數據產品有什麼用

『壹』 大數據產品有哪些

問題一：目前大數據產品有哪些？ 大數據產品的分類在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型（如靜態報表、DashBoard、即席查詢），到多維分析型（OLAP等工具型數據產品），到定製服務型數據產品，再到智能型數據產品等。
普通報表型數據產品過於蒼白、可視化能力有限，而多維分析型數據產品更適合於專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定製服務式和智能式的數據產品。舉個例子，像企業級的大數據產品商業智能正是此趨勢下的衍生品，發展數年，像國外的SAP，IBM，Oracle廠商，國內的FineBI等都是代表。

問題二：國內真正的大數據分析產品有哪些 大數據產品是有很多的，例如微信的大數據平台，DD打車的平台。
基於數據挖掘技術的輿情監測系統為另外一個十分重要的產品。
很多 *** ，企業會採用。它的作用，簡單來說，就是發現負面信息，收集情報，有價值信息。
實施後好處: 1. 可實時監測微博，論壇，博客，新聞，搜索引擎中相關信息2. 可對重點QQ群的聊天內容進行監測3. 可對重點首頁進行定時截屏監測及特別頁面證據保存4. 對於新聞頁面可以找出其所有轉載頁面5. 系統可自動對信息進行分類6. 系統可追蹤某個專題或某個作者的所有相關信息 7. 監測人員可對信息進行挑選，再分類8. 監測人員可以基於自己的工作結果輕松導出製作含有圖表的輿情日報周報

問題三：國內真正的大數據分析產品有哪些 國內的大數據公司還是做前端可視化展現的偏多，BAT算是真正做了大數據的，行業有硬性需求，別的行業跟不上也沒辦法，需求決定市場。
說說更通用的數據分析吧。
大數據分析也屬於數據分析的一塊，在實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層――數據報表層――數據分析層――數據展現層
第二維度：用戶級――部門級――企業級――BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台。
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現！BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。傳統報表解決的是展現問題，目前國內的帆軟報表FineReport已經算在業內做到頂尖，是帶著數據分析思想的報表，因其優異的介面開放功能、填報、表單功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
Tableau、FineBI之類，可分在報表層也可分為數據展現層。FineBI和Tableau同屬於近年來非常棒的軟體，可作為可視化數據分析軟體，我常用FineBI從資料庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份――商業智能，所以在大數據處理方面的能力更勝一籌。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具；
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收獲的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完......>>

問題四：國內真正的大數據分析產品有哪些 目前，大數據分析工具在金融服務、零售、醫療衛生/生命科學、執法、電信、能源與公共事業、數字媒體/精準營銷、交通運輸等行業都有著廣泛的應用。

問題五：目前大數據在哪些行業有案例或者說應用？ 1、體育行業預測
世界盃期間,谷歌、網路、微軟和高盛等公司都推出了比賽結果預測平台。其中,網路在小組賽階段的表現最為亮眼,而進入淘汰賽階段,網路與微軟則以16場比賽15場准確預測的成
績讓人們見識到大數據在預測領域的魅力。從互聯網公司的經驗來看,只要有體育賽事相關的歷史數據,並且與指數公司進行多方合作,就可以在賽事預測領域取得不錯的成績。
2、經濟、金融行業預測
2013年,英國華威商學院和美國波士頓大學物理系的研究發現,用戶通過谷歌搜索的金融關鍵詞或許可以把脈金融市場的走向,相應的投資戰略收益高達326%。而此前,也有專家嘗試
通過Twitter博文情緒來預測股市波動。從預測的原理上來看,穩定發展的美國股市是比較適合大數據預測發揮其作用的。
對國內而言,網路推出的中小企業景氣指數預測,應用網路海量的搜索數據來刻畫我國中小企業運行發展的景氣狀態,以期能夠及時、有效地反映中小企業運行狀況,提高經濟監測的
全面性和及時性。目前該功能已經上線投入應用。
3、市場物價預測
CPI表徵已經發生的物價浮動情況,但統計局數據並不權威。但大數據則可能幫助人們了解未來物價走向,提前預知通貨膨脹或經濟危機。單個商品的價格預測更加容易,尤其是機票
這樣的標准化產品,去哪兒提供的「機票日歷」就是價格預測,可以告知你幾個月後機票的大概價位。商品的生產、渠道成本和大概毛利在充分競爭的市場中是相對穩定的,與價格相
關的變數相對固定,商品的供需關系在電子商務平台可實時監控,因此價格可以預測,基於預測結果可提供購買時間建議,或者指導商家進行動態價格調整和營銷活動以利益最大化。
後面還有用戶行為預測、個人健康預測、交通行為預測等領域都有涉及，你可以自己好好看看，希望對你有幫助。ruanyun/news/ryyc/n152.aspx

問題六：國內大數據公司有哪些？ 大數據包涵很廣泛，涉及到很多方方面面，技術難度也很大，國內能做的公司不太多，我知道的有網路、華為、聯想、浪潮、電科華雲、騰訊、阿里巴巴、中科曙光等。

問題七：國內比較好的大數據 公司有哪些 你好，說的是什麼領域？數據挖掘、數據研發、數據應用方面都有佼佼者。像商業智能領域的話，國內我比較了解的帆軟，一開始做報表軟體，做得很好，有比較深的行業基礎，後來出的FineBI商業智能軟體也延續了FineReport的精華，在行業內比較有代表性，具體的，有官網，可以去了解一下。

問題八：大數據產品主要是用來做什麼的 大數據產品有很多，寬泛來講，大數據產品的作用是對已有數據源中的數據進行收集和存儲，在這基礎上，進行分析和應用，形成我們的產品和服務，而產品和服務也會產生新的數據，這些新數據會循環進入我們的流程中。當這整個循環體系成為一個智能化的體系，通過機器實現自動化就是一種新的模式，不管是商業的，或者是其他。
而大數據能夠實現的應用，可以概括為兩個方向，一是精準化定製，二是預測。
精準化定製可以是一些個性化的產品，精準營銷，比如互聯網推廣。
預測主要是圍繞目標對象，基於它過去、未來的一些相關因素和數據分析，從而提前做出預警，或者是實時動態的優化。可分為決策支持類的，比如典型的商業智能產品FineBI；風險預警類的,主要用於證券、銀行、投資；實時優化類的，比如實時定價。

問題九：國內真正的大數據採集產品有哪些 大數據的應用分為兩類
第一類：基於自身平台的數據採集，現在的三大互聯網巨頭等擁有大量用戶數據，通過自身數據挖掘可以完成。
第二類：基於爬蟲或者類爬蟲技術，幫助企業， *** 採集網路 *** 息，也就是網路信息採集系統，樂趣的「樂」，思維的「思」
其主要應用在於：輿情監測，品牌監測，價格監測，門戶網站新聞採集，行業資訊採集，競爭情報獲取，商業數據整合，市場研究，資料庫營銷等領域。

問題十：大數據分析領域有哪些分析模型 IT監控類或者IT運維流程類的產品工具上線運行一段時間之後，一年會產生十幾萬、甚至幾十萬的海量數據，包括告警數據、工單數據等IT運維大數據，需要從這些海量數據中獲取更有效、更直接、更有價值的分析數據，更快速、有效的提取有意義的決策依據同樣需要工具系統來滿足運維大數據的IT數據挖掘、IT數據鑽取需求。 RIIL Insight目前是國內首款定位於IT管理領域的大數據決策分析系統產品，通過建立多維數據分析模型進行信息提取、統計分析並提出決策依據，是IT運維管理領域的BI。系統通過IT運營管理、IT部門績效管理、可視化項目管理、資產管理、業務關系管理、供應商軟體管理等自定義維度的運行數據進行分析，可快速獲取運維管理各方面的直觀准確數據，診斷分析問題根源，預判數據走勢，洞察全局運維動態。

『貳』 大數據產品有哪些

大數據產品有哪些我覺得大數據產品就是一些推薦，比如說你最近想買空調，只要你一搜索空調的話，那麼後台就會在這幾天一直給你發空調的一些推薦。

『叄』 什麼是數據產品

數據產品，就是以數據為主要自動化產出的產品形態。

為什麼需要數據產品？

對於產品設計來講，一些固定的步驟必不可少。
1）面向什麼用戶和場景(確定范圍）
2）解決什麼問題/帶來什麼價值（理解業務）
3）問題的分析思路是什麼（梳理產品邏輯、梳理數據需求）
4）需要用到什麼樣的指標（確定數據分析指標）
5）這些指標該怎麼組合展現

1. 面向什麼用戶和場景
任何產品設計均需要明確面向的用戶和場景，因為不同用戶在不同場景下打開你產品的姿勢也大不相同。

要了解自己的用戶，必須和他們保持長期有效的溝通。

2. 解決什麼問題/帶來什麼價值 （理解業務）
本質上是明確產品滿足了用戶的什麼需求，但凡需求，均有價值和優先順序。

3. 問題的分析思路是什麼 （梳理產品邏輯、梳理數據需求）
以上兩點其實也是普通產品經理的范疇，下面開始為數據產品經理的專業課。

1）確認數據是否准備完備
分析思路需要相應的數據支撐，數據展示類的產品自不用說，即使是用戶畫像的演算法類產品，也必須有足夠的准確數據做支撐。

2） 選擇什麼樣的產品形態
以上四步完成後，就可以選擇相應的產品形態了，常見的數據產品形態有：

4. 確定數據分析指標

5. 指標的呈現形式

『肆』 金融數據產品設計具體是做些什麼工作的

一、金融數據產品設計主要工作內容如下：
1、負責對現有產品的形態，完成定價、傭金提出修改意見和初步的產品利潤測試；
2、負責互聯網金融交易平台產品線策略及方案的制定、實施及產品生命周期管理；
3、負責管理來自用戶和公司內部的業務需求，並進行管理及分析；
4、根據公司戰略發展目標，對行業、市場、客戶特徵進行深入研究，通過對客戶類別、行業特性、風險級別、額度、期限、費率、保證措施等；
5、產品要素的不同組織與設計，結合理財客戶的特徵與需求，完成信貸產品設計與實施；
6、參與制定產品運營計劃，在營銷和客戶服務中，持續改善產品，包括用戶體驗、流程優化和數據分析等；
7、對產品進行監控與預測，並根據用戶體驗、數據分析持續進行產品的完善，優化流程；
8、領導交辦的其他工作事項。
二、金融數據產品設計崗位要求如下：
1、專科及以上學歷， 金融、財務、計量經濟學、金融工程等專業；
2、1年以上擔保公司、小額貸款公司、銀行、信託、投行、證券等金融行業從業經驗；
3.具備經濟、金融研究分析工作經歷，熟悉了解國內金融市場及各類金融產品；
4、了解互聯網投融資業務流程，研究相關金融機構、金融產品和金融工具；
5、具備清晰縝密的邏輯思維能力，有較強的數據分析能力，能夠准確切中用戶需求，把握產品核心；
6、具備優秀的書面及語言表達能力，良好的文案演示能力。

『伍』 大數據分析平台有哪些作用

一、數據驅動事務

經過數據產品、數據發掘模型實現企業產品和運營的智能化，然後極大的進步企業的全體效能產出。最常見的應用領域有根據個性化推薦技術的精準營銷服務、廣告服務、根據模型演算法的風控反詐騙服務徵信服務等。

二、數據對外變現

經過對數據進行精心的包裝，對外供給數據服務，然後取得現金收入。市面上比較常見有各大數據公司利用自己把握的大數據，供給風控查詢、驗證、反詐騙服務，供給導客、導流、精準營銷服務，供給數據開放渠道服務等。

三、數據輔助決議計劃

為企業供給根底的數據計算報表分析服務。分析師能夠容易獲取數據產出分析報告指導產品和運營，產品司理能夠經過計算數據完善產品功用和改進用戶體驗，運營人員能夠經過數據發現運營問題並確定運營的策略和方向，管理層能夠經過數據把握公司事務運營情況，然後進行一些戰略決議計劃。

關於大數據分析平台有哪些作用，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

『陸』 數據分析有什麼好處

通過面向企業業務場景提供一站式大數據分析解決方案，能夠為企業在增收益、降成本、提效率、控成本等四個角度帶來價值貢獻。

1、增收益

最直觀的應用，即利用數據分析實現數字化精準營銷。通過深度分析用戶購買行為、消費習慣等，刻畫用戶畫像，將數據分析結果轉化為可操作執行的客戶管理策略，以最佳的方式觸及更多的客戶，以實現銷售收入的增長。

下圖為推廣收支測算分析，為廣告投放提供決策依據。

『柒』 大數據分析平台有什麼作用

1、數據驅動事務

經過數據產品、數據發掘模型實現企業產品和運營的智能化，然後極大的進步企業的全體效能產出。最常見的應用領域有根據個性化推薦技術的精準營銷服務、廣告服務、根據模型演算法的風控反詐騙服務徵信服務等。

2、數據對外變現

經過對數據進行精心的包裝，對外供給數據服務，然後取得現金收入。市面上比較常見有各大數據公司利用自己把握的大數據，供給風控查詢、驗證、反詐騙服務，供給導客、導流、精準營銷服務，供給數據開放渠道服務等。

3、數據輔助決議計劃

為企業供給根底的數據計算報表分析服務。分析師能夠容易獲取數據產出分析報告指導產品和運營，產品司理能夠經過計算數據完善產品功用和改進用戶體驗，運營人員能夠經過數據發現運營問題並確定運營的策略和方向，管理層能夠經過數據把握公司事務運營情況，然後進行一些戰略決議計劃。

『捌』 數據分析有什麼作用

數據分析師的在企業中的主要作用是支持與指導業務發展。基本合格的數據分析師支持業務發展，優秀的數據分析師指導業務發展。

數據分析師在不同類型、規模、發展階段的企業中，發揮的作用不一樣：
在企業發展初期，基本是沒有數據分析師的。一個原因是數據量少，不用過多分析就能發現問題；另一個原因是互聯網業務發展初期目標很明確，用戶量是關鍵，無論用什麼方法先把用戶搞來，然後才有數據分析。

在企業發展中期，即業務上升階段，這個時候需要大量的數據分析師，尤其是沒有數據產品建設的企業。這時，數據產品和數據分析的工作基本是數據分析師承擔的：定指標、做報表、可視化、分析和預測。

對數據產品建設的重視與否是影響企業發展速度和質量的重要因素。數據分析的最基礎職責是幫助企業看清現狀。看不清現狀的企業是談不上長遠發展的。

企業發展壯大以後，數據分析團隊搭建好了，基本上分工會更加明確一些。數據架構師、數據倉庫工程師、數據產品經理、數據分析師、數據挖掘、演算法工程師等共同構成穩健的數據團隊。

『玖』 功能性產品數據的重要性（和也）

首先，產品數據是產品研發過程中形成的所有描述產品的信息。比如原理圖、PCB 圖，物料和 BOM，生產技術文檔等，是產品的檔案庫；產品數據是連接研發和供應鏈的橋梁，實現產品大規模製造的基礎。產品數據管理出了問題，無法在研發和供應鏈之間建立有效的協同和連接，當然也無法實現產品的批量生產。

其次，產品數據是實現業務 IT 信息化的基礎。從下圖可以看出，產品數據如同物質中的原子，由原子組成各種「物質」，最終業務運營需要各種「物質」所承載的數據。毫不誇張地說，產品數據是企業業務運作的血液（如圖）。

最後，產品數據管理沒有做好，將影響企業多個環節。產品數據管理沒有做好，輕則業務運作不順暢、效率低，重則導致生產停線、發錯貨、企業庫存多，庫存資金佔用高甚至形成呆死料。

產品數據管理工作做好了，業務部門業務運作效率高，降低企業管理成本和資金佔用等；沒有做好的話，則會發現業務運作形成信息孤島、業務無法拉通、生產錯貨及庫存增多等問題，無法形成企業業務運作的「信息高速公路」。由此可見，產品數據對企業研發和運營是多麼的重要。

『拾』 大數據在企業中的應用

大數據在企業中的應用

2015年9月10日，首席數據官聯盟成立儀式暨第一屆首席數據官大會在北大召開，本次活動由中國新一代IT產業聯盟和易觀智庫聯合主辦，中國新一代IT產業推進聯盟技術分委會秘書長魯四海發表演講並參與對話討論。本次對話環節由易觀智慧院副院長葛涵濤主持，參與對話的嘉賓有北大電子政務研究院副院長楊明剛、殼牌中國CIO徐斌、華為大數據總監劉冬冬、北京瀚思安信科技有限公司聯合創始人董昕。各位嘉賓從大數據在企業的應用、人才隊伍建設等方面進行深入討論，以下是對話實錄：

葛涵濤：首先我想請大家做一下自我介紹。

劉冬冬：今年上半年開始代表華為做大數據生態圈的建設，我們這個生態圈是1+6的模式，華為提供公有雲，大計算等服務，與數據挖掘，商業應用，數據可視化展示等合作夥伴，國內篩選200多家大數據公司，和比較核心的合作夥伴，開始了第一批，第二批，第三批的流程，第一批選擇16家簽約，第二批還有十幾家，今年年底會完成初步50家的合作夥伴的合作。

徐斌：殼牌品牌是比較大的公司，殼牌中國業務比較大，殼牌中國在今年已經是121年了，1894年正式進入中國了，就沒有離開。目前我們在中國的業務有上油的油氣的開采，中油的煉化等業務。大數據在殼牌的應用歷史比較悠久，我們開採油田的時候需要用海量的數據做分析，幫助我們在哪裡打井更有效，如何保證製造環節更順暢，更早的發現潛在的風險，這方面有比較多的應用。針對我們幾百萬的用戶，也在做很多的和社交媒體的合作，掌握我們的客戶，留住我們的客戶，尋找新的商業機會。今天很高興有機會和大家交流大數據，特別是我們傳統行業如何使用大數據。

董昕：謝謝大家，我們是瀚思大數據安全，一個新的創業公司。大家想安全和大數據有什麼關系？其實有非常深的關系，我們後面有機會再和大家講。我們這個團隊是2014年成立的，主要成員是來自於埃森哲、甲骨文等這些公司。我們致力於把大型企業雲中心、互聯網裡面所有跟安全相關的，跟業務、應用安全相關的數據做統一大規模的存儲、挖掘、學習和展現，幫助IT從業者，運維人員，甚至企業的領導層從數據終發現一些跟安全相關的東西。希望通過數據驅動整個行業，和整個企業實現由傳統的基於防禦的安全策略，轉向主動智能的安全策略。我們成立一年多，我們公里56人，40多個人都是研發人員，數學科學家等跟數據相關的人員。非常高興有機會和大家探討比較新的行業。

楊明剛：非常感謝主辦方的邀請，很多朋友可能了解電子政務，電子政務就是政府的信息化，還有所謂的智慧城市，還有數字城市。在過去一年多，一直做政府相關的信息化的應用，包括頂層設計。現在隨著大數據概念的提出以後，應用和需求在過去一直存在，只是提升了一個水平。電子政務這塊近兩三年提上很重要的地位。電子商務對大數據的需求也是蠻多的，過去三四年，我們一直研究政務數據和商業大數據，非常高興和大家探討數據和首席數據官未來在整個企業決策和政策決策中的作用。

葛涵濤：我們的各位嘉賓對大數據，對數據資產進行了前期的描繪和支撐。我們都知道現在大數據產品和數據產品數據來源非常廣，包括來自於智能設備，可穿戴設備，來自於金融，來自於終端設備。有了大量的數據，基於數據進行挖掘和分析，數據產品化以後，再將數據產品應用到業務中。但是這些數據產品安全性怎麼樣？針對數據安全和用戶數據隱私與大數據是什麼關系？

楊明剛：我先從價值方面跟大家分享一下。美國有一本書《數字化生存》目前這個社會，隨著網路的發展，我們所有的網路，所也的社會的形態都可以用數據來表達，這個時候無論是政務數據，還是商業數據，還是個人數據都可以用來提供，或者給我們未來決策提供參考。無論是政府治理，還是企業的科學決策，或者個人未來合理的消費計劃，都可以從數據中提取到相關的決策參考。所以這塊，其實所有的數據，看似雜亂無章，各種非結構數據和結構化的數據，通過適當的方法處理，或者通過數學模型處理，能夠給我們管理和決策帶來新的支持或者更大的支持，這是我對整個目前數字這塊所謂的資產，數據是可以增值的資產。

其實我們有了互聯網以後，每個人在網路上，無論是購物，還是通過社交工具或者社會化媒體發表相關的看法或者思想等，我們在網路上留下了大量的數字的網路痕跡，其實提取這些痕跡，包括相關的特徵，用一定的方法去分析，就可以找尋每個人或者相關的機構未來的表現。這個東西在這裡面，有很多東西涉及到個人隱私，可能在這里買的房子，或者附近相關的消費，根據你的社會屬性可以判斷你未來的行為。從某種行為來說，會讓我自己感覺很不舒服，但是這些信息是通過我們允許的放在網路上，只是相關的機構提取過來做一些加工，可能對個人的隱私或者個人尊嚴是一種挑戰。隨著國家立法的完善，我相信網路的隱私權保護會逐漸解決。

董昕：其實好惡誇張的說，我們在座的每一個人都不安全，在網路空間，無論是你產生的數據，還是你的痕跡，還是你的隱私，或多或少在自己的手機里，PC里，或者是伺服器端，安全和隱私可能是永恆的話題，比較大，我就不展開講了。從我們的角度來說，我們更關注的，從一個角度如何把核心的數據，核心的資產保值增值，安全隱私的問題。無論是大數據下面的數據隱私，數據安全，還是小數據的數據隱私和數據安全方法論是一樣的。在管理制度上怎麼進行保障？

過去談論到數據安全，更多的時候是靠技術手段為主，所以才會出現各種各樣的防火牆，加解密設備，數據防泄漏，防入侵。這些東西都有用，但是無法解決所有的問題。要不然也不會出現JP摩根信用卡數據泄漏等問題。我們需要擁抱新型的技術，新型的平台，通過技術本身解決安全問題。

另外一個國外很多報告中都寫到了，設備本身控制數據資產不太現實，我假設所有的東西都是不安全的，把所有的東西都放一個安全體系，這是國際探討的問題。我們怎麼用新型技術保護數據安全，同時結合技術，如何使安全管理的流程和措施，能夠在企業中獲得更多的認識，從而解決這個問題。

葛涵濤：關於數據能力開放的問題，在之前大數據會議上，阿里集團代表上講過，阿里的數據不開放，他們是不是有數據安全的考量。因為他們收購了高德等一系列的社交和位置的公司，掌握了用戶全維度的數據，這是出於隱私保護，基於安全的數據開放，還是比較遙遠的話題。剛才我們在CDO調研報告裡面，在未來的數據業務和大數據技術方向上，在行業領域裡面的發展是非常重要的，我想請劉冬冬和徐總分別談談，比如說大數據業務，還有數據資產等等相關的技術和服務，在你們相應的通訊和能源行業怎麼與你們的業務結合落地的。

徐斌：像大數據的應用，在我們自己的傳統行業會產生什麼樣的作用？我們自己內部把大數據的企業進行劃分。從企業決策中大數據起了很多的作用，同行用爆破的方式採集信息，幫助我們判斷出這個地方打一口井效率是不是高，因為每一口的井的成本是上百萬的，提高10%的成功率是很可觀的，這是決策支持。

第二個是運營優化，比如說油站地下油庫存在非常大的隱患，汽油和柴油泄漏的時候，一對環境造成很大的風險，第二對地下水有影響，甚至產生爆炸。一旦發生這種情況，通過大數據技術能不能提前發現潛在的泄漏風險。通過對比站的分析，提前發現是否存在不適當的損耗的發生，從而發現風險。

第三個就是市場營銷，在我們消費互聯網層面談了很多，我們怎麼樣找到客戶的特性，延伸業務領域，包括業務合作。另外通過合作，找到我們潛在的客戶。像今天的孫總，我們客戶最典型的，對油品的質量要求比較高。我們從互聯網找到這個維度，在電商上購買率很高的，經常談到汽車的，這兩個碰撞就能找到潛在客戶。

第四個就是企業安全進行風險管控。能源行業是高危行業，包括油品配送過程中，配送的時候出現問題，可能出現爆炸的風險，包括成本的增加。因此我們在海外作業的時候，不能很好及時發現風險，可能造成重大的人身傷害，包括知識產權的保護，有跟多配方，這是很關鍵的，這個怎麼防止黑客攻擊。這個和董總有相關性，企業安全，人身的安全，包括信息安全。

第五是業務創新，第六是模式變革。這兩個把我們傳統的，我們通過賣汽油變成我們可能變成第三方汽車服務後市場。以後我們油品可能免費，免費的意義在於盈利模式通過後面衍生的新業務，就是羊毛出在豬身上狗來買單。這就是大數據在我們能源行業6方面的價值。

葛涵濤：我們原來做過石油遠程管道安全監護。現在俄羅斯他們傳輸的油氣管道，很多油氣管道每隔多少公里就有檢查油壓、溫度，還有油管表面的狀況，加入了很多感測器，獲取管道表面的數據，另外還有相應的機器人，會在軌道上定期巡邏，用光來檢查表面的狀況。將這些數據全部匯總在當地的數據中心，最後匯總到歐洲數據中心，如果正常就顯示為綠色的。大數據幫助能源運輸企業，在你發生問題之前就幫你預測問題即將在什麼時間大概發生。在發生之前進行預警，我覺得這個也是大數據跟商業智能整合的非常好的一個案例。

徐斌：在我們石油行業，特別是化工行業，生產行業一旦有一些事故終止生產，想恢復是非常長的時間，一般是三個月，三個月損失多大。越早預測到危險，提前採取措施，效率是很明顯的。

劉冬冬：我們通訊行業跟石油行業是很像的。我們華為也會裝各種各樣的感測器採集數據，知道什麼地方有什麼問題，然後解決問題。比如說一個大型會場，一個足球場，數萬人，大家都在發微信，這個時候能不能發出去，信號如何？這是我們自身運營商的應用場景。衍生出來的應用場景，如果華為或者運營商更早的把大數據應用到企業的經營管理等等各個維度中去，就不會發生像上海那樣的踩踏事件。當外灘單位面積內聚集的人口超過一定量以後就應該有一個預警，告訴相關的管理部門，公安也好，告訴相關的部門人說這個地方已經超多了，通過手機我們可以捕捉這個信息。我們在大數據行業剛剛起步，我相信將來所有的行業，都會面臨變成以數據為驅動，或者以數據為核心驅動力的，而不是像以前以產品為驅動力，以渠道或者品牌為驅動力的。以數據為驅動力的話，這個問題是蠻大的，作為華為來說，現在從各個方面改為以數據為驅動力。從宏觀來說，我們將要做什麼，我們要做哪些產品，這些都可以通過數據給我們進行指導。

在大數據產品裡面，哪些是最需要的，哪些是最急迫的，我們可以通過分析挖掘出來，這個可以指導我們企業將來做什麼，不做什麼。從很小的細節來說，華為2016年找誰做手機形象代言人，我們可以用大數據做。華為手機的粉絲超過100萬。這些人共同關注的是誰，他們共同興趣愛好是什麼？他們每天什麼時間上網，數據的統計就告訴我們了，不需要決策部門每天坐在一起拍腦袋決定是誰，不是誰。剛才說到數據安全問題，我認為數據安全和技術是矛和盾的問題。現在接受就可以了，當我們現在收到騷擾簡訊垃圾簡訊，為什麼會收到，是因為他們掌握了我們手機信息。當企業掌握了很多的信息以後，這時候就造成可以滿意度的問題，讓數據決定數據安全，讓市場決定技術到什麼程度，自然會有優勝劣汰，服務好的企業就會持續發展，服務部好的企業就會死掉。

葛涵濤：我們對用戶數據掌握的越來越多，我們對數據精準分析越來越多，我們傳遞出來的消息就是精準營銷，傳遞的信息就是有用的信息，而不是垃圾信息。這實際上對我們大數據企業，對技術和演算法提出了更高的要求。如何通過大數據分析方法尋找數據中隱藏的，還沒有被發現的價值和知識。

楊明剛：其實所謂大數據，大價值，大數據應該不是大忽悠，我為什麼這么說？因為我在過去一段時間，有一個地方政府，某一個行業部門在使用大數據，但是建完的大數據系統無法滿足他們的業務需求。我們傳統的大數據，一部分是對現有數據的發現，這就是數據檢索，傳統的數據方法就可以做到，對已知的東西，已知的問題，每個數據單元都是了解的，這時候無論是結構化數據，還是非結構化數據，我們可以帶著問題找到蛛絲馬跡，問題存在什麼地方。另外一部分應該是預測的部分，就像海爾孫總談到的問題，其實可以預測。業務管理專家和業務模型建構專家需要有一個緊密結合。大數據其實是一件奢侈品，對華為這樣的產品，對我們海爾這樣的企業，對殼牌這樣的企業是可以投得起資金的，大數據是奢侈品，但是絕大部分的中小企業也需要科學決策，也需要了解市場需求，這時候面臨很重要的選擇，要面臨高昂的成本建立系統，這是不可能的。但是絕大多數的大數據企業都需要高投資，中小企業怎麼通過在數據時代不被淘汰，需要大數據解決方案提供商，或者需要大數據研究者提供一種更典範的，或者更普世的大數據解決方案，不是依託與傳統的數據檢索，或者傳統的數據包裝實現大數據的方案，而是需要跳出傳統的大數據分析方法之外，能不能有另外一種更科學，更普世的方法，讓我們很多中小企業都能享受到當今的大數據服務，需要我們在座的一起探討。實際上個人也需要大數據服務。

葛涵濤：跟簡單，更方便使用的大數據產品，方便企業減少這方面的預算，讓更多的人使用大數據帶來的便利。

楊明剛：中國的天氣預報部門利用大數據是最好的，把過去一百多年的歷史數據拿過來進行預報。真正的大數據是對未來可能的知識的發現，通過大數據發現潛在的數據之間的關聯。

葛涵濤：實際上我們剛才提到了各個不同的行業和企業對大數據的應用，因為你在北大做了十年CIO方面的培養，你們對CDO這方面的人才培養有什麼樣的動作和支持。

魯四海：我們也在探討，剛才我們在PPT裡面分享，首先為什麼會有這樣的角色存在，驅動力是什麼？然後再說需要什麼楊得技能？我覺得CDO有一部分的東西需要從課堂學習的，偏技術這塊的，能涵蓋技術和基礎管理這塊。CDO需要有一些經濟學的基礎在裡面。大數據更大的是告訴我們未來是什麼樣，告訴我們一些未知的東西。不是提一個假設，拿數據進行分析證明這個假設是對的或者是錯的，這個意義不大。真正的意義能夠告訴你未來是這樣的。我覺得CDO在培養過程當中，除了課堂學習以外，還要跟內部的業務部門進行內部的學習和交流。因為我們面臨著未知的世界，更多的需要廣闊的舞台，像CDO聯盟一樣，未來我們做一些交流性的東西，各個行業，不同行業的方式方法進行跨界整合，因為數據在這個時代就是跨界。

葛涵濤：下面我們請我們在座的各位嘉賓，用簡單的一兩句話展望一下大數據時代下，我們這些數據管理人才，CDO們如何在整個大數據背景下做好我們的工作，能在工作上出新出彩，在我們業務設計上有相應的業務創新。

魯四海：應該說任何一個行業任何一個企業的數據都是資產，每個企業都將擁有將數據變成核心競爭力的能力，這個能力可能是自建也可以購買服務獲得。

楊明剛：大數據應用成為未來決策的核心推動力，今天的大數據不能成為大忽悠。

董昕：我們談了很多技術方面的話題，我覺得一個CDO第一應該有大數據的理念，未來主要的價值都是數據。另外一點，我們認為作為一個CDO，一定要跟我們業務相聯系，懂我們的業務，知道我們的收入從哪裡來，成本在哪裡，效率從哪裡提升，這樣CDO才能落地。

徐斌：數據本身有沒有價值，我個人認為數據是沒有價值的，雖然我今天講了很多大數據。只有當數據能幫助企業產生價值的時候才能成為有價值的資產。我經常說數據資產，每個公司都有大量的數據，他們不是資產，因為它沒有用。數據只有成為有用的信息，成為知識，變成智慧，它才是真正的數據資產。不要神話大數據，大數據產生業務的價值，產生商業的價值才叫大。第二我們企業有CDO，或者有虛擬CDO職位，通過其他的CIO、CMO承擔。最主要的是腳踏實地，循序漸進，如果你不把企業的數據用好，談何大數據。如果企業沒有從數據支持決策的文化，大家做任何事情不用客觀數據幫我們做分析，給你再多的數據也沒用。首先是企業文化。第二把現有的數據用好，然後循序漸進引用更多的數據做分析。通過數據發現未知東西，這是偽命題。因為你發現未知東西，因為你不知道，原因是什麼。當形成智慧知道為什麼會發生，這是我們追求的目的，只不過我們現在不知道，所以通過相關的分析找到了相關性，但是不知道原因。未來當我們有足夠多的知識積累，我們就知道原因了。未知領域是大數據的使用階段。

劉冬冬：大數據這塊沒有找到盈利模式，沒有找到市場，推不動。現在大家找到了盈利模式才推下去了，這才是有用的，大數據有用才是硬道理。對於CDO來說，我認為跨界才是最重要的。不光要有知道企業內部的小數據，同時也要知道外部的數據如何和企業內部的數據相結合。比如說做銷售的，系統能不能很快的告訴員工，這個公司銷售額有多大的產能，以及其他合作公司等等的情況，有價值才是最重要的。

以上是小編為大家分享的關於大數據在企業中的應用的相關內容，更多信息可以關注環球青藤分享更多干貨