匯智聯恒2015年大數據發展現狀及市場機遇研究報告匯智聯恒匯智聯恒20152015年大數據發展現狀及市場機遇研究報告報告目錄報告目錄 1圖表目錄 6第一章 大數據概述 1第一節 大數據定義 1第二節 大數據技術格局 2第三節 大數據的發展特點 8第四節 大數據相關技術 9第五節 大數據與云計算的關系 10第二章 中國大數據發展背景及影響因素 14第一節 大數據發展背景 14一、 大數據發展面臨的問題 14二、 大數據發展帶來意義和價值 15三、 國外經驗為國內大數據發展增加信息 16第二節 大數據發展推動因素 23一、 國家戰略發展驅動 23二、 信息化發展推動 27第三節 大數據發展遇到問題及阻力 33一、 大數據時代企業需要的能力 33二、 通過海量的數據中獲得洞察力 35三、 數據洞察力轉化為實際的行動力 35第三章 大數據在行業中的應用分析 42第一節 醫療領域 42一、 醫療領域大數據應用價值 42二、 大數據在醫療行業應用狀況及前景 42三、 醫療行業大數據應用產業鏈分析 43第二節 金融 44一、 金融領域大數據應用價值 44二、 大數據在金融行業應用狀況及前景 45三、 金融行業大數據應用產業鏈分析 46第三節 電子商務 48一、 電子商務領域大數據應用價值 48二、 大數據在電子商務行業應用狀況及前景 49三、 電子商務行業大數據應用產業鏈分析 50第四節 零售 51一、 零售領域大數據應用價值 51二、 大數據在零售行業應用狀況及前景 53三、 零售行業大數據應用產業鏈分析 54第五節 電信 55一、 電信領域大數據應用價值 55二、 大數據在電信行業應用狀況及前景 55三、 電信行業大數據應用產業鏈分析 56第六節 交通 57一、 交通領域大數據應用價值 57二、 大數據在交通行業應用狀況及前景 57三、 交通行業大數據應用產業鏈分析 58第四章 大數據產業鏈組成及業務模式分析 60第一節 大數據產業鏈分析 60第二節 大數據產業鏈主要成員及業務模式分析 61第三節 大數據產業鏈投資并購 65第四節 大數據產業鏈前景 66第五章 企業大數據應用需求調研分析 69第一節 企業大數據發展現狀調查 69第二節 企業云計算部署情況分析 70第三節 企業對大數據處理的需求分析 81第四節 企業屬性分析 84第六章 大數據方案商發展分析 85第一節 SAP 85一、 發展定位 85二、 發展策略 85三、 優劣勢分析 86第二節 Oracle 90一、 發展定位 90二、 發展策略 90三、 優劣勢分析 91第三節 IBM 92一、 發展定位 92二、 發展策略 92三、 優劣勢分析 94第四節 EMC 95一、 發展定位 95二、 發展策略 95三、 優劣勢分析 98第七章 大數據機廠商發展分析 100第一節 Oracle 100一、 發展定位 100二、 發展策略 100三、 優劣勢分析 101第二節 SAP 101一、 發展定位 101二、 發展策略 102三、 優劣勢分析 103第三節 IBM 103一、 發展定位 103二、 發展策略 104三、 優劣勢分析 106第四節 微軟 107一、 發展定位 107二、 發展策略 108三、 優劣勢分析 109第五節 浪潮 110一、 發展定位 110二、 發展策略 111三、 優劣勢分析 112第八章 大數據機產業發展趨勢分析 114第一節 大數據應用的發展方向 114第二節 大數據軟件市場規模及預測 118第三節 大數據一體機市場規模及預測 119

圖表目錄TOC\h\z\c"圖表"圖表1：memcached構成 3圖表2：Greenplum數據引擎軟件 5圖表3：Hive與Hadoop關系圖 6圖表4：線上應用系統與數據平臺的無縫融入 8圖表5：大數據與云計算的關系 11圖表6：2012-2014年我國醫療領域大數據市場規模及增速變化 43圖表7：2015-2019年我國醫療領域大數據市場規模及增速預測 43圖表8：2012-2014年我國金融領域大數據市場規模及增速變化 46圖表9：2015-2019年我國金融領域大數據市場規模及增速預測 46圖表10：2012-2014年我國電子商務領域大數據市場規模及增速變化 50圖表11：2015-2019年我國電子商務領域大數據市場規模及增速預測 50圖表12：2012-2014年我國零售領域大數據市場規模及增速變化 53圖表13：2015-2019年我國零售領域大數據市場規模及增速預測 54圖表14：2012-2014年我國電信領域大數據市場規模及增速變化 56圖表15：2015-2019年我國電信領域大數據市場規模及增速預測 56圖表16：2012-2014年我國交通領域大數據市場規模及增速變化 58圖表17：2015-2019年我國交通領域大數據市場規模及增速預測 58圖表18：支持“純云”云計算應用的終端的現狀 80圖表19：企業面臨的數據技術難題 82圖表20：企業數據挖掘和分析面臨的問題 83圖表21：2012-2014年我國大數據行業軟件市場規模及增速變化 118圖表22：2015-2019年我國大數據行業軟件市場規模及增速預測 119圖表23：2012-2014年我國大數據行業一體機市場規模及增速變化 119圖表24：2015-2019年我國大數據行業一體機市場規模及增速預測 120版權申明本報告是北京匯智聯恒咨詢有限公司的研究成果。本報告內所有數據、觀點、結論的版權均屬北京匯智聯恒咨詢有限公司擁有。未經北京匯智聯恒咨詢有限公司的明確書面許可，任何人不得以全文或部分形式（包含紙制、電子等）傳播。不可斷章取義或增刪、曲解本報告內容。北京匯智聯恒咨詢有限公司對其獨立研究或與其他機構共同合作的所有研究數據、研究技術方法、研究模型、研究結論及衍生服務產品擁有全部知識產權，任何人不得侵害和擅自使用。本報告及衍生產品最終解釋權歸北京匯智聯恒咨詢有限公司所有。免責聲明本報告所載資料的來源及觀點的出處皆被北京匯智聯恒咨詢有限公司認為可靠，但北京匯智聯恒咨詢有限公司對這些信息本身的準確性和完整性不作任何保證。盡管北京匯智聯恒咨詢有限公司相信本報告的研究和分析成果是準確的并體現了行業發展趨勢，但所有閱讀本報告的讀者在確定相關的經營和投資決策前應尋求更多的行業信息作為依據。讀者須明白，本報告所載資料、觀點及推測僅反映北京匯智聯恒咨詢有限公司于最初發布此報告時的判斷，北京匯智聯恒咨詢有限公司可能會在此之后發布與此報告所載資料不一致及有不同觀點和推測的報告。北京匯智聯恒咨詢有限公司不對因使用此報告的材料而引致的損失負任何法律責任。大數據概述大數據定義對于“大數據”（Bigdata）研究機構Gartner給出了這樣的定義。“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。大數據技術的戰略意義不在于掌握龐大的數據信息，而在于對這些含有意義的數據進行專業化處理。換言之，如果把大數據比作一種產業，那么這種產業實現盈利的關鍵，在于提高對數據的“加工能力”，通過“加工”實現數據的“增值”。從技術上看，大數據與云計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單臺的計算機進行處理，必須采用分布式架構。它的特色在于對海量數據進行分布式數據挖掘，但它必須依托云計算的分布式處理、分布式數據庫和云存儲、虛擬化技術。隨著云時代的來臨，大數據（Bigdata）也吸引了越來越多的關注。《著云臺》的分析師團隊認為，大數據（Bigdata）通常用來形容一個公司創造的大量非結構化數據和半結構化數據，這些數據在下載到關系型數據庫用于分析時會花費過多時間和金錢。大數據分析常和云計算聯系到一起，因為實時的大型數據集分析需要像MapReduce一樣的框架來向數十、數百或甚至數千的電腦分配工作。大數據需要特殊的技術，以有效地處理大量的容忍經過時間內的數據。適用于大數據的技術，包括大規模并行處理（MPP）數據庫、數據挖掘電網、分布式文件系統、分布式數據庫、云計算平臺、互聯網和可擴展的存儲系統。大數據技術格局BigData（大數據技術）是近來的一個技術熱點，但從名字就能判斷它并不是什么新詞。畢竟，大是一個相對概念。歷史上，數據庫、數據倉庫、數據集市等信息管理領域的技術，很大程度上也是為了解決大規模數據的問題。被譽為數據倉庫之父的BillInmon早在20世紀90年代就經常將BigData掛在嘴邊了。然而，BigData作為一個專有名詞成為熱點，主要應歸功于近年來互聯網、云計算、移動和物聯網的迅猛發展。無所不在的移動設備、RFID、無線傳感器每分每秒都在產生數據，數以億計用戶的互聯網服務時時刻刻在產生巨量的交互……要處理的數據量實在是太大、增長太快了，而業務需求和競爭壓力對數據處理的實時性、有效性又提出了更高要求，傳統的常規技術手段根本無法應付。在這種情況下，技術人員紛紛研發和采用了一批新技術，主要包括分布式緩存、基于MPP的分布式數據庫、分布式文件系統、各種NoSQL分布式存儲方案等。10年前，EricBrewer提出著名的CAP定理，指出：一個分布式系統不可能滿足一致性、可用性和分區容忍性這三個需求，最多只能同時滿足兩個。系統的關注點不同，采用的策略也不一樣。只有真正理解了系統的需求，才有可能利用好CAP定理。架構師一般有兩個方向來利用CAP理論。?Key-Value存儲，如AmazonDynamo等，可以根據CAP理論靈活選擇不同傾向的數據庫產品。?領域模型+分布式緩存+存儲，可根據CAP理論結合自己的項目定制靈活的分布式方案，但難度較高。對大型網站，可用性與分區容忍性優先級要高于數據一致性，一般會盡量朝著A、P的方向設計，然后通過其他手段保證對于一致性的商務需求。架構設計師不要將精力浪費在如何設計能滿足三者的完美分布式系統，而應該懂得取舍。不同的數據對一致性的要求是不同的。SNS網站可以容忍相對較長時間的不一致，而不影響交易和用戶體驗；而像支付寶這樣的交易和賬務數據則是非常敏感的，通常不能容忍超過秒級的不一致。圖表SEQ圖表\*ARABIC1：memcached構成資料來源：匯智聯恒Cache篇緩存在Web開發中運用越來越廣泛，mem-cached是（運營LiveJournal的技術團隊）開發的一套分布式內存對象緩存系統，用于在動態系統中減少數據庫負載，提升性能。memcached具有以下特點：協議簡單；基于libevent的事件處理；內置內存存儲方式；memcached不互相通信的分布式。memcached處理的原子是每一個（Key，Value）對（以下簡稱KV對），Key會通過一個hash算法轉化成hash-Key，便于查找、對比以及做到盡可能的散列。同時，memcached用的是一個二級散列，通過一張大hash表來維護。memcached由兩個核心組件組成：服務端（ms）和客戶端（mc），在一個memcached的查詢中，ms先通過計算Key的hash值來確定KV對所處在的ms位置。當ms確定后，mc就會發送一個查詢請求給對應的ms，讓它來查找確切的數據。因為這之間沒有交互以及多播協議，所以memcached交互帶給網絡的影響是最小化的。MemcacheDB是一個分布式、Key-Value形式的持久存儲系統。它不是一個緩存組件，而是一個基于對象存取的、可靠的、快速的持久存儲引擎。協議與memcached一致（不完整），所以很多memcached客戶端都可以跟它連接。MemcacheDB采用BerkeleyDB作為持久存儲組件，因此很多BerkeleyDB的特性它都支持。圖表SEQ圖表\*ARABIC2：Greenplum數據引擎軟件資料來源：匯智聯恒類似這樣的產品也很多，如淘寶Tair就是Key-Value結構存儲，在淘寶得到了廣泛使用。后來Tair也做了一個持久化版本，思路基本與新浪MemcacheDB一致。分布式數據庫篇支付寶公司在國內最早使用Greenplum數據庫，將數據倉庫從原來的OracleRAC平臺遷移到Greenplum集群。Greenplum強大的計算能力用來支持支付寶日益發展的業務需求。Greenplum數據引擎軟件專為新一代數據倉庫所需的大規模數據和復雜查詢功能所設計，基于MPP（海量并行處理）和Shared-Nothing（完全無共享）架構，基于開源軟件和x86商用硬件設計（性價比更高）。分布式文件系統篇談到分布式文件系統，不得不提的是Google的GFS。基于大量安裝有Linux操作系統的普通PC構成的集群系統，整個集群系統由一臺Master（通常有幾臺備份）和若干臺TrunkServer構成。GFS中文件備份成固定大小的Trunk分別存儲在不同的TrunkServer上，每個Trunk有多份（通常為3份）拷貝，也存儲在不同的TrunkServer上。Master負責維護GFS中的Metadata，即文件名及其Trunk信息。客戶端先從Master上得到文件的Metadata，根據要讀取的數據在文件中的位置與相應的TrunkServer通信，獲取文件數據。圖表SEQ圖表\*ARABIC3：Hive與Hadoop關系圖資料來源：匯智聯恒在Google的論文發表后，就誕生了Hadoop。截至今日，Hadoop被很多中國最大互聯網公司所追捧，百度的搜索日志分析，騰訊、淘寶和支付寶的數據倉庫都可以看到Hadoop的身影。Hadoop具備低廉的硬件成本、開源的軟件體系、較強的靈活性、允許用戶自己修改代碼等特點，同時能支持海量數據存儲和計算任務。Hive是一個基于Hadoop的數據倉庫平臺，將轉化為相應的MapReduce程序基于Hadoop執行。通過Hive，開發人員可以方便地進行ETL開發。如上圖所示，引用一張Facebook工程師做的Hive和Hadoop的關系圖。NoSQL篇隨著數據量增長，越來越多的人關注NoSQL，特別是2010年下半年，Facebook選擇HBase來做實時消息存儲系統，替換原來開發的Cassandra系統。這使得很多人開始關注HBase。Facebook選擇HBase是基于短期小批量臨時數據和長期增長的很少被訪問到的數據這兩個需求來考慮的。HBase是一個高可靠性、高性能、面向列、可伸縮的分布式存儲系統，利用HBase技術可在廉價PCServer上搭建大規模結構化存儲集群。HBase是BigTable的開源實現，使用HDFS作為其文件存儲系統。Google運行MapReduce來處理BigTable中的海量數據，HBase同樣利用MapReduce來處理HBase中的海量數據；BigTable利用Chubby作為協同服務，HBase則利用Zookeeper作為對應。圖表SEQ圖表\*ARABIC4：線上應用系統與數據平臺的無縫融入資料來源：匯智聯恒近來nosql數據庫的使用越來越普及，幾乎所有的大型互聯網公司都在這個領域進行著實踐和探索。在享受了這類數據庫與生俱來的擴展性、容錯性、高讀寫吞吐外（盡管各主流NoSQL仍在不斷完善中），越來越多的實際需求把人們帶到了NoSQL并不擅長的其他領域，比如搜索、準實時統計分析、簡單事務等。實踐中一般會在NoSQL的外圍組合一些其他技術形成一個整體解決方案。大數據的發展特點大數據分析相比于傳統的數據倉庫應用，具有數據量大、查詢分析復雜等特點。《計算機學報》刊登的“架構大數據：挑戰、現狀與展望”一文列舉了大數據分析平臺需要具備的幾個重要特性，對當前的主流實現平臺——并行數據庫、MapReduce及基于兩者的混合架構進行了分析歸納，指出了各自的優勢及不足，同時也對各個方向的研究現狀及作者在大數據分析方面的努力進行了介紹，對未來研究做了展望。大數據的4個“V”，或者說特點有四個層面：第一，數據體量巨大。從TB級別，躍升到PB級別；第二，數據類型繁多。前文提到的網絡日志、視頻、圖片、地理位置信息等等。第三，處理速度快，1秒定律，可從各種類型的數據中快速獲得高價值的信息，這一點也是和傳統的數據挖掘技術有著本質的不同。第四，只要合理利用數據并對其進行正確、準確的分析，將會帶來很高的價值回報。業界將其歸納為4個“V”——Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價值）。從某種程度上說，大數據是數據分析的前沿技術。簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。明白這一點至關重要，也正是這一點促使該技術具備走向眾多企業的潛力。大數據相關技術HadoopMapReduce思維模式轉變的催化劑是大量新技術的誕生，它們能夠處理大數據分析所帶來的3個V的挑戰。扎根于開源社區，Hadoop已經是目前大數據平臺中應用率最高的技術，特別是針對諸如文本、社交媒體訂閱以及視頻等非結構化數據。除分布式文件系統之外，伴隨Hadoop一同出現的還有進行大數據集處理MapReduce架構。根據權威報告顯示，許多企業都開始使用或者評估Hadoop技術來作為其大數據平臺的標準。NoSQL數據庫我們生活的時代，相對穩定的數據庫市場中還在出現一些新的技術，而且在未來幾年，它們會發揮作用。事實上，NoSQL數據庫在一個廣義上派系基礎上，其本身就包含了幾種技術。總體而言，他們關注關系型數據庫引擎的限制，如索引、流媒體和高訪問量的網站服務。在這些領域，相較關系型數據庫引擎，NoSQL的效率明顯更高。內存分析在Gartner公司評選的2012年十大戰略技術中，內存分析在個人消費電子設備以及其他嵌入式設備中的應用將會得到快速的發展。隨著越來越多的價格低廉的內存用到數據中心中，如何利用這一優勢對軟件進行最大限度的優化成為關鍵的問題。內存分析以其實時、高性能的特性，成為大數據分析時代下的“新寵兒”。如何讓大數據轉化為最佳的洞察力，也許內存分析就是答案。大數據背景下，用戶以及IT提供商應該將其視為長遠發展的技術趨勢。集成設備隨著數據倉庫設備(DataWarehouseAppliance)的出現，商業智能以及大數據分析的潛能也被激發出來，許多企業將利用數據倉庫新技術的優勢提升自身競爭力。集成設備將企業的數據倉庫硬件軟件整合在一起，提升查詢性能、擴充存儲空間并獲得更多的分析功能，并能夠提供同傳統數據倉庫系統一樣的優勢。在大數據時代，集成設備將成為企業應對數據挑戰的一個重要利器。大數據與云計算的關系當大數據遭遇云計算從技術上看,大數據與云計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單臺的計算機進行處理,必須采用分布式計算架構。它的特色在于對海量數據的挖掘,但它必須依托云計算的分布式處理、分布式數據庫、云存儲和虛擬化技術。圖表SEQ圖表\*ARABIC5：大數據與云計算的關系圖片來源：匯智聯恒云計算為什么能盛行呢?在互聯網領域應用系統的構建：客戶群體是不確定的、系統規模不確定、系統投資不固定、業務應用有很清晰的并行分割特征、數據倉庫系統的構建、數據倉庫規模可估算、數據倉庫的系統投資與業務分析的價值和回報相關、商業智能應用屬于整體應用、Saas模式構建數據倉庫系統。大數據管理，分布式進行文件系統，如Hadoop、Mapreduce數據分割與訪問執行;同時SQL支持，以Hive+HADOOP為代表的SQL界面支持，在大數據技術上用云計算構建下一代數據倉庫成為熱門話題。從系統需求來看，大數據的架構對系統提出了新的挑戰：1、集成度更高。一個標準機箱最大限度完成特定任務。2、配置更合理、速度更快。存儲、控制器、I/O通道、內存、CPU、網絡均衡設計，針對數據倉庫訪問最優設計，比傳統類似平臺高出一個數量級以上。3、整體能耗更低。同等計算任務，能耗最低。4、系統更加穩定可靠。能夠消除各種單點故障環節，統一一個部件、器件的品質和標準。5、管理維護費用低。數據藏的常規管理全部集成。6、可規劃和預見的系統擴容、升級路線圖。云計算環境作為大數據處理平臺1.云計算環境中基本計算單元的分化企業云計算平臺上雖然有多個并行計算的CPU，但并沒有創造出具有超強數據處理能力的超級CPU，因此云計算平臺需要的是有并行運算能力的軟件系統。同時，當所有用戶的數據全部放在云端時，雖然存儲容量可以很方便地擴充，但面對大量用戶同時發起的海量數據處理請求，簡單的數據處理邏輯已經無法滿足需要。可以看到，國內有相當多的電商企業，用小型機和Oracle扛了好幾年，并請了全國最牛的Oracle的專家不停優化他的Oracle和小型機，初期發展可能很快，但是后來由于數據量激增，業務開始受到嚴重影響，最典型的例子無疑是京東商城前段時間發生的大規模訪問請求宕機事件，因此他們開始逐漸放棄了Oracle或者MS-SQL，并逐漸轉向MySQL+X86的分布式架構。目前的基本計算單元常常是普通的X86服務器，它們組成了一個大的云，而未來的云計算單元里有可能有存儲單元、計算單元、協調單元，總體的效率會更高。2、對系統穩定性的需求在應對大規模訪問的時候有一些系統穩定性的追求，來自很多方面，來自網絡穩定性、數據庫穩定性。對系統而言，需要把握一個大原則，需要消除任何單點故障。不光是網絡上單點故障，還有來自你呼叫中心里的單點故障，只要有單點故障一定要消除掉。因為對于電商行業而言，每一秒都是錢，電子商務業務如果宕機一個小時，損失多少是可以算出來的，電商行業需要非常全面的技術系統監控報警系統。有時候你會發現你如果通過技術系統的監控去推導出你的技術發生問題已經晚了。

中國大數據發展背景及影響因素大數據發展背景大數據發展面臨的問題1、大數據市場培育缺乏明確的方向當前，社會各界對大數據產業的關注度比較高，但是，對于如何開發和建設大數據產業的方向并不明確。現今，大數據的應用主要集中在電商企業，其在基礎科學研究、重點關鍵行業、政府部門的價值和作用尚未得到充分認識。2、大數據技術應用困難重重目前，我國的大數據缺乏核心技術的支持，在大數據應用分析方面的技術創新亦不夠。因此，在大數據技術應用方面將面臨重重困難。具體如下：·數據收集方面，如何從海量信息中找出有價值的信息，去偽存真；·數據存儲方面，如何達到低成本、低能耗、高可靠性及安全性的目標；·數據處理方面，如何從大量動態且模棱兩可的數據中綜合信息，導出可理解的內容；·結果呈現方面，如何實現數據挖掘算法在不同行業中的通用，實現結果的可視化。3、大數據應用中的安全問題更為突出大數據不僅意味著更多數據，它也意味著更復雜、更敏感的數據，還意味著可能向成功滲入的網絡的攻擊者暴露更多數據。隨著大數據的增長，潛在的安全管理問題也將更為突出。大數據時代，安全問題將更為復雜。大數據平臺在提供服務的同時，也在收集和匯聚大量的數據，這些數據包括企業運營數據、客戶信息，個人的隱私和各種行為的細節記錄，如消費習慣、閱讀習慣甚至生活習慣。這些數據的集中存儲增加了數據泄露風險。因此，如何保護用戶的隱私成了大數據時代發展過程中不可回避的問題。4、大數據方面的人才缺乏在大數據市場，無限增長的數據與有限增長的IT人員、創新型人才之間的矛盾將進一步加大。目前來看，大數據技術與應用方面的人才缺口較大，理解與應用大數據的創新型人才更是稀缺。5、產品不成熟、缺乏成功案例目前的大數據市場產品尚不成熟，且缺乏成功案例，這是大數據市場化、產品化面臨的最大難題。沒有成熟的產品，沒有成功的案例可以借鑒，其接受度將會大打折扣。大數據發展帶來意義和價值信息化技術的跨越式發展，使我們置身于數據大爆炸的時代，這也為大數據的市場化、產品化提供了前所未有的發展契機，使其潛力無限。1、信息資源爆炸性增長為大數據發展提供良好契機大數據是信息技術與互聯網產業發展到特定階段的產物，從互聯網到物聯網，從云計算到大數據，信息技術正在從產業邊緣走向產業核心。而隨著信息技術向產業高端的突飛猛進，大數據勢必成為重塑競爭優勢的新引擎。大數據因為緊扣物聯網、網絡社交通信、多媒體等信息產生工具海量出現的大背景，因此，擁有良好的發展契機。再加上其擁有可以幫助人們從大體量，高復雜的數據中提取價值的優勢，解決了求解信息資源爆炸性增長難題的技術手段問題，因而受到人們的高度關注和熱切期待。2、政府、企業部門對海量數據的重視利用為大數據的發展提供了沃土隨著信息的數量及復雜程度快速擴大，從海量數據中提取信息的能力正快速成為戰略性的強制要求。如何從繁亂的數據中快速獲得戰略、決策信息，成為制勝對手的關鍵。目前，越來越多的政府、企業已經意識到隱藏在這個數據山脈中的金礦，數據分析能力日益受到重視。如何盤活數據資產，使其為國家治理、企業決策服務，成為“大數據”時代的核心問題。隨著越來越成熟的數據分析產品出現，企業以及政府部門將會切身體會到大數據分析帶來的實惠。如果有標桿企業、成功案例的出現，勢必將極大推動大數據技術在企業、政府部門中的應用。3、大數據在行業中的逐漸應用使其優勢凸顯大數據憑借其在優化操作流程、降低成本以及更準確的市場定位等方面的優勢，逐漸走向各個行業并得以應用。如：在零售行業，對大數據的分析可以使零售商實時掌握市場動態并迅速做出應對；在互聯網行業，對大數據的分析可以為商家制定更加精準有效的營銷策略并提供決策支持；在服務行業，對大數據的分析可以幫助企業為消費者提供更加及時和個性化的服務。隨著大數據在各行各業中的逐步應用，其優勢將被人們熟知并凸顯。總的來說，大數據具備良好的市場發展基礎，未來發展潛力無限。國外經驗為國內大數據發展增加信息大數據時代的來臨使得產生的數據量呈爆炸式增長，各行各業均面臨著海量數據的分析、處理問題。如何運用大數據技術從海量數據中挖掘出有價值的信息，將是今后企業發展的一個巨大挑戰。1、塔吉特百貨孕婦營銷分析最早關于大數據的故事發生在美國第二大超市塔吉特百貨。孕婦對零售商來說是個含金量很高的顧客群體，但是她們一般會去專門的孕婦商店。人們一提起塔吉特，往往想到的都是日常生活用品，卻忽視了塔吉特有孕婦需要的一切。在美國，出生記錄是公開的，等孩子出生了，新生兒母親就會被鋪天蓋地的產品優惠廣告包圍，那時候再行動就晚了，因此必須趕在孕婦懷孕前期就行動起來。塔吉特的顧客數據分析部門發現，懷孕的婦女一般在懷孕第三個月的時候會購買很多無香乳液。幾個月后，她們會購買鎂、鈣、鋅等營養補充劑。根據數據分析部門提供的模型，塔吉特制訂了全新的廣告營銷方案，在孕期的每個階段給客戶寄送相應的優惠券。結果，孕期用品銷售呈現了爆炸性的增長。2002年到2010年間，塔吉特的銷售額從440億美元增長到了670億美元。大數據的巨大威力轟動了全美。這個案例說明大數據在企業營銷上的成功，利用大數據技術分析客戶消費習慣，判斷其消費需求，從而進行精確營銷。這種營銷方式的關鍵在于其時機的把握上，要正好在客戶有相關需求時才進行營銷活動，這樣才能保證較高的成功率。2、沃爾瑪“啤酒加尿布”經典案例總部位于美國阿肯色州的世界著名商業零售連鎖企業沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據，在這些原始交易數據的基礎上，沃爾瑪利用NCR數據挖掘工具對這些數據進行分析和挖掘，可以很輕松地知道顧客經常一起購買的商品有哪些。一個意外的發現是：“跟尿布一起購買最多的商品竟是啤酒！”這是數據挖掘技術對歷史數據進行分析的結果，反映數據內在的規律。沃爾瑪派出市場調查人員和分析師對這一數據挖掘結果進行調查分析，經過大量實際調查和分析，揭示了隱藏在“尿布與啤酒”背后的美國人的一種行為模式：在美國，一些年輕的父親下班后經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班后為小孩買尿布，而丈夫們在買尿布后又隨手帶回了他們喜歡的啤酒。既然尿布與啤酒一起被購買的機會很多，于是沃爾瑪就在其一個個門店將尿布與啤酒擺放在一起，結果是尿布與啤酒的銷售量雙雙增長。無論“啤酒加尿布”僅僅是一個傳說，還是一個真的發生過，它都已經成為大數據技術應用的一個經典案例。這個故事的意義在于將看似不相關的商品數據放在一起進行分析，找到他們之間的相關性，從而進行交叉營銷，促進商品的銷量。這種思維方式才是成功的關鍵。3、試衣間的大數據應用傳統奢侈品牌PRADA正在向大數據時代邁進。她在紐約及一些旗艦店里開始了大數據時代行動。在紐約旗艦店里，每件衣服上都有RFID碼，每當顧客拿起衣服進試衣間時，這件衣服上的RFID會被自動識別，試衣間里的屏幕會自動播放模特穿著這件衣服走臺步的視頻。人一看見模特，就會下意識里認為自己穿上衣服就會是那樣，不由自主地會認可手中所拿的衣服。而在顧客試穿衣服的同時，這些數據會傳至PRADA總部。包括：每一件衣服在哪個城市哪個旗艦店什么時間被拿進試衣間停留多長時間，數據都被存儲起來加以分析。如果有一件衣服銷量很低，以往的作法是直接被廢棄掉。但如果RFID傳回的數據顯示這件衣服雖然銷量低，但進試衣間的次數多。那就說明存在一些問題，衣服或許還有改進的余地。這項應用在提升消費者購物體驗的基礎上，還幫助Prada提升了30%以上的銷售量。傳統奢侈品牌在大數據時代采取的行動，體現了其對大數據運用的視角，也是公司對大數據時代的積極回應。案例中，物聯網和大數據的結合是成功的關鍵，利用了物聯網技術來收集數據，大數據技術進行分析，進而得出市場需求的結論。在服裝領域，大數據等新技術正在發揮著巨大的作用。4、路易斯維爾利用大數據治理空氣污染問題美國堪薩斯州的路易斯維爾地區，大約有10萬人飽受哮喘困擾。根據2012年路易斯維爾市發布的當地健康報告，受訪的500個成年人中，有15%都聲稱他們患有哮喘。這也讓人們對當地的空氣質量狀況產生了擔憂。因此，路易斯維爾市政府與IBM以及Asthmapolis合作,共同推出了“路易斯維爾哮喘數據創新計劃”。該計劃選取了500名哮喘病患者，讓他們使用Asthapolis的傳感器。每個哮喘病人可以得到價值35美元的Walgreen藥店的購物卡以及500美元的抽獎機會。傳感器被裝在哮喘病人日常使用的呼吸器上，可以記錄病人使用呼吸器的情況，這種記錄要比病人每天自己記錄的使用日志要準確地多。傳感器的數據可以上傳到病人的智能手機上，而通過智能手機，數據可以被傳到病人的醫生那里。此外，通過Asthmapolis的移動應用，病人也可以看到針對剛才發送的數據的反饋和指導意見。由于哮喘病的情況因人而異，因此，這樣的個性化指導對于控制哮喘病發病有很重要的意義。哮喘數據創新計劃采集的數據將和其他數據源結合起來，研究其相關性并研究熱點發病地區。通過研究呼吸機數據與空氣質量、交通狀況、污染情況等數據的相關性，城市管理者可以更好的進行城市規劃以及公眾健康保護。健康問題一直是人們關注的熱點領域，智慧醫療和大數據的結合對于未來醫療技術的發展具有重大推動作用，有助于提高醫療效果，減少醫患糾紛。5、阿里信用貸款和淘寶數據魔方中國最大的電子商務公司阿里巴巴已經在利用大數據技術提供服務：阿里信用貸款與淘寶數據魔方。每天有數以萬計的交易在淘寶上進行。與此同時相應的交易時間、商品價格、購買數量會被記錄，更重要的是，這些信息可以與買方和賣方的年齡、性別、地址、甚至興趣愛好等個人特征信息相匹配。各大中小城市的百貨大樓做不到這一點，大大小小的超市做不到這一點，而互聯網時代的淘寶可以。淘寶數據魔方就是淘寶平臺上的大數據應用方案。通過這一服務，商家可以了解淘寶平臺上的行業宏觀情況、自己品牌的市場狀況、消費者行為情況等，并可以據此進行生產、庫存決策，而與此同時，更多的消費者也能以更優惠的價格買到更心儀的寶貝。而阿里信用貸款則是阿里巴巴通過掌握的企業交易數據，借助大數據技術自動分析判定是否給予企業貸款，全程不會出現人工干預。截至目前，阿里巴巴已經放貸300多億元，壞賬率約0.3%左右，大大低于商業銀行。目前國內的互聯網金融行業正處于發展階段，而大數據技術對互聯網金融的發展具有至關重要的作用。互聯網金融不可避免的會產生海量的數據，如何利用大數據技術對這些數據進行合理的分析是互聯網金融成功發展的關鍵。6、其他大數據案例（1）騰訊——大數據技術促使騰訊視頻成為國內第一騰訊視頻憑借全平臺資源，建立iSEE內容精細化運營戰略，利用騰訊視頻的龐大數據資源，了解用戶所喜歡看的內容和用戶的常見行為。通過技術優勢帶給用戶更好的觀看體現。最后借助騰訊視頻社區化的關系鏈和多平臺觸達能力，讓營銷內容得到最大范圍的傳播，致力于成為國內最大的在線視頻媒體交流平臺。（2）T-Mobile——大數據幫助移動運營商降低客戶流失率移動運營商T-Mobile在多個IT系統中整合了大數據應用，對客戶交易和互動數據進行綜合分析，更準確地預測客戶流失率。通過將社交媒體數據和CRM和計費系統中的交易數據進行綜合分析，T-mobile在一個季度內將客戶流失率降低了一半！（3）TXUEnergy——智能電表：有了智能電表，供電公司能每隔15分鐘就讀一次用電數據，而不是過去的一月一次。這不僅僅節省了抄表的人工費用，而且由于能高頻率快速采集分析用電數據（產生大數據），供電公司能根據用電高峰和低谷時段制定不同的電價，TXUEnergy就利用這種價格杠桿來平抑用電高峰和低谷的波動幅度。例如，TXUEnergy打出了這樣的宣傳口號：親，晚上再洗衣服洗碗吧，晚上用電不要錢。實際上，智能電表和大數據應用讓分時動態定價成為可能，而且這對于TXUEnergy和用戶來說是一個雙贏變化。（4）麥克拉倫一級方程式車隊——借助大數據技術，降低事故，保駕護航麥克拉倫車隊(Mclaren’sF1racingteam)通過汽車傳感器在賽前的場地測試中實時采集數據，結合歷史數據，通過預測型分析發現賽車問題，并預先采取正確的賽車調校措施，降低事故幾率并提高比賽勝率。（5）UPS快遞——大數據技術下的最佳行車路徑UPS快遞多效地利用了地理定位數據。為了使總部能在車輛出現晚點的時候跟蹤到車輛的位置和預防引擎故障，它的貨車上裝有傳感器、無線適配器和GPS。同時，這些設備也方便了公司監督管理員工并優化行車線路。UPS為貨車定制的最佳行車路徑是根據過去的行車經驗總結而來的。2011年，UPS的駕駛員少跑了近4828萬公里的路程。（6）DPR——用大數據設計建筑DRP建筑公司是加州舊金山分校醫學中心價值15億美元的建筑合同的總包商。這也是首個完全基于大數據模型建設的醫學中心建筑。DPR使用了Autodesk公司的三維技術，設計師們能整合空氣流動、建筑朝向、樓板空間、環境適應性、建筑性能等多種數據，形成一個虛擬模型，各種數據和信息可以在這個模型中實時互動。建筑師、設計師和施工隊伍通過這個模型可以在接近真實的完整的運營環境里，以可視化的方式觀察數以百萬計的數據標記。數據量的激增以及大數據技術的特點使得社會對大數據技術的需求日益增大，各個領域均開始出現成功利用大數據的案例。政府、運營商、互聯網企業是大數據技術的主要推動者，而未來有關大數據的投資將主要集中在客戶的精準營銷、智慧醫療、電子商務等三個領域。大數據發展推動因素國家戰略發展驅動美國推進大數據發展的新動向2012年3月29日，美國奧巴馬政府推出“大數據研究與開發計劃”，提出“通過收集、處理龐大而復雜的數據信息，從中獲得知識和洞見，提升能力，加快科學、工程領域的創新步伐，強化美國國土安全，轉變教育和學習模式”。在隨后的一年中，美國在多個方面均推出了一系列后續措施。在科研方面，2013年2月6日，包括美國國家科學基金會(NSF)在內的10家國際研究基金會宣布啟動第3輪“數據挖掘挑戰”計劃，以激勵社會及人文科學中的計算密集型研究的發展。該挑戰的目標是通過認識大數據對于社會及人文科學研究人員的意義，說明大數據是如何改變這些學科領域的研究狀態。3月底，美國國家科學基金會公布了其擬重點支持的項目和計劃。主要包括：促進能支持大數據及數據分析的技術研發;培養并擴充大數據領域的人才力量;開發大數據應用，并進行演示和評估，以促進經濟增長，改善就業、教育、醫療、能源，以及可持續性、公共安全、先進制造、科學工程與全球發展等各個領域的工作;通過開展挑戰賽并提供獎勵來促進基于大數據的新發現，并促進地區創新。在產業方面，美國各大公司加快了大數據方面的布局和投資。目前全球大數據技術與服務市場的增長速度大約是整體信息通信技術市場增速的7倍，到2016年有望達到238億美元。因此各IT巨頭紛紛加大了對大數據的投資，通過兼并、新設立研發機構等舉措在大數據市場搶占先機。如：2013年2月1日，IBM宣布在2015年前擬支出145億美元進行收購的計劃，通過收購成熟公司來完成對大數據產業鏈的控制，完成向大數據業務轉型;2013年4月10日，英特爾正式發布了其專為大數據存儲、管理、處理和查詢等應用而開發和優化的ApacheHadoop發行版軟件的最新版本，推動大數據應用落地。在國防方面，目前美國國防部正資助開展與網絡安全相關的若干大數據項目。其中一個項目“針對性網絡攻擊分析器(CAT)”項目，通過自動關聯網絡中的所有不同數據源，理解隨著網絡的發展、變化，信息如何進行連接，從而幫助網絡防御者更輕松地識別電腦異常情況，降低網絡部門人員的工作量，解決人手短缺的問題。美國大數據戰略特點分析從美國“大數據研究與開發計劃”和后續情況來看，美國實際上已經確立了基于大數據的戰略，其特點如下。第一，在國家發展戰略層面，美國已經從事關國家核心競爭力的國家戰略高度來認識大數據并開始行動，其長遠目的在于突破大數據處理領域的核心技術，加快科學和工程領域的創新，加強美國在信息化時代的國家競爭力。白宮科技政策辦公室認為，“大數據研究與開發計劃”堪比曾引發了全球信息網絡革命的“信息高速公路”計劃。該計劃的發布確立了大數據技術從商業行為上升為國家科技戰略的分水嶺，這必將產生重大而深遠的影響。第二，在國家安全戰略層面，大數據問題已對美國國家安全造成了戰略和戰術雙方面的重大挑戰。美國與國防有關的重要機構對大數據投入巨資，其目的是解決軍事和國家安全中的大數據挑戰，提升維護國家安全和信息網絡安全的能力。第三，在國家ICT產業(信息通訊產業)層面，目前美國ICT企業是大數據發展的主力軍，美國正在進一步強化其領先地位。EMC、IBM、微軟、Oracle、SAP等傳統IT巨頭2012年度對大數據的投資達到4萬億美元。美國已經敏銳地認識到，當前美國企業已經在大數據方面具有相當的優勢，為了全面強化ICT產業在未來的競爭力，美國已經將大數據當作強化ICT產業在全球產業鏈壟斷地位的重要契機。可見，大數據已經成為美國國家發展戰略、國家安全戰略、國家ICT產業發展戰略的交叉點。可以說，美國已經確立并實施了大數據戰略。美國大數據戰略的主要意圖是希望突破大數據的核心技術，通過在軍事、科研等領域的實際應用，帶動規模化的商用市場，從而進一步降低成本，并獲得軍事能力、市場優勢等多重優勢，鞏固并強化美國在信息時代的全面戰略優勢。中美兩國大數據措施對比第一，美國持續強化國家戰略頂層設計。重點關注創新能力、軍事能力、產業能力、信息能力等方面的競爭力，持續推出國家戰略計劃，各部門的協調動作也比較快。從目前我國的情況來看，2012年12月，廣東省明確提出大數據戰略。2013年2月1日，科技部公布了國家重點基礎研究發展計劃(973計劃)2014年度重要支持方向，其中，信息科學領域的重要支持方向之一即為大數據計算的基礎研究。但從整體上來看，我國明確大數據戰略的地區和部門還是太少，更多是學術界、產業界的研討和呼吁，國家層面大數據戰略則尚未進入議事日程。第二，美國力圖加速以大數據為主要驅動力的技術變革，其做法是關注數據的全生命周期，從數據的產生、傳輸、存儲、處理(包括分發)、應用等生命周期循環，重點關注自己相對薄弱的搜索能力、分享能力、深度分析復雜數據的能力，力圖在上述方面突破大數據的核心技術。可以預言的是，如果美國的戰略意圖得以全面實現，則信息時代的技術升級和變革將為期不遠。我國在數據領域的生產、傳輸、處理、應用等各個環節，技術能力都與國際先進水平有較大差距，在此方面，我國應避免出現能力“代差”的局面。第三，美國聯邦政府帶頭推動并實踐數據公開，對深化數據應用，發揮數據效益，起到了很大作用。美國認為，政府機構是重要的大數據的生產者、所有者，很多聯邦部門紛紛在政府數據門戶網站()上公開數據，引領了世界范圍的政府數據公開。在我國，數據共享和公開方面，由于理念、政策、機制等方面的限制，政府部門、事業單位、科研院所面向社會公開的數據比較少，目前主要還在關注信息公開階段。這方面，我國還有很多基礎性工作需要做。第四，美國政府重視發揮產業界作用，力圖擴大鞏固美國信息技術產業的領先及壟斷地位。當前大數據應用領域處于領先的是Amazon、Google、Facebook等美國新興網絡企業。他們已經開始通過基于云計算的平臺，匯集來自互聯網、無線標簽、全球定位系統(GPS)、智能手機等采集的大量數據，經過分析后用于客戶信息管理或者市場營銷活動。中國應明確大數據產業作為戰略性新興產業的當然內容之一，予以大力發展。我國于2012年7月9日發布的《“十二五”國家戰略性新興產業發展規劃》明確了新一代信息技術中的下一代信息網絡產業、電子核心基礎產業、高端軟件和新興信息服務產業是“十二五”戰略性新興產業的重點發展內容。應該說大數據產業也包含在內。我國當前在大數據等方面有一批有一定優勢的企業，如電信企業、商業銀行、騰訊、阿里巴巴、百度等。我們需要加快發展我國的大數據產業，以做大、做強我國的大數據產業和大數據核心企業。大數據雖然表面上是個技術術語，但實際上涉及到了社會生活、經濟運行、國防軍事、科學技術等方方面面。提出適合我國實際情況的大數據戰略和發展路徑，形成良好的大數據發展環境至關重要。相信隨著我國的有效應對，我國的大數據也將迎來大的發展機遇。信息化發展推動（一）云計算對大數據的促進隨著大數據的發展，企業對高性能的計算系統越來越依賴，因為更高性能的分析系統帶來的是更短的分析時間，這就意味著企業能更快的從海量數據信息中獲取想要的信息，加快企業的業務決策。但依賴傳統的IT系統來完成這里分析應用將越來越不可能，因為就目前而言，再強大的服務器在面對海量數據處理時，其計算能力也會很快耗盡。與這種情況不同，云計算的優勢就是將分散的系統整合成一臺虛擬的超級計算機，其最大的優勢是就是能提供超強的計算能力。隨著移動終端開始融入到企業業務應用，企業的業務系統正在“移動”，這種移動化的業務系統將使企業變得更加靈活。但這種業務移動化應用與云計算所演繹的應用模式在很大程度上非常類似，他們都是通過互聯網訪問遠端的信息化平臺，依賴遠端平臺的計算來實現業務數據的交互和訪問，而且數據都在遠端，不在本地。不同的是，云計算的遠端平臺都是經過了虛擬化的資源，能實現更為高效的資源分配。但這種類似的應用模式能很大程度上推動云計算應用在企業的落地。因此綜合來看，云計算的出現對大數據的發展起到了巨大的促進作用，成為大數據發展過程中重要的影響因素。（二）物聯網對大數據的促進物聯網賦予了我們對事物的精密感知能力，同時，其產生的非結構化數據的量級、多樣性、價值和速度均超出了傳統數據處理工具所具備的捕捉、存儲、管理和分析能力，于是，物聯網必定會產生大數據。物聯網的大數據挑戰隨著物聯網的應用增多，越來越多的來自傳感器和設備的數據不斷產生，比如對基礎設施的監控、環境感知、智能家居、樓宇信息、汽車與交通運輸設備、智能電表以及各種移動設備上應用，物聯網的普及讓越來越多的數據匯入到信息網絡，進一步緊密地聯系了信息網絡系統與物理世界。這些不斷涌現的數據必須被分析、被利用，如此才能為智慧城市提供基礎保障。現在處于大數據時代，物聯網每一分鐘都可以產生大量的數據。物聯網產生的大數據與一般的大數據有不同的特點，是異構的、多樣性的、非結構和有噪聲的，更大的不同是它的高增長率。物聯網數據可以說也是社交數據，但不是人與人的交往信息，而是物與物、物與人的社會合作信息。物聯網數據挖掘涉及數據存儲，從實物、虛擬物獲取存儲，然后進行一些虛擬化和找出數據摘要。從物聯網的運營模式來看，它是一個數據產生、數據收集、數據處理、決策和應用的過程，有業內專業人士指出，其中數據產生與數據收集屬于基礎環節，最關鍵的是數據處理環節。因此，基于大數據的數據分析處理將是物聯網的商業價值所在，同時也是伴隨物聯網產生的新挑戰。目前在城市安全、交通出行、安全生產、醫療健康等方面對物聯網有切實的需求，這使得物聯網在這些領域發展迅速。但目前這些領域的物聯網發展也僅僅在感知層面，即收集數據，還沒有上升到分析數據的層面。從這個層面講，我國的物聯網產業還未進入大規模應用階段。為智慧城市開路在智慧城市建設中，物聯網是很重要的一項技術和應用。智慧城市領域包括智慧政府、智能交通、智慧能源、智慧物流、智慧環保、智慧社區、智慧樓宇、智慧學校、智慧企業、智慧銀行、智慧醫院、智慧生活以及這些智慧行業之間的跨行業應用，這些與城市發展水平、生活質量、區域競爭力緊密相關，并推動城市可持續發展。通過物聯網的各種智能感知手段，可以讓整個城市的功能實現更智慧。智慧城市和物聯網有著密切關系，智慧城市實際上依托的信息來源，都是由物聯網提供的。物聯網是一個城市的神經系統，一個高水平的物聯網將會催生高水平的智慧城市。在物聯網環境下城市方式正在發生轉變，城市的通信、交通、食品、金融、智能家居等方方面面的建設，在智慧的理念引導下在建設法規、運營法規方面都會有相應調整，來適應物聯網產業發展，適應智慧城市的核心目標。物聯網產業的發展，是智慧城市及其他應用發展的重要基礎，無論智慧城市還是云計算、大數據，物聯網都是核心技術，因此智慧城市和物聯網是有高度關聯的。另外，物聯網產業的發展提出了更為現實生動的要求，集中體現了智慧城市發展當中的各領域應用需求，源源不斷地給物聯網產業本身提供技術改進方向。從這個意義上說，物聯網技術必定要與移動互聯網、大數據結合，共同推進智慧城市的發展。物聯網的核心是業務應用的創新，應用是主體，而技術是手段，智慧城市建設無疑是物聯網應用推廣的最重要途徑之一。智慧醫療、智能交通已成為物聯網力推的重點，隨著移動互聯網的興起，與移動智能終端結合的物聯網技術快速發展，將會有更多的智慧城市項目如民生、環保、公共安全、城市服務、工商業活動進入實質應用階段。物聯網的應用和發展為城市的公共管理模式帶來智慧的變革，這種變革最終將改變我們的生活方式。（三）泛互聯網化帶來數據分析的需求泛互聯網化是收集數據的重要渠道，沒有泛互聯網化的應用軟件，公司就難以獲得用戶的行為數據；行業垂直整合趨勢在數據運用層面，通過搜集大量的用戶數據，更貼近用戶，更理解用戶，為其提供更適當的服務；數據成為資產更強調數據的戰略意義。三大趨勢的提出，拓展大數據主題的研究范圍，開辟了新的視角和邏輯來觀察軟件公司成長路徑和投資價值，成為我們分析研究TMT公司的頂層邏輯的要素之一。軟件應用泛互聯網化所謂泛互聯網化，就是指應用軟件都會和互聯網聯通，成為用戶接入互聯網，享用網絡服務的媒介。一般而言，大家用瀏覽器上網。現在幾乎所有的應用軟件都具備聯網的功能。比如我現在打字用的輸入法，它不斷的把我的常用詞傳到到網上；再如360安全衛士，不斷的會收集電腦上的一些隱患，也會傳到網上。泛互聯網化解決兩大難題，第一，猖獗的盜版。盜版軟件接入網絡無異于自投羅網；第二，促使盈利模式從賣軟件拷貝，走向多元化。可以賣服務、可以賣流量、可以賣廣告。多元化了。泛互聯網化有三個顯著的特征第一，富界面、跨平臺，可以自然而然的收集用戶的行為數據。不管是PC、平板還是手機，給客戶的體驗應是相近和相互關聯的。第二，門戶化，用戶無需啟用其他軟件即可完成絕大多數的工作和溝通需求。對于個性化的用戶需求，可以直接調用第三方應用或者插件完成；譬如從新浪微博的發展軌跡可以清晰地觀察到門戶的特點。某個軟件一旦具備了門戶的特征，那他就基本走在贏者通吃的路上，甚至給第二名都留不下多少機會。第三，碎片化。把原來大型臃腫的軟件，拆分成多個獨立的功能組件，用戶可以按需下載使用。最典型的例子就是蘋果的APPstore。每個“碎片”完成一個小功能，聚合起來，就可以滿足人們方方面面的需要。到今年3月份，蘋果應用商店的下載量已經超過250億次。碎片化衍生出微支付，用戶可以花幾元錢買到很好玩的東西。如果一些大型應用軟件，通過碎片化方式提供，還可以顯著降低用戶的總體擁有成本。行業應用的垂直整合行業垂直整合趨勢中，公司的競爭力體現在對終端用戶的掌控和理解。在這個趨勢下，越靠近終端用戶公司，在產業鏈中擁有越大的發言權，上演挾天子令諸侯的好戲，這個天子就是廣泛的最終用戶。微軟的股價十年橫盤，IBM卻受到巴菲特的青睞，兩大巨頭之間的恩恩怨怨、此起彼伏是這個趨勢最好的注腳。數據將成為資產未來企業的競爭，將是擁有數據規模和活性的競爭，將是對數據解釋和運用的競爭。對數據的掌控將實現對市場的支配和巨大的經濟回報。這個趨勢在部分行業已經是現實。譬如電子商務、金融、電信等行，總體來看依然處于大數據產業鏈第一階段早期。第一階段是內部數據整合及分析挖掘；第二階段是企業內外部數據融合及用戶行為模式分析與數據挖掘；第三階段是數據驅動的以消費者為中心的組織變革。大數據產業鏈中，天然具備海量數據的公司、具備數據處理能力的公司是值得投資的對象。圍繞數據，可以演繹出六種新的商業模式。一、租售數據模式：簡單來說，就是賣廣泛收集、精心過濾、時效性強的數據。這也是數據就是資產的最經典的詮釋。二、租售信息模式：信息指的是經過加工處理，承載一定行業特征數據集合。一般聚焦某個行業，廣泛收集相關數據、深度整合萃取信息，以龐大的數據中心加上專用傳播渠道，也可成一方霸主。三、數字媒體模式：這個模式最性感，因為全球廣告市場空間是5000億美元。具備培育千億級公司的土壤和成長空間。這類公司的核心資源是獲得實時、海量、有效的數據，立身之本是大數據分析技術，盈利來源是精準營銷。四、數據使能模式：這類業務令人著迷之處在于，如果沒有大量的數據，缺乏有效的數據分析技術，這些公司的業務其實難以開展。譬如阿里金融為代表的小額信貸公司。通過在線分析小微企業的交易數據、財務數據，甚至可以計算出應提供多少貸款，多長時間可以收回等關鍵問題，把壞賬風險降到最低。五、數據空間運營模式：從歷史上，傳統的IDC就是這種模式，互聯網巨頭都在提供此類服務。但近期網盤勢頭強勁，從大數據角度來看，各家紛紛嗅到大數據商機，開始搶占個人、企業的數據資源。海外的Dropbox，國內微盤都是此類公司的代表。這類公司的想象空間在于可以成長為數據聚合平臺，盈利模式將趨于多元化。六、大數據技術提供商：從數據量上來看，非結構化數據是結構化數據的5倍以上，任何一個種類的非結構化數據處理，都可以重現現有結構化數據的輝煌。語音數據處理領域、視頻數據處理領域、語義識別領域、圖像數據處理領域都可能出現大型的、高速成長的公司。大數據發展遇到問題及阻力大數據時代企業需要的能力業務技能這里的業務技能不是指提高業績的能力，而是指將業務過程標準化、掌握各個過程中哪些信息需要輸入、記錄等能力。以經營活動為例。通常，將一些促銷活動的問卷調查中有望成為真實客戶的顧客信息錄入CRM(顧客管理系統)系統，銷售負責人在此信息的基礎上開展營銷，顧客感興趣的產品、服務等將作為數據輸入CRM系統。接下來，如果顧客購買了產品，在結算系統輸入結算信息，如果是貨物的話在物流系統輸入、生成物流信息。像這樣，掌握數據是在哪一過程中、什么活動中生成的非常重要。此外，哪一過程、或者在哪一過程生成的數據會對業務的結果產生較大影響等，與其感性估計，不如對相關數據進行分析、形成模式化。例如，與顧客的年齡、性別相比，從事哪種職業對購買概率的影響更大等。數學技能(模式化、樣本化)其次是分析數據所需的數學技能。此前，說到分析業務數據的技能的話，都是些求合計、平均值和標準差等簡單的統計學知識，但以后，通過分析數據研究出業務的規律性，形成“模式化”、“樣本化”技術非常必要。這在科學界是一種常見手法。例如，理想氣體狀態方程“PV=nRT”，就是將氣體的狀態用模式化的公式表現出來。同樣，在業界，也需要將商業活動的狀態形成公式化的分析技術。例如，連鎖超市可以根據店鋪的位置，計算出各種條件下(銷售業績、天氣、氣溫、星期幾等)的客流量和每種商品的銷售額，找出規律，就可以做出更適當的調整，也能減少虧損、改善盈利。IT技術IT技術也不可或缺。首先，就是與數據庫相關的技術。需要分析的數據保存在哪兒、AGE和JOB等數據庫中涉及到的項目怎樣與實際業務術語相結合等，現在都可以通過IT手段來實現。但是，目前大多數企業面臨著業務之間的業務術語不統一、數據庫零散不成規模等問題，仍然還有很多要依靠人來解決的東西。今后，通過IT技術解答公式的能力將越來越重要。例如，假設商品的銷售額與顧客年齡的關系，用公式“銷售額=a×年齡”來表述，系數a就可以通過IT技術求出。這是非常簡單的線性回歸問題，數據量小的話就可以用Excel等電子表格軟件求出a。此外，也可以用SPSS和R等專業統計分析軟件。更復雜的情況，就需要創建一個程序來求系數，擁有此項技術的IT工程師就可以說是珍寶了！通過海量的數據中獲得洞察力通過各種有線和無線網絡，人和人、人和各種機器、機器和機器之間產生無處不在的連接，這些連接不可避免地帶來數據交換。而數據交換的關鍵是降低延遲，以近乎實時——意味著小于250毫秒的方式呈獻給用戶。類型雜必然促使我們對海量數據進行分析、處理和集成，找出原本看來毫無關系的那些數據的關聯性，把似乎沒有用的數據變成有用的信息，以支持我們做出的判斷，最終形成大數據的價值——獲得洞察力和價值。大數據的崛起，正是在人工智能、機器學習和數據挖掘等技術的迅速發展驅動下，呈現這么一個過程：將信號轉化為數據，將數據分析為信息，將信息提煉為知識，以知識促成決策和行動。所以真正好的大數據系統，重要的不是越多越好，其實越少越好，最終變成一個決策，這才是最關鍵的。數據洞察力轉化為實際的行動力IBM全球企業咨詢服務部（GlobalBusinessServices-GBS）公布了其最新的新智能企業全球高管調研與研究項目白皮書之《分析：實現價值的新途徑——智慧的企業如何利用分析技術將洞察力轉化為行動》。此研究項目由麻省理工學院斯隆管理評論與IBM商業價值研究院合作完成，共調查了來自100多個國家、30個行業的近3000位高管、經理和分析員，旨在了解企業目前如何利用業務分析與優化技術（BAO-BusinessAnalyticsOptimization）確定未來投資的優先次序，以及將洞察力轉化為行動，并幫助企業了解信息和先進的分析技術帶來的機遇。IBM指出BAO將引領未來咨詢服務的新方向，為企業行業轉型決策提供支持。調查發現，行業中表現優秀的企業在決策之中廣泛應用了分析技術，并認為分析能力逐漸成為最重要的競爭能力之一，改進信息和分析技術是其企業的首要任務，并根據調研結果提出了五點方法論的建議。BAO：引領未來咨詢新方向2011年是中國“十二五”規劃的開局年，中國目前的企業和行業大都處于轉型的不同階段。BAO技術能夠強化企業的競爭優勢，可以廣泛得應用到不同企業和行業中。BAO代表了未來咨詢服務的新模式，更為企業向更智能更智慧的路徑發展提供了平臺。從這份報告中，我們也看到分析技術對于企業轉型、進步、創新、發展和成功的重要價值。這進一步證明了BAO在未來企業中應用的重要性。BAO將成為引領咨詢服務未來模式的核心驅動，是行業企業在業務轉型和創新路上的首選。2011年，IBM迎來了百年華誕。在過去的一百年中，IBM實現了一次又一次的業務轉型，從隨需應變到全球整合企業，再到今天的智慧的地球戰略，每一步都是引領世界的腳步，每一次轉型都離不開技術的驅動。向服務轉型，是IBM百年轉型歷史中重要的一步。2002年，IBM全球服務部下屬的業務創新服務部與前普華永道合并，之后成立IBM全球企業咨詢服務部。目前，它是全球最大的咨詢服務組織，顧問和專業人員遍布全球170多個國家。憑借業務上的遠見卓識及領先的技術專長快速發現、創造并傳遞價值，為客戶提供具有實際績效的創新解決方案，長期以來一直致力于企業戰略組織，流程優化和系統執行，結合科技優勢與行業市場洞察，助力企業行業轉型。“創新，轉型，進步”勾勒出了IBM百年歷史的三大關鍵。一直以來IBM非常重視將技術整合到企業的生產、投資、規劃等各個決策環節之中。而BAO正是IBM百年科技的智慧結晶，它將引領未來科技發展的方向，將商業洞察轉化為行動力。今天，越來越多的企業利用BAO技術，將數據與信息轉化為企業的洞察，并將洞察嵌入到行動之中，為企業向更智能更智慧的路徑發展奠定了基礎。分析能力就是一項競爭能力分析技術將幫助企業在未來運用數據洞察力提升企業整體能力提供幫助。調查結果顯示，表現優秀的企業使用分析技術的數量比表現較差的企業高五倍。被調查者普遍認為分析技術能帶來價值。一半的被調查者稱，改進信息和分析技術是其企業的首要任務。另外，超過五分之一的被調查者表示，他們在采用先進的信息與分析方法方面，面臨著強烈或者巨大的壓力。60%的被調查者稱，通過創新實現競爭優勢是最大的業務挑戰。同樣比例的人也認為，他們的企業有大量數據未得到有效利用。在每個行業，以及全球每個地區，企業高層領導都想知道他們是否充分發揮了企業內現有的海量信息的價值，企業利用新技術收集的數據是否達到了前所未有的量級。然而，許多企業仍在尋找更好的方式，試圖從現有的數據中獲得價值，并在市場上贏得競爭優勢。他們始終面臨著如何持續實現最大價值的問題。報告指出，數據已經不是企業面臨的最大障礙，數據的處理和利用能力是區分企業競爭力的重要指標。一些新方法——例如數據可視化和流程模擬，以及文本和語音分析、社交媒體分析和其它預測性和說明性技術，能夠將標準的歷史報告中枯燥而又深邃的數字轉化為可以隨時使用的信息和洞察力。一些由于人們不確定如何處理而被束之高閣的數字，將重獲新生。企業領導需要借助分析技術利用日益增多的數據和計算能力，以前所未有的方式做到明智決策和實現領先優勢。三個能力等級各有機遇，中國企業利用分析技術要趁早根據分析能力等級的不同，研究者將企業劃分為“有志向”、“經驗豐富”和“已轉型”三個等級。與“有志向”和“經驗豐富”的企業相比，已轉型的企業已經通過有效地利用洞察力實現了業務運作的自動化。它們更注重提高客戶獲利能力，并且在充分利用組織資源方面，在補缺分析領域進行有針對性的投資。這種績效優勢證明了更多利用分析技術的潛在好處。在中國，分析技術將成為不同階段企業轉型的得力助手。面對中國現階段的發展模式，“十二五”規劃指出經濟發展模式、經濟結構的調整和轉型已經迫在眉睫、刻不容緩。在“十二五”規劃綱要草案里明確提出要大力發展節能環保、新一代信息技術、生物、高端裝備制造、新能源、新材料、新能源汽車這七大戰略性新興產業。中國不乏有志向、轉型經驗豐富與已經轉型的企業。調研結果表明，企業希望等到積累了一些經驗之后才利用分析技術實現其增長目標，但這可能更多地是一種常見實踐，而非“最佳實踐”。明智地應用于企業運作能力的分析技術可加快大量業務目標的實現，即使是在應用分析技術的最早階段。報告針對不同階段的企業提出了以下建議：“有志向”的企業與實現預期分析目標的距離最遠。通常他們注重現有流程的效率或自動化，并且在尋找降低成本的方式。目前僅有幾個必要的構件—人員、流程或工具用于收集、了解、融合或者處理分析洞察力。集合最優秀的人員和資源，為投資分析技術制訂案例。為了獲得初始項目的支持，需要確定可通過分析技術而應對的巨大業務挑戰，并尋找能夠應對挑戰的數據。“經驗豐富”的企業已經積累了一定的分析經驗，通常通過在“有志向”階段成功提高效率而實現，這些企業著眼于超越成本管理之外的其他目標。經驗豐富的企業正在開發更好的方式，以有效地收集、融合和處理分析結果，從而開始優化整個企業。可采取措施部署企業級分析技術，并通過集中精力解決每個人普遍認識到的大問題。通過協作抓住企業機遇，而不損害部門的需求，同時防止治理本身成為治理目標。“已轉型”的企業在大量職能部門使用分析技術已經擁有一定的經驗。他們將分析技術作為競爭力量，并且善于組織人員、流程和工具來實現優化和差異化。與其他兩類企業相比，較不注重降低成本，更注重提高客戶獲利能力，并且在充分利用組織資源方面，在補缺分析領域進行有針對性的投資。“已轉型”的企業應當發現并擁護企業在使用分析技術所實現的進步。企業已經利用分析技術完成了許多任務，但面臨著完成更多任務的壓力。要注重分析技術和管理權限更加深入，而不是擴大，但要認識到這持續展示分析技術推動業務目標實現的新方式至關重要。五點方法論，實施分析驅動型管理對于處于不同階段的企業來說，宏偉的計劃都需要具體的行動才能保證從分析技術中獲得收益，同時也需要明確的管理方法。研究者基于其調研數據、項目經驗、案例研究以及與專家的訪談為企業成功實施分析驅動型管理以及快速創造價值提出五點方法論建議。注重最大且最高的價值機遇。最艱巨的挑戰并不會帶來最大的失敗風險。眼中的問題會引起關注，激發行動。管理權限是最大的障礙，如果利害關系很高，最優秀的人才會欣然參與到抓住機遇的活動中。在每個機遇內，首先從問題開始，而非數據。過去，企業在分析之前傾向于從收集所有可用數據開始，往往導致企業全力關注數據管理、收集、清理和轉換數據，而用于了解數據的潛在使用價值的時間、精力和資源少之又少。因此，這樣采取的任何行動并不是最有價值的行動。相反，實施分析技術的企業首先應定義滿足主要業務目標所需的洞察力和問題，再確定解決方案所需的數據。將洞察力嵌入到行動中，并創造價值。將信息嵌入到業務流程中的新方法和工具--應用案例、分析解決方案、優化、工作流和模擬使得洞察力更容易理解和執行。被調查者認為：趨勢分析、預測和標準化報告是他們目前使用的最重要工具。不過，他們也識別出其他在24個月內將會產生更大的價值的工具。分析“現狀”方法日益減少，而分析“未來”方法會顯著地增加。保留現有能力，同時增加新能力。當高管們最初認識到需要分析技術時，他們需要向離他們最近的人尋求答案。逐漸地，這些“需求點”資源會結合到本地業務條線單位中，以進行洞察力分享。最終，集中單位會出現，形成共享的企業觀點—治理、工具、方法和專業的知識。隨著高管們更頻繁地使用分析通知日常決策和行動，這種對洞察力的更高要求將使每一級的資源參與進來，從而增強分析能力，即使活動為了提高效率已經改變。利用信息議程為未來做計劃。越來越多的數據必須組合成為集成、一致且可信的信息基礎。每個實施階段都需要使數據基礎與總體信息議程保持協調，加快企業提高在所有應用和流程之間共享和交付可信信息的能力。只有借助信息議程，企業才能將信息作為企業的戰略資產。此次，IBM《分析：實現價值的新途徑——智慧的企業如何利用分析技術將洞察力轉化為行動》白皮書的發布，強調了業務分析與優化技術作為重要競爭能力對企業的作用。IBM全球企業咨詢服務部作為全球最大的咨詢服務組織，將強化BAO技術在未來咨詢和企業轉型之中的應用，BAO技術也將助力中國企業行業實現轉型向可持續方向發展。

大數據在行業中的應用分析醫療領域醫療領域大數據應用價值醫療行業產生的數據量主要來自于PACS影像、B超、病理分析等業務所產生的非結構化數據。人體不同部位、不同專科影像的數據文件大小不一，PACS網絡存儲和傳輸要采取不同策略。面對大數據，醫療行業遇到前所未有的挑戰和機遇。醫療行業大數據應用場