过优化底层算法，可实现更高的应用效率和更均衡的计算存储分布；与英特尔硬件技术相结合，可以提供更高的平台性能。同时，还能提供跨数据中心的HBase数据库虚拟大表功能，并且实现了 HBase 数据库复制和备份功能，在功能方面也更适应“大数据”时代管理分析的需要。这一切，都为收集数据、分析数据、优化数据、利用数据提供了坚实的基础。

中国的“大数据”时代

“大数据”时代的核心应用就是对已知的数据进行分析来为未来发展和企业经营提供参考。作为一个人口大国，中国在“大数据”时代拥有巨大的机会和挑战。机会在于，我国拥有世界上最多的人，从而可以提供最多的数据以供分析挖掘。而挑战则是，我们怎样才能从海量的数据中找出价值。凭借庞大的人口基数和市场，我国各行各业的规模都在不断扩大，从而制造出庞大的数据。电商、快递、企业的网站和IT系统都承载了大量的数据；传统的大型超市、卖场、商场也集聚了大量的信息。特别是移动互联浪潮下各种手持智能终端的普及和定位设备的应用，也在不断产生大量的数据。如果能够对这些数据进行分析挖掘，找出有价值的信息，就能够大大促进中国企业的发展。比如，电信运营商可以对客服中心的数据进行分析来建立客服中心智能辅助平台，帮助运营商把客服中心从成本中心转变成营销中心；汽车厂商可以分析各大汽车论坛用户的海量评论来监控品牌口碑及舆情；电商企业可以分析用户的各种历史数据来挖掘用户的喜好，从而实现精准营销。面对“大数据”带来的机遇和挑战，我国政府在物联网“十二五”规划上把信息处理技术作为 4 项关键技术创新工程之一提出，其中就包括了海量数据存储、数据挖掘、图像视频智能分析等“大数据”相关的重要技术。而另外 3 项关键技术创新工程，包括信息感知技术、信息传输技术、信息安全技术，也都与“大数据”密切相关。

“大数据”的未来

“大数据”的到来已经无可阻挡，这将考验我们的技术是否跟得上数据的爆炸。比如，智慧城市的建立将改变现在的城市生态，但是作为信息采集源头的数万个摄像头，如果通过实时高效的图像分析而实现有机结合，就是我们需要解决的问题。英特尔作为IT上游领导厂商，通过深入了解 OEM 厂商、ISV、SI 甚至用户的需求，将产业链上的每一环都紧紧扣在生态系统周围，使之发挥最大的能动性，来应对“大数据”时代的挑战。在电信、石油、交通、医疗以及制造等行业，英特尔以开发的架构支持新型的商业智能，将这一生态系统的力量发挥到极致。信息就是资源，谁掌握了“数据”，谁就掌握了未来。掌握大数据，就在当下。英特尔将利用各种软硬件技术资源，帮助合作伙伴发掘数据价值，从而应对“大数据”时代的挑战。

4大数据背后隐含的“商业秘密”

信息的密集爆发，带来了大量的数据堆积，数据的变化几乎没有一个循序渐进的过程，砰然爆发的速度太快了，从居家到社交，从生活到工作都会形成大量的数据，无论是有用的还是无用的数据都围绕在我们周围。我们不会在意大量的数据，但是对自己有用的数据是很在意的，最简单的一个例子，我们手机里的信息就不断地堆积，通讯录在增加，还有邮箱，如果说以前仅仅是短信息，那么现在还有彩信，照片，包括微博等等都堆积起大量的数据信息。

数据多了就显得凌乱，甚至乱序，而这仅仅是我们个人的一些信息就显得如此驳杂和繁多。那么对于社会公共信息来说，堆积起来的数据信息是超海量的，汇总进而分析这些数据的价值就变得非常关键，而且也潜在着非常巨大的商机。

大数据应用场景之一

每天开车上街，司机们很在意的是测速摄像头，对于公共资源维护者来说也在意这些数据，当然他们不仅仅是测速，更多的是道路信息采集。什么路段拥堵了，哪个路口出交通事故了，一些城市已经树立了交通指示屏，可以非常清晰明了地为司机提示哪条路段现在是什么情况，拥堵还是畅通，有没有交通事故等等，这都是对数据采集后的分析结果呈现。之前，我们在城市的路口常常可以看到很多交通地图，不过现在这种平面单一的指示正在被数字标牌所取代。当然不仅仅是路口，在商场、电梯，地铁、候机楼、包括楼宇的户外广告等等，都已经不再是简单的一个平面美女，更多地已经开始呈现数字化了。

大数据应用场景之二

各种尺寸的屏幕动态化呈现更多信息，如果说以前我们还惊奇于滚动的数字屏幕，那么随着信息化的快速发展，单纯地动感已经无法满足我们的需求，更广泛的信息呈现才是更迫切的一种需求。而且这种需求是双向的，对大众和商家都很重要。于是智能化数字标牌出现了。这类产品具备了互动的功能，用户可以用触摸或者体感的方式和它们进行交互操作，同时，它们都是联网的设备，可以与数据中心或者其他的数字标牌进行数据的传递，还可以搜集并分析数据，为不同的人群进行定制化的互动展示。这就是大数据的一种应用。英特尔还推出了一套智能系统，通过在数字标牌上的应用，实现丰富的功能。

大数据应用场景之三

在大量数据的背后，如何找出有用数据，如何发现规律，如何找到新的商业机会？大数据，带来了一个全新的机会，这个机会需要软硬件的结合，需要大型数据的分析能力。在这方面，英特尔给予了硬件方面的强力支持，这里的硬件不仅仅是服务器端的，还有更多的终端产品，包括微小终端等等，都呈现数据分析后的结果以及快速分析的过程。

比如，英特尔的一款采用了酷睿 i5/i7 处理器的虚拟试衣镜 K-mirror。它能够通过红外线感应器，将试衣者的人体轮廓抓取出来，配合深度感应器测算人体与屏幕的距离，最后将预先存储在魔镜里面的虚拟衣服自然地搭配到试衣者的身体上。借助 K-mirror，试衣者无需穿上婚纱，便可以轻松、快速地进行选择与搭配，使得以往复杂繁琐的婚纱挑选与试穿过程变得简单随意且妙趣横生。目前已有众多婚纱影楼、服装零售店铺安装了这款体感式虚拟试衣镜，吸引了大量顾客体验这种高科技的试衣感受。

大数据应用场景之四

在移动市场我们常常听到精准营销，包括广告的投放等等。但是广告投资商非常在意的是自己的投放究竟获得了多少的回报和收益，或者自己的投放带来的反馈又是什么，在哪里的投放获得最大的回报率？这都存在着大量数据的分析和归纳。有国外媒体报道，eBay 的数据库每天增加 50TB，每天最少都有数百万次的商品查询，数据库每日增加 1.5 兆笔记录，数据库的总容量则已超过 9PB。每天新增的数据量庞大，数据库也极其庞大，从中分析顾客的浏览、消费行为就变成了一件很困难的事情。

大数据应用场景之五

再比如 Facebook，每天都有数亿用户留下庞大的数据，包括大量的图片、影片等传统数据库系统较不擅长的非结构化数据。针对网络社交平台，一些公司已经开始研究和布局大数据的关键技术──Hadoop。基于 Hadoop 的海量数据分布式处理，可以不再依赖价格高昂的大型专属设备，而通过自建大量 x86 服务器群集来解决。它利用大量平价的服务器，搭配并行计算架构，以最符合经济效益的方式创造庞大的计算量。而且，英特尔可以提供经过验证的方法和工具来优化 Hadoop 部署，包括具有代表性的 Hadoop 应用集合 HiBench，和基于数据流的 Hadoop 性能分析工具 HiTune 等等。

大数据应用之中国机遇

上述五个应用场景代表着现在市场和行业里对于大数据时代的典型描述，而对于国内市场而言，大数据分析和应用的机会也颇大，因为中国的用户量太庞大了，产生数据的潜力不可估量，如果能掌握其中一部分大数据就对企业发展具有意想不到的价值。我们正面临着大数据工业革命，不仅包含传统的结构化(或关联型)数据，而且也包含各类非结构化、非对称性数据。这些数据不仅尺寸庞大，而且增

长速度更快于摩尔定律。可以说，谁能合理地分析、管理、挖掘这些数据的内在价值，谁就有可能成为下一个行业巨头。

大数据之背后的故事

基于大数据的盛行，很多软硬件厂商都在寻求着适合自己的方向，而英特尔利用不同级别的处理器架构，不同的数据应用架构，以及相关的解决方案，帮助用户从端到端找到完整的解决办法。在大数据分析方面，灵活、强大和开放的解决方案更容易来实现现有需求以及未来的升级扩展。而英特尔正在利用开放的架构联合业界合作伙伴一同为大家打造不同的大数据方案，帮助用户解决实际难点。无论从应用、需求还是解决方案层面，大数据都已经到了“应时而生”的时代，而在这背后，从后端数据挖掘分析的厂商到应用的供应商都能从中找到黄金机会，在促进大数据时代的同时完成自己的商业目标。

第三篇：大数据分析将成为化学工业精准营销未来发展趋势

大数据分析将成为化学工业精准营销未来发展趋势

2014-12-01 中国氯碱网

大数据是当下高温热词，它凭借规模超乎想象的海量资讯数据，通过收集、分析、存储的一些新方法，正深刻地改变着人们生产生活的方方面面。大数据在石油化工领域会有哪些应用？对生产、经营会有何促进或者改变？为此，记者进行了深入调查。

大数据分析是行业趋势其实，大数据离我们并不遥远。2013年诺贝尔化学奖得主就是将看似不相干的大数据信息化处理方法比较完美地运用于化学研究之中，从而摘取了化学科学研究的王冠。其开发的多尺度复杂化学系统模型，翻开了化学史的“新篇章”，让传统的化学实验走上了信息化的快车道。如今，反映真实情况的计算机模型已经成为现在化学界大多数新进展的关键，通过模拟，化学家能更快获得比传统实验更精准的预测结果。

大数据具有体量大、种类多、价值密度低、速度快等一系列特点。其数据体量巨大，从TB级别，跃升到PB级别；数据类型繁多，如视频、图片、地理位置信息等，多类型的数据对数据的处理能力提出了更高的要求；价值密度低，以视频为例，连续不间断监控过程中，可能有用的数据仅仅只有一两秒；处理速度快，时效性要求高，这也是大数据区分于传统数据最显著的特征。事实上石油化工企业对数据早已应用多年，比如对生产运行指标，销售产品的品种，以图表的形式，由点到线，由线至面，分析、研判，为企业决策做参考，只不过应用的数据没有积累、挖掘到一定的量级，因此大数据很难用现有的数据库管理工具或传统的数据处理应用来处理。北京北大方正电子有限公司大数据业务部总经理于林认为，石油石化行业具有数据量大、类型多样、存储格式复杂及数据分散等特点，尽管大数据在石油石化行业的应用前景非常广泛，但应用程度并不高。面对节能的挑战、新能源的发展、两化融合等多项问题，必须通过大数据的创新与应用，帮助石油化工行业应对挑战，通过语义分析技术和元搜索引擎，完成相关信息采集，并对数据进行存储、检索和智能分析，从数据深度关联、可视化查询、数据报告等多个方向，为石油石化企业实现企业决策、生产管理的智能化提供数据支持。

例如英国石油公司在某采油厂安装无线感应器，通过全网式的数据采集，发现有些种类的原油比其他种类更有腐蚀性，这个发现可以在设备和管线的使用上加强防范，使生产更安全。虽然只是一个局部的应用案例，但是已经能够说明大数据分析的应用对石油化工行业有着重要的作用和意义。

此外，近年来，我国的石油化工企业安全生产隐患排查工作主要靠人力，通过人的专业知识去发现生产中存在的安全隐患，这种方式极易受到主观因素影响，且很难界定安全与危险状态，可靠性差；由于缺少有效的分析工具和对事故规律的认识，导致我国对于安全生产主要采取“事后管理”的方式，在事故发生后才分析事故原因、追究事故责任、制定防治措施，这种方式存在很大局限性，不能达到从源头上防治事故的目的。若控制事故，减少损失，必须对大量人的因素、工作的因素、不合规行为等进行控制。而控制这些需要将安全生产中的有价值的信息进行深度挖掘，寻找出内在规律。

第四篇：利用大数据分析绩效

利用大数据分析绩效

一般来说，在公司中对员工的绩效考评标准主要有2种：上级评价和业务数据体现（如果有的话）。不仅有主观评论也有客观数据，使得考评结果不倾向于任何一方。

然而，大部分情况下，业务数据很难用数字表示，只有少数特定职位可以有精确业务数据，而这些数据也很容易被变通的理解。

如果要使绩效数据真正帮助到公司发展，来确认哪些部门为公司做出重要贡献，哪些员工的工作真正起到实际作用，就要在部门间和部门内做横向和纵向对比。

而这些对比不能以业务数据来分析，因为每个部门功能不同，工作情况也不同，并且业务数据无法体现真实的工作效率，只能做总结性的对比，特别是销售业绩，也许某个部门或员工为产品市场推广做了大量工作并起到积极作用，最终导致了他人销售业绩增长，如果业绩分析错误也就等于误判了市场发展方向。

如果要真实的体现所有员工或部门的效率，就要用一种标准化且统一的方式，那就是记录每一个员工的每一个工作情况，计算其平均或合计工作数量，实际完成速度，有效完成数量。拿上面说到的销售部和市场部的例子来讲，市场部本月工作数量和效率明显高于上一个月，而销售部的工作量却保持持平状态，如果销售业绩提高了，则说明市场推广起到明显作用。当然，这只是一个简单的例子，其中还要考虑其他各种因素，这时，最好的方法还是要去确认关键项目的实际工作内容。

PACKS办公管理（搜索）的设计不仅为员工提供了更有效的工作方式，还能为业绩提供有效的数据支撑，在需要确认项目工作明细时，也能发现工作中的细节问题，同时还保证了员工个人事务的隐私。

第五篇：大数据分析政府工作报告

大数据分析政府工作报告： 那注定牵动生活的十大新词

有权不可任性 【出处】

在今年的政府工作报告中，国家总理李克强在谈及简政放权时强调：“大道至简，有权不可任性。”

大数据分析：

2014年，政府交出了一张漂亮的简政放权成绩单：10多次国务院常务会议进行专题研究，2次电话会议全国动员，246项行政审批事项被取消和下放、149项职业认证被取消。获得感 【出处】

两会前夕，习近平再次强调，要把改革方案的含金量充分展示出来，让人民群众有更多获得感。政府工作报告提出基本实现高速公路电子不停车收费联网、综合治理农药兽药残留问题、大幅提升宽带网络速率等细节，力图让群众获得实实在在的获得感。健康中国 【出处】

“健康是群众的基本需求，我们要不断提高医疗卫生水平，打造健康中国。”李克强总理在作政府工作报告时，这句承诺得到了热烈的掌声。大数据分析：

“健康中国”最核心的是加快健全基本医疗卫生制度，让民众看得上病、看得起病、看得好病。《报告》提出要全面推开县级公立医院综合改革，在100个地级以上城市进行公立医院改革试点，破除以药补医，降低虚高药价，合理调整医疗服务价格，通过医保支付等方式减轻群众负担。互联网+ 【出处】

李克强总理提出“互联网+”行动计划，可以预见这将成为新兴产业和新兴业态的竞争高地。大数据分析：

互联网+新媒体=网络媒体 互联网+娱乐=网络游戏 互联网+零售=电子商务 互联网+金融=互联网金融 目前，“互联网+金融”已走入正轨，“互联网+交通”各方仍在博弈磨合。今年春节的全民“抢红包”就是互联网金融移动支付暗战传统金融的典型案例。仅除夕当天，微信红包的收发总量就达10.1亿个，1541万微博网友分享了由央视春晚及39位明星与商家送出的1.01亿个红包。书香社会 【出处】

书香社会今年第一次出现在《政府工作报告》中，李克强指出，要提供更多优秀文艺作品，倡导全民阅读，建设书香社会。大数据分析：

一个民族的文化自信离不开崇尚阅读、尊重文化的氛围，让阅读成为一座城市高贵的坚持。3月2日，国家新闻出版广电总局发布通知，将加快全民阅读立法进程，其中，“深圳读书月”作为“书香中国”的活动品牌，截至2014年已坚守了15年，15年参与总人次达1.06亿。创客 【出处】

今年“创客”一词第一次被写入《政府工作报告》。《报告》指出，互联网金融异军突起,电子商务、物流快递等新业态快速成长。李克强鼓励众多“创客”脱颖而出，文化创意产业蓬勃发展。大数据分析：

“创客”一词来源于英文单词"Maker”，指把各种创意转变为现实的人。创客与众创、众包、众筹紧密结合，正在发挥经济新引擎的作用。

李克强总理今年1月初参观了深圳的柴火创客空间。《报告》中提到，2015年高校毕业生将达749万人，为历史最高。因此今年《报告》特别鼓励大学生大众创业、万众创新，有创新式解决就业问题的考量。中国已形成以北京、上海、深圳为三大中心的创客生态圈。深港通 【出处】

2015年政府工作报告首次提到深港通，并表示2015年将适时启动深港通的试点工作。大数据分析：

有评论认为，深港通核心不在于“通”，而在于“融”，不仅是深圳、香港两地股市的互联互通，更是金融、会计、法律等众多高端产业全面融合。“通”是领导一句话，“融”得市场十年功。南上资金依然会显得火热，北下资金则要看政策的安排。领跑者 追赶者 准备者

沈阳、株洲、伊犁、江阳 智慧城市6大关键词

城镇化、工业化、信息化、低碳、绿色、可持续。

北京、上海、广州、深圳、天津、武汉、宁波、南京、佛山、扬州、浦东新区 重庆、无锡、大连、福州、杭州、青岛、昆明、成都、嘉定、莆田、江门、东莞 智慧城市 【出处】

李克强在政府工作报告中提出，发展智慧城市，保护和传承历史、地域文化。大数据分析：

物联网、电子支付、云计算、4G网络„„2015年“两会”上，构建智慧城市成为代表委员关注的热点。事实上，“智慧城市”已成为全国新型城镇化的一种战略选择。据《中国智慧城市发展水平评估报告》，当前国内“智慧城市”发展水平可大致分为3种类型。为官不为 【出处】

政府工作报告指出：“目前少数政府机关工作人员乱作为，一些腐败问题触目惊心，有的为官不为，在其位不谋其政，该办的事不办。”这是政府工作报告中首次纳入治理庸官懒政内容。

大数据分析：

“为官不为”20年来首次写入政府工作报告，与反腐高压下少数官员群体“懒政”有关系。《报告》提出，要完善政绩考核评价机制，分3类对待：对实绩突出的，要大力褒奖；对工作不力的，要约谈诫勉；对为官不为、懒政怠政的，要公开曝光、坚决追究责任。7% 【出处】

政府工作报告中表示，2015年GDP增长目标在7%左右，居民消费价格涨幅3%左右，城镇新增就业1000万人以上。GDP“7%左右”不再是硬指标。大数据分析：

过去十年《政府工作报告》中GDP增长目标从8%缓慢降至2015年的7%，体现了自2013年以来中央强调的不简单以GDP论英雄。据报道，全国已有29个省主动降低了GDP的增长目标，上海甚至取消了GDP的增长目标。

回望

2014年政府工作报告 已改变生活的“新词” ● 互联网金融

“互联网金融”或许是最快被写入政府工作报告的经济新词汇之一。虽然在2014年的政府工作报告中只有一句“促进互联网金融健康发展”，但其火爆态势“一发而不可收拾”。最盛行领域：

1、打车服务；

2、网上购物；

3、网上银行；

4、互联网理财。

优点：起步门槛低；手续简单，无时间地域限制；收益高。风险：法律法规不健全；能否达到承诺的收益；监管和立法。● 舌尖上的安全

2014年“两会”政府工作报告提出了“一个严守、三个最严”，坚决治理餐桌上的污染，切实保障“舌尖上的安全”。

亿赞普（IZP）大数据显示，2013年人们对食品安全的平均关注指数是40，2014年这一数据降为34，远低于2014年人们对汽车（98）、住房（85）、教育（80）、养老（73）和空气污染（61）问题的关注度。

2014年，排在食品安全搜索首位的始终是“食品安全法”。过去人们关心的是地沟油、三聚氰胺、地沟油等重大食品安全事件本身，现在则把目标从治标转向治本——监管和立法。● 企业黑名单

哪些企业会上黑名单？2014年“两会”政府工作报告中给出了答案：违背市场竞争规则，侵害消费者权益的企业。

最常出诚信问题黑名单的行业：

1、食品行业；

2、餐饮行业；

3、药品行业。

调查显示，近70%的人不了解什么是黑名单制度。大家最关心的问题包括：企业黑名单制度怎么建立？企业上黑名单的标准是什么？上了黑名单的企业要承担什么后果？