大數據行業熱點調查研究

熊熙+喬少杰+李斌勇

摘 要：在萬物互聯的時代，如何將傳統行業中復雜、孤立、海量的數據融合，找到隱藏在低價值中的潛在價值，進而改變生產模式，是目前大數據的研究方向。本文通過分析各行業中大數據技術應用的現狀，探討了大數據技術在金融機構和企業運維過程中如何挖掘潛在應用價值，進而改善現有生產方式，說明大數據應用的前景值得期待，而實踐中是否能帶來經濟效益仍待進一步觀察。

關鍵詞：大數據；潛在價值；生產模式；成都地區

成都作為西南地區科技、金融、交通中心，擁有眾多的科研機構和中外知名科技企業。尤其是在以科技創新為發展依托、GDP穩居成都各區縣第一位并穩步上漲的成都高新區，涌現出了眾多的大數據相關企業。通過政策支持，成都高新區成立了三大平臺：成都大數據創新創業服務平臺、成都大數據交易平臺和成都大數據處理分析平臺，同時成立了四大數據基地：郫都區菁蓉小鎮、國家信息中心大數據創新創業基地、高新區的中國智慧城市大數據創新聯盟以及青羊區中國科學院大數據挖掘和知識管理重點實驗室。

根據CCF大數據專業委員會的統計，目前大數據應用熱點主要表現在數據資源可視化、大數據隱私、大數據與云計算深度融合、基于海量數據的智能和大數據安全等方面[1]。傳統行業對數據的集中利用主要表現在對業務數據的統計，應用范圍以系統內部或企業內部為主，例如各系統報表、財務報表和銷售統計等。IT行業的數據主要來源于智能終端設備、物聯網和云平臺，采用分布式存儲，深度挖掘和海量智能將是高科技公司未來的研究方向。

本文對成都市大數據技術應用進行了調研，分析了大數據在各行業中的應用與影響，闡述了如何利用大數據技術挖掘有用信息進而改變生產模式，最后給出了大數據技術在金融機構和企業運維領域的應用模式。

1 成都地區大數據行業的應用現狀

成都地區目前已聚集了大數據相關企業300余家，從事大數據應用研發及運營服務的企業146家，企業類別有數據管理、數據可視化、數據集成、城市大數據共享交換、指紋識別、數據安全設備、行業應用、法律行業、電信行業和電商行業等。企業業務已涉及到公共事業、企業服務、醫療健康、云計算、金融和智能制造等50個垂直細分領域，涉及公司服務的大數據企業占比達36%，醫療健康服務的企業占比為36%，金融行業占比18%。

成都地區知名的大數據企業主要有成都四方偉業軟件股份有限公司，從事政府、金融和電信業務；成都神鳥數據咨詢有限公司，從事政府、企業、媒體和金融保險等多個行業業務；成都數聯銘品科技有限公司為金融、傳媒和體育事業提供大數據業務解決方案；成都數之聯科技有限公司則為人力資源、醫療健康和數據交易行業提供大數據綜合業務。

2 大數據技術在各行業的應用及影響

2.1 公共事業

政務中各地采集的信息標準不統一，傳統的電子政務信息系統數據結構差異性大、利用率低[2]。政府各部門數據獨立分散，協同服務困難。通過建立大數據云平臺將各個領域的數據統一，實現各類政務數據的有效存儲和實時更新，同時利用數據資源可視化來發揮各個職能部門數據的潛在價值。

2.2 醫療健康

在政策和市場的支持下，通過建立醫療數據中心、醫療設備中心等大數據基礎信息平臺，并規整本區域醫療機構的就診數據。一方面提供遠程診療硬件支撐體系，并解決醫療設備資源總量不足、分布不均的問題；另一方面為精準醫療大數據分析和挖掘應用提供數據儲備，推動大健康產業發展[3]。

2.3 金融業務

通過建立網點顧客監測模型了解銀行服務的現狀，同時通過客戶滿意度調查來了解客戶對銀行服務的評價及其期望，結合分析銀行服務現狀與客戶期望之間的差距，探索切合銀行現狀、提升銀行整體服務水平的措施和方法。并根據客戶需求，結合銀行現有資源，為銀行擬定具體的服務提升方案和措施，將服務提升工作具體落實到網點及相關渠道服務人員。

2.4 新媒體業務

新媒體的運營是“內容”與“技術”的結合，在提供優質內容的同時，也需要相應的技術支撐，實現最佳傳播效果。新媒體研究主要從用戶使用體驗和內容傳播效果兩個方面進行研究，為新媒體產品的運營情況提供客觀、完善的評價體系。其中，用戶使用體驗的評價指標包括新媒體產品的下載數、卸載數、用戶數、使用頻次、使用時長以及用戶在網絡上對產品的評論和發言；新媒體產品內容傳播效果的評價指標則主要包括內容的點擊率、評論數、轉發率等。

3 挖掘潛在應用價值，改善現有生產方式

3.1 金融機構

金融機構掌握很多數據，但僅僅占可獲得數據的一小部分。金融機構掌握的數據是結構化的，金融系統之外的數據，如工商注冊數據、稅務數據、產權數據和訴訟數據等等，都是非結構數據。這些非結構數據分散在各個政府機構、登記中心和法院等，數據格式也不同[4]。

這些數據對金融機構的風險判斷同樣重要。使用這些數據進行畫像、建模，從交易、風險、權益多個層面分析，對客戶價值進行打分，可大幅提高精準營銷的能力。

3.2 企業運維

隨著企業系統的增多，產生的工單、日志、告警數據呈指數級增長，導致企業運維難度加大。Hadoop、Spark、Flume等多種架構實現了海量運維數據的采集與存儲[5]，利用機器學習鑒定技術對日志建立Profile模型，幫助運維人員準實時監控線上業務、實時定位業務異常、排除故障、優化運維工作，從而改變生產模式。

4 總結

通過調研，大數據平臺在各行業的應用處于初步階段，投資回報尚未得到驗證。大數據熱點資源共享、大數據可視化和大數據安全等領域將是未來的產業熱點，改變生產模式、節省人力、提高精準度同樣值得期待。不過，具體應用模式能否帶來實際的經濟效益，還是未知數。

參考文獻

[1]孟杰.基于大數據技術應用的商業模式設計路徑研究[D].東南大學，2015.

[2]錢小聰.大數據的發展和產業機遇[J].物聯網技術，2013（10）：84-86.

[3]任思沖，周海琴，彭萍.大數據挖掘促進精準醫學發展[J].國際檢驗醫學雜志，2015（23）：3499-3501.

[4]蔡慶豐，郭春松，陳詣之.大數據思維在金融學研究中的運用[J].經濟學動態，2015（3）：104-114.

[5]于科.基于ITIL的IT運維管理體系應用研究[D].西安建筑科技大學，2014.endprint