大数据应用场景的研究与分析

杨静静

摘要：该文介绍了大数据发展的几个阶段，分析了大数据的价值、作用和影响，对大数据的背景进行了全面的介绍；其次，对大数据产业编年史进行了阐述，介绍了大数据的市场现状和规模，描述了大数据产业链是如何运作的，梳理了大数据产业的投融资情况，对大数据产业进行了分析与研判；再次，介绍了大数据时代下数据是如何上升为一种资源并进入市场流通的，对现有的数据市场进行了梳理、分析与研判；最后，从互联网、电信、政府、金融、传媒、航运等多个行业角度切入，介绍了大数据在这些行业的应用，深入分析了一些大数据应用的案例，总结了大数据的发展现状，对未来趋势做出研判。

关键词：大数据；应用场景；数据市场

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2018）15-0023-02

1 大数据研究背景和研究现状

1）研究背景

2012年以来，大数据这个词汇愈来愈多的被说起，跟着时间的流逝，人们将更多地了解企业数据的重要性。因为大数据企业运用的需要愈来愈多，将来愈来愈多的钻研和运用领域需要利用大数据并行计算技术，大数据技术会渗透到每个涉及大规模数据和复杂计算的运用领域。

2）研究现状

国外不仅研究大数据的概念，重点放在技术研究上。大部分的研究项目都是用来应对大数据带来的技术方面的挑战，关注数据而不是科学和工程数据，主要考虑算法的效率和数据分析系统。在国内，“大数据”还没有直接以特有名的词被我国政府所提出并给予政策上的支持。因此国内学者关于大数据概念上的研究并不充分，同时在国内的“大数据”的认同程度更高，更习惯于”称为“海量数据的大数据，并没有明确的区分两个词。

2 大数据六种应用场景的研究与分析

2.1 互联网

1）巨大的数据量

截至2013年，中国互联网行业持有的数据总量已经超过5EB，到2015年，将增长到8.2EB。大数据在2011年首次被提起，然后就一直呈现发展趋势，互联网拥有海量数据，为大数据的应用和发展提供了坚实的平台。

2）大数据应用价值巨大

由于大数据集的分析能力提高，从大量的数据中挖掘用户行为和偏好的互联网公司再反向传输到业务层。它可以支持更准确的社会营销和广告，直接增加互联网公司的收入。

3）大数据应用经典案例

2012淘宝网推出了时间机器。时间机器里的应用程序需要分析客户自身的行为信息就能自己注册成为用户，采用生动且具有幽默性的语言告诉淘宝用户；统计用户的偏好行为来分析其他用户的心理，从而预测客户的行为等等。用生动的演示和个人数据，距离上更接近客户。

4）大数据应用前景分析

互联网行业的迅速发展，带动了社交网络平台的发展，大大提升了网名的数量，也正由于有大量网民的优势，大数据的发展将前景大好。如在学校里，几乎每个人都有手机或者笔记本，数据访问量特别大，而且，现在人人都有手机，这就更加促进了大数据的发展。

2.2 数据市场

在中国，企业对大数据的需求主要在精准广告投放、个人征信和商業智能等领域。但从数据源到数据需求方，这些应用领域相对分散，无法充分发掘数据价值。

1）中关村数海大数据交易市场

中关村数海大数据贸易平台有数据万余种。截至2015年3月10日，平台主页显示供应商有700多家，总数超过一万，成交量近8000次，调用次数超过21亿次。大数据平台是一个第三方交易平台，平台本身不存储数据，只是交易管道。目前大数据市场尚处于起步阶段，但有一个好的发展前景。

2）数据堂

目前，数据堂为被国内外多家顶级IT公司提供数据服务，包括百度，腾讯，联想，微软等。基于95%的数据集，将以永久免费的方式提供公共服务，因为数据是免费的，数据的发展潜力不容忽视。我曾经搜索过语言识别方面的资料，数据量真的很大，而且很实用。

3）总结与研判

通过调研发现，大数据在各个领域的应用越来越广泛，大数据技术在国内也逐渐成熟，但将数据当作产品来体现其交易价值和交易平台的建设仍处于起步阶段。但是由于当今社会爆炸式的数据增长量，大数据的发展还是相当可观的。虽然在学校里，数据量没有那么庞大，但是对于整个社会来说，大数据的前景还是很好的。

2.3 政府

1）大数据应用场景分析

政府可以用大数据整合信息，将各个部门搜集的企业信息进行剖析和共享，能够发现管理上的纰漏，提高执法水平，增进财税增收和加大市场监管程度。

2）大数据应用价值分析

大数据的发展，将很大程度地改变政府管理模式，有利于节省政府投资、增强市场管理，提高政府计划、大众服务本领，完成地域化管理。

2.4 金融

1）大数据应用场景分析

金融行业主要如信用卡、电子支付业务等，具有庞大的数据量。数据的快速增长，导致高成本的数据处理。现在的金融行业发展迅速，经常出现排队办理业务的现象，庞大的数据量要求金融行业改变模式，大数据的出现弥补了这个不足。

2）大数据应用价值分析

在数据集中的大数据背景下，大数据对金融业的影响很大。现有的IT基础设施已不能满足金融业快速增长的业务需求，建立开放、安全、高效的平台和金融服务体系，加大IT投入的工作已迫在眉睫。像我们去银行的时候，会经常遇到排队的状况，有些业务是必须在柜台办理的，这就加大了工作人员的业务量，如果采用大数据，就会改变这种情况，提高业务效率。

3）大数据应用前景分析

在金融业业务转型时期，以数据为基础的交易及内部管理优化使得金融范畴的大数据利用市场规模在未来几年将以高于总体水平的速率增长。互联网金融将不可避免地产生大量的数据，如何利用这些数据，大数据技术和合理的分析是网络银行的成功发展的关键。

2.5 传媒

从总体看，仍未能挽住传媒的颓势。对传统媒体来讲，要想胜利转型，必须摸准新时代的脉搏。“大数据”是媒体转型的关键。

1）大数据应用价值分析

“大数据时代”的技术和方法还不成熟，但对传媒产业转型的重要意义。媒体应该从数据挖掘技术分析学习，在产品开发和管理的各个方面，充分利用大数据来开发新产品，更准确地提供个性化服务，和自身的发展可以计数的数据资产，进行多用途利用。比如今年春晚的时候，央视通过大数据了解到中國客流量。

2）大数据应用经典案例

在新传媒电视领域，百视通大数据战略一直走在行业前列。2013年，百视通建成“百视云”平台，实现了“一云多屏”的运营模式。现在每个家庭都有数字电视，电视数据访问量也很大，百视通大数据的出现改善了这一问题。

3）大数据应用前景分析

传媒业应用大数据前景广阔。首先，具有很强的政治和品牌资源。另一方面，传统媒体通过几十年的累积和积淀，已构成了价值广大的品牌，这也使得其在获得数据资源方面更能取得信任。其次，传统媒体在网络资源覆盖方面具有很大优势。

2.6 航运

电子信息化的发展促进了航空市场的发展，机票预订能够通过网络平台达到更全面、更高效的效果，从而达到最终的选择。然而，海上贸易的过程比乘飞机旅行是复杂得多，不仅涉及很多方面，信息数据比较分散，到目前为止，尚未有一个真正意义上对行业产生巨大影响力的航运电商出现。

1）大数据应用价值分析

第一，能够使用大数据对将来航路的国际贸易货量预测剖析，预知各个口岸的热度。如双十一时期的快递很多都是通过空运实现的。其次，能够利用气象水文对环境进行预警，为了在大雾等恶劣天气和台风工作时间调配。2014的马航失事前，如果及时做好预警，就不会出现那样的灾难了。第三，及时判别客户活动，分析客户行为，预警目的港弃箱行为，避免不必要的亏损发生。企业如果及时判别客户活动，了解客户心理，就会避免不必要的损失。

2）经典案例

宁波航交所运用大数据思维与方法开展研究与应用的重要成果——海上丝路指数。宁波航运交易所采用大数据的集成和信息交互，为企业，行业和政府部门提供在线管理，统计分析等功能，帮助企业优化业务管理，提高运营效率，降低成本计划，助推航运经济转型升级。

3）应用前景分析

航运业中，数据服务有一个辉煌的未来。近年来，港口城市也正在建设区域性航运中心，目的是在蓝色的海洋核心数据中抓住经济命脉，获得发言权。可以说，谁能控制和充分利用“大数据”，谁就能引领行业未来。

3 总结

基于大数据背景，本文主要对大数据业务与技术进行调研，分别从大数据概述、产业全景、技术分析、数据资源、行业应用以及案例分析等方面进行调研和分析。

在大数据概述中，具体讲述了大数据的来源，发展，价值体现和作用。所谓的“大数据”，是指所涉及的数据量是不能通过当前主流的软件捕获，达不到巨大的管理，加工，整理，并日益活跃在合理时间内帮助信息的业务决策的目的。企业通过大数据分析手段，重新的数据中获得新的见解，和细节和已知的所有业务，为企业创造新的价值。大数据对于国家和政府、企业或个人具有重要的作用和影响。

无论从大数据增长还是技术来看，人类已经步入了大数据时代。大数据对国家允许形式，组织和业务流程产生巨大的影响，将是下一个最大的市场机会的领域，被称为人类和工业革命。

参考文献：

[1] 大数据[EB/OL]. [2014-8-8]. http：//zh.wikipedia.org/zh-cn/%E5%A4%A7%E6%95%B8%E6%93%9A

[2] 维克托·迈尔·舍恩伯格（Viktor Mayer-Sch?nberger）.大数据时代[M]：浙江人民出版社，2012-12

[3] 涂子沛.大数据[M]：广西师范大学出版社， 2013-4

[4] Graham-Rowe D， Goldston D， Doctorow C， et al. Big data： science in the petabyte era[J]. Nature， 2008， 455： 1-50.

[5] Agrawal D， Bernstein P， Bertino E， et al. Challenges and opportunities with big data[J]. CRA white paper， 2012.