大数据行业热点调查研究

熊熙+乔少杰+李斌勇

摘 要：在万物互联的时代，如何将传统行业中复杂、孤立、海量的数据融合，找到隐藏在低价值中的潜在价值，进而改变生产模式，是目前大数据的研究方向。本文通過分析各行业中大数据技术应用的现状，探讨了大数据技术在金融机构和企业运维过程中如何挖掘潜在应用价值，进而改善现有生产方式，说明大数据应用的前景值得期待，而实践中是否能带来经济效益仍待进一步观察。

关键词：大数据；潜在价值；生产模式；成都地区

成都作为西南地区科技、金融、交通中心，拥有众多的科研机构和中外知名科技企业。尤其是在以科技创新为发展依托、GDP稳居成都各区县第一位并稳步上涨的成都高新区，涌现出了众多的大数据相关企业。通过政策支持，成都高新区成立了三大平台：成都大数据创新创业服务平台、成都大数据交易平台和成都大数据处理分析平台，同时成立了四大数据基地：郫都区菁蓉小镇、国家信息中心大数据创新创业基地、高新区的中国智慧城市大数据创新联盟以及青羊区中国科学院大数据挖掘和知识管理重点实验室。

根据CCF大数据专业委员会的统计，目前大数据应用热点主要表现在数据资源可视化、大数据隐私、大数据与云计算深度融合、基于海量数据的智能和大数据安全等方面[1]。传统行业对数据的集中利用主要表现在对业务数据的统计，应用范围以系统内部或企业内部为主，例如各系统报表、财务报表和销售统计等。IT行业的数据主要来源于智能终端设备、物联网和云平台，采用分布式存储，深度挖掘和海量智能将是高科技公司未来的研究方向。

本文对成都市大数据技术应用进行了调研，分析了大数据在各行业中的应用与影响，阐述了如何利用大数据技术挖掘有用信息进而改变生产模式，最后给出了大数据技术在金融机构和企业运维领域的应用模式。

1 成都地区大数据行业的应用现状

成都地区目前已聚集了大数据相关企业300余家，从事大数据应用研发及运营服务的企业146家，企业类别有数据管理、数据可视化、数据集成、城市大数据共享交换、指纹识别、数据安全设备、行业应用、法律行业、电信行业和电商行业等。企业业务已涉及到公共事业、企业服务、医疗健康、云计算、金融和智能制造等50个垂直细分领域，涉及公司服务的大数据企业占比达36%，医疗健康服务的企业占比为36%，金融行业占比18%。

成都地区知名的大数据企业主要有成都四方伟业软件股份有限公司，从事政府、金融和电信业务；成都神鸟数据咨询有限公司，从事政府、企业、媒体和金融保险等多个行业业务；成都数联铭品科技有限公司为金融、传媒和体育事业提供大数据业务解决方案；成都数之联科技有限公司则为人力资源、医疗健康和数据交易行业提供大数据综合业务。

2 大数据技术在各行业的应用及影响

2.1 公共事业

政务中各地采集的信息标准不统一，传统的电子政务信息系统数据结构差异性大、利用率低[2]。政府各部门数据独立分散，协同服务困难。通过建立大数据云平台将各个领域的数据统一，实现各类政务数据的有效存储和实时更新，同时利用数据资源可视化来发挥各个职能部门数据的潜在价值。

2.2 医疗健康

在政策和市场的支持下，通过建立医疗数据中心、医疗设备中心等大数据基础信息平台，并规整本区域医疗机构的就诊数据。一方面提供远程诊疗硬件支撑体系，并解决医疗设备资源总量不足、分布不均的问题；另一方面为精准医疗大数据分析和挖掘应用提供数据储备，推动大健康产业发展[3]。

2.3 金融业务

通过建立网点顾客监测模型了解银行服务的现状，同时通过客户满意度调查来了解客户对银行服务的评价及其期望，结合分析银行服务现状与客户期望之间的差距，探索切合银行现状、提升银行整体服务水平的措施和方法。并根据客户需求，结合银行现有资源，为银行拟定具体的服务提升方案和措施，将服务提升工作具体落实到网点及相关渠道服务人员。

2.4 新媒体业务

新媒体的运营是“内容”与“技术”的结合，在提供优质内容的同时，也需要相应的技术支撑，实现最佳传播效果。新媒体研究主要从用户使用体验和内容传播效果两个方面进行研究，为新媒体产品的运营情况提供客观、完善的评价体系。其中，用户使用体验的评价指标包括新媒体产品的下载数、卸载数、用户数、使用频次、使用时长以及用户在网络上对产品的评论和发言；新媒体产品内容传播效果的评价指标则主要包括内容的点击率、评论数、转发率等。

3 挖掘潜在应用价值，改善现有生产方式

3.1 金融机构

金融机构掌握很多数据，但仅仅占可获得数据的一小部分。金融机构掌握的数据是结构化的，金融系统之外的数据，如工商注册数据、税务数据、产权数据和诉讼数据等等，都是非结构数据。这些非结构数据分散在各个政府机构、登记中心和法院等，数据格式也不同[4]。

这些数据对金融机构的风险判断同样重要。使用这些数据进行画像、建模，从交易、风险、权益多个层面分析，对客户价值进行打分，可大幅提高精准营销的能力。

3.2 企业运维

随着企业系统的增多，产生的工单、日志、告警数据呈指数级增长，导致企业运维难度加大。Hadoop、Spark、Flume等多种架构实现了海量运维数据的采集与存储[5]，利用机器学习鉴定技术对日志建立Profile模型，帮助运维人员准实时监控线上业务、实时定位业务异常、排除故障、优化运维工作，从而改变生产模式。

4 总结

通过调研，大数据平台在各行业的应用处于初步阶段，投资回报尚未得到验证。大数据热点资源共享、大数据可视化和大数据安全等领域将是未来的产业热点，改变生产模式、节省人力、提高精准度同样值得期待。不过，具体应用模式能否带来实际的经济效益，还是未知数。

参考文献

[1]孟杰.基于大数据技术应用的商业模式设计路径研究[D].东南大学，2015.

[2]钱小聪.大数据的发展和产业机遇[J].物联网技术，2013（10）：84-86.

[3]任思冲，周海琴，彭萍.大数据挖掘促进精准医学发展[J].国际检验医学杂志，2015（23）：3499-3501.

[4]蔡庆丰，郭春松，陈诣之.大数据思维在金融学研究中的运用[J].经济学动态，2015（3）：104-114.

[5]于科.基于ITIL的IT运维管理体系应用研究[D].西安建筑科技大学，2014.endprint