大数据分析应用行业

大数据分析应用行业（精选8篇）

1.大数据分析应用行业 篇一

浅谈大数据在金融行业的应用与挑战

作者：盛瀚 北京银行股份有限公司无锡分行，长期从事信息化安全建设和IT服务管理的研究。

摘要：本文从对大数据产业发展进行分析，介绍大数据金融的相关应用及场景案例，并阐述了大数据金融存在的挑战。

关键词：大数据，金融

1.大数据概述

1.1.什么是大数据

大数据（Big Data）是一个宽泛的概念，业界没有统一的定义，大数据概念的兴起可以追溯到2000年前后，最初理解为一类海量数据的集合。2011年，美国麦肯锡在研究报告《大数据的下一个前沿：创新、竞争和生产力》中给出了大数据的定义：大数据是指大小超出典型数据库软件工具收集、存储、管理和分析能力的数据集。根据Gartner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。

大数据在通信、金融、教育等各个领域存在已有时日，近年来随着互联网和信息行业的发展进入了快速推广阶段。

1.2.大数据的特征

大数据不仅有传统数据定义的“三个V”，即数量（Volume）、速度（Velocity）和种类（Variety），还包含了更重要的第四个V，价值（Value）。

浅谈大数据在金融行业的应用与挑战

阿姆斯特丹大学提出了大数据体系架构框架的5V特征，在原有4V基础上增加了真实性（Veracity）特征，包括数据可信性、真伪性、来源和信誉、有效性和可审计性等特性，如图1所示。

图 1大数据体系架构框架5V特征

1.3.大数据的发展趋势

随着大数据产业的不断发展，各行业的应用解决方案不断成熟，大数据产业迎来了井喷式发展。Wikibon 数据显示，2014年全球大数据市场规模达到285亿美元，同比增长53.2%。大数据成为全球IT支出新的增长点，如图2所示。Gartner数据显示，2014年数据中心系统支出达1430亿美元，比2013 年增长2.3%。大数据对全球IT 开支的直接或间接推动将达2320亿美元，预计到2018年这一数据将增长三倍。

浅谈大数据在金融行业的应用与挑战

图 2Wikibon全球大数据市场规模测算

全球大数据市场结构从垄断竞争向完全竞争格局演化。企业数量迅速增多，产品和服务的差异增大，技术门槛逐步降低，市场竞争越发激烈。全球大数据市场中，行业解决方案、计算分析服务、存储服务、数据库服务和大数据应用为市场份额排名最靠前的细分市场，如图3所示。

浅谈大数据在金融行业的应用与挑战

图 3Wikibon全球大数据市场结构测算

2.大数据金融

随着大数据技术的应用，越来越多的金融企业也开始投身到大数据应用实践中。麦肯锡的一份研究显示，金融业在大数据价值潜力指数中排名第一。以银行业为例，中国银联涉及43亿张银行卡，超过9亿的持卡人，超过一千万商户，每天近七千万条交易数据，核心交易数据都超过了TB级。

一直以来，金融企业对数据的重视程度非常高。随着移动互联网发展各种务和服多样化市场整体规模扩大。对于数据分析带来的主要业务价值，大量参加调研的金融企业表示，大数据分析的价值是可以根据商业分析实现更加智能的业务决策，让企业战略制定更加理性化。依靠有前瞻性的决策，实现生产过程中资源更优化的分配，能够根据

浅谈大数据在金融行业的应用与挑战

市场变化迅速做出调整，提高用户体验以及资金周转率，降低库存积压的风险，从而获取更高的利润。

2.1.金融数据的类型

金融数据从数据类型上进行划分，大致可以分为结构化数据、半结构化数据与非结构化数据三大类。

（1）结构化数据。结构化的数据来源自金融企业运营数据仓储(ODS)和数据仓库(EDW)。EDW为企业提供分析决策服务，ODS主要实现企业数据整合、共享和准实时运营监控等功能。而通过Hadoop等组件的应用可以将数月前甚至几年前的历史数据进行迁移保存。在分布式存储结构下，结构化数据的存储计算可以得到巨大的改善，可对海量离线数据进行离线分析，将离线数据优势最大化，为金融企业用户打造立体用户画像提供最全面的数据支撑。

（2）半结构化数据。半结构化数据的整合在数据整合中是最为复杂的。金融企业可对接来源于外部单位所提供的不同类型数据库或Excel等的数据。“打通”多源异构的数据是项目中遇到的最困难的部分，数据整合完毕可快速进行建模分析。

（3）非结构化数据。金融行业对于非结构化的处理的方法还是比较原始的。非结构化数据涵盖的范围比较广泛，有新闻，视频，图片以及社交网络等数据。

浅谈大数据在金融行业的应用与挑战

2.2.大数据金融的技术实现

金融数据一般具有“流数据”的特征，需要在短时间内快速处理。与其他行业相比，金融具有逻辑关系紧密、处理实时性要求高、可展示性需求强等特征，通常需要以下几类关键技术。

（1）数据分析技术。包括数据挖掘、机器学习等人工智能技术，主要应用在用户信用分析、用户聚类分析、用户特征分析、产品关联分析、营销分析等方面。金融系统安全性、稳定性和实时性要求比较高，对大数据计算处理能力也要求非常高。

（2）数据管理技术。包括关系型和非关系型数据管理技术、数据融合和集成技术、数据抽取技术、数据清洗和转换等技术。金融行业对数据的实时处理能力要求非常高，需要灵活地进行数据转换配置和任务配置。

（3）数据处理技术。包括分布式计算、内存计算技术、流处理技术等。通过新型数据处理技术更有效地利用软硬件资源，在降低IT投入、维护成本和物理能耗的同事，提供更为稳定、强大的数据处理能力。

（4）数据展现技术。包括可视化技术、历史流展示技术、空间信息流展示技术等。主要用于金融产品健康度监视、产品发展趋势监视、客户价值监视、反洗钱反欺预警等方面。

2.3.大数据金融的场景应用

任何技术的应用都是基于需求产生的，大数据金融的应用也是由

浅谈大数据在金融行业的应用与挑战

金融行业的业务驱动而衍生出来的。具体的应用分类也没有统一的标准。以金融行业最具代表性的银行为例，根据业务驱动应用场景大致可分为精准营销、风险控制、改善经营、服务创新和产品创新等五个方面，如图4所示。

（1）精准营销： 互联网时代的银行在互联网的冲击下，迫切的需要掌握更多用户信息，继而构建用户360度立体画像，即可对细分的客户进行精准营销、实时营销等个性化智慧营销。

（2）风险控制：应用大数据技术，可以统一管理金融企业内部多源异构数据与外部征信数据，可以更好的完善风控体系。内部可保障数据的完整性与安全性，外部可控制用户风险。

（3）改善经营：通过大数据分析方法改善经营决策，为管理层提供可靠的数据支撑，使经营决策更加高效、敏捷，精确性更高。

（4）服务创新：通过对大数据的应用，改善与客户之间的交互、增加用户粘性，为个人与政府提供增值服务，不断增强金融企业业务核心竞争力。

（5）产品创新：通过高端数据分析和综合化数据分享，有效对接银行、保险、信托、基金等各类金融产品，使金融企业能够从其他领域借鉴并创造出新的金融产品。

浅谈大数据在金融行业的应用与挑战

图 4金融大数据业务驱动

2.3.场景实例

2.3.1.客户全景画像

客户画像应用主要分为个人客户画像和企业客户画像。其中个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等。以银行为例，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论，所以还需要引入外部数据源，包括：运营商数据、主流电商网站数据、上网痕迹数据、SNS软件、生活圈子、网络应用等，从而丰富用户标签，构建一起全面的客户画像，如下图5所示。

浅谈大数据在金融行业的应用与挑战

图 5大数据客户全景画像

2.3.2.客户服务优化

通过大数据，金融企业可监控各种市场推广运作情况，将客户行为转化为咨询流，从中分析客户的个性特征、风险偏好，了解客户的金融往来习惯及使用行为，进一步分析及预测客户潜在的需求，将精准行销扩展至服务的创新与优化。

图 6 个性服务优化过程

浅谈大数据在金融行业的应用与挑战

以银行为例，通过大数据资料库，可对下辖分子机构服务柜台及摆设、理财区装饰、甚至座位的设计，依照资料库中机构所在地的人口特征、年龄及交易量复杂度等数据，以及客户在网站、手机银行、微信银行等软件使用习惯进行分析，为客户提供个性化的服务。如：

 针对高领客户比例偏高的机构，即考虑新增矮柜服务窗口并提供大屏幕显示器提醒；

 面对顾客对网银、手机银行的使用习惯，将浏览率高的栏目与浏览率低的栏目进行重新排版设计，以提升客户使用率及忠诚度的目的；

 根据不同人群在网络、手机APP访问的记录行为，分析其关注资讯的不同（页面浏览时间，次数，频率等），提供不同需求的咨询和服务。

2.3.3.交易欺诈侦测

大数据的分析对于风险控制有着重要意义，金融机构可通过对企业的生产、流通、销售、财务等相关信息的数据挖掘，进行贷款风险分析，量化企业的信用额度，更有效的开展企业贷款。

浅谈大数据在金融行业的应用与挑战

图 7 企业征信体系

同时，在交易欺诈防控中，可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。

3.大数据金融存在的挑战

3.1.数据的几何级增长，整合困难

目前，全球各行业数据量的增长速度惊人，再我国尤其集中在金融、交通、电信、制造业等重点行业和医保、社保、海关等重要领域，信息化的不断深入正在进一步催生更多新的海量数据。据统计，2015年中国的数据总量达到1700EB 以上，同比增长90%，预计到2020 年这一数值将超过8000EB。以银行业为例，每创收100万元，银行业平均产生130GB 的数据，数据强度高踞各行业之首。但在金融企业内部数据处于割裂状态，业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，缺乏顺畅的共享机制，导

浅谈大数据在金融行业的应用与挑战

致海量数据往往处于分散和“睡眠”状态，虽然金融行业拥有的数据量“富可敌国”，但真正利用时却“捉襟见肘”。

3.2.数据安全的保障

安全与隐私问题是大数据发展过程中的一个关键问题，多项实际案例表明，即使无害的数据被大量收集后，也会暴露个人隐私。实际上，大数据安全含义更为广泛，人们面临的威胁并不仅限于个人隐私泄露，保护对象不仅包括大数据自身，也包含通过大数据分析得到的知识。

与当前的其他信息一样，大数据在存储、处理、传输等过程中面临安全风险，主要包括数据管理风险和数据运营风险。这里一方面需要技术手段的保护，同时需相关法律法规的完善和金融企业自身的自律。

3.3.大数据标准规范的制定

要实现数据的互联互通，必须包含两个条件，其中互联是技术体系标准，互通是数据体系标准。实现互联可以要求系统使用标准化接口，而实现互通则需要围绕产业链建立跨行业的数据标准结构。目前，各行业的发展长期各施其政，行业间存在较高的壁垒，即使金融行业内部，如银行、证券、保险等行业也采用了不同的标准，遵守不同的行业规范。如何加快元数据、数据交换、数据交易、数据质量、安全保密等重点共性标准的制定是大数据建设的关键。

浅谈大数据在金融行业的应用与挑战

3.4.人才梯队的培养

与信息技术其他细分领域人才相比，大数据发展对人才的复合型能力要求更高，需要掌握计算机软件技术，并具备数学、统计学等方面知识以及应用领域的专业知识。目前金融行业在可承担分析和挖掘的复合型人才、高端数据科学家以及管理人才都存在很大缺口。

5.结束语

党的十八届五中全会“十三五”规划提出：“实施国家大数据战略，推进数据资源开放共享”。2015年12月16日在第二届世界互联网大会开幕式上，总书记提出：“十三五”时期，中国将大力实施网络强国战略、国家大数据战略、“互联网+”行动计划。大数据已成驱动经济发展的新引擎，大数据应用范围和应用水平将加速我国经济结构调整、深度改变我们的生产生活方式，大数据金融应用正是改变金融业态，引发金融行业经营模式创新的催化剂和助推器。

参考文献

[1]陈利强 梁如见 张新宇 著.《金融大数据-战略规划与实践指南》.电子工业出版社.2015年

[2]陈云 著.《金融大数据》.上海科学技术出版社.2015年

[3]BCG.《回归“价值”本源：金融机构如何驾驭大数据》.2015年

[4]中国电子信息产业发展研究院工业和信息化部赛迪智库.《大数据发展白皮书》.2015年

2.大数据分析应用行业 篇二

关键词：电力大数据,典型场景,数据挖掘,SG-ERP

随着数字信息化时代的迅猛发展,信息量也呈爆炸性增长态势。在人类充分享受信息化带来的资讯、方便和快捷时,也使得全球的数字信息资源正进入到一个前所未有的快速增长期。据IDC统计,2011年全球数据量已达到1.8 ZB,相当于全世界人均产生200 GB以上的数据,并且还将以每年50%的速度继续增长。在这汹涌来袭的数据浪潮下,社会各个领域也将开始其数据化进程。无论学术界、商界还是政府,都将不可避免地进入“大数据时代”。作为全球第二大经济体的基础能源支撑体系,中国电力工业概莫能外。

中国的电力工业经过几十年来的高速发展,随着下一代智能化电力系统建设的全面展开,中国的电力系统已经成为了世界上最大规模关系国计民生的专业物联网,甚至在某种程度上,这张遍及生产经营各环节的生产关系网,构筑起了中国最大规模的“云计算”平台,为从时间和空间等多个维度进行大范围的能源资源调配奠定了基础。对于电力行业而言,电力大数据将贯穿未来电力工业生产及管理等各个环节,起到独特而巨大的作用,是中国电力工业在打造下一代电力工业系统过程中有效应对资源有限、环境压力等问题,实现厚积厚发、绿色可持续性发展的关键。

近几年,电力行业信息化也得到了长足的发展,我国电力企业信息化起源于20世纪60年代,从初始电力生产自动化到80年代以财务电算化为代表的管理信息化建设,再到近年大规模企业信息化建设,特别是伴随着下一代智能化电网的全面建设,以物联网和云计算为代表的新一代IT技术在电力行业中的广泛应用,电力数据资源开始急剧增长并形成了一定的规模。从长远来看,作为中国经济社会发展的“晴雨表”,电力数据以其与经济发展紧密而广泛的联系,将会呈现出无以伦比的正外部性,对我国经济社会发展以至人类社会进步也将形成更为强大的推动力。

本文基于当前电力企业信息化现状、三集五大与两中心业务发展需求以及电力行业大数据特点,根据文献[1-8]研究成果,提取大数据背景下三集五大、两中心(运监监测(控制)中心、客服服务中心)典型业务数据分析应用场景,并对具体业务问题进行了探讨。

1 大数据概述

1.1 电力大数据由来与定义

“大数据”概念于20世纪90年代被提出,最初只是对一些在一定时间内无法用传统方法进行抓取、管理和处理的数据的统称。“大数据”这个术语最早期的引用可追溯到apache.org的开源项目Nutch。当时,大数据用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集。

从2009年开始,“大数据”成为互联网信息技术行业的流行词汇,大数据起初成熟应用多在互联网行业,互联网上的数据每年增长50%,每两年翻一番,全球互联网企业都意识到“大数据”时代的来临,数据对于企业有着重要意义。

2011年5月,麦肯锡全球研究院发布题为《大数据:创新、竞争和生产力的下一个新领域》的报告。报告发布后,“大数据”迅速成为计算机行业的热门概念。

2012年3月22日,奥巴马政府宣布2亿美元投资大数据领域,并对数据的定义为“未来的新石油”。白宫科技政策办公室在2012年3月29日发布《大数据研究和发展计划》,并组建“大数据高级指导小组”。此举标志着,美国把应对大数据技术革命带来的机遇和挑战,提高到国家战略层面,形成全体动员格局。

大数据是具有Volume(数据体量大)、Variety(数据类型多)、Velocity(处理速度快)和Value(价值密度低)四个特征的数据集合。对此业界已基本达成共识,但目前还未形成统一的定义。麦肯锡认为“大数据是指无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合”;维基百科认为“大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集”;Gartner认为“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”。

通过对大数据内涵和外延的深入理解,结合公司数据现状和业务需求,研究并提出了“电力大数据”的概念。电力大数据是以业务趋势预测、数据价值挖掘为目标,利用数据集成管理、数据存储、数据计算、分析挖掘等方面核心关键技术,实现面向典型业务场景的模式创新及应用提升。电力大数据的应用将推动公司业务发展和管理水平提升,有效支撑公司三集五大两中心深入建设。

1.2 电力大数据特征

电力大数据的特征可以概括为3“V”、3“E”。其中3“V”分别是体量大(Volume)、类型多(Variety)和速度快(Velocity);3“E”分别是数据即能量(Energy)、数据即交互(Exchange)、数据即共情(Empathy)。如仅从体量特征和技术范畴来讲,电力大数据是大数据在电力行业的聚焦和子集。但电力大数据更重要的是其广义的范畴,其超越大数据普适概念中的泛在性,有着其他行业数据所无法比拟的丰富的内涵。

体量大(Volume):体量大是电力大数据的重要特征。随着电力企业信息化快速建设和智能电力系统的全面建成,电力数据的增长速度将远远超出电力企业的预期。

类型多(Variety):电力大数据涉及多种类型的数据,包括结构化数据、半结构化数据和非结构化数据。随着电力行业中视频应用的不断增多,音视频等非结构化数据在电力数据中的占比进一步加大。此外,电力大数据应用过程中还存在着对行业内外能源数据、天气数据等多类型数据的大量关联分析需求,从而极大地增加了电力大数据的复杂度。

速度快(Velocity):主要指对电力数据采集、处理、分析的速度。鉴于电力系统中业务对处理时限的要求较高,以“1秒”为目标的实时处理是电力大数据的重要特征,这也是电力大数据与传统的事后处理型的商业智能、数据挖掘间的最大区别。

数据即能量(Energy):电力大数据具有无磨损、无消耗、无污染、易传输的特性,并可在使用过程中不断精炼而增值,可以在保障电力用户利益的前提下,在电力系统各个环节的低耗能、可持续发展方面发挥独特而巨大的作用。

数据即交互(Exchange):电力大数据以其与国民经济社会广泛而紧密的联系,具有无可伦比的正外部性。其价值不只局限在电力工业内部,更能体现在整个国民经济运行、社会进步以及各行各业创新发展等方方面面,而其发挥更大价值的前提和关键是电力数据同行业外数据的交互融合,以及在此基础上全方位的挖掘、分析和展现。

数据即共情(Empathy):企业的根本目的在于创造客户,创造需求。电力大数据天然联系千家万户、厂矿企业,推动中国电力工业由“以电力生产为中心”向“以客户为中心”转变。这其中的本质就是对电力用户的终极关怀,通过对电力用户需求的充分挖掘和满足,建立情感联系,为广大电力用户提供更加优质、安全、可靠的电力服务。

2 电力大数据应用分析研究综述

2.1 电力大数据应用分析综述

公司为深入推进“两个转变”,实现“一强三优”现代公司的战略目标,提出了建设三集五大体系的重大举措。三集五大体系的建设不仅是传统电网设施的升级和改造,还是更全面、更深入的电网运行模式和业务模式的革新。首先,三集五大体系使信息通信技术正以前所未有的广度、深度与电网生产、企业管理快速融合,三集五大等业务协同性更强,业务流、信息流趋于一致;电网业务数据将从时效性层面进一步丰富和拓展。其次,充分利用这些基于电网实际的数据,对其进行深入分析,挖掘更深层次的数据价值,便可以提供大量的高附加值服务。这些增值服务将有利于电力企业精细化运营管理,提高公司管理水平和运营效率,并可以产生很多创新性业务。

2.2 大数据在大规划应用分析

随着配网规划业务的覆盖面进一步扩大,将逐渐积累TB级数据,对于数据的收集、存储和分析处理将提出更高的要求。届时可以利用大数据技术进一步提升如下业务应用的价值:

(1)用电量预测。基于海量历史电量数据,规划区域面积、历史人口、历史国民经济数据、三产比例等变化情况,对区域用电量进行预测,作为进一步规划设计依据。

(2)空间负荷预测。基于全网中各小区的占地面积、用地类型、容积率,行业的建筑面积负荷密度、占地面积负荷密度,小区目标年占地面积、小区目标年建筑面积,总负荷值、行业负荷值等数值,对远景年负荷进行预测。

(3)多指标关联分析。从多个外部系统(如GIS,PMS,OMS等)抓取所需数据的时间一致性切片,进行综合分析利用,从而支持规划设计。

2.3 大数据在大建设应用分析

在大建设应用方面,系统目前每年管理的项目可以达到2 000~3 000,但由于自身数据存储和处理能力有限,在管理项目时只能保留少量的建设现场信息(仅图片,无视频),这导致管理人员无法全面地了解项目工作细节,且由于缺乏自动化的分析与决策应用支持,这些数据也无法得到有效的利用。利用大数据技术在“大建设”基建系统中的应用主要可在如下几个方面提升:提高系统非结构化数据存储能力,扩大现场信息收集范围和频率,提升建设项目管理全面性和准确性;通过大数据技术,逐步形成并提高对大量非结构化数据的分析处理能力,基于此能力之上,采用自动对比,模式识别等挖掘技术,对建设管理的整个过程提供良好的、自动化的智能分析和监控功能。

2.4 大数据在大检修应用分析

设备状态信息的获取手段有很多种。目前最常用的是通过各种传感器,实时或定期获取设备状态信息。视频作为一种特殊的传感器,可以作为设备状态信息获取的一种重要而有效的手段。随着视频智能分析技术的发展,目前已经能够实时准确识别变电站多种表计、刀闸、开关与隔离开关的位置、状态或读数。通过对视频数据的智能分析,还可以起到其他类型传感器无法实现的功能。利用大数据技术,主要可在如下几个方面提升:

(1)状态评价。综合设备各种基础及运行监测数据,加上视频数据智能识别技术识别出的设备状态量等,建立综合评价模型,得出设备总体健康状态。

(2)趋势分析。研究基于历史数据的趋势分析算法,建立反映设备健康状态的数学模型,对设备故障进行趋势分析,掌控设备风险。

(3)实时报警。基于视频监控的设备自动巡检技术和安防技术,发现外观变化、表计变化、发热缺陷、非法入侵、物体靠近、现场烟火等设备健康危害因素,进行实时报警,保证设备正常运行。

(4)检修、技改、大修决策支持。根据设备评价结果,优化检修策略,为技改、大修计划制定、筛选评审提供决策依据。

2.5 大数据在大运行应用分析

设备状态管理是公司“大运行”重要业务模块,设备状态管理可对计划类应用进行校验并提供完善的建议,为电网调度提供辅助决策,提升电网安全性与可靠性。设备状态管理目前只根据其他调度业务进行当前设备状态断面的记录,没有对历史设备断面的查询及未来状态的预测分析。随着调度业务规范的进一步完善,对设备状态模块的提升需求日趋迫切。设备状态管理基于电网设备台帐信息、设备拓扑信息、设备遥信遥测信息等相关信息。可以进行设备状态的以下三类大数据应用:

(1)历史时刻查询。实现设备数据的海量存储,直接快速查询到某时刻的设备状态及设备的操作历程。

(2)设备数据质量分析。综合设备信息得出当前设备状态断面,进行系统间设备状态的互检比对,提醒其他系统或功能进行检查与核对。

(3)未来时刻断面预测。基于海量存储历史状态数据,自动总结电网调度规则,在任意时刻断面的基础上,自动收集涉及设备状态变化的计划类信息,进行智能编排,演算出未来一段时间内的调度操作历程,最终预测电网在某一时刻的设备断面。

2.6 大数据在大营销应用分析

大营销重点是优化现有营销组织模式,拓展面向智能化、互动化的服务能力,加快用电信息采集系统建设,科学配置计量、收费和服务资源,实现计量检定配送、95598服务等业务向省级集中,构建营销稽查监控体系,推行统一的业务模式、服务标准和工作流程。目前公司大营销业务相关的支撑系统主要有SG186工程核心之一的营销业务系统,以及负责用户侧电能量自动采集的用电信息采集系统、支撑营销数据日常统计工作的辅助决策系统等。其中营销业务系统负责业扩报装、电费核算收缴等日常业务的流程管控,用电信息采集系统负责用户电量信息采集为营销业务系统电费核算提供数据,辅助决策系统用于完成统计报表制作等功能。另外,为了满足营销业务新的需求,相关网省公司建设了诸如智能客户档案管理系统,用于将供电合同、用户身份证明等纸质资料扫描存档,方便检索和查找。

大营销相关系统数据量的急剧增加,给数据存储、分析处理、统计计算带来极大挑战。根据大营销业务、信息系统及其数据的现状和需求,大数据可以在以下方面促进大营销的进一步提升:营销海量数据的高效分布式存取和并行计算。深度挖掘营销数据价值,从管理、客户服务、业务拓展等不同的方向促进营销业务提升。其中管理方向主要有线损分析、用电异常分析、计量和采集设备的智能化运维等;客户服务方向主要为用电客户提供有针对性的用电优化建议,促进用户节约用电;业务拓展方向积极策划数据类产品,引导和促进公司由“只卖电”向“也卖电”发展。

2.7 大数据在运监中心应用分析

国家电网两级运营监控中心以服务公司战略为目标,以核心资源和主要经营活动管控为重点,以信息化手段为支撑,打造全天候、全方位、全流程综合管理运营监测平台。利用大数据技术在运监中心中的应用主要可在如下几个方面提升:

(1)构建大数据背景下的在线监测、在线分析和在线计算工作台,满足日常监测、协调控制与综合管理需要。建设总部和省公司两级运营监测(控)中心,实现对公司经营管理24小时即时在线监测分析,及时发现公司运营过程中的异动和问题并自动预警。

(2)跨业务多专业关联分析。为了满足运监跨业务跨专业分析和挖掘需要,在大数据环境下,迫切需要构建多种业务模型和分析挖掘算法,形成大数据模型库和算法库,利用聚类和模式识别技术,实现运营监测多业务关联分析,如对营销和财务收支情况建模进行关联分析。

(3)运监数据及监测对象的质量诊断体系。通过在“大数据”环境下,对海量异构数据进行实时监控分析,在数据处理全过程中不断提升数据质量,持续改进数据可用率,为拓展传统的决策分析提供保证。

2.8 大数据在客服中心应用分析

客户服务中心是公司优化整合服务资源,打造“全业务、全天候,服务专业化、管理精益化、发展多元化”的供电服务平台。客服中心核心业务系统分为95598智能互动网站、95598业务支持系统、基础支撑平台三个独立系统。95598业务支持系统采用全国一级部署模式。按数据的种类来分,主要有两类,一类是档案、交易和GIS等结构化数据,全国约有3 TB,日增约1 GB;还有是语音音频类非结构化数据,以文件形式保存,全国约有近10 TB,年增7 TB,并有加速增长趋势。利用大数据技术在客户服务中心应用可在如下几个方面提升:

(1)服务质量实时监控。采用大数据技术,实现对服务通话的准实时/实时监控和分析,通过对客服过程的实时质检,最大程度保障通话服务质量。

(2)热点问题集中处理。采用大数据技术挖掘一段时间内的用户关注热点,并及时答复和处理,提高客户满意率。

(3)座席答案智能推送。人工搜索答案及时性很难满足要求,利用大数据技术实现答案的智能匹配并自动推送给座席。

3 结语

基于公司现有一体化平台、业务现状及电力数据特点,提取公司三集五大和两中心中电力行业大数据分析典型应用场景,运用大数据核心业务应用分析技术,提升现有平台对电力大数据的存储、计算、分析和管控能力,结合三集五大两中心核心业务需求,构建以业务趋势预测、数据价值挖掘为主的大数据服务体系,试点并推广大数据应用,提高公司生产经营和管理服务水平。

参考文献

[1]李皎.大数据时代到来对电力行业发展提出新要求[J].华北电业,2012(4):82-83.

[2]Anon.Big data[J].Nature,2008,455:1-13.

[3]Gartner.2012年10大战略技术与趋势[J].新闻纵览,2011(11):18-19.

[4]李翠平,王敏峰.大数据的挑战与机遇[J].科研信息化技术与应用,2013(1):12-18.

[5]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-149.

[6]Anon.Big data[EB/OL][.2012-10-02].http://www.nature.com/news/special/bigdata/index.

[7]中国电子科学研究院学报.大数据时代[J].中国电子科学研究院学报,2013(1):27-29.

3.大数据在旅游行业的应用论坛 篇三

大数据产生价值的

关键在于数据之间的连接

近几年大数据方兴未艾，全球各大企业对大数据也已经进行了大量的探索性和商业化实践。但对于大数据，无论是普通民众还是业界专家，都还有着这样那样的疑问，其中比较普遍的一个问题就是大数据的开放性。在一些发展中国家，当然也包括中国，数据的封闭性问题普遍存在。政府数据，甚至政府部门之间数据互联互通也并非十分顺畅。社会性企业之间也多是各扫门前雪，相互之间的交流互动、信息共享还处在比较初级的阶段。

在维克托·迈尔-舍恩伯格看来，数据公开在近两年已取得很大进步，一部分原因在于公众关注度的提高，变相推动政府数据公开的深度和宽度。目前国家经济运行数据的开放性已经达到了较高的水平。一些大数据创业性公司也开始运营，并且取得了成功。讲到经济补助，政府预算是有限的，政府可以数据方面的补助，即企业可以获得某一些数据，比如经济和生态的数据，借此预测国家生态经济政策，指引企业的发展。于是在美国，民众希望修订现有政策法规，要求企业在获得政府数据和补助的同时，开放某一些数据，实现与社会之间的互惠互利。这样最终会形成一个大的数据市场，促进数据流通性。维克托认为，数据流通性也是整个大数据时代最为重要的一个元素。

对此，百度营销研究院常务副院长侯丽斌表示，“百度自诞生以来就是含着一个金钥匙，这个金钥匙就是大数据，每天网民查询搜索都有一百亿次搜索，每次搜索都是人们渴望的诉求。每一次搜索都有巨大的商业价值，而这些搜索行为数据，在不破坏个人的隐私情况下，百度可以在数据开放上为我们社会，为我们客户做些什么呢？”

其一是百度大数据研究中心，其二是百度深度学习研究院，最终将海量的数据转化成社会价值。在大数据应用方面，百度先后和政府部门进行了多次合作，提供了交通管理、教育管理以及疾病预测等一系列社会化应用。这其中最为出名的要属年初春节期间的迁徙图，将人们在春节期间归家的路线，以大数据特有的方式呈现出来。此外，百度在商业应用方面也多有涉及，正吸引越来越多的顶级客户，如宝洁、雀巢，以及很多新兴客户。百度正在从最初的搜索平台，向信息服务提供者，向连接人与服务之间的媒体平台转变，为产品设计、服务升级以及产业化优化运营带来更多帮助。

谈及大数据的开放问题，张焕杰表示德比软件在创立之初有两个核心假设，第一个假设是未来的世界一定是个更开放的世界，第二个假设未来是一个全球化的世界。德比在全球十大酒店集团系统整合上的成绩是有目共睹的，同时跟全球最大的OTA系统实现对接，比如艺龙、携程，为他们提供数据服务。这些工作在某种程度上也证明了世界是越来越开放的，而开放也是互联网发展的大势所趋，没有任何人能够阻挡这种潮流。最后，张焕杰强调，开放对每一个企业意义深远，“当你拥抱世界的时候，世界才会拥抱你。只有这种开放的心态，我们才能真正的拥抱世界。”他坚信，“开放是未来，开放势不可挡。”

对于大数据的开放性问题，comScore蔡芳和德比软件张焕杰持有相同观点，认为“开放对所有人是有好处的”，因为大数据产生价值的关键是数据之间的连接，比如百度有很多搜索数据，没有交易数据，阿里巴巴有很多交易数据，但是没有搜索数据。作为全球知名互联网统计公司、互联网流量跟踪分析公司和市场调研公司，comScore会接触到海量的数据，拥有三百多万样本和多个网站，并把用户在不同网站、不同平台的数据串联起来，完整捕捉用户的上网行为，比如在购买商品的时候，场景是什么，推荐什么样的信息更合适。这些都需要大数据的作用。在进行数据搜集、汇总和应用的时候，如何避免隐私信息泄露是一项很重要的工作。

隐私数据承载的是一种信任关系

我们享受着大数据时代给我们带来的诸多好处，也承受着它在个人隐私，数据安全方面带来的诸多挑战。层出不穷的骚扰电话就是一个明证，这其中涉及用户信息的非法获取，非法贩卖。在大数据时代我们怎么样做？行业自律显然已经不能很好地规避，我们亟需更为健全的法律，以此保护用户隐私数据。

侯丽斌表示，在数据安全方面，百度有专门的数据安全专家，有安全软件，同时百度大数据部门也会根据国家政策制定相应的数据保护规则，包括可能参与到政府的数据保护规则制定之中。侯丽斌以百度营销研究院的数据库为例进行了详细阐述，“我们不会对单个个体进行监控，而是通过海量数据标签进行族群分析，研究的重点是消费趋势和网络行为，然后再去挖掘出数据本身的商业价值，为我们的客户服务，同时又不触犯个人隐私权和人权。”

斯洛登事件让我们认识到了世界的复杂性，“我们觉得是朋友的人可能是我们的敌人”，维克托·迈尔-舍恩伯格如是说。国家和企业需要在数据安全方面投入更多精力，提高安全意识，因为“并不是网上的每一个人都是很友好的”。从某种程度上来讲，安全意识的提高意味着用户在成长，“成长的一部分就是我们意识到这个世界并不是很友善的”。这就要求企业加大对用户隐私的保护力度，“个人的隐私代表着一种信任，一旦用户认为自己的隐私被侵犯了，他们对于整个网络服务就会失去信心。”因而所有的网络服务都需要帮助用户建立并确保对于互联网的信任关系。“那么我们需要规则，不仅仅是在中国，在美国、在欧洲、在各个地方保护数据、保护隐私都是非常重要的，”维克托也毫不留情地指出，“全球现在数据保护方面的技术还比较落后。”因此，在当下，不仅数据收集行为需要透明化，数据的使用也需要透明化，这样才能明晰数据是否被恶意使用。

大数据所带的隐私问题让用户对于整个互联网的信任遭遇了前所未有的挑战，甚至动摇了互联网赖以存在的根基。我们之前所推崇的，“在互联网上，没人知道你是一条狗”大有被改写的可能。“可悲的是，全球在这一当面的立法进展还是比较缓慢，在很大程度上还要靠企业的自律，”维克托的观点直白，却一语中的。

而在张焕杰看来，隐私保护不是技术问题，更多的是文化问题。他以中美高速公路应急车道的占用为例，强调构建互相监督，相互尊重的文化氛围的重要性。这与维克托所说的设立规则可谓殊途同归。

“comScore在技术层面可以收集到大量用户隐私数据，但全部会经过数据脱敏手段进行过滤，去除用户隐私数据，”蔡芳表示，“我们用到很多跟用户有关系的信息做连接的串点，这是通过其他被信任的第三方在黑匣子完成的，我们拿到的信息是去除了这部分信息之后的数据。从营销角度来讲，我们不知道用户是谁，我们只知道他在网上的行为就OK了。”

大数据就是

帮助客户制定最优的旅行计划

除了大数据的开放性和安全性问题，诸位嘉宾也对大数据在旅游行业的发展现状，以及大数据在旅游产品研发、用户服务等方面的价值所在。

侯丽斌表示，旅游行业是百度的重要业务之一，同时也是百度上升最快的行业之一。对于旅游行业大部分OTA或者所有中国OTA行业，百度已经成为首选的宣传和推广渠道，订单贡献率占到30%以上。“首先百度有天然的与旅游行业有着极高的契合度，”侯丽斌解释道，“另外百度有商业智能的优势，我们有技术优势，我们有大数据优势，所以我们也会越来越多的联合我们的商业合作伙伴，共同研发一些基于大数据旅游行业的预测工具，旅游行业的品牌监测工具，以及相关的市场分析等等，这些都会为我们的企业无论是旅游行业的管理，我们旅游行业的品牌营销，甚至我们旅游行业的信息基础架构，都会起到积极促进作用。”最后，侯丽斌特别强调了百度与四川省旅游局在大数据上的合作。

“大数据是什么呢？就是更好地做决策。这也是大数据的意义所在。”维克托从大数据的核心问题出发，解读了大数据在旅游行业的应用，“而对于我们每个人而言，最重要是时间，因为生命都会走向完结，所以时间是非常重要的，我们想要到最好的地点、最好的酒店去入住，但是我们需要确定的是我们需要做最好的决定，要看什么、要经历什么，这个可以通过大数据得到。”这也是维克托所描绘的旅游行业未来的发展。维克托指出，尽管现在的互联网OTA拥有很多的信息，但还没有做到信息的互联互通，并没有厘清数据信息的关联性，因为对于最终的用户而言，“信息体量的大小并不是关注的重点，用户所需的仅仅是能够作为决策依据的很小一部分数据，他们并不需要看过很多很多数据但是最终不能作出决定。”这也是维克托为旅游行业的从业人员提出的一个待解的难题，即帮助客户合理安排休闲时间，作出最好的决策。

“全球最大酒店集团之一希尔顿酒店集团，通过德比接入了谷歌，谷歌所展示的房间价格，房源信息都是通过德比提供给谷歌的。为什么两个全球大佬，包括携程、艺龙等等要通过德比这个中间者接入呢？最根本的一点是德比能够保证数据的准确性，这就离不开大数据的功劳。”张焕杰用案例阐述了大数据在旅游行业的应用，“传统的办法保证数据的准确性达到90%，谷歌要求是95%以上，低于95%就会下架。我们跟酒店分析，怎么样同步数据才能保证数据最准，我们服务器放在美国、英国、香港、上海、北京，我们把数据缓存到全球服务器上，一个酒店什么时候同步数据，保证数据最准确，然后服务于我们行业。”

“旅游行业是一个体验性的商品和服务，”蔡芳从自身的经历出发阐述了对于旅游行业的新见解。“在很多时候自己的旅游是被社交网络所触发的，比如Facebook上朋友分享过的景点具有很强的感染力，会做社交网络的语义分析，在蚂蜂窝查看攻略，然后自己进行判断，把旅游变成不同的场景体验。”

总结

4.2014年白酒行业6大商机分析 篇四

2014-01-16 曾祥文 深圳酒海导航传媒有限公司

序言：行业冷暖，与企业并无确定的关系

许多企业及行业人士都喜欢讨论行业趋势，如明年是否回暖，冬去是否春来。这里，我们想要普及一个常识：企业命运，与行业的景气与否，并无固定的关系。

1、普遍的事实：同样的大环境下，企业之间的表现常常是迥然不同。有人说台风时猪也会飞； 白酒十年黄金时代，曾经名列千名以后的洋河等，乘风飞起来了。而名列前三甲的全兴，却跌落百名以外。这说明，即使有台风，能飞的猪也只是站在风口的那几头，而已。也就是说，台风的机遇，属于那些事前准备充分、占据了风口的猪，并不是平均地分给了所有的猪。对于没有准备的猪，台风造就的机遇，绝对不是你！所以，行业景气与否，与具体企业的成败，并无绝对的对应关系。

2、成功者的共识：任何时代，都有机遇。种种数据表明，2013年的行业总数据，与2012年相比并无明显衰落。销售额度等关键指标，是稳中有升。消费者还在那里，没有离开；行业并没有遭遇整体性问题，如数码手机被智能手机替代之类的问题。只要没有这个问题，行业的景气、不景气，就都有机会。松下幸之助说，他的一生，受益于不景气时代的，还多于景气时代。行业不景气，竞争者困难加剧，正是智者四两拨千斤、整合行业内外资源、撬动行业格局改变的大好时机。行业不景气，大幅度降低了竞争的难度，对智慧的企业，利大于弊！2013年白云边、牛栏山等的高速增长，“生命中的那坛酒”的奇迹，都是证明。

3、我们不能改变风的方向，只能调整自己的帆。行业景气、不景气，酒业是否有中期、下一个黄金时代是否来临，不是具体企业所能控制的。乐观也好，抱怨也罢，都于事无补。与其指望风改变方向，不如学习驾驭帆的新技能：无论顺风、逆风、侧风，技艺高超的船工都能借风，借势前行。

4、丢掉幻想，行业趋势不可逆。公款采购是春药，短期刺激销售，但它传递错误的行业信号，使幸运的企业与个人误解、夸大自己的能力。会飞的猪，真以为自己有翅膀。只要是市场经济、法制经济，“低增长”就是常态。反腐败，光盘行动，无外乎是拿掉刺激黄金十年的那些春药，促使行业回归常态。既然是常态，就不可逆转。丢掉幻想，正确面对，做好准备，发现机会，即使台风起时机会仍然不属于你，台风也不会来了。商机一：变“道”

消费者没有改变。白酒行业的总体销售，并没有减少！2014年不是酒业的冬天，也不是春天，或者说无所谓春秋，不过是常态天气。改变的，是“酒厂到消费者”的路径，从弯道变成了直道。

“直销”，品牌所有者选择更近的道路通往消费者。“直销”，是酒业永恒的趋势，行业的任何营销技术，都是一步步逼近“直销”的，如电商，如圈层营销，如类似1919的“带有最后500米入户入店服务功能的专业大卖场连锁”。

不要留恋以往的经销商，虽然他们仍然傲慢、仍然自以为是、仍然以为它是客户、是上帝。改变通道，上高速，绕过部分经销商，风景这边独好。商机二：变权重

营销资源，向老客户、现有客户倾斜，而不是开发新客户。企业的兴奋点，从业务开拓，转移到客户关系深化，客户忠诚度培育。

维护营销，后营销，不是新模式。在白酒行业，它是2000年广东水井坊的核心战术之一而已。它在行业外、在国外，起源更早。有一句名言“维护一个老客户的收益大于开发几百个新客户”，就是“后营销”的口号。当时时髦的“维护营销”、“营销跟进”，都属于“后营销”。摘录一段水井坊当年表述其营销战略的主要文件《营销跟进战略》，就能清楚知道“后营销”的与众不同：“营销跟进运作”有两个基本内容，一是在特定的时间和空间上将商品的文化形象深化、细化并定格在特定的消费人群中，这就需要创造性的营销推广活动；二是在特定的时间和空间将商品实体送达到特定消费者的购买圈内，这就需要有严密的营销管理组织和高效的物流运输体系。文化营销和实务营销，一条在空中呼风唤雨，一条在地上挖沟开渠，二者相得益彰，给终端消费带来源源不绝的活水。如果只有广告轰炸而没有强有力的营销跟进战略推广，广告投入只会带来泛滥成灾的疾风暴雨，来也匆匆、去也匆匆，带不来现实的市场需要，广告效益白白流失，久而久之，广告投入也会难以为继。

为此，我们可以这样来理解和描述营销跟进在白酒品牌战略中的地位与作用：它是品牌成长过程中承前启后的关键环节和重要步骤，它是品牌战略的核心支撑点。品牌不是空中楼阁，它需要高质量的营销跟进战略来支撑和维护，需要强有力的市场扩张态势来强化和提升，二者必须相辅相承、互相支持，才能形成良性循环和滚动发展。

2013年以来，互联网技术发展，圈层营销、湿营销，品鉴会、同学会、社区联谊会，纷纷兴起，它们从不同的角度体现了“后营销”，而取得了丰硕的业绩。

无论是古井贡的“雍容大度我心飞扬”，还是泸州老窖国窖的“生命中的那坛酒”，还是采用“后营销技术”的其他企业，都有可能在2014年继续它们的风光。

商机三：变“角色”

白酒有4种角色，就是我10年前提出的“工具、用具、道具、玩具”。2013年以来，“小光大”三种规格白酒兴起，造就了一批新贵。这些“因规格而成功”的案例。成功者分为两种。

一是明白规格与角色的关系，如江小白。它们在改变角色的同时，有意识地改变了相应的资源配置。二是不明白规格与角色的关系，但运气好。它们本身恰好具备相应的资源，在没有意识到规格与角色的关系的前提下，依然做到了资源的完美配置，从而取得成功。如武汉秋糖会的幸运儿、列车系统的“站车酒”。

即使仅仅是误打误撞，仅仅是跟风，但“偶尔”配置了角色转换所需要的资源，也能成功。失败者，则是运气不好的跟风者。知其然不知其所以然，改变了规格、没有改变相应的模式。规格只是角色改变的表现，本质是改变角色，可以表现为改变规格。

大坛酒的成功，基于三种角色：

1、政务商务宴会酒：开张、开幕、闭幕、表彰、获奖、夺冠、赢利、分红、配股、丰收、大卖、得胜、并购、上演、上拍、上映、上线、上市、涨停、签约、签售、验收、奠基、落成、竣工、首航、飞天、登月、阅兵、登顶、通车、通航、通邮、通电、通网、通水、通游、通油、通气、通路、通桥、启航、下线、成立、首映、开播、开机、杀青、破案、平叛、壮行、凯旋、建成、建交、建校、建厂、接风、饯行、纪念、公关、义卖„„

在企事业合作伙伴的喜庆气氛中，开启封藏的大坛酒自然能增添喜庆气氛。目前很多购买大坛酒的消费者都是这方面的需求。

2、家宴酒

子女事业有成、在世界各地忙着事业，约好了几年后春节一起回来看望父母。几年的等待，来自世界各地的子女。

节庆、毕业、升学、成人、入伍、入党、立功、提干、考取、订亲、婚庆、添丁、祝寿、乔迁、入伙、康复、复出、升职、选胜、受聘、表彰、获奖、夺冠、中彩、赢利、分红、配股、丰收、还乡、成书、胜诉、平反、减刑、沉冤、昭雪、接风、饯行、纪念、祭祖、拜山、年利、重逢、邂逅„„

有朋自远方来，不亦乐乎！当然要开坛。

3、礼品、收藏、装饰用酒

朋友公司开业或者办公室装修，送花、工艺品都太常规了，送一坛酒怎么样？很有创意！国窖的大坛酒有很多都是被当作这方面礼品使用了。在礼品方面，古越龙山的大坛酒常常被绍兴的很多企业家大量采购，其用途就是作为礼品。收藏一直是大坛酒的主要卖点。过去几年被企业热炒的金融理财产品就是一个很好的想法，只是我们不应该将这种做法变成品牌宣传的一个手段，而应该是一种切切实实的销售推广。小酒市场的成功者，分为三类：

1、维持原有的角色“休闲食品”，如红星二锅头、劲酒。

2、转换成“道具”，身份符号、心情符号。如江小白。

3、转化成工具。如高价格的小酒，就不再是“休闲食品”角色。

针对忙碌的商务人群，针对“必须庄重但又必须快节奏”的商务接待，都市兴起了一种新型的餐饮业态——轻奢商务简餐。专业的轻奢商务简餐连锁，海鲜快餐，以及由咖啡馆升级转化而来向餐饮倾斜的“咖啡之翼”、“两岸咖啡”；大卖场转化而来的商务餐饮等等，纷纷加入战团。为适应这种消费理由，啤酒行业推出了单支价格30—300的高端啤酒。相应的，白酒行业，也需要这种能快速喝完，无须推杯换盏但品质高档的白酒。

小酒，在这里的角色，转换成了新颖的“社交工具”。婚宴，朋友相聚，以及其他几乎所有社交场所，由于种种原因，高品质的小酒都将获得一席之地。商机四：抢道前进

从两只脚走路，变成开高铁、开飞机。从依靠自身的积累而发展，到借助并购、抢道发展。

兼并与收购（Acquisition）是企业扩张与增长的一种方式，而且也是通过内部或有机的资本投入实现增长的一种可供选择的方法。

以资本购并来降低竞争成本、促进业绩增长，在啤酒行业，成功的案例已经比比皆是。葡萄酒行业，中粮、张裕等名牌，已经率先开始并购国外优质的葡萄酒基地，至少在品牌内涵、产品品质等方面取得了业绩。白酒行业形势低迷，许多白酒企业对前途悲观失望，这正是资本进入的最佳时机。中信、联想、华致等企业，也已经有所动作。五粮液的“永不分梨”，算是开了名酒以购并而实现增长之先河。购并与企业业绩之间并无一定的对应关系。并购既有可能化干戈为玉帛、减少市场费用，有可能获取规模效应、增加利润，也有可能买来包袱，给品牌抹黑，也可能使企业因为资金太充裕而死，使小鸟因为穿上金甲而不能奋飞。

科特勒说：只有基于核心能力的、战略导向的并购，才能成功。商机五：水平营销

“水平营销”的基本原理不是从市场细分出发切割一小块现有市场，而是整合新的行业、新的业态的资源，创新产品与服务，改变消费者对整个行业的购买理由，来改写行业的“竞争点”。从而，把行业的龙头企业逆转为困难企业，刺激行业洗牌。

它就是在新的高度，挑战整个行业，以成仁的决心，谋求行业的绝对地位。苹果手机，星巴克，就是水平营销的经典案例。白酒行业也期待着它的乔布斯。

产品层面，我认为沱牌舍得集团与马爹利合作的新型白酒，如意集团植物发酵蒸馏的白酒，都初步具备了“苹果手机”的一部分“水平营销”因素。

我们有专门文章《水平营销---剑走边锋的成功》来阐述这条终南捷径，这里就不展开了。商机六：变“体形”

在行业不景气的时候，可以通过企业组织的变革，瘦身、减肥，来实现业务的成长。基于行业的专业化水平提高，基于科特勒的“尽量外包”理论，我2012年就提出了“单细胞企业”的设想。

2013年以来，白酒企业的“招商外包”取得很大的成功。五粮液股份公司的“添福”酒，对接上海通路快捷；五粮液股份公司的“酒之头”酒，对接广州启泰，两家专业的外包公司，都表现出了出色的专业能力。

同时，渠道利益机制管理，也出现了一批专业化公司，如成都的“万象通”。专业化公司的崛起，使酒厂、酒业品牌运营商，都能成功地改变体形。

放眼2014年，我们预测，许多10人左右的企业，就能实现几个亿的销售额！2014年，公款采购的春药药劲消退，白酒回归常态。常态的低增长，七大常规的竞争武器、使你脱颖而出。

5.大数据分析应用行业 篇五

根据省局范坚局长今年三月在全省国税系统深化税源专业化管理工作会议上的讲话“要紧紧围绕“面、线、点”布局，统筹推进税源专业化管理和税收管理现代化建设。“面、线、点”的布局安排各有侧重，是一个有机整体。“点”侧重于引领和突破，在有条件的地区，按照“国际通行、体现特色、整体设计、示范先行”的基本策略，探索税收管理基本现代化，到2015年，综合改革试验区的税收管理实现基本现代化；“线”侧重于解决复杂问题和主要矛盾，按照“借鉴国际经验、实施逻辑扁平、构建行业框架、上收核心职能、突出评定审计、致力业务创新”的总体要求，总结提炼大企业管理的规律，稳步提升大企业管理的质量和效率，到2015年，全省基本形成“三圈一线”的大企业管理格局；“面”侧重于整体推进，通过实施逻辑扁平化，转变管理方式，提升全省税源专业化管理的水平。”精神及省局姜跃生总经济师在省局大企业税收专业化管理试点方案的若干说明提到的“按照行业聚集度和区域分布，下设行业办公室和地区办公室。行业办公室设立地区包括省直属分局、南京、苏州、徐州及南通，其中已设办公室含省直属分局 “金融与通讯服务办公室”、南京设 “石化、电力与烟草办公室”、苏州设“计算机与通讯设备制造办公室””的机构设置要求，以点带面做好大企业的税收管理和服务工作，对全省列名管理大企业分行业进行了分析、筛选，结合南通实际，确定了铁路、船舶、航空航天和其他运输设备制造业为今年的风险管理重点行业，具体情况如下：

一、经查询监控决策系统大企业管理模块，2010省局列名管理大企业共4034户（2011为4203户，由于监控决策系统大企业管理模块2011数据缺失，暂按2010情况进行分析），具体行业分布如下：

二、考虑到行业集中度，列出了企业数量超过90户，集中度相

对较高的17类行业。

三、按2010年销售收入规模，列出以下排名前十行业：

四、经对上述十大行业企业构成的简要分析，发现批发行业含有较多烟草、石化企业，与电力、热力生产和供应业同属南京行业办公室管辖；货币金融服务行业属省直属分局行业办公室管辖；计算机、通信和其他电子设备制造业属苏州行业办公室管辖；汽车制造行业主要为南汽、悦达起亚等大型汽车制造集团及丰田、马自达、博世、德

尔福等跨国汽车及汽车零配件巨头投资企业，地区分布不均衡。上述行业剔除后，对体现行业景气度的行业亏损面及毛利率进行了分析，情况如下：

五、通过对上述数据的分析，决定将行业亏损面较低、毛利率较高的通用设备制造业及铁路、船舶、航空航天和其他运输设备制造业两大行业作为重点风险管理候选行业。

六、经查询上述行业涉及企业的经营范围，通用设备制造企业经营范围较为分散，涉及起重机、空调、焊接、锅炉、办公设备、轴承、阀门等多类产品，较难通过统一的手段进行风险的识别、分析和应对，而铁路、船舶、航空航天和其他运输设备制造企业经营范围集中在船舶、摩托车、铁路车辆及相关配件产品制造方面，且规模较大的企业基本为金属船舶制造企业，可以根据该行业特征有效进行税收风险管理工作。另外通过政府门户网站“中国江苏网”上刊登的《南通船舶产业新“名片”：国家船舶出口基地》一文，我们对该行业有了进一步的了解。文章提到国家船舶出口基地是南通市首个获得认定的国家级出口基地，是该市打造世界级“船谷”、参与国际竞争的新“名片”；全市规模以上船舶制造及配套企业近600家，船舶业年产值突破千亿级大关，达到1125亿元，在规模工业中占比达15.4%，成为该市第二大支柱产业；从修船到造船，从造船到海洋工程，“十一五”期间

6.大数据分析应用行业 篇六

“生活本是享受”，这一点在电动牙刷上体现得淋漓尽致。电动牙刷消费的不仅仅是牙刷或者使用牙刷的方便舒适，更重要的是体现着一种新型的生活理念。“生命不仅意味着活着，还意味着活得好坏。口腔健康，使人充分咀嚼，享受美味佳肴，获得充足营养；使人口齿清晰，尽情表达自己的意愿，自由地与人交流；使人增强自信，在社会舞台上充分展现自我„„”口腔健康直接关系到我们生命的质量，也关系到我们的生活质量。

电动牙刷是传统牙刷的替代，但是这种代替很有容易成为“永久替代”。这种替代好比蒸汽发动机替代火力发动机，好比洗发水替代香皂。一旦消费者使用电动牙刷形成习惯，他一天不用就会觉得不自然，他再也无法忍手动牙刷的原始。电动牙刷是牙刷史上的一个飞跃，也是消费观念的升级。所以，无论是对于商家们来说，形成固定的消费群至关重要。牙刷是生活必需品，当电动牙刷逐渐替代传统牙刷地位的时候，其市场需求是无法衡量的！

目前我国电牙刷市场仍处于萌芽期，使用电动牙刷的人不是很多，但是这个需求是非常庞大的。可以感觉到的是，现在认同并接受电动牙刷的消费者已经逐渐增加。

一、市场条件和市场趋势分析

1、健康已经成为最重要关注点

21世纪，健康成了全球的主题，更成为中国消费者最关注的问题。口腔健康更是消费者们关注的焦点。据调查，60%以上的人患有不同程度的口腔疾病。牙齿护理已经成为消费热点。

电动牙刷是近几年出现的新产品，在国外已掀起了口腔保健领域的一场革命。虽然电动牙刷在我国的应用尚不普及，但已有人预言，它将成为大众保健品中的重要一员。调查显示，电动牙刷与普通牙刷相比，更为科学有效。可以更彻底清除牙菌斑、减少牙龈炎和牙龈出血，也是目前欧美许多国家普遍流行的日用品。而电动牙刷通过快速旋转，使刷头产生高频振动，瞬间将牙膏分解成细微泡沫，深入清洁牙缝；与此同时，刷毛的颤动能促进口腔的血液循环，对牙龈组织有意想不到的按摩效果。而且和普通手动牙刷相比，电动牙刷手柄更大，刷头更小，其更符合人体工程学的人性化设计，让刷牙效果更好，乐趣更多，并为过去简单机械的口腔清洁过程带来崭新的“旋转乐趣”。

2、消费者收入水平越来越高

电动牙刷的消费者主要集中在大中城市。近年来城市居民收入不断提高。根据不完全统计，10个使用电动牙刷的消费者中，个人月收入在5000元以上的1人，4000-5000元的3人，3000元—40000元的5人，3000元以下的1人。可见，电动牙刷的消费者主要集中在中高收入者。然而目前大中城市月收入3000元以上的居民比例越来越多。这将大大增强电动牙刷的消费能力。

3、潜在需求庞大

据调查，1成的人正在使用或者曾经是使用过电动牙刷，有七成的人对电动牙刷表示感兴趣，5成的人表示会考虑试用价格合理的电动牙刷。而在患有牙龈疾病的被访者中，有3成的人正在使用电动牙刷，如果医生建议的话，全部会考虑试用电动牙刷。可见，在未来电动牙刷的市场需求十分庞大！

二、电动牙刷市场竞争与机会

目前，市场上电动牙刷的品牌格局如下：高端市场主要集中在博朗、飞利浦等几个国外名牌垄断，而中低端市场品牌集中程度较低，竞争非常激烈。成为众多空腔清洁产品企业的争夺之地，高露洁、佳洁士等在牙膏品牌效应下纷纷推出电动牙刷。然而低端电动牙刷市场则是一片未开拓的处女地，这将成为我国生产厂家打入电动牙刷市场的突破口。

三、电动牙刷市场营销策略：

市场定位

电动牙刷的消费群基本上锁定在中高收入阶层。从年龄和职业来细分：年轻人一代是电动牙刷的主要消费者，具体主要集中在金领和白领人士、学生和儿童。

金领和白领是购买电动牙刷的主力军，他们具备高消费的经济能力，他们注重和追求生活的高品质，而且乐于尝试新鲜事物。面向这个市场的电动牙刷应着重大造和传播新型口腔健康理念。

学生是最富于个性，最容易接受新事物的群体，他们往往带动着新型消费的主流，虽然他们暂时没有独立的经济能力，他们有固定的经济来源，不缺乏电动牙刷的消费能力。因此，学生市场是电动牙刷最活跃的市场。面向这个市场应该着重个性化的理念的打造。

儿童市场相对比较灵活。电动牙刷要抓住儿童的好奇特点，重在设计新颖。精致小巧、便于操作、体贴细致往往能打动孩子和妈妈的心。

产品定位

技术过关：电动牙刷的技术含量相对较高。消费者在使用电动牙刷时最关心的是安全问题。目前有些品牌的电动牙刷出现刷头突然脱落、漏电等问题，让消费者有尝试的心却无偿试的胆量。因此生产商必须掌握过关的技术，消除消费者的心理障碍。另外，目前国内厂商很少拥有电动牙刷的技术产权，要想在中国电动牙刷是场上占有一席之地，必须跨过这道技术门槛！

延长寿命：牙刷不是耐用消费品，寿命很短，传统牙刷需要1个月换一次。而牙医建议，电动牙刷最好每3个月更新一次刷头，这样消费者使用电动牙刷的费用比使用传统牙刷要高出很多。因此技术改造，延长刷头的寿命，降低消费者使用成本将成为生产商们努力的方向。

创新设计：越富于个性化的设计越有利于占领市场。国内很多新型电器产品不能打响品牌其中很重要的原因是缺乏个性的特点，模仿国外品牌的设计和营销思路。

定价定位

各大商场电动牙刷的专柜上都不乏驻足观看的人，甚至很多人都很感兴趣，想尝试使用，但最后真正购买的人却很少，其最大的原因是价格太贵。传统牙刷最贵也只不过是10元一支，便宜的则只需1至2元；而电动牙刷的售价每支从几十元至几百元不等。高端的电动牙刷均在100元以上，而像飞利浦、博朗这样的品牌价格更贵。飞利浦的HX2530充电式电动牙刷市价是399元，刷头也要145元，上千元的电动牙刷也并不少见，这对中国的一般工薪阶层来说确实有点高不可攀。

价格成为电动牙刷接近中国消费者的另一个主要障碍。据调查，大部分消费者愿意接受的价格是每支50元以内，而每支20-30元的价格是最受欢迎。目前市场上已经推出经济型电动牙刷，备受消费者的青睐。

7.大数据分析应用行业 篇七

随着广电业务和大数据技术的发展,企业数据价值越来越大,数据已慢慢变成企业资产,对于数据的认知与应用也越来越广泛深入,不管是政府还是企业都在加快行业建设与布局,资本市场的也强烈认同企业的数据资产价值。目前数据资产的价值主要体现对内增加效益,对外可以通过交易变现。而随着各省广电网络整合工作的完成,双向网改及“三网融合”的推进,广电运营商累积了庞大的客户信息和海量行为数据,为数据的应用和交换提供了基础。国网的成立和建设为广电业务的全国互联互通打下了基础,虽然目前和各省网的关系还比较微妙,合作方式不尽相同,但其平台把广电行业大数据范围扩大到全国,而不再局限于各个省或地区。

1. 运营效率提升

优酷、爱奇艺、乐视等互联网视频网站的进入,以及BAT等互联网行业巨头纷纷进军互联网视频行业,对传统广电行业带来空前白热化的竞争,逼迫广电行业不得不采取必要的应对措施,改革自身,突破自我。为此,广电运营商需要有效地利用数据分析,来支撑多样化的业务、智能化的管理、精细化的运营等新的企业运营方式。

2.商业模式探索

广电运营商拥有庞大的用户群体,电视和机顶盒作为家庭娱乐的既有终端,能够采集到大量的用户行为数据,能及时的了解用户的各类需求;在这样的先天优势下,同样需要融合企业内外部数据,特别是用户行为类数据,通过数据驱动数据资产变现。在2015年,各地大数据交易所相继成立这些都将有力的推动推动数据资源开放、流通和应用。数据资产变现将给企业带来直接的经济价值和社会价值。

企业数据应用中心(EDA)是指企业实施全面的企业运营数据的管理和控制,实现数据在采集之后的分析,从企业的整体视角了解企业、客户和市场,通过数据更好地支撑企业运营。中国广电企业数据架构以数据共享为目标,做好基础数据管理,积极探索和推进大数据应用,以系统为载体,以数据管控为保障,实现企业数据共享、业务支撑和价值提升。

广电行业EDA是广电信息化建设的重要组成部分,服务于全国广电运营商发展战略。EDA起到对企业数据整体的规范和管控作用,其范围包括对企业所有数据的规范体系和管控体系。

1广电大数据的典型应用

1. 收视行为分析

使用企业数据应用中心作为分析平台,以用户收视行为数据作为基础数据,通过对频道和节目的分析,采用多维度统计分析的方法挖掘用户的收视行为特征。

采集直播收视和互动平台的清单数据,结合各系统建立统一分析视图;建立数据仓库,对直播和互动平台的巨量数据进行处理和保存收视分析结果用以指导并辅助产品运营、用户增值消费导向、广告投放及节目和频道质量的把控,提升用户的粘度提供参考依据,针对地区的收视行为做出分析,并根据分析结果提出一系列措施来吸引当地用户,提高收视率。图1为对广东地区用户收视行为的分析。

收视行为分析包含综合分析、直播分析、互动分析和点播分析四个主题功能模块,涉及收视率、开机率、占有率、平均收视时长、到达率、接触频次、周期开机率、互动激活率、点播激活率、转台数、频道资源利用率、有效点击数、无效点击数、总点击数、点击数占比、有效用户数、无效用户数、总用户数、用户数占比、回看时长、点播时长等多项指标。

1)频道节目直播收视分析

统计各频道下节目的直播收视率、平均收视时长等指标,在频道下再细化到节目,可分析各节目的收视率排名,得出用户的收看喜好,如图2所示。

2)点播节目统计

统计周期内各时段单节目互动点播的收视情况,根据单片点播的点播情况分析用户的点播喜欢,针对性的引进媒资,如图3所示。

3)频道综合分析

统计各频道各维度下的直播、回看、点播用户数和时长,各频道之间的横向比较,频道收视率、回看率的排名,如图4所示。可以重点存储某些重要频道的节目,剃除一些鲜人问津的频道,以降低运营成本。

还可以通过直播收视的数据,分析各维度下的开机率情况;统计各项收视指标在统计周期内的用户数;统计单频道各维度下的直播收视率,分析单频道的收视率在各区域、各时间的情况;分析单片点播的销售情况、点播清单的查询,如图5所示。

用户收视行为还可以通过业务营业支撑系统的产品订购记录统计用户终端频道订购情况、互动用户点播情况,从而指导广电运营商的节目引进。如图6、7所示,从图6中可以看出,用户对体育类频道的喜好较高,订购量的前5都存在两个体育相关频道;从图7中可以看出,卡通类节目基本占据了用户点播的前三位。

2. 客户特征洞察

客户信息需要进行体系化的组织和管理。基于客户需求的异质性、企业有限的资源和有效的市场竞争,结合客户个人需求、客户社会需求和客户本质特点三个考量维度,构建从人口统计细分、行为细分、心理细分、社会细分四大维度识别客户的BPSD方法论,形成标准化、规范化的广电客户标签体系,在统一的视图上,规划出客户的独立标签。标签是一种定义,例如周末平均回看时间总数(分钟),世界杯开赛日观看CCTV5直播时长等等。在客户的独立标签上可进行自定义的标签定义根据客户的各种标签,可进行用户群体的细分分析操作。如图8、9所示。

合理准确的客户标签的背后是广电运营商对客户全方位信息的深入理解与认知。在这个过程中,广电运营商可以发现哪些潜在客户对营销活动响应度高;哪些客户接受新产品困难,只钟情于传统业务;哪些客户信用度低。准确勾勒客户轮廓需要结合广电运营商内部数据进行分析、挖掘后获得潜在客户知识,并依据业务目标对客户进行分类细化,采用类自然语言方式对客户进行描述。

客户特征信息的用户角色主要包括:一线营销人员、市场分析人员、广电运营商决策层。结合各外围系统数据,建立统一的客户视图,通过精准生动的客户画像描绘,可帮助他们深化对客户的认知、为客户提供“量身定做”的服务、从而持续优化产品策略和营销手段。广电客户画像如图10所示。

基于不同角色的应用目的,客户特征应用平台实现了五大功能模块:标签视图、客户群画像、客户轮廓、自助查询和对外服务,如图11所示。

3.市场、营销类分析

采用决策树/对数回归、描述型分析/响应模型、关联规则、ABC成本可计算、线性回归等分析方法/技术,通过对企业数据应用中心数据仓库里的数据进行挖掘,可以预测客户购买新产品的倾向,预测客户扩展产品使用量的倾向,预测客户升级服务的倾向,以争取新的客户。通过预测哪些客户会终止服务的使用、统计改善挽留行动的效率等来保有和挽留客户。从日常运营和基础数据中,可以了解客户购买不同产品的情况,评估客户对运营商利润贡献度,评估客户的价格敏感度,预测客户成为高价值客户的倾向,进行客户信用度评估、客户分群,预测营收变化趋势,预测客户的产品使用变化趋势。

1)业务现状分析

以xx运营商为例,其业务在2010年到2012年发展迅速,从2013年开始,业务发展开始放慢,从BOSS数据中可以得到各年的用户年环比增长率,通过计算预测2014年环比增长率为7.05%,如图12所示。

从BOSS数据中还可以得到各年的用户流失情况,用户流失率呈现逐年递增的趋势,由2010年的0.42%递增到2012年的1.03%,通过计算预测2014年流失率为1.29%,2015年用户流失率达到1.4%。说明用户增长开始放缓,用户流失逐年递增(图13)。

进行业务用户流失率的分析,得到视频业务用户流失率如图14所示,显示付费节目用户的流失率逐年递增,建议继续观察关注;而高清互动业务加强了用户的粘性。

宽带业务发展迅速,2013年净增长用户20.5万用户,环比增长107.60%。预测2014年全年发展用户249372户,环比增长58.08%,如图15所示。而从过去12个月的数据(图16)分析得出,宽带业务的用户流失在某些月份会出现偏高,应继续关注是否存在规律。

通过数据分析还可以得出用户流失的区域差异,分析流失的类型、原因,分析哪些用户容易流失,建立预警机制,采取措施,如提前主动接触用户、推出更多有针对性的交叉业务套餐等。

通过企业大数据分析还可以进行两个运营商用户发现情况的比较。

单从流失率和净增长率数据分析,比对XX、SS两个运营商用户发展情况。结合市场数据,从广电渗透率和IPTV渗透率进行对比,在与IPTV的竞争中,XX的运营情况比较好情况,见图17。同时说明潜在用户竞争,是广电发展的重中之重。

2)比较指数

表1为某省广电运营商从BOSS系统中统计出的互动业务发展情况,这18个城市仅采用这4个数据并不能进行横向比较,为此需要引入互动业务发展指数来进行比较。基于表中的4个KPI指标,采用主成份分析、因子分析、熵值法等统计方法,使用SPSS分析工具,先进行相关性分析,再进行迭收敛,分析方差贡献率,作为权重,采用Logistic回归进行评分,计算出互动业务发展指数(表2),这样可以横向比较地市之间发展情况,发现某些地市的发展瓶颈。

2 EDA系统架构

1.技术架构

EDA技术架构由云化数据处理平台(ETL)、大数据中心、分析应用中心、数据服务门户、数据管控中心五部分组成,见图18。

1)云化数据处理平台(ETL):数据抽取、转换、加载的中心

为了满足对当前非结构化、海量数据的实时处理要求,在原有ETL基础上引入了云化分布式ETL处理模式。ETL平台包括数据的抽取、转换、装载的过程,为大数据中心提供数据基础。传统ETL采用文本文件、数据库、消息服务等技术方式对传统的结构化数据进行增量或全量的采集和处理,将数据提供给ODS平台。分布式ETL通过多服务器间按照协同工作机制,将要执行的ETL流程分配在多台机器上执行,将数据提供给大数据平台。ETL平台的数据处理过程涵盖了数据生产源系统、ODS、EDW、HADOOP云平台、数据集市的数据流向全过程,使经过处理后的数据符合EDA各层的使用需要。

2)大数据中心:数据运算、交换、存储的中心;主要包含ODS、EDW、HADOOP云平台以及各类数据集市

ODS:ODS的大部分数据来源于生产系统,主要采用批处理的数据处理方式,多基于OLTP技术的SMP架构的数据存储管理,存储了短期的面向运营的准实时结构化数据,提供统一的企业运营数据视图,支撑跨系统的生产报表、跨系统数据的批量计算、准实时运营数据查询和准实时的数据共享应用。ODS给HADOOP云平台提供数据共享,ODS的部分数据来源于EDW的分析结果数据。ODS通过共享层将数据提供给外围系统使用,作为EDW的主要数据来源。

EDW:面向分析型的数据仓库,数据主要来源于ODS,ODS未整合的运营数据直接从源系统抽取。采用批处理的数据处理方式,基于SMP架构或MPP高可扩展并行数据库架构的存储管理,存储了长期的、明细和概要的分析型信息,采用数据统计、多维分析和数据挖掘等手段,细分市场和客户,支撑市场的经营分析和决策。

HADOOP云平台:为了满足云时代数据处理和分析的要求,新的EDA以混搭架构引入了HADOOP技术,负责对非结构化、海量数据进行处理、整合、存储及分析应用,形成HADOOP云平台。HADOOP云平台的数据来源于收视行为数据、互联网日志、网络管理和外部系统数据。海量结构化数据和非结构化数据采用批处理的数据处理方式,基于MPP高可扩展并行数据库架构或HADOOP架构的数据存储管理方式,存储了诸如收视行为、DPI等数据信息;消息类流数据采用流处理的数据处理方式,实时处理,实时对外共享结果,一般不做存储要求。大数据平台通过HADOOP等技术对海量数据进行轻度汇总,对海量的、非结构化的数据进行标准化、标签化,共享给ODS,同时使用大数据挖掘和探索手段,支撑全网大数据的创新应用。大数据平台与ODS和EDW相互补充,丰富了原有EDA的数据存储和数据应用。

数据集市:数据集市作为EDA的组成部分,从企业运营数据仓储ODS、大数据HADOOP云平台和企业数据仓库EDW抽取相关数据并进行转换和装载,并根据应用需求形成数据集合,支撑各种专业化应用,是为满足已定义的用户组或业务领域对于特定业务信息的需求而创建,较数据仓库而言,更关注在数据中构建复杂业务规则来支持功能强大的分析。数据集市包括地域集市、应用集市、专业集市、基于大数据的创新集市。在实现方式上,数据集市可依附于三大平台进行建设,考虑到系统性能和应用效果也可以采用物理部署的模式,但是数据必须由EDA统一提供,不允许直接和生产系统对接。

3)分析应用中心:开放的基于业务及功能组件的业务应用装配和创新中心

功能子层:包含应用开放平台和自助分析平台;应用开放平台:提供KPI查询,信息推送、监控预警、报表组件、GIS组件、图形组件、规则引擎等基础应用能力;自助分析平台提供自助取数,自助挖掘,多维分析,自助报表等自助分析能力。

应用子层:对内支撑业务域分析、网络域分析、管理域分析;对外支撑客户内容偏好,用户价值应用,客户标签库应用,位置选址应用等产品化的数据服务以及数据提供。

4)数据服务门户:统一的用户体验中心

该层将EDA的数据服务和数据提供,进行统一的封装处理,提供统一数据共享接口,通过多种形式对数据进行展现,同时以数据服务调用的方式提供给周边系统或内部应用。

数据封装:利用数据封装技术按照业务需求,根据一定规律将底层数据封装成上层服务。

数据展现:展现层接收用户请求,响应用户操作,并以Web页面的形式向用户返回结果,具备基于Portle技术与门户平台集成的能力。

数据服务:数据服务提供是指将EDA经过整合、加工处理后的数据,以数据服务调用的方式提供给周边系统或内部应用。数据服务提供主要有数据共享、服务调用和API接入服务多种技术实现手段。

5)数据管控中心:对系统运行期间产生的数据进行统一管控

是面向EDA内部各系统的,统一的、综合性的运营数据管理支撑平台。主要包含安全管理,用户管理,开发管理,资源管理,元数据管理,生命周期管控,数据质量管理,数据流程管理等多个方面:

安全管理:企业数据是企业的核心资源,数据安全管理是数据管理工作重要组成部分,需要集中管控。

元数据管理:元数据是关于数据的数据,是对数据的含义、功能、来源等进行描述,元数据管理贯穿于EDA构建、运行和维护的整个生命周期。

数据质量管理:是数据采集、传输、处理、汇总、审核、发布等各个环节的质量的闭环管理体系。

数据流程管理:实现对元数据、主数据、稽核规则的变更日志、程序运行日志的查询;实现对流程的调度配置。

2. 数据架构

EDA数据架构是EDA整体架构设计中的关键部分,数据架构图如图19所示。

所有的数据源由云化数据处理平台统一做ETL处理,通过云化数据处理平台,实现将非结构化数据转换成结构化数据进行ETL转换。云化数据处理平台,同时提供流处理引擎。对数据进行实时处理。

云化数据处理后,通过Hadoop云平台进行数据的加工处理,生成企业级汇总数据,提供给下游系统使用。

EDW主库、数据挖掘,地市集市等系统从Hadoop云平台获取企业级汇总数据后,分别进行应用的加工。地市集市由于生产应用的个性化强,同时从云化数据处理平台获取基础数据进行数据的加工处理。

经过各子系统加工后,通过信息服务总线对外提供数据服务。

3. 功能架构

1)云化数据处理平台(ETL)功能架构

云化数据处理平台具有数据抽取、数据处理、汇总加载、资源管控四大功能,通过资源管控分配不同类型作业的资源和调整不同作业之间的优先级。

数据处理层提供实时处理和批处理计算框架,实施处理以流处理技术来承载,批处理含非结构化数据处理、结构化数据处理、数据解析、汇总处理

2)大数据中心功能架构

大数据中心是数据运算、交换、存储的中心,由云平台、主体数据仓库、数据集市、数据挖掘库、信息服务总线子系统组成,采用混搭架构提供PB级的数据处理能力,实现数据的整合处理,提供企业级统一标准数据服务。

统一存储和计算:存储经过云化ETL处理的结构化和非结构化数据,利用MPP、Hadoop、高性能库、数据挖掘等技术,提供高效的计算能力。

统一数据模型:利用大数据能力,构建面向业务的跨域统一数据模型,形成对客户、产品、资源、竞争的洞察能力。

统一对外服务:以文件接口、WEB接口、数据自助提取等方式,统一对外提供数据服务。

3) HADOOP云平台功能架构

Hadoop云平台是基础数据的处理中心,承载清单、网络信令类PB级基础数据处理,整合各种数据建立企业级统一标准模型,并且对外开放,提供数据服务。Hadoop云平台分为数据层、数据服务管理、多租户管理三个功能模块。

数据层:由整合了BOSS、VOD、服务和工单平台、互联网等数据的企业级统一标准模型和多租户的个性化模型组成。

数据服务管理:对外提供实时服务、数据查询服务、数据处理服务、数据提取服务等

多租户管理:Hadoop云平台对EDA内子系统进行开放,通过多租户管理模块,实现对各租户的应用、资源、用户、安全、调度等管理。

4. 部署架构

广电企业数据应用(EDA)中心体系结构分为两级,如图20所示,即中央企业数据应用和省分公司企业数据应用。

第一级:中央企业数据应用,部署主题数据仓库和数据集市,ODS,云平台;并要求ETL平台必须满足非结构化海量数据处理要求。

第二级:省分企业数据应用,有两种模式,一种是含云平台和集市的EDA模式,一种是不含云平台和集市的EDA模式,主要依据各地数据种类和数据量,可统筹安排建设。

两级EDA通过全网数据交换枢纽进行数据交互。通过数据服务体系,进行数据的上传和下发工作,通过数据管控体系,进行主数据、元数据、数据安全、数据质量和统一调度等工作管理。

3结束语

广电运营商逐步看到了大数据对企业经营的指导作用,有的运营商已经开始了各种数据分析和应用,但大多数数据还分散在各个业务系统和支撑系统中,企业数据应用中心的建设才刚刚起步。广电行业松散的体制使得数据的集中更加困难,要得到能够指导行业发展的数据需要中央级企业与各省运营商的大力协作,好在还有希望。

摘要：介绍了广电行业大数据的典型应用,包括收视行为分析、客户特征洞察和市场营销分析,阐述了大数据下企业数据应用中心的系统架构,包括技术架构、数据架构、功能架构和部署架构。

8.博锐要当行业应用大管家 篇八

自2006年基于酷睿2双核处理器的博锐技术推出后,目前已经发展到第四代,英特尔(中国)有限公司销售与市场部产品及运营管理总监柯道远先生表示:“未来,IT将成为业务发展最重要的工具,引领企业向智能表现、智能安全和智能投资方向发展。”

在联想集团大客户业务营销总监赵煜看来,随着企业信息化程度的加深,特别是对于那些集团化的企业用户而言,如果企业信息系统不能解决系统维护的时效性、资产盘点的准确性、控制运营成本以及安全性等问题,规模化发展将成为一句空谈,而博锐技术,恰恰为这样的大中型企业用户提供了一个最佳的平台,来解决上述这些问题。

赵煜介绍说,过去,在传统的方式下,联想服务的客户对硬件及软件会分别预算分别购买——这源于硬件和软件选择的多样性,在具体部署时需要大量的测试和调优,产业价值链中的各个环节都很难单为某项技术部署单独的技术团队进行支持,每个已经实施的客户软硬件情况也各不相同,不具备行业内推广的可能,实施英博锐技术只是个案,价值未在商用客户端得到实现。

2009年3月,联想秉承CEMS商用理念,关注成本(Cost)、效率(Efficiency)、管理(Management)和安全(Security)这四个最重要的客户需求,在行业伙伴的共同努力下,开始预装基于博锐技术的管理软件,为客户提供完整的应用需求解决方案,一举解决了技术推广中最难的软硬件匹配及部署实施问题,客户以最简单的方式感受到了博锐技术的价值。2009年,联想基于博锐平台的销售数量相比2008增长了10倍,获得大批的成功案例,如:济南铁路局、上海远洋运输、江苏电力、虹桥机场、华电集团等。

“智能性能、智能安全、智能管理已经不是一种技术行为,而是一种新的应用模式或发展战略。对于CIO和CTO来说,确实需要更多地关注目前商用市场管理技术的发展,了解它将对企业发展带来的重要影响,因为这是未来提升企业核心竞争力的重要一环。” 柯道远表示,“未来,英特尔仍将致力于与OEM和软件合作伙伴展开更深层次的高端合作,将最新技术与解决方案开发相结合,提高行业用户的应用体验。”

链接

四代博锐技术特点

第一代:满足企业的管理需求

英特尔首次推出第一代博锐技术时,强调了3大特性,即“内置管理”、“前摄性安全”和“节能性能”。第一代的博锐平台由代号Conroe的酷睿2双核处理器、Q965北桥+ICH8-DO版本南桥以及Nineveh 82566DM千兆以太网组成。

第二代:注重安全性

2007年,英特尔宣布推出第二代博锐技术。第二代博锐技术的核心改进内容是可信赖执行安全技术(TXT),该技术由博锐芯片组、作业系列及虚拟机软件共同构成,能够保护虚拟化运算环境中的数据,配合硬件虚拟化技术,即便有些黑客入侵能够绕开传统安全软件的侦测,英特尔TXT技术仍可以确保虚拟系统不被轻易地攻击。

第三代:全面关注小型企业

在2008年,博锐技术再度升级。第三代博锐技术首次将IT部门保护和管理电脑的能力扩展到了原本的企业防火墙之外。针对迅速发展的小型企业,英特尔第一次专为它们的需求而开发了一些相关的博锐技术。

第四代:强化智能的管理特性