浅谈大数据的应用（共5则范文）

第一篇：浅谈大数据的应用（共）

大数据的发展与应用

姓名：吕亚茹 专业：信息与计算科学

（二）学号：201100702040 摘要：随着网络信息化时代的日益普遍，移动互联、社交网络、电子商务大大拓展了互联网的疆界和应用领域，我们正处在一个数据爆炸性增长的“大数据”时代，大数据在人类活动中的方方面面产生深远的影响，大数据时代对人类的数据驾驭能力提出了新的挑战与机遇。大数据的应用日益广泛，大数据最具潜力的应用领域也在日益显现。

关键字：大数据 发展 应用 潜力 云计算

一、大数据的基本概念

大数据（Big Data）是指那些超过传统数据库系统处理能力的数据。它的数据规模和转输速度要求很高，或者其结构不适合原本的数据库系统。为了获取大数据中的价值，我们必须选择另一种方式来处理它。数据中隐藏着有价值的模式和信息，在以往需要相当的时间和成本才能提取这些信息。如沃尔玛或谷歌这类领先企业都要付高昂的代价才能从大数据中挖掘信息。而当今的各种资源，如硬件、云架构和开源软件使得大数据的处理更为方便和廉价。即使是在车库中创业的公司也可以用较低的价格租用云服务时间了。对于企业组织来讲，大数据的价值体现在两个方面：分析使用和二次开发。对大数据进行分析能揭示隐藏其中的信息。例如零售业中对门店销售、地理和社会信息的分析能提升对客户的理解。对大数据的二次开发则是那些成功的网络公司的长项。例如Facebook通过结合大量用户信息，定制出高度个性化的用户体验，并创造出一种新的广告模式。这种通过大数据创造出新产品和服务的商业行为并非巧合，谷歌、雅虎、亚马逊和Facebook它们都是大数据时代的创新者。

二、大数据的四个特征

大数据具有四个四个特征：海量性、多样性、高速性、易变性。

海量性：企业面临着数据量的大规模增长。例如，IDC最近的报告预测称，到2020年，全球数据量将扩大50倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。

多样性：一个普遍观点认为，人们使用互联网搜索是形成数据多样性的主要原因，这一看法部分正确。然而，数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。其中，部分传感器安装在火车、汽车和飞机上，每个传感器都增加了数据的多样性。

高速性：高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。根据IMS Research关于数据创建速度的调查，据预测，到2020年全球将拥有220亿部互联网连接设备。

易变性：大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值。

三、大数据时代数据的三个特征

除了大数据的四个特征，大数据时代的数据还呈现出其他三个特征。第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

第三个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

四、大数据对人类的影响

（一）大数据对人类经济社会的影响

大数据对人类经济社会发展影响巨大，归纳起来主要有三个方面：

一是能够推动实现巨大经济效益。据麦肯锡全球研究院测算，大数据将给美国医疗服务业带来3000亿美元的价值，使美国零售业净利润增长达到60，使制造业产品开发、组装成本下降50。而大数据所带来的新的信息技术应用需求，将推动整个信息技术产业的创新发展，预计2013年全球大数据直接和间接拉动信息技术支出将达1200亿美元。

二是能够推动增强社会管理水平。大数据在政府和公共服务领域的应用，可有效推动政务工作开展，提高政府部门的决策水平、服务效率和社会管理水平，产生巨大社会价值。欧洲多个城市通过分析实时采集的交通流量数据，指导驾车出行者选择最佳路径，从而改善城市交通状况。

三是能够推动提高安全保障能力。大数据在国防、反恐、安全等领域的应用，将对各部门搜集到的各类信息进行自动分类、整理、分析，有效解决情报、监视和侦察系统不足等问题，提高国家安全保障能力。总而言之，大数据将为人们认识世界和改造世界提供新的强有力工具，使人们能更加容易地把握事物规律，更准确地预测未来。

（二）大数据对教育的影响

大数据时代推动教育的改革。

“一张试卷，它带给我们的数据是什么？分数的背后，还能读到什么有价值的信息？不得不承认，对于学生，我们知道的太少”——这是卡耐基在梅隆大学教育学院介绍中的一句直白，这同样是美国十大教育类年会中出镜率最高的核心议题。

大数据与传统数据最本质的区别体现在采集来源以及应用方向上。传统数据的整理方式更能够凸显群体水平——学生整体的学业水平，身体发育与体质状况，社会性情绪及适应性的发展，对学校的满意度等等。而大数据有能力去关注每一个个体学生的微观表现，诸如他在一道题上逗留了多久，在不同学科课堂上开小差的次数分别为多少等等。这些数据对其他个体没有意义，但所有学生的数据整合起来就能解答教育过程中的许多疑问。而最有价值的是，这些数据完全是在学生不自知的情况下被观察、收集的，只需要一定的观测技术与设备的辅助，而不影响学生任何的日常学习与生活。

举例来说，数据驱动教育工具已经在美国很大范围内使用了。16个州的学校，使用数据勘探技术去确认处于危险中的学生。通过使用关键因素(如旷课，纪律问题，课堂表现变化)预测模式，教育者可以确认哪些学生最有可能退学。大数据通过对于学生在课堂中点滴微观行为的捕捉，帮助我们了解学生对知识的掌握程度以及感兴趣程度，进而反思我们的教学是否满足了学生的需求。有了大数据，教育工作者们就需要针对分析出来的结果对教育模式进行适时的变更，从而真正做到以人为本、因材施教。

（三）大数据对现实生活的影响

大数据对现实生活的影响

数据产生方式现在已经被极大地改变，因为以前数据的生产都是由专业团体、专业人士，或者是专业公司完成，而现在数据产生更多是个体行为、是个人，每个人都可以使用自己所采集的终端来产生大量的数据。数据传统途径也发生了很大的变革，以前获取信息的来源基本上是报纸等平面媒体，或者电视、广播等传播媒体；现在很多信息来源通过互联网。互联网已经变成了媒体传播的主要途径，这个改变对整个社会也产生了非常大的改变。社交环境网络化变革，以前交朋友更多是生活的圈子，比如说同学、邻居、亲戚，现在更多的通过是互联网这种虚拟的环境。

数据存储习惯发生变化，以前都是把照片和文件备份到自己的电脑或者软盘上。现在这种观念已经改变，除非做保密工作，或者是年纪大一点的另当别论，大多数人就把它放到网上，在云中进行存储。社会安保系统变革，现在还没有真正实现，实现之后会对人们生活有非常大的变化。现在整个社会安保，整个城市里面已经有很多的传感器、摄像头等，通过它们可以使得社会变得更加安定，或者说发生案件会快速破案，这个系统对现在的安保系统会带来非常大的冲击。

2012年图像和视频数据在整个大数据的比例已经占到80%多，今年图像和视频数据在整个大数据的比例已经接近90%，真正的大数据核心是如何进行数据处理、如何挖掘数据，并找到数据的规律。而大数据处理是人们首先要解决的问题。

五、大数据最具潜力的应用领域

大数据在企业商业智能、公共服务和市场营销三个方面拥有巨大的潜力。

（一）大数据在商业智能的应用潜力

过去几十年，分析师们都依赖BI工具分析海量数据并生成报告。

传统BI工具主要用于企业运营，侧重于成本控制和计划执行报告。

而大数据技术最主要的功能/应用是ETL（Extract、Transform、Load）今天计算和存储硬件变得非常便宜，配合大量的开源大数据工具，人们可以非常“奢侈”地先抓取大量数据再考虑分析命题。可以说，低廉的计算资源正在改变我们使用数据的方式。

此外，处理性能的大幅提高（例如内存计算）使得实时互动分析更加容易实现，而“实时”和“预测”将BI带到了一个新的境界——未知的未知。这也是大数据分析与传统BI之间最大的区别。

（二）大数据在公共服务的应用潜力

大数据另外一个重大的应用领域是社会和政府。如今，数据挖掘已经能够预测疾病暴发、理解交通模型并改善教育。

今天，城市正面临预算超支、基础设施难题以及从农村和郊区涌入的大量人口。这些都是非常紧迫的问题，而诚实，也是大数据计划的绝佳实验室。以纽约这样的大都市为例，政府公共数据公开化、以及市民生活的高度数字化（购物、交通、医疗等）等都是大数据分析的理想对象。

客观的市政数据，是消除争端，维系公民社会的最佳纽带。当然，前提是让公民能够访问这些数据。苹果的Siri和谷歌的Google Now都具备成为个人化助理的潜力。当然，我们还需要更多的产品和技术让数据分析结果更容易被公众理解和接受（数据可视化）。此外，IBM的Watson以及Wolfram Alpha这样的人工智能技术还能实现与用户的互动。

（三）大数据在市场营销的应用潜力

大数据的第三大应用领域是市场营销。具体来说，是提升消费者与企业之间的关系。（卖得更多、更快、更有效率）

今天，最大的数据系统是web分析、广告优化等。今天的数字化营销与传统营销最大的区别就是个性化和精准定位。如今，企业与客户之间的接触点也发生了翻天覆地的变化，从过去的电话和邮件地址，发展到网页、社交媒体账户、博客等等。在这些五花八门的渠道里跟踪客户，将他们的每一次点击、收藏、“顶”、分享、加好友、转发等行为纳入企业的销售漏斗中并转化成收入是一个巨大的挑战。也就是所谓的“360度客户视角”。大数据已经与在线营销交织在一起，其应用可以分为两大类： 首先，从线上到线下。配备了NFC近场通讯技术的智能手机和基于位置的签到正在成为营销人员的最新利器。他们将能跟踪商场人流，把在线零售的分析优化应用于线下。

其次，数据分析工具将更加容易使用（面向中小企业应用的大数据创业非常火爆），中小企业也许没有BI平台，但他们都有平板电脑和智能手机，移动版客户智能分析将会改变企业使用营销工具的方式。参考文献：

[1] 李建义.数据库原理及开发.北京：中国水利水电出版社，2005 [2] 维克托·迈尔·舍恩伯格.大数据时代.浙江：浙江人民出版社 2012 [3] 艾伯特-拉斯洛·巴拉巴西.爆发.[4] 关志刚 IT经理网 2012

北京：中国人民大学出版社 2012

第二篇：浅谈图书馆如何简单应用大数据特性

浅谈图书馆如何简单应用大数据特性

重庆师范大学涉外商贸学院

【摘 要】随着现代社会和科学技术的发展，以及大数据的概念出现以后，大数据已经渐渐融入到我们生活中的各个领域，正改变着人们的生活方式。图书馆作为文献信息中心，更应该接受和适应这种变化，并且利用大数据的特性进行发展和改变，来突出图书馆的特点和职能。

【关键词】图书馆；大数据；特性；简单应用

“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力，用来适应海量的、高增长率和多样化的信息资产。对于大数据这个概念大家并不陌生。

大数据有四特性：

1.大量

2.高速

3.多样性

4.低价值密度

随着社会和科技的发展，大数据已经融入到我们的生活中的各个领域。图书馆担负着教学和科研服务的双重任务，是培养人才和开展科学研究的重要基地，不仅要更好的融入当今社会的大数据时代，更应该更好的应用大数据的特性为广大读者服务。

一、大量

首先大数据与传统数据相比较，最明显是特点就是在于大数据的信息量巨大。

现在的图书馆已经不再是只用来存放纸质载体图书的建筑物，它还包括有电子资源以及各种不同形式、不同载体的信息和资源，图书馆的功能和内容正在发生转变。传统纸质图书载体能容纳的内容相对于大数据大量的概念来说已经不值得一提。而随着现代科技发展，出现的电子图书的信息量也是不能与大数据相比的。

原来所说的电子图书和数字资源一般都指存储于图书馆内的本地数据库中存储的资源。一般的电子图书和数字资源具有容量远远大于传统纸质载体图书，并且具有使用和检索都比纸质载体图书来的更为方便和快捷等优势。但在大数据环境下，使我们的这一概念发生了翻天覆地的变化。大数据的应用方式，在理论上可使图书馆的容量无限扩大。

大数据即将大量数据通过互联网聚集到某个特定点，也可以看成是把互联网上的所有数据集中在某一个特定数据库中，这个特定点或特定数据库存在于互联网中。事实上我们所说的特定点或者特定数据库只是把互联网中各个不同的数据库做成开放性数据库，让各个数据库之间进行相互通?，而形成的一个整体数据库。

因此，图书馆也可以链接并使用这一特定的整体的数据库。通过此链接，不仅可以无限扩大本馆自身的馆藏资源，还能使本馆资源得到开放，更加有效充分的利用馆藏资源，并实现数据交流和资源共享。

二、高速

大数据和传统数据最大的区别在于大数据的高速特性，它对于数据处理的能力要求必须非常出色。

大数据在进行数据处理的时候，既能对数据进行流处理，也同时能具备对数据进行批处理的能力。也就是说，大数据处理要求在连续不断处理数据的同时，能够对突如其来的批量数据进行计算和处理。

大数据的高速运行，要求数据有时效性。随着时间推移，数据的价值会折旧，不同年龄阶段的数据具有不同的价值，如期刊类，报纸类。这就要求图书馆及时更新其馆藏。好在大数据时代的资源和数据能够互相连接，弥补了部分馆藏和资源不能高速运行更新的缺点。

从数据开发来看，图书馆存储了大量的数据和资源。当这些数据和资源被聚集到一起时，会形成数据和资源的“矿山”，那么“挖矿”的效率就要求非常高，大数据高速运行就成了“挖矿”的优势。

在图书检索上，大数据的高速运行查找能够快速、精准的定位每一本图书的位置。对于不熟悉图书分类法的读者来说，利用大数据进行图书资料的查找和检索无疑是最方便快捷和准确的。

三、多样性

大数据的数据来源的多样性，这是传统数据做不到的。

对于图书馆来说，产生数据的方式多种多样，有日常的统计数据报表，有人工借还和自助借还数据，有读者检索图书产生的数据，有使用网络图书馆产生的点击量、浏览量等多种数据来源。可以看出读者自身也是数据的创造者。

在大数据环境下，图书馆通过记录、收集并保存产生的一切数据，待数据量达到一定规模的时候，通过对多样数据的各种提炼和分析，了解读者需求，更好的提供多样化的资源和优质的服务。

通过分析读者的阅读需求等数据，可帮助图书馆优化自身的馆藏结构，帮助图书馆纸质图书馆藏的剔旧、电子资源的购买和更新等工作更科学的进行。

四、低价值密度

大数据的低价值密度是指数据的真实性。

大数据追求的是数据的高质量，大数据的基本在于为决策提供帮助，因此大数据必须拥有绝对的真实性。

从来源上分析，传统数据的来源是从宏观上采集的。数据的采集有原则性，有规律，采集的对象有阶段性有针对性，或者直接是进行抽样采集的。传统数据的采集方式决定了传统数据在真实性上会有所欠缺。

大数据的采集方法与传统数据迥异。大数据的数据采集方式是从微观采集，它进行的是个体采集，每个个体都有自己单独的数据集合，也是产生数据的来源。大数据对于数据的采集是没有标准的，它的采集方法源于对个体的行为与现象记录。通过对大量真实数据进行提炼、分析和总结出来的有用数据，其真实性是毋庸置疑的。

图书馆应用低价值密度这一特性，可以帮助图书馆对文献进行开发。因为图书馆所提供的文献、资源、信息等必须具有权威性和真实性。以大数据为基础的参考信息作为文献开发依据具备了真实性的原则。

大数据能真实的分析读者使用图书馆的习惯和读者的读书习惯。通过记录和分析读者的阅读倾向的数据和读者使用馆舍的数据等等，能真实分析出哪些是读者使用的重点资源，哪些是读者不常使用的次要资源。通过对读者的阅读倾向的数据进行记录和分析，可帮助图书馆加强对读者重点使用的资源的建设。而对读者使用馆舍情况的记录和分析，可以对图书馆馆舍进行科学的改造和布置，让读者使用图书馆更感舒适。

大数据真实的记录和分析读者阅读和使用图书馆的各种数据，可以引导读者进行阅读。挑选读者重点使用的资源设立专门的阅读区域，可在设立的阅读区内进行与重点资源的相关参考内容的引导和推荐工作，方便读者更好更有效的使用图书馆资源。

通过大数据对读者数据的捕捉，图书馆能提供更优质的服务。建立数据，统计数据和应用数据，可使图书馆更具有竞争力。有大数据的真实为支撑的基础上，图书馆在现有基础上，能更好的优化和深化服务。

大数据的四个特性，并不一定是独立的，在很多方面，这四个特性都是融会贯通在一起的。应用其特性并不是只会用到其中的一个特性。图书馆对大数据特性进行合理的应用，能更好的建设发展自身，适应和满足社会的需求。

参考文献：

[1]李恬.大数据理念与图书馆大数据[J].新世纪图书馆，2014，（6）：24-27.[2]韩翠峰.大数据带给图书馆的影响与挑战[J].图书情报，2012，（5）37-40.[3]黄馥妃.大数据时代高校图书馆个性化服务研究[J].文化视野，2016.

第三篇：大数据在物流方面应用

大数据时代在物流方面的应用

学院：经济管理学院 专业：市场营销123班 学号：2012016314 姓名：李燕

“大数据时代来了!”两年，从业内到业外，这句口号见诸网媒、报端的频率与日剧增。直至今天，从政府高管到行业巨头，从商界大鳄到微企老板，关于数据创业，他们中有没有直接参与已然不是那么重要了，重要的是现在谁都不敢不重视大数据。更值得期待的是已有先驱驮负大数据颠覆行业规则的构想，开始试水国内物流行业。

“物流业是一个产生大量数据的行业，在货物流转、车辆追踪等过程中都会产生海量的数据，这么多资源如果不用就浪费了。”申通信息技术部总监邱成在接受本报记者采访时说。目前，业内对大数据并没有统一的定义。不同厂商、不同用户，站的角度不同，对大数据的理解也不一样。麦肯锡报告中对大数据的基本定义是：大数据是指其大小超出了典型数据库软件的采集、储存、管理和分析等能力的数据集合。毋庸置疑的是，大数据的价值在于从海量的数据中发现新的知识，创造新的价值。越来越多的企业也意识到了大数据的价值，对数据分析与挖掘的需求与日俱增。

“物流业之所以做大数据，主要是因为：第一，快递走入民生的势头越来越猛，对每一个节点的信息化需求也越来越多，这就需要通过大数据把信息化对接起来。第二，从企业自身角度来讲，信息化对企业管理者的重要性也越来越突出。第三，提高对数据的加工能力，通过‘加工’实现数据的‘增值’。”邱成说。

长期以来，备受指责的行业中总少不了物流业，其对仓储运输车空间的利用不科学、安全性差、燃油效率低下、周转时间随路径而浮动等，这些是导致中国物流业占GDP总量约18%远高于欧美发达国家的最主要原因。

整个物流业尤其电商领域已经几近爆发式成长，若应用大数据分析技术，仓储运输的空间将被系统化布置，物流车行程路径也将被“最短化”、“最畅化”定制。两年前，把一吨蔬菜从广州运到北京比从北京运到美国洛杉矶物流成本都高，今天，当大数据时代到来的时候，物流行业规则能否因其改变，只能拭目以待。因为大数据试水物流行业，“游戏”才刚刚开始。

“现在我们在做淘宝、商业客户的一些数据采集，在构成基础数据网络之后，再做第三方的增值应用。”邱成说。在前不久召开的“京交会”上，申通快递展示了其最新的“信息化智能平台”。该平台通过对数据的归纳、分类和整合，可以清楚地查看申通网络任何一个网点的经营现状和业务构成等。

在百世汇通，通过技术人员运用科技手段进行分析、提炼，大数据正在为企业战略规划、运营管理和日常运作提供重要支持和指导。据百世物流科技（中国）有限公司副总裁张砚冰介绍，百世汇通尝试运用大数据来管理、分析、判断加盟网点的运营行为，通过网点在系统内的足迹建立数据分析模型，成功地预测了几次网点的异动，使工作方式由被动式变为主动式、前置式，减少了大量客户投诉，把问题消灭在萌芽阶段。

不仅仅是物流业，电商企业也越来越关注大数据。早在今年年初，京东商城就已启动云计算研发基地，并成立“京东商城——中国人民大学”电子商务实验室，着力电子商务大数据的分析与合作；在“京交会”上，阿里巴巴集团与中国邮政集团、“四通一达”等十家快递公司合作，核心内容仍以打通物流数据为基础，重点将转向“数据整合与分析”。

“淘宝做大数据是以订单为核心，快递企业做大数据是以快递为核心。以申通为例，我们的客户不只是淘宝，还有很多商业客户。而且不少商业客户都有与快递企业在IT方面合作的想法，未来我们也希望能挖掘更多的数据价值，通过大数据给商业客户提供信息化服务。”邱成说。

物流行业树大根深，大数据在此行业内的应用也是非常广泛的。物流中除去淘宝商城、京东商城、苏宁易购等企业产生的包裹、快递等小部件中短距离之间物品流通的小物流;还有与之相对应的重量大、体积大、长距离运输的物品流通，如港口货物运输、大货车集装箱运输等的大物流。

在亟待改进的物流行业，大物流领域利用大数据分析应用技术其实质就是利用地理信息、位置服务、物联网在物流行业里做信息系统化，将现有的粗放、零散、低效、高耗的物流企业数据资源加以整合，建设成可以依据空间地理信息来统一协调监管的现代化物流。逐步利用大数据驱动信息化物流建设，在信息化的现代物流模式下，大物流领域的任何物流车船归属企业的名称、物流车队的整体油耗、车船的位置信息、车船的行程轨迹、车船的运行周期等这类空间地理数据通过系统智能化处理。

大物流领域成功应用大数据，无非是让物流车队效率提高、流程精简。物流车队本身的管理、设备等条件优化改善了，才有望使得中国物流运输成本降低。理想的前景是联合一个大型物流车队，为其免费装载上一台设备，这种设备搜集的车队车辆所有空间地理位置信息都即时反馈到监视后台。怎样获取这些大数据也就是物流车队提高管理效率的关键所在。然而，在刘俊伟来，这种期望的信息智能化的现代物流模式可能需要3-5年时间方可成熟。怎样获取这些大数据是一个问题，这需在资金投入、研发团队打造方面的决心和魄力。

“随着市场的发展，在未来，快递企业会不断加大在大数据方面的投入。”邱成表示。大数据的核心是发现和预测，利用其这个特点，可以提升快递行业的整体服务水平。此外，对于快递业做大数据的未来发展趋势，也有业内人士指出，快递员获取的数据已不只是企业内部信息，还包括大量的外部信息。大数据则让厂商能够有的放矢，甚至可以做到为每一个客户量身定制符合个体需求的产品和服务，从而颠覆整个商业模式。

尽管企业已熟知大数据所带来的价值和优势，但由于数据规模和种类的增加，处理速度的加快，以及易受攻击的特点，随之而产生的成本和复杂性给企业的IT资源和基础设施带来了更大的压力。如何在降低成本的同时提高IT效率，成为快递企业不得不面对的一大难题。

在邱成看来，投资、技术手段等并不是最大的难点。“快递企业做大数据面临的最大难题在于：一是基础数据的采集。因为到现在为止，不少快递企业的操作及信息传输并不是很规范，这给基础数据的采集带来了不小的困难。二是未来大数据的应用方向。比如我们现在有一些淘宝数据，首先要想好怎么用。”邱成说。

此外，也有业内人士建议，在大数据时代，企业要想用数据制胜，就必须尽早建立数据资产管理策略。只有拥有战略性视野和专业技术，才能更好地获得商业洞察力，才能将数据资产转换成战略资产和竞争力。

对于物流行业而言，必须能够更好地利用大数据，这样就可以更好地为客户提供服务，降低成本，提高燃油效率。与刘俊伟观点大同小异，Teradata天睿公司运输物流业总监肖恩也认为，大数据在大物流领域的应用是一个主要的技术潮流。即目前已经积累下的大数据需要以更加智能的方法加以利用，同时还要开发新技术来更便捷的获取多样化大物流数据。

第四篇：大数据的海关应用

大数据是一个相当热门的词。所谓的大数据技术指的数据分析的前沿技术。简言之，大数据技术就是一种从海量数据中快速获得有价值信息的能力。对于“大数据”(Big data)，研究机构Gartner给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。上海腾道

作为一项重要的技术革新，大数据技术具有以下几方面特点：一是数据基础必须具备海量特性;二是可以根据设定好的管理或经营目标反向寻找管理中实际存在的关键节点和核心环节;三是数据重新梳理有助于提升决策力和修正决策方案、使既有信息资产爆发更大价值。而这几方面的特点，与海关审计工作的各项需求是相契合的，海关当前林林总总的信息系统的建设，也为运用大数据技术实现审计信息化奠定了良好的基础。

那么对于海关来说这些大数据有着什么样的作用？

1.拓展基础数据资源

一是丰富海关执法相关领域基础数据源，打破部门之间存在数据壁垒，实现海关缉私行政执法数据、稽查数据、监管场所信息、口岸单位数据等的关联比对，尤其要打破目前各关区和海关各业务系统之间的数据壁垒，实现信息互联互通。二是海关预算和财务管理方面，引入海关通用财务管理、固定资产管理等现有信息系统的基础数据，打破现有系统之间数据分散、相互独立、无法互通的现状，实现“财”与“物”的联动比对，实现海关所有信息系统之间数据的对碰分析。三是推动海关有关部门进一步加大对物资采购、基建修缮等领域信息系统的开发建设，为实现财务管理、政府采购、基建修缮、资产管理的横向联动分析以及海关总署-直属海关-隶属海关三级纵向联动分析奠定基础。

2.完善现有海关系统

以海关执法廉政风险预警处置系统为依托整合优化执法领域审计数据分析平台，在充分利用现有系统数据资源和监控功能的基础上，开发定制部分海关审计监控指标，完善构建按照不同系统用户形成涵盖全国海关数据指标集中展示和预警模块。同时引入大数据思维，开发适应海关常规审计和经济责任审计实践需要的功能，一方面突出对被审计单位贯彻落实海关总署党组重大决策、重要政策执行、业务发展动态和变化趋势的整体分析把握，更突出对执法统一性、自由裁量权规制、高风险节点指标等落实情况的监控。另一方面，要充分应用结构分析、多维分析、挖掘分析等分析方法，开展海关横向区域间对比分析、跨业务领域数据结合分析和纵向历史趋势分析，为有效发现系统性、区域性风险提供数据支撑。

3.外购公认的优秀大数据服务

先进的分析技术和大数据工具的进步神速，它们正以前所未有的方式帮助用户获取新的统计角度和结果。Tableau、Qlikview和NoSQL等工具和平台迅速崛起带来了全新的分析视角和机会，基于成熟的分析、视觉化以及数据管理的全新生态系统也以日新月异的速度改变着信息使用者的分析能力。可提供这类工具的供应商不胜枚举，开放资源的开发商数量更是不计其数。作为海关审计的大数据建设，应该不仅仅局限于海关自身的技术开发力量，更为重要的是学会怎么利用现有的比较成熟的数据采集和挖掘手段，以降低成本，提升海关审计监督效益。

第五篇：大数据应用实例分析

电信运营商的阳关大道

——大数据应用实例分析

09012208

黄文婷

摘要：

随着全球数据化、网络宽带化，基本的数据量越来越大，由此我们进入了大数据时代。本文探讨了大数据内涵与意义，从电信行业这一大数据应用实例进行分析，介绍了大数据在电信行业的应用、必要性及相关措施。

关键词：大数据

电信

应用

正文：

一、大数据的内涵与意义

（一）大数据的意义

大数据和云计算一样，近两年来越来越多的受到人们的关注。那么什么是大数据呢？ 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法)对于“大数据”（Big data），研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

（二）大数据的特性

大数据有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括网络日志、视频、图片、地理位置信息等等。第三，数据的来源，直接导致分析结果的准确性和真实性。若数据来源是完整的并且真实，最终的分析结果以及决定将更加准确。第四，处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”。

（三）大数据的应用意义

大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。

此外，大数据的潮流虽然依赖于信息通信技术的成熟，但它对整个世界的影响绝不仅限于技术层次。它借助信息技术的创新与发展，及数据的全面感知、收集、分析与共用，引导我们以全新的思维看待世界，养成决策思维行为须根据事实与数据的分析判断，舍去凭借经验和直觉的习惯作风。可预见，它将对惯于“差不多”的思维造成巨大的冲击。

很多人一提到大数据，就会不由自主想到那个关于啤酒和尿布的经典案例。事实上，随着移动互联网、智能终端、云计算、物联网技术以及电子商务、社交媒体等应用的飞速发展，大数据已经越来越多的渗透到生活方方面面，宣告着我们已经进入了信息爆炸的大数据时代。电信运营商历经语音、短信、数据三个发展浪潮，积累了大量如文本信息、音频、视频、图片等非结构化数据，在大数据时代无异于拥有了一条发展的阳关大道。而机智的电信运营商也致力于研究如何在这条道路上比别人跑得更快以获得更多的利益。

二、大数据在电信行业的应用

（一）电信行业大数据应用的四个方向

现阶段电信运营商利用其拥有的大数据进行全面、深入、实时的分析和应用，是应对新形势下的挑战、避免运营商沦为管道化的关键。从大数据的具体应用方向来看，当前应主要集中在四个方向：流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。

1.流量经营精细化

在流量经营精细化上，大数据应用的价值主要体现在深入洞察客户、助力精准营销和指导网络优化三个方面。首先，基于客户终端信息、手机上网行为轨迹等丰富的数据，借助DPI(Deep Packet Inspection，深度数据包检测)技术等，建立客户超级细分模型，为各细分群组客户打上互联网行为标签，可以帮助运营商完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征；其次，根据用户行为偏好，推送合适的业务，并根据对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，同时也能做到在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销；再次，利用大数据技术实时采集处理网络信令数据、监控网络状况、识别价值小区和业务热点小区，更精准地指导网络优化，实现网络、应用和用户的智能指配。2.智能客服中心建设

作为运营商与客户接触的第一界面，客服中心(或称客户联络中心)拥有丰富的数据资源，可以称得上是客户信息的“聚宝盆”，利用好客服中心的客户接触数据对于建设智能化客服中心意义重大。利用大数据技术可以深入分析客服热线呼入客户IVR(Interactive Voice Response，互动式语音应答)行为特征、访问路径、等候时长等；同时结合客户历史接触信息、基本属性等可以建立热线呼入客户的智能识别模型；基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么，IVR接入后应该走什么样的节点和处理流程。这样，就可以基于呼入客户习惯与需求的事先预测而设计按键菜单、访问路径和处理流程，合理控制人工处理量，缩短梳理时限，为客户服务中心内部流程优化提供数据支撑，有助于提升热线服务管理水平，加速热线营销渠道资源整合，有效识别客户投诉风险，助力智能客服中心的建设。

3.基于个性化服务的客户体验提升

大数据时代对于运营商为客户提供服务来说更加侧重于“小”，即更加关注每个个体“小我”的个性化需求，而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入的理解“小我”、服务好“小我”。利用大数据技术，一方面可以建立更全面、丰满的客户画像，另一方面还可以量化分解客户接触信息，识别客户特征与习惯偏好，预测客户可能在何时手机会出现故障、何时会产生换机行为等，为客户提供定制化的服务，优化产品、套餐和定价机制，实现“一户一策”的差异化、个性化服务，提升客户体验与感知。由此可见，大数据将为移动互联网时代的客户服务带来一次变革，给客户服务带来极大的想象空间和无限的发展前景。4.对外数据服务

对外数据服务是大数据应用的高级阶段，这个阶段电信运营商不再局限于利用大数据来提升内部管理效益，而是更加注重数据资产的平台化运营。利用大数据资产优势，将数据封装成服务，提供给相关行业的企业用户，为合作伙伴提供数据分析开放能力。例如，Telefonica和Verizon已经成立专业化数据公司来运作对外数据售卖的服务。再如，如果将无线城市与物联网、电子政务等方面的信息结合起来，将能为电信运营商的数据和政府的政务数据增值，对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来，实现体外循环将能进一步释放数据的价值。当然，以简单的Data Seller模式售卖数据服务时，需要 注意保护客户隐私、打消隐私顾虑。

（二）电信行业大数据应用的效益

网络上的每笔搜索，网站上的每笔交易，敲打键盘、点击滑鼠的每一个动作，都在输入数据，经过整理分析后，它可能显示市场的脉络、甚至更具商业价值的开发着力点。曾有统计，运用大数据的分析，可以让公司增加50%的新客户，让政府减少30%的成本。这些如海潮般涌入的大量资料，正是云端时代的新金脉，已经创造出惊人的效益。

三、大数据在电信行业应用的必要性与措施

电信运营商拥有大量的数据资源，如网络信息、用户终端信息、用户位置信息等，只要对电信网络有深刻的理解和技术积累，具有敏锐的行业发展嗅觉和强大的产业研发能力，基于大数据进行深度挖掘分析，将丰富的网络、用户等数据资源加工抽取后封装为服务，将数据资源在一定程度上货币化，向大客户提供增值服务，就能增加新的盈利模式。这无疑是电信运营商发展盈利的一条阳关大道。

面向大数据时代，运营商的及时转型成为必然，否则将有被互联网企业超越的可能性。理论上讲，运营商拥有颇具优势的大数据资源并不是完全不可替代，例如，用户的位置信息就可以通过多种APP应用获得，用户的网络使用信息也可以通过多家互联网企业合作获取，互联网企业通过泛互联网化收集更多的大数据信息。另一方面，多行业的垂直整合将成为趋势，在数据应用层面，行业企业通过多种手段搜集大量的用户数据，将更贴近用户，更理解用户，为其提供更适当的服务，大数据将成为资产更具有战略意义，各个行业及单位都在关注大数据。

根据大数据数量大、时效性要求高、数据种类及来源多样化等特征，运营商首先获取更多有用的大数据资源，例如，很多的网络运行信息，包含大量有价值的用户行为和位置信息，这样的信息可以加以利用。有了资源应该加以利用，避免大数据资源的浪费。事实上，一些运营商拥有大数据这样的金山，却似乎无奈坐看并逐渐沦为管道，在不断强化传统市场的效益考核，却好像在忽视大数据价值的流失。

大数据在电信行业应用措施主要有三个方面：

1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据的IT体系构架的规划。大数据相关技术条件的成熟、大数据分析能力及分析应用经验的积累等多方面因素，都是制约企业建设的建设IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不了热豆腐，反被热豆腐伤害”的问题。

2）落实基于品质管理资料的经营新模式。面对大数据时代的趋势潮流，学会既然无从抗拒，就积极响应，以共享大数据带来的潜在效益。

3）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。在大数据时代，数据从支撑企业中高层运营管理决策普及到支撑企业的产品运营、市场运营、客户服务，甚至在智能管道运营全流程中涉及从企业中高层运营管理人员到基层生产执行人员，很明显，这种数据获取和分析能力如果集中在IT职能部门，而不是全体人员均结合自身业务需求而具备的话，大数据分析驱动的各项运营管理应用即成为不可能的任务。

四、结语 从电脑技术的演进来说，“大数据”是既资料探勘、云端计算之后一项革命性的趋势发展。庞大的数据资源迫使各个领域的运作造成量化的质变，目前全世界无论是学术界、企业界、产业界甚至是政府单位都在积极研究大数据分析。在这种背景下，电信行业也结合自身特征，进行相关的研究与应用，奔跑在大数据铺就的阳关大道上，成为激烈竞争中的新赢家。

参考文献：

[1]黄小刚．电信行业大数据应用的四个方向．业务与运营．2013(6)：26-28 [2]季鸿，张秀凤，柴林麟．大数据在电信行业的应用展望．通信企业管理．2014(1)：76-77 [3]卢云许．电信行业大数据应用浅析．信息工程系统．2013(12)：29-30 [4]潘海鹏．浅谈电信行业大数据的意义与应用．电子世界．2014(3)：21-23 [5]史斌，周双阳．电信行业如何应用大数据．新引擎．2013（7）：47