1. 北京明略軟體系統有限公司怎麼樣
簡介：明略數據是一傢具有自主知識產權的大數據科技公司，是中國領先的大數據整體解決方案提供商。提供一系列數據分析平台和軟體，幫助政府、金融機構等客戶，整理、分析、利用不同來源的結構化和非結構化數據。核心理念在於，利用數據的連接性，激發大數據的真正價值，從而創造一種人腦智能和計算機智能「共生」的關系，發揮兩者各自的特長，解決中國實際的、困難的、最重要的發展問題。
明略自主研發了明略大數據平台、明略數據洞察平台、明略魅力報表等產品，並在此基礎上進一步開發了交管實時大數據追蹤系統、公安刑偵實時大數據分析系統、金融反欺詐大數據實時分析系統,等國內前沿的行業大數據解決方案。
法定代表人：於琦
成立時間：2014-04-03
注冊資本：2011.0889萬人民幣
工商注冊號：110108016972213
企業類型：其他有限責任公司
公司地址：北京市海淀區中關村東路1號院1號樓10層A1002
2. 大數據洞察有哪些特色，大數據營銷案例，大數據企業
特色案例分析：
1、浪潮GS助力廣安集團一豬一ID強化食品安全
作為輻射全國的農牧企業集團，多年來廣安集團一直企業信息化進程與企業發展需求不匹配的問題。2013年，廣安集團引入浪潮GS，採用單件管理系統，通過一豬一ID對其成長周期進行全過程監控，促使食品安全可追溯，實現飼養流程精細化、集約化管理，使每年飼料節約了2成左右，為廣安的智慧企業養成之路奠定了基礎。
2、華為大數據一體機服務於北大重點實驗室
經過大量的前期調查，比較和分析准備工作，北大重點實驗室選擇了華為基於高性能伺服器RH5885V2的HANA數據處理平台。HANA提供的對大量實時業務數據進行快速查詢和分析以及實時數據計算等功能，在很大程度上得益於華為RH5885 V2伺服器的高可靠、高性能和高可用性的支撐。
3、神州數碼助張家港市更」智慧」
在張家港實踐的城市案例中，市民登錄由」神州數碼」研發的市民公共信息服務平台後，只要憑借自己的身份證和密碼，即可通過該系統平台進行240餘項」在線預審」服務、130餘項」網上辦事」服務等，還可通過手機及時查看辦事狀態。相比於以前來說，市民辦事的時間最少可以節省一半以上。
4、中科曙光助同濟大學科研領域再創新高
為了滿足爆炸式增長的用戶和數據量，同濟大學攜手中科曙光，在全面整合雲計算平台和現有資產的基礎上，採用 DS800-F20存儲系統、Gridview集群管理系統，以及Hadoop分布式計算平台構建出了業內領先的大數據柔性處理平台，使得同濟大學在信息學科及其交叉學科研究領域邁上一個新台階。
5、中國電信基於物聯網的智能公交解決方案
中國電信提出了基於物聯網的智能公交應用整體解決方案。該方案緊密結合公交行業特點，涵蓋了全球眼視頻監控系統、GPS定位調度系統、無線數據採集系統等技術，是基於物聯網技術的公交行業車輛監控調度管理綜合性解決方案。中國電信智能交通系統利用物聯網技術，提高了公交系統中的人(乘客、司乘人員、管理人員)、公交設施(道路、場站等)和公交車輛等之間的有機聯系，從而最佳地利用了交通系統的時空資源，通過信息資源的合理開發、利用和整合，提高了公交行業運行效率，改善了服務質量，為應對重大突發事件提供了必要的手段，在公交公司的科學運營管理、安全監控等方面發揮了重要的作用，物聯網的應用已成為公交業務發展的必然趨勢。
6、明略數據為稅務部門構建的可視化涉稅分析平台
稅務系統的數據在很長時間內大量來自於納稅人的申報行為數據和報表數據，面向稅務工作人員的是割裂的不同業務系統，信息本身被業務消解為固定的邏輯和處理形式。明略數據為稅務部門構建的可視化涉稅分析平台定位為面向稅務部門的數據服務產品。產品充分利用明略底層大數據平台相關技術，數據挖掘建模技術及明略稅務行業研究專家對稅源管理專業化，風險控制精細化，決策分析智能化的理解，搭建以分析預測為核心的數據應用平台，以幫助稅務部門征管工作更有效、更全面、更精細化的展開。
7、悠易互通汽車行業大數據經驗助奧迪品薦二手車
2015年，奧迪品薦二手車項目通過悠易互通程序化購買平台進行為期5個月的推廣活動，傳播受眾主要以男性以及已有奧迪車主為主，悠易互通規劃的投放策略是，首先，通過人群標簽及關鍵詞，對精準受眾人群進行全網競價;其次，對以上競價成功人群進行優化召回，分析以提高下一輪競價成功率;根據悠易互通汽車行業大數據經驗，消費者的行為路徑為」興趣-認知考慮-轉化」，程序化購買可以通過人群召回的方式將流失人群引導到下一環節，從而促進轉化可能。最終投放結果顯示，悠易互通通過以上策略高效達成客戶KPI，曝光量超過預估13%，點擊量超過KPI 26%，注冊量高達163%。
8、東風風神大數據」動」悉全系目標受眾，打破傳統促銷方式
派擇科技應用底層行為數據管理平台Action DMP支招東風風神全系營銷推廣活動， Action DMP實現全網用戶行為元數據、應用元數據、場景元數據的實時無損解析，精準捕獲各車型目標受眾;通過分析用戶行為場景，了解他們的觸媒習慣，展開品牌與用戶定製化溝通，其中也包括個性化創意載體與溝通渠道組合。項目最終CPL成本較目標降低40%。
9、智子雲大數據挖掘助蘇寧易購訪客」回心轉意」之路
蘇寧易購期望通過智子雲的VRM模型對到站/進APP的流失訪客進行精細劃分，並藉助DSP精準定向能力跨屏鎖定目標人群，找迴流失訪客。首先，建立數據倉庫;其次智子雲個性化推薦引擎Rec-Engine;智子雲智能動態出價引擎Delta-Engine;智子雲全網跨屏LBS定向引擎Loc-Engine不但支持多屏、跨屏投放，還能從訪客轉化率、媒體、地理位置、時段、設備類型、設備號等多個維度建立訪客轉化率預測模型和商品推薦模型;最後，重定向投放，針對每一個到訪訪客計算廣告點擊率和到站轉化率，然後通過自動聚類演算法將訪客人群分檔打分，對不同分值的人群，在綜合媒體環境、競價成功率等因素後，進行實時差異化出價。最終，本次活動找回蘇寧易購的流失訪客9,572,163次，並促成36,748個直接有效訂單;最終投資回報率>3。
10、 「優衣·幸運·穿回家」優衣庫2016春節場景營銷OxO
2016年，優衣庫中國推出了」優衣·幸運·穿回家」的春節主題活動，融入」LifeWear服適人生」品牌理念。結合大數據分析規模化的消費者共性，合適的移動媒介精準傳播，藉助自媒體傳播，連接到店體驗。制定優質的移動媒介策略，結合自媒體、網路廣告、社交媒體平台、零售店和微信支付，精準覆蓋受眾，，一系列線上活動讓優衣庫品牌和冬春裝產品形象直達人心，有效地將線下用戶帶到線上參與互動並積極分享，實現OxO導流，收獲了比較理想的品牌營銷和銷售增長效果。
3. 除了百度、阿里、騰訊，還有哪些做知識圖譜的企業
1、海翼知 PlantData
網址： https://www.plantdata.ai/home/index.html
提供企業級知識圖譜存儲管理平台KGMS，提供面向分析人員KGPro、運營人員KGSensor、終端用戶KGRobot等KGaaS消費套件
2、明略數據(mininglamp.com)
地址：http://www.mininglamp.com/procts/nestProct
3、海致星圖（stargraph）
地址：http://www.stargraph.cn/solution.html
4、智器雲科技（zqykj）
地址：http://www.zqykj.com/proct.php
火眼金睛（桌面端數據可視化認知分析軟體）
月光寶盒（適合團隊協作的智能資料庫系統）
天羅地網（分布式大數據認知分析服務產品）
軟體下載地址：http://www.zqykj.com/downLoads.php
5、艾勻科技（ieven）
地址：http://www.ieven.com.cn/
6、智言科技（webot）
地址：http://webot.ai/#0
7、達觀數據（datagrand）
地址：http://www.datagrand.com/kms.html
8、海知智能（ruyi）
地址：http://ruyi.ai/
9、淵亭（dataexa）
地址：http://www.dataexa.com/solution/kg
4. 做大數據真的能賺錢嗎
摘要 以我來形容中國大數據產業，可稱「蒙面狂奔」四字。在沒有思考清晰盈利模式之時，已蒙面狂奔，絕塵而去。
5. 如何建立一個完整可用的安全大數據平台
整體而言，大數據平台從平台部署和數據分析過程可分為如下幾步：
1、linux系統安裝
一般使用開源版的Redhat系統--CentOS作為底層平台。為了提供穩定的硬體基礎，在給硬碟做RAID和掛載數據存儲節點的時，需要按情況配置。例如，可以選擇給HDFS的namenode做RAID2以提高其穩定性，將數據存儲與操作系統分別放置在不同硬碟上，以確保操作系統的正常運行。
2、分布式計算平台/組件安裝
目前國內外的分布式系統的大多使用的是Hadoop系列開源系統。Hadoop的核心是HDFS，一個分布式的文件系統。在其基礎上常用的組件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。
先說下使用開源組件的優點：1）使用者眾多，很多bug可以在網上找的答案（這往往是開發中最耗時的地方）。2）開源組件一般免費，學習和維護相對方便。3）開源組件一般會持續更新，提供必要的更新服務『當然還需要手動做更新操作』。4）因為代碼開源，若出bug可自由對源碼作修改維護。
再簡略講講各組件的功能。分布式集群的資源管理器一般用Yarn，『全名是Yet Another Resource Negotiator』。常用的分布式數據數據『倉』庫有Hive、Hbase。Hive可以用SQL查詢『但效率略低』，Hbase可以快速『近實時』讀取行。外部資料庫導入導出需要用到Sqoop。Sqoop將數據從Oracle、MySQL等傳統資料庫導入Hive或Hbase。Zookeeper是提供數據同步服務，Yarn和Hbase需要它的支持。Impala是對hive的一個補充，可以實現高效的SQL查詢。ElasticSearch是一個分布式的搜索引擎。針對分析，目前最火的是Spark『此處忽略其他，如基礎的MapRece 和 Flink』。Spark在core上面有ML lib，Spark Streaming、Spark QL和GraphX等庫，可以滿足幾乎所有常見數據分析需求。
值得一提的是，上面提到的組件，如何將其有機結合起來，完成某個任務，不是一個簡單的工作，可能會非常耗時。
3、數據導入
前面提到，數據導入的工具是Sqoop。用它可以將數據從文件或者傳統資料庫導入到分布式平台『一般主要導入到Hive，也可將數據導入到Hbase』。
4、數據分析
數據分析一般包括兩個階段：數據預處理和數據建模分析。
數據預處理是為後面的建模分析做准備，主要工作時從海量數據中提取可用特徵，建立大寬表。這個過程可能會用到Hive SQL，Spark QL和Impala。
數據建模分析是針對預處理提取的特徵/數據建模，得到想要的結果。如前面所提到的，這一塊最好用的是Spark。常用的機器學習演算法，如樸素貝葉斯、邏輯回歸、決策樹、神經網路、TFIDF、協同過濾等，都已經在ML lib裡面，調用比較方便。
5、結果可視化及輸出API
可視化一般式對結果或部分原始數據做展示。一般有兩種情況，行熟悉展示，和列查找展示。在這里，要基於大數據平台做展示，會需要用到ElasticSearch和Hbase。Hbase提供快速『ms級別』的行查找。 ElasticSearch可以實現列索引，提供快速列查找。
平台搭建主要問題：
1、穩定性 Stability
理論上來說，穩定性是分布式系統最大的優勢，因為它可以通過多台機器做數據及程序運行備份以確保系統穩定。但也由於大數據平台部署於多台機器上，配置不合適，也可能成為最大的問題。 曾經遇到的一個問題是Hbase經常掛掉，主要原因是采購的硬碟質量較差。硬碟損壞有時會到導致Hbase同步出現問題，因而導致Hbase服務停止。由於硬碟質量較差，隔三差五會出現服務停止現象，耗費大量時間。結論：大數據平台相對於超算確實廉價，但是配置還是必須高於家用電腦的。
2、可擴展性 Scalability
如何快速擴展已有大數據平台，在其基礎上擴充新的機器是雲計算等領域應用的關鍵問題。在實際2B的應用中，有時需要增減機器來滿足新的需求。如何在保留原有功能的情況下，快速擴充平台是實際應用中的常見問題。
上述是自己項目實踐的總結。整個平台搭建過程耗時耗力，非一兩個人可以完成。一個小團隊要真正做到這些也需要耗費很長時間。
目前國內和國際上已有多家公司提供大數據平台搭建服務，國外有名的公司有Cloudera，Hortonworks，MapR等，國內也有華為、明略數據、星環等。另外有些公司如明略數據等還提供一體化的解決方案，尋求這些公司合作對 於入門級的大數據企業或沒有大數據分析能力的企業來說是最好的解決途徑。
對於一些本身體量較小或者目前數據量積累較少的公司，個人認為沒有必要搭建這一套系統，暫時先租用AWS和阿里雲就夠了。對於數據量大，但數據分析需求較簡單的公司，可以直接買Tableau，Splunk，HP Vertica，或者IBM DB2等軟體或服務即可。
6. 怎樣搭建平台
親身參與，作為主力完成了一個信息大數據分析平台。中間經歷了很多問題，算是有些經驗，因而作答。
整體而言，大數據平台從平台部署和數據分析過程可分為如下幾步：
1、linux系統安裝
一般使用開源版的Redhat系統--CentOS作為底層平台。為了提供穩定的硬體基礎，在給硬碟做RAID和掛載數據存儲節點的時，需要按情況配置。例如，可以選擇給HDFS的namenode做RAID2以提高其穩定性，將數據存儲與操作系統分別放置在不同硬碟上，以確保操作系統的正常運行。
2、分布式計算平台/組件安裝
目前國內外的分布式系統的大多使用的是Hadoop系列開源系統。Hadoop的核心是HDFS，一個分布式的文件系統。在其基礎上常用的組件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。
先說下使用開源組件的優點：1）使用者眾多，很多bug可以在網上找的答案（這往往是開發中最耗時的地方）。2）開源組件一般免費，學習和維護相對方便。3）開源組件一般會持續更新，提供必要的更新服務『當然還需要手動做更新操作』。4）因為代碼開源，若出bug可自由對源碼作修改維護。
再簡略講講各組件的功能。分布式集群的資源管理器一般用Yarn，『全名是Yet Another Resource Negotiator』。常用的分布式數據數據『倉』庫有Hive、Hbase。Hive可以用SQL查詢『但效率略低』，Hbase可以快速『近實時』讀取行。外部資料庫導入導出需要用到Sqoop。Sqoop將數據從Oracle、MySQL等傳統資料庫導入Hive或Hbase。Zookeeper是提供數據同步服務，Yarn和Hbase需要它的支持。Impala是對hive的一個補充，可以實現高效的SQL查詢。ElasticSearch是一個分布式的搜索引擎。針對分析，目前最火的是Spark『此處忽略其他，如基礎的MapRece 和 Flink』。Spark在core上面有ML lib，Spark Streaming、Spark QL和GraphX等庫，可以滿足幾乎所有常見數據分析需求。
值得一提的是，上面提到的組件，如何將其有機結合起來，完成某個任務，不是一個簡單的工作，可能會非常耗時。
3、數據導入
前面提到，數據導入的工具是Sqoop。用它可以將數據從文件或者傳統資料庫導入到分布式平台『一般主要導入到Hive，也可將數據導入到Hbase』。
4、數據分析
數據分析一般包括兩個階段：數據預處理和數據建模分析。
數據預處理是為後面的建模分析做准備，主要工作時從海量數據中提取可用特徵，建立大寬表。這個過程可能會用到Hive SQL，Spark QL和Impala。
數據建模分析是針對預處理提取的特徵/數據建模，得到想要的結果。如前面所提到的，這一塊最好用的是Spark。常用的機器學習演算法，如樸素貝葉斯、邏輯回歸、決策樹、神經網路、TFIDF、協同過濾等，都已經在ML lib裡面，調用比較方便。
5、結果可視化及輸出API
可視化一般式對結果或部分原始數據做展示。一般有兩種情況，行數據展示，和列查找展示。在這里，要基於大數據平台做展示，會需要用到ElasticSearch和Hbase。Hbase提供快速『ms級別』的行查找。 ElasticSearch可以實現列索引，提供快速列查找。
平台搭建主要問題：
1、穩定性 Stability
理論上來說，穩定性是分布式系統最大的優勢，因為它可以通過多台機器做數據及程序運行備份以確保系統穩定。但也由於大數據平台部署於多台機器上，配置不合適，也可能成為最大的問題。 曾經遇到的一個問題是Hbase經常掛掉，主要原因是采購的硬碟質量較差。硬碟損壞有時會到導致Hbase同步出現問題，因而導致Hbase服務停止。由於硬碟質量較差，隔三差五會出現服務停止現象，耗費大量時間。結論：大數據平台相對於超算確實廉價，但是配置還是必須高於家用電腦的。
2、可擴展性 Scalability
如何快速擴展已有大數據平台，在其基礎上擴充新的機器是雲計算等領域應用的關鍵問題。在實際2B的應用中，有時需要增減機器來滿足新的需求。如何在保留原有功能的情況下，快速擴充平台是實際應用中的常見問題。
上述是自己項目實踐的總結。整個平台搭建過程耗時耗力，非一兩個人可以完成。一個小團隊要真正做到這些也需要耗費很長時間。
目前國內和國際上已有多家公司提供大數據平台搭建服務，國外有名的公司有Cloudera，Hortonworks，MapR等，國內也有華為、明略數據、星環等。另外有些公司如明略數據等還提供一體化的解決方案，尋求這些公司合作對 於入門級的大數據企業或沒有大數據分析能力的企業來說是最好的解決途徑。
對於一些本身體量較小或者目前數據量積累較少的公司，個人認為沒有必要搭建這一套系統，暫時先租用AWS和阿里雲就夠了。對於數據量大，但數據分析需求較簡單的公司，可以直接買Tableau，Splunk，HP Vertica，或者IBM DB2等軟體或服務即可。
以上是我從事大數據以來的一些認識。管見所及，可能有所疏漏，歡迎補充。
7. 結合自己生活談談對反信息詐騙聯盟大數據的看法
摘要 公安機關加大對電信詐騙的打擊力度，並取得顯著成果，但此類案件數量仍然持續增長，且犯罪手段變化快、空間跨度大、團伙化趨勢明顯、追贓困難，且破案模式難以復制，辦案人員為了破案往往需要跨區域長期作戰。
8. 用大數據分析找出數據間隱藏的關聯性
用大數據分析找出數據間隱藏的關聯性
智能穿戴設備監測健康、城市交通和天氣的觀測、抓捕罪犯、金融監管……伴隨著大數據呈現出無孔不入的趨勢，大數據分析開始成為人類進行科學決策的重要工具。從IT時代向DT時代的轉變，大數據分析技術用迅速、精準的方式構建更加低成本、高效率的商業社會，並作為時下最為流行的技術之一，已經滲透到行業的方方面面，幫助企業用數據驅動業務的發展。
「DT時代的到來，對客戶全方位的了解可謂是全所未有的。有了數據分析技術，企業可以將服務做的更細致全面，將被動轉變為主動。」北京明略軟體系統有限公司副總裁兼金融事業部總經理周衛天認為，大數據與行業的融合，讓數據本身的價值得到了加倍的提升。
深度挖掘不同數據源間的隱藏關系
成立於2014年的北京明略軟體系統有限公司是一家明略數據專注於關系挖掘的大數據行業應用解決方案提供商。作為一家成立僅兩年的初創企業，目前明略數據已經完成了A輪融資，B輪融資將會在明年（2016年）第二季度完成。當前明略數據主要服務包括金融業、製造業、政府等行業部門在內的大型國企。「針對金融行業和公安部門這類客戶，大數據分析技術首先體現的是精準，通過關系分析管理，從而直達目標群體。」周衛天說道。
金融業是最先落地大數據的行業之一，現在國內不少銀行已經開始嘗試通過大數據來驅動業務的運營。明略數據推出的大數據分析整合平台，幫助銀行實現了風險管控、精準營銷、徵信管理、輿情監控等一系列的優化和提升。
·風險管控、反欺詐應用：利用數據分析，進行貸款質量評估，規避壞賬風險。對中小企業融資風險監控，實現盡早發現企業違約風險。
·精準營銷：在客戶畫像的基礎上開展一系列包括交叉營銷、個性化推薦、實時營銷、客戶生命周期管理等精準營銷管理。
·徵信/催收放貸增收：基於IP、GPS物理位置定位客戶行為軌跡，加強銀行信用卡徵信審核。根據關聯客戶關系網，進行債務催收。
·輿情監控：檢測客服中心、網上留言、社交媒體等信息，制定有效的客戶維系及挽留措施。
公安/刑偵是目前明略數據服務的另一大主要行業，通過隱藏的數據關系通過演算法、分析進行挖掘，快速的幫助公安部門找到有效信息，從而順藤摸瓜，抓到罪犯，提升緊急事件的應對能力。舉個簡單的例子，通過最開始的訂票信息，IP地址，到後來的車次、酒店信息、運營商的數據，將數據間進行關聯分析，就可以確定訂票人之間的關系。
給用戶「技術+服務」兩大保障
以上介紹的金融業和公安部門是明略數據主要服務的兩大行業、部門，對此也不難從側面發現明略數據針對數 據安全性可以給出較高的保障。作為一個數據服務商，明略數據從網路安全、技術數據安全、使用安全等多方面入手，做到讓客戶安心。周衛天介紹，明略數據是國 內外第一家在SQL on Hadoop三大查詢引擎（Hive, Impala和Spark SQL）上實現行，列級別細顆粒度的許可權控制大數據平台供應商。
有了技術上的優勢，也就有了競爭的底氣。在被問到如何在國內的大數據市場中搶占份額的時候，周衛天的說 法很淡然，盡管國內的巨頭已經進入進來，但市場很大，對像明略數據這樣快速成長的企業還是存在很大的機會。另外，明略的優勢是擁有專業的技術團隊，可以把 海量的數據源進行關聯分析、深度挖掘，找出其中所隱藏的關系線索。
談到今後的發展策略，除了技術的專注，服務好現有客戶將是明略數據近幾年關注的焦點。據了解，2016年明略數據將擴大各省市分公司規模，採取就近布局，包括市場、內部管理運營制定一系列的分級響應措施， 增強客戶的售後服務。此外在未來，明略數據也會邀請客戶和技術人員進入到項目中來，以便更好地了解技術的使用，從而可以快速上手，以周衛天的話說，這也是客戶增值服務的另一個角度。
9. 如何看待明略數據
作者：黃庭堅十載樽前談笑。天祿故人年少。可是陵沈英俊地，看即鎖窗批詔。此處忽相逢，潦倒禿翁同調。 西顧郎官湖渺。事看庾樓人小。短艇絕江空悵望，寄得詩來高妙。夢去倚君傍，胡蝶歸來清曉。