第一篇：从事“大数据”工作的三大方向 十大职位
从事“大数据”工作的三大方向 十大职位
随着大数据的趋势引起的越来越多的重视，各大企业对与大数据相关高端人才的需求也越来越紧迫。这一趋势，也给想要从事大数据方面工作的人员提供了难得的职业发展机遇。
目前，大数据方面的工作人员主要有三大就业方向：大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。在此三大方向中，各自的基础岗位一般为大数据系统研发工程师、大数据应用开发工程师和数据分析师。从企业方面来说，大数据人才大致可以分为产品和市场分析、安全和风险分析以及商业智能三大领域。产品分析是指通过算法来测试新产品的有效性，是一个相对较新的领域。在安全和风险分析方面，数据科学家们知道需要收集哪些数据、如何进行快速分析，并最终通过分析信息来有效遏制网络入侵或抓住网络罪犯。
对于想从事大数据工作的求职者来说，如何根据自身条件进行职位选择？下面介绍十种与“大数据”相关的热门职位：
一、ETL研发
随着数据种类的不断增加，企业对数据整合专业人才的需求越来越旺盛。ETL开发者与不同的数据来源和组织打交道，从不同的源头抽取数据，转换并导入数据仓库以满足企业的需要。
ETL研发，主要负责将分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
目前，ETL行业相对成熟，相关岗位的工作生命周期比较长，通常由内部员工和外包合同商之间通力完成。ETL人才在大数据时代炙手可热的原因之一是：在企业大数据应用的早期阶段，Hadoop只是穷人的ETL。
二、Hadoop开发
Hadoop的核心是HDFS和MapReduce.HDFS提供了海量数据的存储，MapReduce提供了对数据的计算。随着数据集规模不断增大，而传统BI的数据处理成本过高，企业对Hadoop及相关的廉价数据处理技术如Hive、HBase、MapReduce、Pig等的需求将持续增长。如今具备Hadoop框架经验的技术人员是最抢手的大数据人才。
三、可视化工具开发
海量数据的分析是个大挑战，而新型数据可视化工具如Spotifre，Qlikview和Tableau可以直观高效地展示数据。
可视化开发就是在可视开发工具提供的图形用户界面上，通过操作界面元素，由可视开发工具自动生成应用软件。还可轻松跨越多个资源和层次连接您的所有数据，经过时间考验，完全可扩展的，功能丰富全面的可视化组件库为开发人员提供了功能完整并且简单易用的组件集合，以用来构建极其丰富的用户界面。
过去，数据可视化属于商业智能开发者类别，但是随着Hadoop的崛起，数据可视化已经成了一项独立的专业技能和岗位。
四、信息架构开发
大数据重新激发了主数据管理的热潮。充分开发利用企业数据并支持决策需要非常专业的技能。信息架构师必须了解如何定义和存档关键元素，确保以最有效的方式进行数据管理和利用。信息架构师的关键技能包括主数据管理、业务知识和数据建模等。
五、数据仓库研究
数据仓库是为企业所有级别的决策制定过程提供支持的所有类型数据的战略集合。它是单个数据存储，出于分析性报告和决策支持的目的而创建。为企业提供需要业务智能来指导业务流程改进和监视时间、成本、质量和控制。
数据仓库的专家熟悉Teradata、Neteeza和Exadata等公司的大数据一体机。能够在这些一体机上完成数据集成、管理和性能优化等工作。
六、OLAP开发
随着数据库技术的发展和应用，数据库存储的数据量从20世纪80年代的兆（M）字节及千兆（G）字节过渡到现在的兆兆（T）字节和千兆兆（P）字节，同时，用户的查询需求也越来越复杂，涉及的已不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析和信息综合。联机分析处理（OLAP）系统就负责解决此类海量数据处理的问题。
OLAP在线联机分析开发者，负责将数据从关系型或非关系型数据源中抽取出来建立模型，然后创建数据访问的用户界面，提供高性能的预定义查询功能。
七、数据科学研究
这一职位过去也被称为数据架构研究，数据科学家是一个全新的工种，能够将企业的数据和技术转化为企业的商业价值。随着数据学的进展，越来越多的实际工作将会直接针对数据进行，这将使人类认识数据，从而认识自然和行为。因此，数据科学家首先应当具备优秀的沟通技能，能够同时将数据分析结果解释给IT部门和业务部门领导。
总的来说，数据科学家是分析师、艺术家的合体，需要具备多种交叉科学和商业技能。
八、数据预测分析
营销部门经常使用预测分析预测用户行为或锁定目标用户。预测分析开发者有些场景看上有有些类似数据科学家，即在企业历史数据的基础上通过假设来测试阈值并预测未来的表现。
九、企业数据管理
企业要提高数据质量必须考虑进行数据管理，并需要为此设立数据管家职位，这一职位的人员需要能够利用各种技术工具汇集企业周围的大量数据，并将数据清洗和规范化，将数据导入数据仓库中，成为一个可用的版本。然后，通过报表和分析技术，数据被切片、切块，并交付给成千上万的人。担当数据管家的人，需要保证市场数据的完整性，准确性，唯一性，真实性和不冗余。
十、数据安全研究
数据安全这一职位，主要负责企业内部大型服务器、存储、数据安全管理工作，并对网络、信息安全项目进行规划、设计和实施。数据安全研究员还需要具有较强的管理经验，具备运维管理方面的知识和能力，对企业传统业务有较深刻的理解，才能确保企业数据安全做到一丝不漏。
第二篇：大数据转变的十大思维
大数据思维的十大原理
一、数据核心原理
从“流程”核心转变为“数据”核心
大数据时代，计算模式也发生了转变，从“流程”核心转变为“数据”核心。Hadoop体系的分布式计算框架已经是“数据”为核心的范式。非结构化数据及分析需求，将改变IT系统的升级方式：从简单增量到架构变化。大数据下的新思维——计算模式的转变。例如：IBM将使用以数据为中心的设计，目的是降低在超级计算机之间进行大量数据交换的必要性。大数据下，云计算找到了破茧重生的机会，在存储和计算上都体现了数据为核心的理念。大数据和云计算的关系：云计算为大数据提供了有力的工具和途径，大数据为云计算提供了很有价值的用武之地。而大数据比云计算更为落地，可有效利用已大量建设的云计算资源，最后加以利用。
科学进步越来越多地由数据来推动，海量数据给数据分析既带来了机遇，也构成了新的挑战。大数据往往是利用众多技术和方法，综合源自多个渠道、不同时间的信息而获得的。为了应对大数据带来的挑战，我们需要新的统计思路和计算方法。
说明：用数据核心思维方式思考问题，解决问题。以数据为核心，反映了当下IT产业的变革，数据成为人工智能的基础，也成为智能化的基础，数据比流程更重要，数据库、记录数据库，都可开发出深层次信息。云计算机可以从数据库、记录数据库中搜索出你是谁，你需要什么，从而推荐给你需要的信息。
二、数据价值原理
由功能是价值转变为数据是价值
大数据真正有意思的是数据变得在线了，这个恰恰是互联网的特点。非互联网时期的产品，功能一定是它的价值，今天互联网的产品，数据一定是它的价值。
例如：大数据的真正价值在于创造，在于填补无数个还未实现过的空白。有人把数据比喻为蕴藏能量的煤矿，煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”，价值含量、挖掘成本比数量更为重要。不管大数据的核心价值是不是预测，但是基于大数据形成决策的模式已经为不少的企业带来了盈利和声誉。
数据能告诉我们，每一个客户的消费倾向，他们想要什么，喜欢什么，每个人的需求有哪些区别，哪些又可以被集合到一起来进行分类。大数据是数据数量上的增加，以至于我们能够实现从量变到质变的过程。举例来说，这里有一张照片，照片里的人在骑马，这张照片每一分钟，每一秒都要拍一张，但随着处理速度越来越快，从1分钟一张到1秒钟1张，突然到1秒钟10张后，就产生了电影。当数量的增长实现质变时，就从照片变成了一部电影。美国有一家创新企业Decide.com 它可以帮助人们做购买决策，告诉消费者什么时候买什么产品，什么时候买最便宜，预测产品的价格趋势，这家公司背后的驱动力就是大数据。他们在全球各大网站上搜集数以十亿计的数据，然后帮助数以十万计的用户省钱，为他们的采购找到最好的时间，降低交易成本，为终端的消费者带去更多价值。
在这类模式下，尽管一些零售商的利润会进一步受挤压，但从商业本质上来讲，可以把钱更多地放回到消费者的口袋里，让购物变得更理性，这是依靠大数据催生出的一项全新产业。这家为数以十万计的客户省钱的公司，在几个星期前，被eBay以高价收购。
再举一个例子，SWIFT是全球最大的支付平台，在该平台上的每一笔交易都可以进行大数据的分析,他们可以预测一个经济体的健康性和增长性。比如，该公司现在为全球性客户提供经济指数，这又是一个大数据服务。,定制化服务的关键是数据。《大数据时代》的作者维克托·迈尔·舍恩伯格认为，大量的数据能够让传统行业更好地了解客户需求，提供个性化的服务。
说明：用数据价值思维方式思考问题，解决问题。信息总量的变化导致了信息形态的变化，量变引发了质变，最先经历信息爆炸的学科，如天文学和基因学，创造出了“大数据”这个概念。如今，这个概念几乎应用到了所有人类致力于发展的领域中。从功能为价值转变为数据为价值，说明数据和大数据的价值在扩大，数据为“王”的时代出现了。数据被解释是信息，信息常识化是知识，所以说数据解释、数据分析能产生价值。
三、全样本原理
从抽样转变为需要全部数据样本
需要全部数据样本而不是抽样，你不知道的事情比你知道的事情更重要，但如果现在数据足够多，它会让人能够看得见、摸得着规律。数据这么大、这么多，所以人们觉得有足够的能力把握未来，对不确定状态的一种判断，从而做出自己的决定。这些东西我们听起来都是非常原始的，但是实际上背后的思维方式，和我们今天所讲的大数据是非常像的。
举例：在大数据时代，无论是商家还是信息的搜集者，会比我们自己更知道你可能会想干什么。现在的数据还没有被真正挖掘，如果真正挖掘的话，通过信用卡消费的记录，可以成功预测未来5年内的情况。统计学里头最基本的一个概念就是，全部样本才能找出规律。为什么能够找出行为规律？一个更深层的概念是人和人是一样的，如果是一个人特例出来，可能很有个性，但当人口样本数量足够大时，就会发现其实每个人都是一模一样的。
说明：用全数据样本思维方式思考问题，解决问题。从抽样中得到的结论总是有水分的，而全部样本中得到的结论水分就很少，大数据越大，真实性也就越大，因为大数据包含了全部的信息。
四、关注效率原理
由关注精确度转变为关注效率 关注效率而不是精确度，大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都被数据化了，拥有大量的数据和更多不那么精确的数据为我们理解世界打开了一扇新的大门。大数据能提高生产效率和销售效率，原因是大数据能够让我们知道市场的需要，人的消费需要。大数据让企业的决策更科学，由关注精确度转变为关注效率的提高，大数据分析能提高企业的效率。
例如：在互联网大数据时代，企业产品迭代的速度在加快。三星、小米手机制造商半年就推出一代新智能手机。利用互联网、大数据提高企业效率的趋势下，快速就是效率、预测就是效率、预见就是效率、变革就是效率、创新就是效率、应用就是效率。竞争是企业的动力，而效率是企业的生命，效率低与效率高是衡量企来成败的关键。一般来讲，投入与产出比是效率，追求高效率也就是追求高价值。手工、机器、自动机器、智能机器之间效率是不同的，智能机器效率更高，已能代替人的思维劳动。智能机器核心是大数据制动，而大数据制动的速度更快。在快速变化的市场，快速预测、快速决策、快速创新、快速定制、快速生产、快速上市成为企业行动的准则，也就是说，速度就是价值，效率就是价值，而这一切离不开大数据思维。
说明：用关注效率思维方式思考问题，解决问题。大数据思维有点像混沌思维，确定与不确定交织在一起，过去那种一元思维结果，已被二元思维结果取代。过去寻求精确度，现在寻求高效率；过去寻求因果性，现在寻求相关性；过去寻找确定性，现在寻找概率性，对不精确的数据结果已能容忍。只要大数据分析指出可能性，就会有相应的结果，从而为企业快速决策、快速动作、创占先机提高了效率。
五、关注相关性原理 由因果关系转变为关注相关性
关注相关性而不是因果关系，社会需要放弃它对因果关系的渴求，而仅需关注相关关系，也就是说只需要知道是什么，而不需要知道为什么。这就推翻了自古以来的惯例，而我们做决定和理解现实的最基本方式也将受到挑战。
例如：大数据思维一个最突出的特点，就是从传统的因果思维转向相关思维，传统的因果思维是说我一定要找到一个原因，推出一个结果来。而大数据没有必要找到原因，不需要科学的手段来证明这个事件和那个事件之间有一个必然，先后关联发生的一个因果规律。它只需要知道，出现这种迹象的时候，我就按照一般的情况，这个数据统计的高概率显示它会有相应的结果，那么我只要发现这种迹象的时候，我就可以去做一个决策，我该怎么做。这是和以前的思维方式很不一样，老实说，它是一种有点反科学的思维，科学要求实证，要求找到准确的因果关系。
在这个不确定的时代里面，等我们去找到准确的因果关系，再去办事的时候，这个事情早已经不值得办了。所以“大数据”时代的思维有点像回归了工业社会的这种机械思维——机械思维就是说我按那个按钮，一定会出现相应的结果，是这样状态。而农业社会往前推，不需要找到中间非常紧密的、明确的因果关系，而只需要找到相关关系，只需要找到迹象就可以了。社会因此放弃了寻找因果关系的传统偏好，开始挖掘相关关系的好处。例如：美国人开发一款“个性化分析报告自动可视化程序”软件从网上挖掘数据信息，这款数据挖掘软件将自动从各种数据中提取重要信息，然后进行分析，并把此信息与以前的数据关联起来，分析出有用的信息。
非法在屋内打隔断的建筑物着火的可能性比其他建筑物高很多。纽约市每年接到
2.5万宗有关房屋住得过于拥挤的投诉，但市里只有200名处理投诉的巡视员，市长办公室一个分析专家小组觉得大数据可以帮助解决这一需求与资源的落差。该小组建立了一个市内全部90万座建筑物的数据库，并在其中加入市里19个部门所收集到的数据：欠税扣押记录、水电使用异常、缴费拖欠、服务切断、救护车使用、当地犯罪率、鼠患投诉，诸如此类。接下来，他们将这一数据库与过去5年中按严重程度排列的建筑物着火记录进行比较，希望找出相关性。果然，建筑物类型和建造年份是与火灾相关的因素。不过，一个没怎么预料到的结果是，获得外砖墙施工许可的建筑物与较低的严重火灾发生率之间存在相关性。利用所有这些数据，该小组建立了一个可以帮助他们确定哪些住房拥挤投诉需要紧急处理的系统。他们所记录的建筑物的各种特征数据都不是导致火灾的原因，但这些数据与火灾隐患的增加或降低存在相关性。这种知识被证明是极具价值的：过去房屋巡视员出现场时签发房屋腾空令的比例只有13%，在采用新办法之后，这个比例上升到了70%——效率大大提高了。全世界的商界人士都在高呼大数据时代来临的优势：一家超市如何从一个17岁女孩的购物清单中，发现了她已怀孕的事实；或者将啤酒与尿不湿放在一起销售，神奇地提高了双方的销售额。大数据透露出来的信息有时确实会起颠覆。比如，腾讯一项针对社交网络的统计显示，爱看家庭剧的男人是女性的两倍还多；最关心金价的是中国大妈，但紧随其后的却是90后。而在过去一年，支付宝中无线支付比例排名前十的竟然全部在青海、西藏和内蒙古地区。
说明：用关注相关性思维方式来思考问题，解决问题。寻找原因是一种现代社会的一神论，大数据推翻了这个论断。过去寻找原因的信念正在被“更好”的相关性所取代。当世界由探求因果关系变成挖掘相关关系，我们怎样才能既不损坏建立在因果推理基础之上的社会繁荣和人类进步的基石，又取得实际的进步呢？这是值得思考的问题。
解释：转向相关性，不是不要因果关系，因果关系还是基础，科学的基石还是要的。只是在高速信息化的时代，为了得到即时信息，实时预测，在快速的大数据分析技术下，寻找到相关性信息，就可预测用户的行为，为企业快速决策提供提前量。
比如预警技术，只有提前几十秒察觉，防御系统才能起作用。比如，雷达显示有个提前量，如果没有这个预知的提前量，雷达的作用也就没有了，相关性也是这个原理。比如，相对论与量子论的争论也能说明问题，一个说上帝不掷骰子，一个说上帝掷骰子，争论几十年，最后承认两个都存在，而且量子论取得更大的发展——一个适用于宇宙尺度，一个适用于原子尺度。
六、预测原理
从不能预测转变为可以预测 大数据的核心就是预测，大数据能够预测体现在很多方面。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性。正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化，所以商家会比消费者更了消费者的行为。
例如：大数据助微软准确预测世界怀。微软大数据团队在2014年巴西世界足球赛前设计了世界怀模型，该预测模型正确预测了赛事最后几轮每场比赛的结果，包括预测德国队将最终获胜。预测成功归功于微软在世界怀进行过程中获取的大量数据，到淘汰赛阶段，数据如滚雪球般增多，常握了有关球员和球队的足够信息，以适当校准模型并调整对接下来比赛的预测。
世界杯预测模型的方法与设计其它事件的模型相同，诀窍就是在预测中去除主观性，让数据说话。预测性数学模型几乎不算新事物，但它们正变得越来越准确。在这个时代，数据分析能力终于开始赶上数据收集能力，分析师不仅有比以往更多的信息可用于构建模型，也拥有在很短时间内通过计算机将信息转化为相关数据的技术。
几年前，得等每场比赛结束以后才能获取所有数据，现在，数据是自动实时发送的，这让预测模型能获得更好的调整且更准确。微软世界怀模型的成绩说明了其模型的实力，它的成功为大数据的力量提供了强有力的证明，利用同样的方法还可预测选举或关注股票。类似的大数据分析正用于商业、政府、经济学和社会科学，它们都关于原始数据进行分析。我们进入了一个用数据进行预测的时代，虽然我们可能无法解释其背后的原因。如果一个医生只要求病人遵从医嘱，却没法说明医学干预的合理性的话，情况会怎么样呢？实际上，这是依靠大数据取得病理分析的医生们一定会做的事情。
从一个人乱穿马路时行进的轨迹和速度来看他能及时穿过马路的可能性，都是大数据可以预测的范围。当然，如果一个人能及时穿过马路，那么他乱穿马路时，车子就只需要稍稍减速就好。但是这些预测系统之所以能够成功，关键在于它们是建立在海量数据的基础之上的。此外，随着系统接收到的数据越来越多，通过记录找到的最好的预测与模式，可以对系统进行改进。它通常被视为人工智能的一部分，或者更确切地说，被视为一种机器学习。真正的革命并不在于分析数据的机器，而在于数据本身和我们如何运用数据。一旦把统计学和现在大规模的数据融合在一起，将会颠覆很多我们原来的思维。所以现在能够变成数据的东西越来越多，计算和处理数据的能力越来越强，所以大家突然发现这个东西很有意思。所以，大数据能干啥？能干很多很有意思的事情。例如，预测当年葡萄酒的品质
很多品酒师品的不是葡萄酒，那时候葡萄酒还没有真正的做成，他们品的是发烂的葡萄。因此在那个时间点就预测当年葡萄酒的品质是比较冒险的。而且人的心理的因素是会影响他做的这个预测，比如说地位越高的品酒师，在做预测时会越保守，因为他一旦预测错了，要损失的名誉代价是很大的。所以的品酒大师一般都不敢贸然说今年的酒特别好，或者是特别差；而刚出道的品酒师往往会“语不惊人死不休的”。普林斯顿大学有一个英语学教授，他也很喜欢喝酒，喜欢储藏葡萄酒，所以他就想是否可以分析到底哪年酒的品质好。然后他就找了很多数据，比如说降雨量、平均气温、土壤成分等等，然后他做回归，最后他说把参数都找出来，做了个网站，告诉大家今年葡萄酒的品质好坏以及秘诀是什么。
当他的研究公布的时候，引起了业界的轩然大波，因为他做预测做的很提前，因为今年的葡萄收获后要经过一段的时间发酵，酒的味道才会好，但这个教授突然预测说今年的酒是世纪最好的酒。大家说怎么敢这么说，太疯狂了。更疯狂的是到了第二年，他预测今年的酒比去年的酒更好，连续两次预测说是百年最好的酒，但他真的预测对了。现在品酒师在做评判之前，要先到他的网站上看看他的预测，然后再做出自己的判断。有很多的规律我们不知道，但是它潜伏在这些大数据里头。例如，大数据描绘“伤害图谱”
广州市伤害监测信息系统通过广州市红十字会医院、番禺区中心医院、越秀区儿童医院3个伤害监测哨点医院，持续收集市内发生的伤害信息，分析伤害发生的原因及危险因素，系统共收集伤害患者14681例，接近九成半都是意外事故。整体上，伤害多发生于男性，占61.76%，5岁以下儿童伤害比例高达14.36%，家长和社会应高度重视，45.19%的伤害都是发生在家中，其次才是公路和街道。
收集到监测数据后，关键是通过分析处理，把数据“深加工”以利用。比如，监测数据显示，老人跌倒多数不是发生在雨天屋外，而是发生在家里，尤其是旱上刚起床时和浴室里，这就提示，防控老人跌倒的对策应该着重在家居，起床要注意不要动作过猛，浴室要防滑，加扶手等等。
说明：用大数据预测思维方式来思考问题，解决问题。数据预测、数据记录预测、数据统计预测、数据模型预测，数据分析预测、数据模式预测、数据深层次信息预测等等，已转变为大数据预测、大数据记录预测、大数据统计预测、大数据模型预测，大数据分析预测、大数据模式预测、大数据深层次信息预测。
互联网、移动互联网和云计算机保证了大数据实时预测的可能性，也为企业和用户提供了实时预测的信息，相关性预测的信息，让企业和用户抢占先机。由于大数据的全样本性，人和人都是一样的，所以云计算机软件预测的效率和准确性大大提高，有这种迹象，就有这种结果。
七、信息找人原理
从人找信息，转变为信息找人
互联网和大数据的发展，是一个从人找信息，到信息找人的过程。先是人找信息，人找人，信息找信息，现在是信息找人的这样一个时代。信息找人的时代，就是说一方面我们回到了一种最初的，广播模式是信息找人，我们听收音机，我们看电视，它是信息推给我们的，但是有一个缺陷，不知道我们是谁，后来互联网反其道而行，提供搜索引擎技术,让我知道如何找到我所需要的信息，所以搜索引擎是一个很关键的技术。例如：从搜索引擎——向推荐引擎转变。今天，后搜索引擎时代已经正式来到，什么叫做后搜索引擎时代呢？使用搜索引擎的频率会大大降低，使用的时长也会大大的缩短，为什么使用搜索引擎的频率在下降？时长在下降?原因是推荐引擎的诞生。就是说从人找信息到信息找人越来越成为了一个趋势，推荐引擎就是说它很懂我，知道我要知道，所以是最好的技术。乔布斯说，让人感受不到技术的技术是最好的技术。
大数据还改变了信息优势。按照循证医学，现在治病的第一件事情不是去研究病理学，而是拿过去的数据去研究，相同情况下是如何治疗的。这导致专家和普通人之间的信息优势没有了。原来我相信医生，因为医生知道的多，但现在我可以到谷歌上查一下，知道自己得了什么病。
谷歌有一个机器翻译的团队，最开始的时候翻译之后的文字根本看不懂，但是现在60%的内容都能读得懂。谷歌机器翻译团队里头有一个笑话，说从团队每离开一个语言学家，翻译质量就会提高。越是专家越搞不明白，但打破常规让数据说话，得到真理的速度反而更快。说明：用信息找人的思维方式思考问题，解决问题。从人找信息到信息找人，是交互时代一个转变，也是智能时代的要求。智能机器已不是冷冰冰的机器，而是具有一定智能的机器。信息找人这四个字，预示着大数据时代可以让信息找人，原因是企业懂用户，机器懂用户，你需要什么信息，企业和机器提前知道，而且主动提供你需要的信息。
八、机器懂人原理
由人懂机器转变为机器更懂人
不是让人更懂机器，而是让机器更懂人，或者说是能够在使用者很笨的情况下，仍然可以使用机器。甚至不是让人懂环境，而是让我们的环境来懂我们，环境来适应人，某种程度上自然环境不能这样讲，但是在数字化环境中已经是这样的一个趋势，就是我们所在的生活世界，越来越趋向于它更适应于我们，更懂我们。哪个企业能够真正做到让机器更懂人，让环境更懂人，让我们随身携带的整个的生活世界更懂得我们的话，那他一定是具有竞争力的了，而“大数据”技术能够助我们一臂之力。
例如：亚马逊网站，只要买书，就会提供一个今天司空见惯的推荐，买了这本书的人还买了什么书，后来发现相关推荐的书比我想买的书还要好，时间久之后就会对它产生一种信任。这种信任就像在北京的那么多书店里面，以前买书的时候就在几家，原因在于我买书比较多，他都已经认识我了，都是我一去之后，我不说我要买什么书，他会推荐最近上来的几本书，可能是我感兴趣的。这样我就不会到别的很近的书店，因为这家书店更懂我。
例如，解题机器人挑战大型预科学校高考模拟试题的结果，解题机器人的学历水平应该比肩普通高三学生。计算机不擅长对语言和知识进行综合解析，但通过借助大规模数据库对普通文章做出判断的方法，在对话填空和语句重排等题型上成绩有所提高。
让机器懂人，是让机器具有学习的功能。人工智能已转变为研究机器学习。大数据分析要求机器更智能，具有分析能力，机器即时学习变得更重要。机器学习是指：计算机利用经验改善自身性能的行为。机器学习主要研究如何使用计算机模拟和实现人类获取知识（学习）过程、创新、重构已有的知识，从而提升自身处理问题的能力，机器学习的最终目的是从数据中获取知识。
大数据技术的其中一个核心目标是要从体量巨大、结构繁多的数据中挖掘出隐蔽在背后的规律，从而使数据发挥最大化的价值。由计算机代替人去挖掘信息，获取知识。从各种各样的数据（包括结构化、半结构化和非结构化数据）中快速获取有价值信息的能力，就是大数据技术。大数据机器分析中，半监督学习、集成学习、概率模型等技术尤为重要。说明：用机器更懂人的思维方式思考问题，解决问题。机器从没有常识到逐步有点常识，这是很大的变化。去年，美国人把一台云计算机送到大学里去进修，增加知识和常识。最近俄罗斯人开发一台计算机软件通过图林测试，表明计算机已初步具有智能。
让机器懂人，这是人工智能的成功，同时，也是人的大数据思维转变。你的机器、你的软件、你的服务是否更懂人？将是衡量一个机器、一件软件、一项服务好坏的标准。人机关系已发生很大变化，由人机分离，转化为人机沟通，人机互补，机器懂人，现在年青人已离不开智能手机是一个很好的例证。在互联网大数据时代，有问题—问机器—问百度，成为生活的一部分。机器什么都知道，原因是有大数据库，机器可搜索到相关数据，从而使机器懂人。是人让机器更懂人，如果机器更懂人，那么机器的价值更高。
九、电子商务智能原理
大数据改变了电子商务模式，让电子商务更智能。商务智能，在今天大数据时代它获得的重新的定义。
例如：传统企业进入互联网，在掌握了“大数据”技术应用途径之后，会发现有一种豁然开朗的感觉，我整天就像在黑屋子里面找东西，找不着，突然碰到了一个开关，发现那么费力的找东西，原来很容易找得到。大数据思维，事实上它不是一个全称的判断，只是对我们所处的时代某一个纬度的描述。
大数据时代不是说我们这个时代除了大数据什么都没有，哪怕是在互联网和IT领域，它也不是一切，只是说在我们的时代特征里面加上这么一道很明显的光，从而导致我们对以前的生存状态，以及我们个人的生活状态的一个差异化的一种表达。
例如：大数据让软件更智能。尽管我们仍处于大数据时代来临的前夕，但我们的日常生活已经离不开它了。交友网站根据个人的性格与之前成功配对的情侣之间的关联来进行新的配对。例如，具有“自动改正”功能的智能手机通过分析我们以前的输入，将个性化的新单词添加到手机词典里。在不久的将来，世界许多现在单纯依靠人类判断力的领域都会被计算机系统所改变甚至取代。计算机系统可以发挥作用的领域远远不止驾驶和交友，还有更多更复杂的任务。别忘了，亚马逊可以帮我们推荐想要的书，谷歌可以为关联网站排序，Facebook知道我们的喜好，而linkedIn可以猜出我们认识谁。
当然，同样的技术也可以运用到疾病诊断、推荐治疗措施，甚至是识别潜在犯罪分子上。或者说，在你还不知道的情况下，体检公司、医院提醒你赶紧去做检查，可能会得某些病，商家比你更了解你自己，以及你这样的人在某种情况下会出现的可能变化。就像互联网通过给计算机添加通信功能而改变了世界，大数据也将改变我们生活中最重要的方面，因为它为我们的生活创造了前所未有的可量化的维度。
说明：用电子商务更智能的思维方式思考问题，解决问题。人脑思维与机器思维有很大差别，但机器思维在速度上是取胜的，而且智能软件在很多领域已能代替人脑思维的操作工作。例如美国一家媒体公司已用电脑智能软件写稿，可用率已达70%。云计算机已能处理超字节的大数据量，人们需要的所有信息都可得到显现，而且每个人互联网行为都可记录，这些记录的大数据经过云计算处理能产生深层次信息，经过大数据软件挖掘，企业需要的商务信息都能实时提供，为企业决策和营销、定制产品等提供了大数据支持。
十、定制产品原理
由企业生产产品转变为由客户定制产品
下一波的改革是大规模定制，为大量客户定制产品和服务，成本低、又兼具个性化。比如消费者希望他买的车有红色、绿色，厂商有能力满足要求，但价格又不至于像手工制作那般让人无法承担。因此，在厂家可以负担得起大规模定制带去的高成本的前提下，要真正做到个性化产品和服务，就必须对客户需求有很好的了解，这背后就需要依靠大数据技术。例如：大数据改变了企业的竞争力。定制产品这是一个很好的技术，但是能不能够形成企业的竞争力呢？在产业经济学里面有一个很重要的区别，就是生产力和竞争力的区别，就是说一个东西是具有生产力的，那这种生产力变成一种通用生产力的时候，就不能形成竞争力，因为每一个人，每一个企业都有这个生产力的时候，只能提高自己的生产力，过去没有车的时候和有车的时候，你的活动半径、运行速度大大提高了，但是当每一个人都没有车的时候，你有车，就会形成竞争力。大数据也一样，你有大数据定制产品，别人没有，就会形成竞争力。
在互联网大数据的时代，商家最后很可能可以针对每一个顾客进行精准的价格歧视。我们现在很多的行为都是比较粗放的，航空公司会给我们里程卡，根据飞行公里数来累计里程，但其实不同顾客所飞行的不同里程对航空公司的利润贡献是不一样的。所以有一天某位顾客可能会收到一封信，“恭喜先生，您已经被我们选为幸运顾客，我们提前把您升级到白金卡。”这说明这个顾客对航空公司的贡献已经够多了。有一天银行说“恭喜您，您的额度又被提高了，”就说明钱花得已经太多了。
正因为在大数据规律面前，每个人的行为都跟别人一样，没有本质变化。所以商家会比消费者更了消费者的行为。也许你正在想，工作了一年很辛苦，要不要去哪里度假？打开e-Mail，就有航空公司、旅行社的邮件。
说明：用定制产品思维方式思考问题，解决问题。大数据时代让企业找到了定制产品、订单生产、用户销售的新路子。用户在家购买商品已成为趋势，快递的快速，让用户体验到实时购物的快感，进而成为网购迷，个人消费不是减少了，反而是增加了。为什么企业要互联网化大数据化，也许有这个原因。2000万家互联网网店的出现，说明数据广告、数据传媒的重要性。企业产品直接销售给用户，省去了中间商流通环节，使产品的价格可以以出厂价销售，让销费者获得了好处，网上产品便宜成为用户的信念，网购市场形成了。要让用户成为你的产品粉丝，就必须了解用户需要，定制产品成为用户的心愿，也就成为企业发展的新方向。大数据思维是客观存在，大数据思维是新的思维观。用大数据思维方式思考问题，解决问题是当下企业潮流。大数据思维开启了一次重大的时代转型。
第三篇：大数据时代银行业十大转型趋向
Asset Management Business in Big Data Time 大数据时代银行业十大转型趋向
■阙方平
编者按：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”在大数据时代里，互联网金融是银行业不得不面对的竞争领域，银行需要的是切实可行、直达要害的业务转型和经营策略，同时对数据挖掘和分析能力的不足严重影响银行的发展。
本期专题从多维度探讨商业银行面对大数据时代挑战，如何借助信息化平台，从经营转型、风险管控、数据发掘、信用监管等方面实现银行业新的跨越，以飨读者。
随着2013年6月以来“余额宝”、“活期宝”的相继推出，陆续揭竿而起的互联网金融创新产品，彰显出互联网平台意欲分切互联网金融市场蛋糕、建立互联网金融帝国的“勃勃野心”。马云指出“金融互联网和互联网金融是未来金融两大机会”。金融网络化和网络金融化既是对商业银行的重大挑战，更是重新洗牌的绝佳机遇。为此，笔者对辖内部分商业银行应对大数据时代的业务情况进行了调查研究。为应对大数据时代的挑战，商业银行必须关注十大转型趋向，抓住机遇实现新的跨越。
机构形态由以物理网点为主向以虚拟网络为主转变
随着金融网络化和网络金融化的发展，客户对银行物理网点和柜台的依赖减弱，通过网上银行、手机银行等多种线上方式就可以办理转账、消费支付甚至投资理财等各类金融服务，现金存取也可以借助各种自助设备完成，自助服务迅速替代传统的柜面业务。辖内商业银行基本形成了“电子银行+自助渠道+物理网点”的立体客户服务体系。
自助服务设备明显增多。对于商业银行，尤其是中小银行来说，通过网上银行、手机银行可以弥补中小商业银行营业网点的不足，实现服务区域和服务时间的全覆盖，使物理网点少的中小商业银行有机会跟大银行站在同一起跑线上，为客户提供优质高效的金融服务体验。而大型银行为有效减轻网点柜面工作压力，提高网点服务品质，也在不断加大自助设备投入。截至2013年6月末，湖北省内商业银行离行式自助银行、ATM机具分别比2010年末增长97.02%、83.97%。而同期网点总数仅增长22.77%，离行式自助银行、ATM的发展明显加快。从增量来看国有商业银行仍占大头，从增速来看中小商业银行、农村金融机构正在奋起直追。股份制商业银行离行式自助银行与人工网点的配比已经达到1.76：1，其中浦发、华夏银行分别高达2.90:1和2.85:1。在国有大型银行中，交通银行武汉分行该比例也已经达到1.48:1。
自助服务范围不断拓宽。近年，辖内商业银行不断加大自助渠道和电子创新力度。目前，自助渠道功能范围大部分已扩大至包含取款，对私/对公存款，本行对私/对公转账、跨行转账，小额结售汇，代缴费，基金、外汇、贵金属买卖，第三方存管，B股银证转账，IC卡圈存、圈提等交易。有的商业银行逐步实现了手机加载银行卡账户，在自助银行上采用非接触式存、取款服务，实现电子银行渠道交易的短信确认支持；有的还引入和开发自助发卡机，实现客户自助发放借记卡等等。
自助交易量明显增多。近几年，网上银行、自助银行的业务量和交易金额也是越来越大。交通银行总行半年报显示，截至2013年6月30日，其手机银行客户数较年初增长33.7%，交易笔数、金额同比分别增长308.45%和127.80%。招商银行总行半年报披露，该行2013年上半年零售、公司电子渠道综合柜面替代率分别达到91.85%，57.49%，分别较2012年提高1.19%、5.09%。应该说部分辖内银行已经开始逐步构建一个物理网点为主、电子化为辅，全面协调的立体化服务体系。
物理网点形象和服务能力明显提升。一是网点营业面积不断扩大。二是网点分区合理、功能升级以及私密的服务空间让客户享受到尊贵的服务体验。各商业银行已装修改造网点都在扩大面积的基础上实现了功能分区，一般设有咨询服务区、自助服务区、电子银行区、产品展示区、营销信息发布区、开放式柜台服务区、封闭式柜台服务区、贵宾客户区、客户休息等候区等。三是更多地考虑客户需求。各商业银行新迁址或新设网点门前开阔，网点停车位比较充足。网点软环境得到改善，网点软装饰个性化趋势明显。网点自助设备配备增多，业务分流能力进一步增强。四是网点外部形象稳步提升。绝大多数商业银行网点都安装了LED显示屏、液晶电视、橱窗广告和户外灯箱，能对新业务、新产品进行不间断的宣传，大大提升了网点形象和对外宣传能力。与以前相比，商业银行网点硬件及装修一流，极大提升了广大客户的认知度和美誉度。
下一步，商业银行的网点布局和发展应体现由物理网点向虚拟网点、自助服务的转变。实体网点应呈现“量降、价（值）升”，体现出高价值的业务安排；电子渠道交易应呈现“量价（值）齐升”的发展态势，充分发挥好电子渠道与实体网点协同服务的优势，努力实现“实体网点电子化”、“电子渠道智能化”的发展目标，逐步提高电子渠道交易占比。一是指导思想上，要以零售银行经营转型为动力，以自助银行全功能型、全流程型、全产业链形为着力点，以监控集中化、服务标准化、管理制度化、平台自动化为途径，提升渠道分流能力，实现业务发展。二是发展方式上，大力发展离行式自助银行、社区自助银行（自助终端）为代表的自助银行，大力发展以网上银行、手机银行、Ipad银行为代表的电子银行，大力发展以微博、微信为代表的新媒体银行，以及以远程视频柜台为代表的新型银行等，使自助服务、在线服务成为商业银行为客户提供交易和服务的重要渠道。三是进一步加强物理网点建设。银行网点不应该也不能再“千人一面”，从最初选址到装修设计，从功能分区到业务处理都必须体现各银行的文化特色和当地的特点，要加快形成以网点分类、功能分区、客户分层、业务分流为主要特征的新型服务模式，体现营业网点的个性化、特色化。坚持打造“绿色网点”、“人文网点”，既高度重视客户体验，满足客户服务需求，又充分考虑员工利益，为员工着想。
业务边界由有限向趋于无限转变
随着国家鼓励民间资本进入银行业和信息技术的发展，越来越多的工商企业开始通过网络涉足金融业务，如支付宝、快钱等第三方互联网支付公司。金融企业通过各种代理、代销业务涉足一般商业活动。互联网金融使得银行与一般企业界限模糊，为了应对挑战，商业银行必须跨出门槛，为客户提供包括金融服务、信息服务乃至商业服务在内的一揽子服务，以此适应形势发展的需要，提高银行业的竞争力。
跨界进入电子商务领域。如中国建设银行的“善融商务”，既提供信息发布、交易撮合、在线交易等电商服务，也提供支付结算、担保融资等金融服务，还具备博客、论坛、商圈等社交功能。另外也还有中国交通银行的“交博汇”、招商银行的“非常e购”、中信银行的“金融商城”等。
搭建网上社区平台。随着互联网技术的不断发展，各家商业银行敏锐地捕捉到客户对虚拟社区服务的需求变化。针对目前微信、微博等社交媒体的深入普及，招商银行通过建立微博、微信公众账号形式拓展宣传新渠道。目前，搭建网上社区平台的还有中信银行、武汉农商行等多家商业银行。
下一步，商业银行应该是围绕自身优势开发增值服务。通过综合化经营、吸引客户、留住客户，形成自身的数据源；根据银行信息网络优势，为客户提供行业分析、投资建议等信息服务；以专业化优势为客户提供涵盖投资、外汇、保险、住房贷款及企业银行领域的专业理财方案和财务建议，为客户资产的保值、增值及传承提供解决方案。其实，前面提到的中国建设银行、交通银行等开展电子商务业务，我认为其最核心的战略意图就是获取一线市场数据，加速推进银行自身金融业务发展。
发展模式由规模经营向范围经营转变
随着大数据时代的来临和利率市场化进程的加快，商业银行传统的利润来源——息差将不断收窄。在这种情况下，靠做大资产规模增加盈利的模式将难以为继，中间业务收入将成为商业银行的又一大利润来源。因此，商业银行必然从重视资产的规模经营，逐渐转向客户群体与市场的范围经营。
大型企业客户业务占比逐步下降。从贷款户数看，湖北省大型企业贷款户数比年初减少99户，中型企业比年初增加944户，增长8.84%，而小微型企业比年初增加3512户，增长13.28%。从贷款余额看，湖北省大型、中型和小微型企业贷款分别比年初增长4.89%、14.80%和16.59%。从存款情况看，也反映出中型、小型、微型企业客户存款在数额、占比上的双升，大型企业客户存款虽然数额保持稳定，但占比呈逐步下降的趋势。
个人客户迅速增加。从调查情况看，国有商业银行的个人客户数平稳增长。如工商银行湖北省分行6月末个人客户数比年初增长3.81%。与此同时，中小商业银行的个人客户数呈现快速增长。如浦发银行武汉分行7月末个人客户数比年初增长9.53%。
客户群体范围的扩大将为银行带来更好的效益和更广阔的发展。在针对客户群体的竞争中，商业银行必须摆脱依赖于单一产品或渠道优势的传统做法，运用一切资源，尤其是信息资源来扩大客户群体。一是利用各类信息包括网络信息搜寻目标客户，提高营销客户的效率。二是通过网络金融服务，打破营业网点地域和业务营销人员数量少等因素对银行服务的限制，实现对大范围客户的有效服务。三是通过对信息数据的收集分析，提供个性化、有针对性的服务，提升客户忠诚度，巩固客户群体。
商业模式由垄断竞争向合作共赢转变
在将来，银行自身一家单打独斗、包打天下的做法将远远不能适应竞争的需要。就目前来看，银行与第三方机构合作类业务规模快速增长，合作模式表现多样。
银行同业合作更加深入。除了原来常有的同业拆借、银团贷款等等合作外，现在商业银行开始在支付结算、科技服务、财富管理等方面加强业务合作。2013年4月24日，中国民生银行、包商银行、哈尔滨银行等33家中小金融机构共同组建“亚洲金融合作联盟”区域性金融合作组织，兴业银行武汉分行当前与省内外11家银行类金融机构开展银银平台合作。
金融同业合作蓬勃发展。面对企业客户日益多元化的金融需求，辖内商业银行加强与信托公司、证券公司、保险公司合作，将银行业务与信托、证券、保险公司等业务相互渗透与整合，通过客户资源的整合与销售渠道的共享，提供创新产品服务，以一体化的经营形式来满足客户金融服务需求。
跨业合作方兴未艾。在新形势下，物流、资金流、信息流“三流合一”的非金融企业通过精准定位各类客户的偏好，向其推送包括金融产品在内的各种消费品和服务，这种点对点的精准服务一方面可以降低银行的服务成本。另一方面，有针对性的服务方案和产品将使银行服务更加优质高效。同时，为了满足客户综合金融服务的需要，商业银行的产品必须向多元化、综合性方向拓展，需要商业银行与其他金融机构形成更加紧密的合作机制，开辟更广泛的业务合作。
业务营销由分散向集中转变
从调查情况看，湖北省的银行业金融机构在营销方面各具特色。除了传统的“以老带新”营销、组合营销、分层营销、集群营销、“扫街”营销以外，还有部分适应大数据时代发展的新的营销模式和手段。营销方式远程化。近几年，部分商业银行远程银行中心（电话银行中心、呼叫中心）改变以往以受理咨询、简单交易为主的定位，延伸服务范围．努力打造远程客户服务体系，形成对传统渠道的有益补充。具体来说包括：远程客户拓展，在不断完善客户服务跟踪回访的同时，对潜力客户、流失预警客户开展针对性的挖掘与拦截；远程业务营销，借助商业银行领先的数据库营销技术与客户分类模型，远程银行中心与分支机构配合，提炼整理基于客户需求的营销模型，全方位、全天候满足客户财富管理需求；远程贷款发放，充分发挥远程银行“全天候、快反应”特点，与银行分支机构客户经理密切联动，打造“客服电话+客户经理”的贷款新模式。
营销终端移动化。在合适的时间，通过合适渠道，把合适的营销信息投送给每个顾客。随着互联网及移动互联网深入生活的每个领域，互联网金融快速发展，商业银行在网上银行的基础上迅速推出多款移动金融产品，并开展网上营销、移动营销。
营销目标名单化。名单制营销使得银行的客户开发工作更有的放矢，提高了营销的精准性。一是通过银行业务数据分析，挖掘潜在客户，指导客户经理开展针对性营销。二是辖内商业银行各省级分行积极拓展与省政府相关部门，如科技厅、金融办、经信委、中小企业局、工商联等的合作，取得推荐企业名单，实行名单制营销。
营销指导专业化。商业银行总行或省级分行加强宏观经济分析及板块研究，把握机遇，坚持计划先行、方案先行。通过深化行业客户细分，研究区域经济热点，强化专项产品推广，推进行业营销指导，引导对公业务有序发展、转型发展。
营销力量集中化。首先是商业银行总行或一级分行营销部门需要通过数据集中和云计算对潜在客户进行筛选，准确分析客户需求。在对银行内部数据加强分析利用的同时，也可以积极探索通过互联网加强客户获取，如与淘宝、京东、苏宁、支付宝等合作批量获取客户，通过微博、微信获取客户等。其次是总分行的中后台业务部门要围绕数据中心，优化分析模型，抓住目标客户的关键业务与财务活动开展分析研究，对每个客户形成业务和服务一揽子解决方案。最后，才是基层银行网点客户经理根据总分行的一揽子解决方案，“按图索骥”向客户营销全面的金融解决方案，提升客户满意度。依据对客户数据挖掘和商业智能技术，搭建数字营销平台，通过前中后台的紧密合作实现高精准、高效率和低成本的新型营销。
资产业务由重增量向重存量转变
截至2013年6月末，湖北省各银行业金融机构的贷款总量已突破2万亿元，比年初增长11.02%。但是我们应该看到，随着我国经济发展方式由投资拉动向投资、消费并重转变，银行贷款规模的快速增长将不可持续。为此，我们必须在注重信贷投入增量的同时，更加注重盘活现有存量信贷资产。
为此，商业银行要从两个方面积极盘活存量资产。一是通过信贷资产证券化增强存量信贷资产的流动性，化解不良资产，提高资产质量。二是优化信贷资产结构。要加大对存量表内贷款结构的调整力度。贷款规模的安排尽量侧重考虑实体经济的需求，尤其保障具备较好条件的中小企业的贷款规模配置，用足、用好有限的信贷资源。
负债业务由被动负债向主动负债转变
从调查情况看，银行业金融机构通过抓源头，搭建省、市、区三级机构业务平台，取得各类代理资格，抓预算单位开户，抓财政资金使用，大力推进负债业务，尤其是存款业务保持快速发展势头。
被动负债即存款仍是商业银行主要负债来源，并且占比持续提高。截至2013年6月末，湖北省各银行业金融机构各项存款已超过3万亿元，比年初增长13.6%。各项存款占总负债的比例为80.61%，比年初提高2.86%，比2012年同期提高3.5%。从存贷比看，6月末湖北省全金融机构存贷比为69.02%，比年初下降1.6%，比2012年同期增加0.3%。湖北省法人机构——城市商业银行、农村合作金融机构6月末的存贷比分别为63.94%、60.48%，资金运用仍显不足。
客户金融资产仍以存款为主。从全国来看，我国商业银行被动负债的占了绝大多数（90%以上），主动负债在资金来源中占比仍过低。国有商业银行存款规模大，发展主动负债动力小，中小商业银行因为网点少、规模小、资金紧张，为规避流动性风险，近年来迅速发展主动负债（发行债券和大额可转让定期存单、甚至开展资产证券化）转变，加强对负债业务的管理，主动规避流动性风险。将会按照结构对称的原则，根据资金运用来匹配资金来源，通过金融市场直接筹集资金，使商业银行的资产和负债的偿还期保持一定的对称关系。银行服务由共性向个性转变
从调查情况看，各商业银行按照自身的认识和管理服务水平都有一些个性化的服务内容和服务方式。
加强产品创新，提高服务针对性。各家商业银行在个人、公司、机构、金融资产服务、渠道等主要业务领域，加大了产品创新研发力度，提高产品价值创造能力和市场竞争能力。推出了多币种信用卡、账户管家、第三方支付机构备付金存管、增利型理财产品、账户原油、安卓网上银行等一大批产品。
优化业务流程，提升服务水平。各家商业银行通过服务模式创新，全面推行差别化服务策略，建立个人客户星级分层服务体系。在统一客户评价、对客户进行星级评定的基础上，针对不同星级客户，在服务品牌、服务内容、服务渠道、服务费率等方面实施差异化策略，建立层次清晰、协同一致的星级服务体系。如工行湖北省分行仅2012年就完成了533个业务流程紧迫性问题改造，实现了客户办理借记卡开立、电子银行注册、工银信使定制等多笔业务的整合；创新产品营销服务模式，推出了个人银行客户与财富顾问互动联络服务，完善了接触点营销和事件营销模型，增强了客户服务能力。
拓展服务渠道，改变客户体验。许多商业银行推出了诸如手机银行、Ipad银行、微信银行、手机钱包等服务方式和渠道。部分银行提出通过学习、观摩美国苹果体验店、安快银行等国外创新型网点，筹建“体验式银行”、“电子银行体验专区”，以重塑服务理念，创新服务方式，尝试改变客户体验以及传统银行服务方式。
个性化服务集中于高净值客户。就真正的个性化服务来说，目前还主要集中于高净值（高端）客户。各家银行针对高端客户有高端的红酒品鉴、艺术品鉴赏、高尔夫球会、私人飞机、游艇接送等增值服务，对社会大众会提供教育类服务、医疗服务和机场贵宾服务等增值服务，增值服务体系日渐丰富。如招商银行在国内首创“家庭工作室”，为可投资资产超过5亿人民币的超高净值家庭设立专属于该家庭的专家组，针对家庭资产制定专属的投资和风险控制策略，为家庭成员定制独一无二的发展计划，并为当前阶段或者未来可能发生的问题提供专业的解决方案。如湖北银行通过个性化定制理财方案，吸引了一大批有投资、资产增值需求的公司类客户。虽然现在各家商业银行都在谈转型发展，但从实践情况看，仍然存在转型战略雷同的问题，同样产生了严重的同质化竞争问题。商业银行要形成自身的特色，为客户提供个性化服务，就必须适应大数据和云计算时代的发展，从海量的数据中挖掘目标客户的各类金融需求，量身定做金融产品，针对不同客户展开个性化服务。
风险管理由控制内部向防范外部转变
风险管理一直是各商业银行的重点工作，普遍实现了“横向到边，纵向到底”的风险，重点从提高审批质效、加强资产监控、降低资本占用、专业队伍建设等方面人手，通过风险管理的“前移”、下沉”，实行集中化全程管理，取得良好成效。但是，我们必须看到，在银行内部风险得到较好控制的同时，外部风险对商业银行的影响越来越大。
外部风险来源多样化。目前，银行业外部风险来源包括小贷公司、典当行、担保机构、民间融资、非法集资、影子银行，以及与银行业金融机构有各种业务合作关系的金融同业、工商企业等等。与银行业原来的信用风险、市场风险、操作风险等等传统风险比，外部风险事件呈现来源多样、形式复杂、防范困难的特点。而这些公司（领域）发生的风险事件，往往会传递至银行业，最终对银行的业务经营产生不良影响。
外部风险事件对银行业的影响越来越大。在云计算的条件下银行、企业、中介服务机构之间的联系愈发紧密，一时一地、一个单位的局部风险，可以迅速扩展为系统性、全面性风险。如“钱荒”的起因仅仅是一起小小的同业违约事件就是明证。此外，大数据时代的信息来源广、传播速度快，银行的负面舆情通过微信、微博被迅速传递，甚至被放大，银行声誉的风险增大。
电子银行网络安全面临挑战。近年来，网络安全事件频繁发生，银行业面临客户信息、账户信息和交易信息以及信息系统的安全挑战。一旦信息体系破坏和黑客侵入、网络中断等原因，导致信息资源的扭曲和传输障碍，将带来不可估量的损失。针对银行客户资金的网上欺诈、电话欺诈日益泛滥，呈现集中化、长期化、复杂化的特点。电子银行的交易安全和反欺诈工作必须引起高度关注。
因此，商业银行要加强外部风险管理工作。一是改善外部风险管理人力资源配备，提高监测手段，定期分析潜在的外部风险的主要来源及影响渠道。建立规范化的外部风险监测、处置流程、应对预案，形成全员识别、监测、发现、报告的机制，防范外部风险传染。二是形成风险防范合力。要加强客户安全教育，加强与金融监管部门、电信运营商、政府互联网安全管理部门等各方面的联系与合作，在全社会构筑起一张外部舆情监测、网络安全教育和有效惩治在线欺诈的防护网，广泛搜集、分析、加工各类风险信息，加强风险报告的前瞻性和时效性。三是在IT技术和信息安全的管理运营方面加强资金投入，购买最好的软件硬件，保证系统高效、安全地运转，防止类似光大证券“乌龙指”事件的发生。四是主动应对银行声誉风险，开展有效沟通，及时准确发布银行经营信息，科学疏导媒体、网络注意力和关注点。
科技保障由内部向社会化转变
网络银行的发展需要强化后台技术支持与维护做为保障。这些技术有两部分组成：一是硬件技术，主要指网络化服务所依赖的信息基础设施；二是软件技术，主要指数据挖掘技术、数据仓库技术和知识整合技术。现代管理学之父彼得·德鲁克早在1989年就曾指出：“10～15年之内，任何企业内只做后台支持而不创造营业额的工作都应该外包出去。”《哈佛商业评论》证实，外包模式是过去75年来企业最重要的管理概念。在大数据时代，科技保障将从二线走向一线，从后台走向前台，商业银行在加强信息保密和安全管理的基础上，通过科技保障的分级、分类管理，推动部分科技保障工作向社会化外包转变。
推动科技保障社会化可以节约成本。目前，服务外包已逐渐成为金融行业通用的解决方案。如今云计算各环节服务商提供的PaaS(Platform-as-a-service，平台即服务)和SaaS(Software-as-a-service，软件即服务)等服务，能够实现云外包更高层次、更自动化的外包，更有效地利用外部资源，分配管理资源并优化流程，避免重复建设和投资，改善商业银行运营成本，提高工作效率，推动发展模式向资源节约型、环境友好型进行转变。
推动科技保障社会化可以提高效率。在大数据时代，商业银行的IT系统要维持内部运营，保障安全运行，难以适应新形势下的海量计算要求。而IT企业能够在讯息收集、传递与交换分析等方面发挥更重要的作用。因此，商业银行可以通过云计算和社会化服务为银行发展提高坚实保障。
推动科技保障社会化可以解决人才困境。随着商业银行业务发展和转型加快，各银行科技部门应用软件的开发任务越来越重，银行研发人员增长速度却远远低于项目的增长速度，人才相对缺乏。另一方面，相对于专业软件公司，银行研发人员由于缺乏有效的学习载体，在技术掌握的深度和广度方面还存在一定的差距。因此，商业银行可以通过部分科技业务外包弥补人才的不足，获得急需的资源。同时，还可以借鉴国外银行成熟的做法，在竞争中发挥后发优势。
（本文获得《银行家》课题经费资助）
资料来源：银行家2013/11 总第145期 P25-29
（作者系湖北银监局副局长）
第四篇：大数据演讲稿
まず、私はビッグデータについての簡単な内容を説明します。では、始めます。那么既然说到大数据，就得先了解大数据地定义。什么是大数据。试想如果未来我们一个人拥有的电脑设备超过现在全球现在计算能力的总和，一个人产生的数据量超过现在全球数据量的总和，甚至你的宠物小狗产生的信息量都超过现在全球数据量的总和，世界会发生什么呢？那么就先来看一些官方网站给出的大数据的定义。
为导出对事业起作用的数据。对于大数据商务有目的性的定义：“利用大数据解决经济和社会的问题。提高业务附加的价值。或者是支援事业”大数据不只指它的规模是多少，还有这些数据是由那些数据构成的，还有可以怎样利用大数据。由此是与到现在的系统是不同的。用被卖出的数据基础管理工具或者是到现在为止处理数据的应用程序，来处理巨大困难的复杂数据集合，这样的词语。再来看两个中文的。
那么大数据到底是啥。其实就是很多数据。它是把很多信息用数据的方式储存起来，然后不断累积，一直到这些数据大的没办法用简单进行利用。大数据并不是很神奇的事情。就如同电影《永无止境》提出的问题：人类通常只使用了20％的大脑，如果剩余80％大脑潜能被激发出来，世界会变得怎样？在企业、行业和国家的管理中，通常只有效使用了不到20%的数据（甚至更少），如果剩余80%数据的价值激发起来，世界会变得怎么样呢？特别是随着海量数据的新摩尔定律，数据爆发式增长，然后数据又得到更有效应用，世界会怎么样呢？发挥想象去思考一下。那么大数据是怎么形成的呢？
以前我们关注的都是交易系统和业务系统产生的数据，通过数据仓库去分析展现，其实终端，尤其是个人各种流水操作，例如购买物品清单，上网浏览历史，照片，微博等也有，但是不关注，而大数据时代，更多的是关注这些大量的数据，期望分析这些数据来发现价值，因此大数据其实以前在系统，终端，个人等等都在产生，只是没有加以利用而已，现在要分析这些数据从中发现价值。这才是大数据形成的原因和意义。数据再多，但如果被屏蔽或者没有被使用，也是没有价值的。中国的航班晚点非常多，相比之下美国航班准点情况好很多。这其中，美国航空管制机构一个的好做法发挥了积极的作用，说起来也非常简单，就是美国会公布每个航空公司、每一班航空过去一年的晚点率和平均晚点时间，这样客户在购买机票的时候就很自然会选择准点率高的航班，从而通过市场手段牵引各航空公司努力提升准点率。这个简单的方法比任何管理手段（如中国政府的宏观调控手段）都直接和有效。
先说一下这个打印的课本，它里面举了两个例子。对于福岛核电站的事，以及对于便利店的优势，都是利用了大数据。比如说超市，要进好多货，然后有的买的人少可能就堆积，即使减价处理也不一定能卖得掉，从而造成亏损。那么便利店，就会根据平时周围生活的人们来选择性的进货。在上班族公寓附近就多进快餐，在老年人或者中年人多一点的地方，就进一些生活用品。对于福岛核电站，如果将监测核电站的信息及时收集，并且分析就可能发现它有问题，可能会泄露，进而去解决问题避免损失。这就是预测未来可能发生的事故，这样的话可以有效的避免。再比如说，天文学家们研究天体的运动轨迹，发现更多的行星。将这些数据收集在一起就是大数据，对这些数据分析整理，就有可能计算出，未来某个行星可能会撞上地球。然后采取一些必要的措施，来将这种毁灭性的打击消除。如何认清现在呢？比如说在医学上，通过医疗设备对细胞进行观察，并根据其他测试进而推测出该细胞是不是癌细胞。如果把判断的依据变成数据化，输入到电脑中，并且再赋予她一定的学习能力，比如给他一个癌细胞，他会记住这些细胞的特征，久而久之，他的准确度会越来越高。在医学上的作用也会越快越明显。这就是对他的应用进行简单的了解。之后赵飞会更深入更仔细的讲一下这方面的内容。
那么，大数据对我们带来的都是好的么。不是的。就比如刚刚那个医学的例子。研究出的机器会让诊断癌细胞的工作人员逝去工作。就像是80年代工厂逐渐自动化一样，工人失业会很严重。如果你是一匹马，那么你肯定不喜欢工业革命。
接下来说一下大数据现在面临的难题，就是如何利用好这些大数据，进而为人们服务，造福我们。就个例子就拿LSST来说。他是一个广域的天文望远镜，是由多个国家参与研发，现在在智利的一个山上，2010年开始动工，并在2015年启用查尔斯·西蒙尼和比尔·盖兹分别捐赠2000万美金和1000万美金给LSST计划。LSST计划至今仍寻求美国国家科学基金会能拨发将近4亿美金的赞助费。它每三天可以拍摄整个天一次。到2022年，它会搭载一个超级数码相机，拍摄出的照片达到32亿像素。这样的照片需要1500块高清电视屏才能展示出来。LSST的照相机每年要拍摄超过人员所能分析的超过20万张影像。如果利用好了这些数据会是很大的一笔财富，但是目前还没有一个很有效的解决方法。没有那么多人力能去分析它，也没有那样的设备直接分析。所以这堆数据就是没用的数据，没有价值的。所以大数据是很有潜力的一门科学。接下来跟大家一起看一段TED的演讲视频。演讲人是肯尼斯-库克耶《经济学人》数据编辑，曾任职于《华尔街日报》（亚洲版）和《国际先驱论坛报》。他是美国外交关系协会成员，CNN、BBC和NPR的定期商业和技术评论员之一。对大数据有很深的研究，听一下他是如何评价大数据的。看完这个演讲之后，在有请赵飞带来对大数据更深入的认识。
第五篇：大数据时代舆情管理的三大变革
大数据时代舆情管理的三大变革
要点：随着互联网的迅速发展，大数据带来的信息风暴正在改变我们的生活、工作和思维。无论政府和企业，对网络舆情的分析研判应对，正面临着大数据的挑战。
大数据，正由技术热词变成一股社会浪潮乃至国家战略。
随着互联网的迅速发展，大数据带来的信息风暴正在改变我们的生活、工作和思维。无论政府和企业，对网络舆情的分析研判应对，正面临着大数据的挑战。在大数据时代，对网络舆情管理必将在管理思维、工作模式、技术方法等领域发生重大变革。
一、大数据时代的舆情管理工作变革
（一）社会治理与舆情管理
2011年全球被创建和复制的数据总量为1.8ZB(10的21次方)，其中75%来自于个人，远远超过人类有史以来所有印刷材料的数据总量(200PB)。过去几年全世界产生的数据量甚至超过了历史上2万年来产生的数据量的总和。我们的世界正在被数据化，一切皆可“量化”，数据“取之不尽，用之不竭”。这带来了更大的管理问题，信息爆炸与信息对称。比如，环保部门投入巨资监测环境数据，构建环境物联网，尽力还原真实环境治理现状的实时的基础数据库，以辅助决策治理。但是公众常常通过手机拍摄雾霾天气或是污染现场，并且在网络上快速传播。环境监测公示数据与网民环境感受，一旦不能形成对应，势必产生负面情绪。
（二）从重视到行动
新形势下，网络舆情管理，亟需新的工作体系与之匹配。通过成立本单位网络舆情管理小组、制定相关制度，培养专业人才，结合第三方专家顾问，建立健全网络舆情管理工作体系。从而，以维护群众的权利来树立政府的权威，倾听民意进行科学决策。
我们看到，有一些政府机构已经逐步摸索形成了这样的舆情管理的责任机构，网络舆情管理小组，值得借鉴。单位主要领导担任小组组长，单位下属各部门确定专人为小组成员，并分别组成监测，分析，应对等职能部门。制定舆情管理工作制度，做到网络舆情工作有章可循，完善网络舆情的联动应急机制。加强信息公开和第三方顾问，善用互联网思维模式，通过新媒体多种形式和手段，信息公开，倾听民意，疏导舆情。
二、大数据时代的舆情管理思维变革
（一）认识与转变
在10年前，我们将互联网称为“虚拟世界”。在今天，网络“虚拟世界”正在向“镜像世界”转化。虚拟世界的匿名性、非对称性、非真实性，正在转变为镜像世界的对称性、真实性(真实的画面、真实的情感等)、即时性。在全球范围内，大到国家社会治理，小到企业经营个人形象，都受到了网络舆情的影响和改变。在这种情况下，对网络舆情的管理思维必然发生改变，这种改变可能会带来政府舆情管理相关行政职能的改变，面对网络舆情的行政流程的改变，政府信息
公开速度和透明度的改变，信息发布的效率和方式的转变。这种改变应上升为社会治理体系的一个重要组成部分。
（二）创新管理，融入网络
舆情管理从流程上看包括是监测、发现、研判、应对。但是，在网络舆情面前，是不是拥有这样的流程就能够从容应对呢?问题还是大量存在的。这和我们大多数政府企业的管理模式相关，我们看到，很多单位的舆情工作只是一个或几个工作人员负责，或者一个部门负责，发现问题的处理办法是层层上报，由领导批复处理。实际上，这样的模式与网络舆情管理是不吻合的，难以做到全面分析，准确研判，及时应对。那么，如何创新舆情管理的模式呢。舆情管理，应自上而下，形成一整套全新的工作体系。一把手总负责，全员转变思维模式。充分借助大数据技术分析力量，和第三方专家顾问力量。敢于接受网络曝光和检验，融入网络，充分在网络空间展示形象。这样才能消减物理与文化空间的矛盾和区隔。
三、大数据时代的舆情分析技术变革
（一）移动互联网将再次改变舆情格局
据最新数据，我国手机上网网民突破5亿，80%的手机网民使用手机看新闻。各大互联网门户网站，纷纷在移动新闻客户端上发力，大有形成第四大互联网入口的趋势。随着4G网络的普及，视频类应用将迎来新的爆发，视频的真实感将更大的拉近网络空间的距离感。移动互联网的每个信息发布节点，将是每一个网民，全民麦克风的时代即将爆发。在这个背景下，网络舆情将会演变为何种格局，大数据
分析技术在哪些方面还能拥有用武之地?这一领域，势必会迎来新的技术突破与应用。
（二）用大数据预判舆情趋势
大数据的目标是预测。对于舆情管理者而言，能通过大数据技术手段，分析事件关注程度，传播情况，发展趋势，网民情绪变化。也可以深入某个观点的影响程度，影响人群。从而预测舆情走向，辅助决策和判断。大数据分析技术给舆情分析带来的更多的可能，舆情分析不再是分析样本数据，而是分析更多来源更复杂的数据。不再是看似精确性的定位于某条信息，某个人，而是在混杂的舆情信息中，发现趋势，预测走势。不再是非正即负的机械判断情感，而是分析相互关联的人物之间的情绪传递。
点击咨询 