数据产品有什么用

‘壹’ 大数据产品有哪些

问题一：目前大数据产品有哪些？ 大数据产品的分类在狭义的范畴里，从使用用户来看，可以是企业内部用户，外部企业客户，外部个人客户等。从产品发展形态来看，从最初的报表型（如静态报表、DashBoard、即席查询），到多维分析型（OLAP等工具型数据产品），到定制服务型数据产品，再到智能型数据产品等。
普通报表型数据产品过于苍白、可视化能力有限，而多维分析型数据产品更适合于专业的数据分析师而不是业务或运营人员，使用局限性也越来越大，所为未来的趋势可能是定制服务式和智能式的数据产品。举个例子，像企业级的大数据产品商业智能正是此趋势下的衍生品，发展数年，像国外的SAP，IBM，Oracle厂商，国内的FineBI等都是代表。

问题二：国内真正的大数据分析产品有哪些 大数据产品是有很多的，例如微信的大数据平台，DD打车的平台。
基于数据挖掘技术的舆情监测系统为另外一个十分重要的产品。
很多 *** ，企业会采用。它的作用，简单来说，就是发现负面信息，收集情报，有价值信息。
实施后好处: 1. 可实时监测微博，论坛，博客，新闻，搜索引擎中相关信息2. 可对重点QQ群的聊天内容进行监测3. 可对重点首页进行定时截屏监测及特别页面证据保存4. 对于新闻页面可以找出其所有转载页面5. 系统可自动对信息进行分类6. 系统可追踪某个专题或某个作者的所有相关信息 7. 监测人员可对信息进行挑选，再分类8. 监测人员可以基于自己的工作结果轻松导出制作含有图表的舆情日报周报

问题三：国内真正的大数据分析产品有哪些 国内的大数据公司还是做前端可视化展现的偏多，BAT算是真正做了大数据的，行业有硬性需求，别的行业跟不上也没办法，需求决定市场。
说说更通用的数据分析吧。
大数据分析也属于数据分析的一块，在实际应用中可以把数据分析工具分成两个维度：
第一维度：数据存储层――数据报表层――数据分析层――数据展现层
第二维度：用户级――部门级――企业级――BI级
1、数据存储层
数据存储设计到数据库的概念和数据库语言，这方面不一定要深钻研，但至少要理解数据的存储方式，数据的基本结构和数据类型。SQL查询语言必不可少，精通最好。可从常用的selece查询，update修改，delete删除，insert插入的基本结构和读取入手。
Access2003、Access07等，这是最基本的个人数据库，经常用于个人或部分基本的数据存储；MySQL数据库，这个对于部门级或者互联网的数据库应用是必要的，这个时候关键掌握数据库的库结构和SQL语言的数据查询能力。
SQL Server2005或更高版本，对中小企业，一些大型企业也可以采用SQL Server数据库，其实这个时候本身除了数据存储，也包括了数据报表和数据分析了，甚至数据挖掘工具都在其中了。
DB2，Oracle数据库都是大型数据库了，主要是企业级，特别是大型企业或者对数据海量存储需求的就是必须的了，一般大型数据库公司都提供非常好的数据整合应用平台。
BI级别，实际上这个不是数据库，而是建立在前面数据库基础上的，企业级应用的数据仓库。Data Warehouse，建立在DW机上的数据存储基本上都是商业智能平台，整合了各种数据分析，报表、分析和展现！BI级别的数据仓库结合BI产品也是近几年的大趋势。
2、报表层
企业存储了数据需要读取，需要展现，报表工具是最普遍应用的工具，尤其是在国内。传统报表解决的是展现问题，目前国内的帆软报表FineReport已经算在业内做到顶尖，是带着数据分析思想的报表，因其优异的接口开放功能、填报、表单功能，能够做到打通数据的进出，涵盖了早期商业智能的功能。
Tableau、FineBI之类，可分在报表层也可分为数据展现层。FineBI和Tableau同属于近年来非常棒的软件，可作为可视化数据分析软件，我常用FineBI从数据库中取数进行报表和可视化分析。相对而言，可视化Tableau更优，但FineBI又有另一种身份――商业智能，所以在大数据处理方面的能力更胜一筹。
3、数据分析层
这个层其实有很多分析工具，当然我们最常用的就是Excel，我经常用的就是统计分析和数据挖掘工具；
Excel软件，首先版本越高越好用这是肯定的；当然对excel来讲很多人只是掌握了5%Excel功能，Excel功能非常强大，甚至可以完成所有的统计分析工作！但是我也常说，有能力把Excel玩成统计工具不如专门学会统计软件；
SPSS软件：当前版本是18，名字也改成了PASW Statistics；我从3.0开始Dos环境下编程分析，到现在版本的变迁也可以看出SPSS社会科学统计软件包的变化，从重视医学、化学等开始越来越重视商业分析，现在已经成为了预测分析软件；
SAS软件：SAS相对SPSS其实功能更强大，SAS是平台化的，EM挖掘模块平台整合，相对来讲，SAS比较难学些，但如果掌握了SAS会更有价值，比如离散选择模型，抽样问题，正交实验设计等还是SAS比较好用，另外，SAS的学习材料比较多，也公开，会有收获的！
JMP分析：SAS的一个分析分支
XLstat：Excel的插件，可以完......>>

问题四：国内真正的大数据分析产品有哪些 目前，大数据分析工具在金融服务、零售、医疗卫生/生命科学、执法、电信、能源与公共事业、数字媒体/精准营销、交通运输等行业都有着广泛的应用。

问题五：目前大数据在哪些行业有案例或者说应用？ 1、体育行业预测
世界杯期间,谷歌、网络、微软和高盛等公司都推出了比赛结果预测平台。其中,网络在小组赛阶段的表现最为亮眼,而进入淘汰赛阶段,网络与微软则以16场比赛15场准确预测的成
绩让人们见识到大数据在预测领域的魅力。从互联网公司的经验来看,只要有体育赛事相关的历史数据,并且与指数公司进行多方合作,就可以在赛事预测领域取得不错的成绩。
2、经济、金融行业预测
2013年,英国华威商学院和美国波士顿大学物理系的研究发现,用户通过谷歌搜索的金融关键词或许可以把脉金融市场的走向,相应的投资战略收益高达326%。而此前,也有专家尝试
通过Twitter博文情绪来预测股市波动。从预测的原理上来看,稳定发展的美国股市是比较适合大数据预测发挥其作用的。
对国内而言,网络推出的中小企业景气指数预测,应用网络海量的搜索数据来刻画我国中小企业运行发展的景气状态,以期能够及时、有效地反映中小企业运行状况,提高经济监测的
全面性和及时性。目前该功能已经上线投入应用。
3、市场物价预测
CPI表征已经发生的物价浮动情况,但统计局数据并不权威。但大数据则可能帮助人们了解未来物价走向,提前预知通货膨胀或经济危机。单个商品的价格预测更加容易,尤其是机票
这样的标准化产品,去哪儿提供的“机票日历”就是价格预测,可以告知你几个月后机票的大概价位。商品的生产、渠道成本和大概毛利在充分竞争的市场中是相对稳定的,与价格相
关的变量相对固定,商品的供需关系在电子商务平台可实时监控,因此价格可以预测,基于预测结果可提供购买时间建议,或者指导商家进行动态价格调整和营销活动以利益最大化。
后面还有用户行为预测、个人健康预测、交通行为预测等领域都有涉及，你可以自己好好看看，希望对你有帮助。ruanyun/news/ryyc/n152.aspx

问题六：国内大数据公司有哪些？ 大数据包涵很广泛，涉及到很多方方面面，技术难度也很大，国内能做的公司不太多，我知道的有网络、华为、联想、浪潮、电科华云、腾讯、阿里巴巴、中科曙光等。

问题七：国内比较好的大数据 公司有哪些 你好，说的是什么领域？数据挖掘、数据研发、数据应用方面都有佼佼者。像商业智能领域的话，国内我比较了解的帆软，一开始做报表软件，做得很好，有比较深的行业基础，后来出的FineBI商业智能软件也延续了FineReport的精华，在行业内比较有代表性，具体的，有官网，可以去了解一下。

问题八：大数据产品主要是用来做什么的 大数据产品有很多，宽泛来讲，大数据产品的作用是对已有数据源中的数据进行收集和存储，在这基础上，进行分析和应用，形成我们的产品和服务，而产品和服务也会产生新的数据，这些新数据会循环进入我们的流程中。当这整个循环体系成为一个智能化的体系，通过机器实现自动化就是一种新的模式，不管是商业的，或者是其他。
而大数据能够实现的应用，可以概括为两个方向，一是精准化定制，二是预测。
精准化定制可以是一些个性化的产品，精准营销，比如互联网推广。
预测主要是围绕目标对象，基于它过去、未来的一些相关因素和数据分析，从而提前做出预警，或者是实时动态的优化。可分为决策支持类的，比如典型的商业智能产品FineBI；风险预警类的,主要用于证券、银行、投资；实时优化类的，比如实时定价。

问题九：国内真正的大数据采集产品有哪些 大数据的应用分为两类
第一类：基于自身平台的数据采集，现在的三大互联网巨头等拥有大量用户数据，通过自身数据挖掘可以完成。
第二类：基于爬虫或者类爬虫技术，帮助企业， *** 采集网络 *** 息，也就是网络信息采集系统，乐趣的“乐”，思维的“思”
其主要应用在于：舆情监测，品牌监测，价格监测，门户网站新闻采集，行业资讯采集，竞争情报获取，商业数据整合，市场研究，数据库营销等领域。

问题十：大数据分析领域有哪些分析模型 IT监控类或者IT运维流程类的产品工具上线运行一段时间之后，一年会产生十几万、甚至几十万的海量数据，包括告警数据、工单数据等IT运维大数据，需要从这些海量数据中获取更有效、更直接、更有价值的分析数据，更快速、有效的提取有意义的决策依据同样需要工具系统来满足运维大数据的IT数据挖掘、IT数据钻取需求。 RIIL Insight目前是国内首款定位于IT管理领域的大数据决策分析系统产品，通过建立多维数据分析模型进行信息提取、统计分析并提出决策依据，是IT运维管理领域的BI。系统通过IT运营管理、IT部门绩效管理、可视化项目管理、资产管理、业务关系管理、供应商软件管理等自定义维度的运行数据进行分析，可快速获取运维管理各方面的直观准确数据，诊断分析问题根源，预判数据走势，洞察全局运维动态。

‘贰’ 大数据产品有哪些

大数据产品有哪些我觉得大数据产品就是一些推荐，比如说你最近想买空调，只要你一搜索空调的话，那么后台就会在这几天一直给你发空调的一些推荐。

‘叁’ 什么是数据产品

数据产品，就是以数据为主要自动化产出的产品形态。

为什么需要数据产品？

对于产品设计来讲，一些固定的步骤必不可少。
1）面向什么用户和场景(确定范围）
2）解决什么问题/带来什么价值（理解业务）
3）问题的分析思路是什么（梳理产品逻辑、梳理数据需求）
4）需要用到什么样的指标（确定数据分析指标）
5）这些指标该怎么组合展现

1. 面向什么用户和场景
任何产品设计均需要明确面向的用户和场景，因为不同用户在不同场景下打开你产品的姿势也大不相同。

要了解自己的用户，必须和他们保持长期有效的沟通。

2. 解决什么问题/带来什么价值 （理解业务）
本质上是明确产品满足了用户的什么需求，但凡需求，均有价值和优先级。

3. 问题的分析思路是什么 （梳理产品逻辑、梳理数据需求）
以上两点其实也是普通产品经理的范畴，下面开始为数据产品经理的专业课。

1）确认数据是否准备完备
分析思路需要相应的数据支撑，数据展示类的产品自不用说，即使是用户画像的算法类产品，也必须有足够的准确数据做支撑。

2） 选择什么样的产品形态
以上四步完成后，就可以选择相应的产品形态了，常见的数据产品形态有：

4. 确定数据分析指标

5. 指标的呈现形式

‘肆’ 金融数据产品设计具体是做些什么工作的

一、金融数据产品设计主要工作内容如下：
1、负责对现有产品的形态，完成定价、佣金提出修改意见和初步的产品利润测试；
2、负责互联网金融交易平台产品线策略及方案的制定、实施及产品生命周期管理；
3、负责管理来自用户和公司内部的业务需求，并进行管理及分析；
4、根据公司战略发展目标，对行业、市场、客户特征进行深入研究，通过对客户类别、行业特性、风险级别、额度、期限、费率、保证措施等；
5、产品要素的不同组织与设计，结合理财客户的特征与需求，完成信贷产品设计与实施；
6、参与制定产品运营计划，在营销和客户服务中，持续改善产品，包括用户体验、流程优化和数据分析等；
7、对产品进行监控与预测，并根据用户体验、数据分析持续进行产品的完善，优化流程；
8、领导交办的其他工作事项。
二、金融数据产品设计岗位要求如下：
1、专科及以上学历， 金融、财务、计量经济学、金融工程等专业；
2、1年以上担保公司、小额贷款公司、银行、信托、投行、证券等金融行业从业经验；
3.具备经济、金融研究分析工作经历，熟悉了解国内金融市场及各类金融产品；
4、了解互联网投融资业务流程，研究相关金融机构、金融产品和金融工具；
5、具备清晰缜密的逻辑思维能力，有较强的数据分析能力，能够准确切中用户需求，把握产品核心；
6、具备优秀的书面及语言表达能力，良好的文案演示能力。

‘伍’ 大数据分析平台有哪些作用

一、数据驱动事务

经过数据产品、数据发掘模型实现企业产品和运营的智能化，然后极大的进步企业的全体效能产出。最常见的应用领域有根据个性化推荐技术的精准营销服务、广告服务、根据模型算法的风控反诈骗服务征信服务等。

二、数据对外变现

经过对数据进行精心的包装，对外供给数据服务，然后取得现金收入。市面上比较常见有各大数据公司利用自己把握的大数据，供给风控查询、验证、反诈骗服务，供给导客、导流、精准营销服务，供给数据开放渠道服务等。

三、数据辅助决议计划

为企业供给根底的数据计算报表分析服务。分析师能够容易获取数据产出分析报告指导产品和运营，产品司理能够经过计算数据完善产品功用和改进用户体验，运营人员能够经过数据发现运营问题并确定运营的策略和方向，管理层能够经过数据把握公司事务运营情况，然后进行一些战略决议计划。

关于大数据分析平台有哪些作用，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

‘陆’ 数据分析有什么好处

通过面向企业业务场景提供一站式大数据分析解决方案，能够为企业在增收益、降成本、提效率、控成本等四个角度带来价值贡献。

1、增收益

最直观的应用，即利用数据分析实现数字化精准营销。通过深度分析用户购买行为、消费习惯等，刻画用户画像，将数据分析结果转化为可操作执行的客户管理策略，以最佳的方式触及更多的客户，以实现销售收入的增长。

下图为推广收支测算分析，为广告投放提供决策依据。

‘柒’ 大数据分析平台有什么作用

1、数据驱动事务

经过数据产品、数据发掘模型实现企业产品和运营的智能化，然后极大的进步企业的全体效能产出。最常见的应用领域有根据个性化推荐技术的精准营销服务、广告服务、根据模型算法的风控反诈骗服务征信服务等。

2、数据对外变现

经过对数据进行精心的包装，对外供给数据服务，然后取得现金收入。市面上比较常见有各大数据公司利用自己把握的大数据，供给风控查询、验证、反诈骗服务，供给导客、导流、精准营销服务，供给数据开放渠道服务等。

3、数据辅助决议计划

为企业供给根底的数据计算报表分析服务。分析师能够容易获取数据产出分析报告指导产品和运营，产品司理能够经过计算数据完善产品功用和改进用户体验，运营人员能够经过数据发现运营问题并确定运营的策略和方向，管理层能够经过数据把握公司事务运营情况，然后进行一些战略决议计划。

‘捌’ 数据分析有什么作用

数据分析师的在企业中的主要作用是支持与指导业务发展。基本合格的数据分析师支持业务发展，优秀的数据分析师指导业务发展。

数据分析师在不同类型、规模、发展阶段的企业中，发挥的作用不一样：
在企业发展初期，基本是没有数据分析师的。一个原因是数据量少，不用过多分析就能发现问题；另一个原因是互联网业务发展初期目标很明确，用户量是关键，无论用什么方法先把用户搞来，然后才有数据分析。

在企业发展中期，即业务上升阶段，这个时候需要大量的数据分析师，尤其是没有数据产品建设的企业。这时，数据产品和数据分析的工作基本是数据分析师承担的：定指标、做报表、可视化、分析和预测。

对数据产品建设的重视与否是影响企业发展速度和质量的重要因素。数据分析的最基础职责是帮助企业看清现状。看不清现状的企业是谈不上长远发展的。

企业发展壮大以后，数据分析团队搭建好了，基本上分工会更加明确一些。数据架构师、数据仓库工程师、数据产品经理、数据分析师、数据挖掘、算法工程师等共同构成稳健的数据团队。

‘玖’ 功能性产品数据的重要性（和也）

首先，产品数据是产品研发过程中形成的所有描述产品的信息。比如原理图、PCB 图，物料和 BOM，生产技术文档等，是产品的档案库；产品数据是连接研发和供应链的桥梁，实现产品大规模制造的基础。产品数据管理出了问题，无法在研发和供应链之间建立有效的协同和连接，当然也无法实现产品的批量生产。

其次，产品数据是实现业务 IT 信息化的基础。从下图可以看出，产品数据如同物质中的原子，由原子组成各种“物质”，最终业务运营需要各种“物质”所承载的数据。毫不夸张地说，产品数据是企业业务运作的血液（如图）。

最后，产品数据管理没有做好，将影响企业多个环节。产品数据管理没有做好，轻则业务运作不顺畅、效率低，重则导致生产停线、发错货、企业库存多，库存资金占用高甚至形成呆死料。

产品数据管理工作做好了，业务部门业务运作效率高，降低企业管理成本和资金占用等；没有做好的话，则会发现业务运作形成信息孤岛、业务无法拉通、生产错货及库存增多等问题，无法形成企业业务运作的“信息高速公路”。由此可见，产品数据对企业研发和运营是多么的重要。

‘拾’ 大数据在企业中的应用

大数据在企业中的应用

2015年9月10日，首席数据官联盟成立仪式暨第一届首席数据官大会在北大召开，本次活动由中国新一代IT产业联盟和易观智库联合主办，中国新一代IT产业推进联盟技术分委会秘书长鲁四海发表演讲并参与对话讨论。本次对话环节由易观智慧院副院长葛涵涛主持，参与对话的嘉宾有北大电子政务研究院副院长杨明刚、壳牌中国CIO徐斌、华为大数据总监刘冬冬、北京瀚思安信科技有限公司联合创始人董昕。各位嘉宾从大数据在企业的应用、人才队伍建设等方面进行深入讨论，以下是对话实录：

葛涵涛：首先我想请大家做一下自我介绍。

刘冬冬：今年上半年开始代表华为做大数据生态圈的建设，我们这个生态圈是1+6的模式，华为提供公有云，大计算等服务，与数据挖掘，商业应用，数据可视化展示等合作伙伴，国内筛选200多家大数据公司，和比较核心的合作伙伴，开始了第一批，第二批，第三批的流程，第一批选择16家签约，第二批还有十几家，今年年底会完成初步50家的合作伙伴的合作。

徐斌：壳牌品牌是比较大的公司，壳牌中国业务比较大，壳牌中国在今年已经是121年了，1894年正式进入中国了，就没有离开。目前我们在中国的业务有上油的油气的开采，中油的炼化等业务。大数据在壳牌的应用历史比较悠久，我们开采油田的时候需要用海量的数据做分析，帮助我们在哪里打井更有效，如何保证制造环节更顺畅，更早的发现潜在的风险，这方面有比较多的应用。针对我们几百万的用户，也在做很多的和社交媒体的合作，掌握我们的客户，留住我们的客户，寻找新的商业机会。今天很高兴有机会和大家交流大数据，特别是我们传统行业如何使用大数据。

董昕：谢谢大家，我们是瀚思大数据安全，一个新的创业公司。大家想安全和大数据有什么关系？其实有非常深的关系，我们后面有机会再和大家讲。我们这个团队是2014年成立的，主要成员是来自于埃森哲、甲骨文等这些公司。我们致力于把大型企业云中心、互联网里面所有跟安全相关的，跟业务、应用安全相关的数据做统一大规模的存储、挖掘、学习和展现，帮助IT从业者，运维人员，甚至企业的领导层从数据终发现一些跟安全相关的东西。希望通过数据驱动整个行业，和整个企业实现由传统的基于防御的安全策略，转向主动智能的安全策略。我们成立一年多，我们公里56人，40多个人都是研发人员，数学科学家等跟数据相关的人员。非常高兴有机会和大家探讨比较新的行业。

杨明刚：非常感谢主办方的邀请，很多朋友可能了解电子政务，电子政务就是政府的信息化，还有所谓的智慧城市，还有数字城市。在过去一年多，一直做政府相关的信息化的应用，包括顶层设计。现在随着大数据概念的提出以后，应用和需求在过去一直存在，只是提升了一个水平。电子政务这块近两三年提上很重要的地位。电子商务对大数据的需求也是蛮多的，过去三四年，我们一直研究政务数据和商业大数据，非常高兴和大家探讨数据和首席数据官未来在整个企业决策和政策决策中的作用。

葛涵涛：我们的各位嘉宾对大数据，对数据资产进行了前期的描绘和支撑。我们都知道现在大数据产品和数据产品数据来源非常广，包括来自于智能设备，可穿戴设备，来自于金融，来自于终端设备。有了大量的数据，基于数据进行挖掘和分析，数据产品化以后，再将数据产品应用到业务中。但是这些数据产品安全性怎么样？针对数据安全和用户数据隐私与大数据是什么关系？

杨明刚：我先从价值方面跟大家分享一下。美国有一本书《数字化生存》目前这个社会，随着网络的发展，我们所有的网络，所也的社会的形态都可以用数据来表达，这个时候无论是政务数据，还是商业数据，还是个人数据都可以用来提供，或者给我们未来决策提供参考。无论是政府治理，还是企业的科学决策，或者个人未来合理的消费计划，都可以从数据中提取到相关的决策参考。所以这块，其实所有的数据，看似杂乱无章，各种非结构数据和结构化的数据，通过适当的方法处理，或者通过数学模型处理，能够给我们管理和决策带来新的支持或者更大的支持，这是我对整个目前数字这块所谓的资产，数据是可以增值的资产。

其实我们有了互联网以后，每个人在网络上，无论是购物，还是通过社交工具或者社会化媒体发表相关的看法或者思想等，我们在网络上留下了大量的数字的网络痕迹，其实提取这些痕迹，包括相关的特征，用一定的方法去分析，就可以找寻每个人或者相关的机构未来的表现。这个东西在这里面，有很多东西涉及到个人隐私，可能在这里买的房子，或者附近相关的消费，根据你的社会属性可以判断你未来的行为。从某种行为来说，会让我自己感觉很不舒服，但是这些信息是通过我们允许的放在网络上，只是相关的机构提取过来做一些加工，可能对个人的隐私或者个人尊严是一种挑战。随着国家立法的完善，我相信网络的隐私权保护会逐渐解决。

董昕：其实好恶夸张的说，我们在座的每一个人都不安全，在网络空间，无论是你产生的数据，还是你的痕迹，还是你的隐私，或多或少在自己的手机里，PC里，或者是服务器端，安全和隐私可能是永恒的话题，比较大，我就不展开讲了。从我们的角度来说，我们更关注的，从一个角度如何把核心的数据，核心的资产保值增值，安全隐私的问题。无论是大数据下面的数据隐私，数据安全，还是小数据的数据隐私和数据安全方法论是一样的。在管理制度上怎么进行保障？

过去谈论到数据安全，更多的时候是靠技术手段为主，所以才会出现各种各样的防火墙，加解密设备，数据防泄漏，防入侵。这些东西都有用，但是无法解决所有的问题。要不然也不会出现JP摩根信用卡数据泄漏等问题。我们需要拥抱新型的技术，新型的平台，通过技术本身解决安全问题。

另外一个国外很多报告中都写到了，设备本身控制数据资产不太现实，我假设所有的东西都是不安全的，把所有的东西都放一个安全体系，这是国际探讨的问题。我们怎么用新型技术保护数据安全，同时结合技术，如何使安全管理的流程和措施，能够在企业中获得更多的认识，从而解决这个问题。

葛涵涛：关于数据能力开放的问题，在之前大数据会议上，阿里集团代表上讲过，阿里的数据不开放，他们是不是有数据安全的考量。因为他们收购了高德等一系列的社交和位置的公司，掌握了用户全维度的数据，这是出于隐私保护，基于安全的数据开放，还是比较遥远的话题。刚才我们在CDO调研报告里面，在未来的数据业务和大数据技术方向上，在行业领域里面的发展是非常重要的，我想请刘冬冬和徐总分别谈谈，比如说大数据业务，还有数据资产等等相关的技术和服务，在你们相应的通讯和能源行业怎么与你们的业务结合落地的。

徐斌：像大数据的应用，在我们自己的传统行业会产生什么样的作用？我们自己内部把大数据的企业进行划分。从企业决策中大数据起了很多的作用，同行用爆破的方式采集信息，帮助我们判断出这个地方打一口井效率是不是高，因为每一口的井的成本是上百万的，提高10%的成功率是很可观的，这是决策支持。

第二个是运营优化，比如说油站地下油库存在非常大的隐患，汽油和柴油泄漏的时候，一对环境造成很大的风险，第二对地下水有影响，甚至产生爆炸。一旦发生这种情况，通过大数据技术能不能提前发现潜在的泄漏风险。通过对比站的分析，提前发现是否存在不适当的损耗的发生，从而发现风险。

第三个就是市场营销，在我们消费互联网层面谈了很多，我们怎么样找到客户的特性，延伸业务领域，包括业务合作。另外通过合作，找到我们潜在的客户。像今天的孙总，我们客户最典型的，对油品的质量要求比较高。我们从互联网找到这个维度，在电商上购买率很高的，经常谈到汽车的，这两个碰撞就能找到潜在客户。

第四个就是企业安全进行风险管控。能源行业是高危行业，包括油品配送过程中，配送的时候出现问题，可能出现爆炸的风险，包括成本的增加。因此我们在海外作业的时候，不能很好及时发现风险，可能造成重大的人身伤害，包括知识产权的保护，有跟多配方，这是很关键的，这个怎么防止黑客攻击。这个和董总有相关性，企业安全，人身的安全，包括信息安全。

第五是业务创新，第六是模式变革。这两个把我们传统的，我们通过卖汽油变成我们可能变成第三方汽车服务后市场。以后我们油品可能免费，免费的意义在于盈利模式通过后面衍生的新业务，就是羊毛出在猪身上狗来买单。这就是大数据在我们能源行业6方面的价值。

葛涵涛：我们原来做过石油远程管道安全监护。现在俄罗斯他们传输的油气管道，很多油气管道每隔多少公里就有检查油压、温度，还有油管表面的状况，加入了很多传感器，获取管道表面的数据，另外还有相应的机器人，会在轨道上定期巡逻，用光来检查表面的状况。将这些数据全部汇总在当地的数据中心，最后汇总到欧洲数据中心，如果正常就显示为绿色的。大数据帮助能源运输企业，在你发生问题之前就帮你预测问题即将在什么时间大概发生。在发生之前进行预警，我觉得这个也是大数据跟商业智能整合的非常好的一个案例。

徐斌：在我们石油行业，特别是化工行业，生产行业一旦有一些事故终止生产，想恢复是非常长的时间，一般是三个月，三个月损失多大。越早预测到危险，提前采取措施，效率是很明显的。

刘冬冬：我们通讯行业跟石油行业是很像的。我们华为也会装各种各样的传感器采集数据，知道什么地方有什么问题，然后解决问题。比如说一个大型会场，一个足球场，数万人，大家都在发微信，这个时候能不能发出去，信号如何？这是我们自身运营商的应用场景。衍生出来的应用场景，如果华为或者运营商更早的把大数据应用到企业的经营管理等等各个维度中去，就不会发生像上海那样的踩踏事件。当外滩单位面积内聚集的人口超过一定量以后就应该有一个预警，告诉相关的管理部门，公安也好，告诉相关的部门人说这个地方已经超多了，通过手机我们可以捕捉这个信息。我们在大数据行业刚刚起步，我相信将来所有的行业，都会面临变成以数据为驱动，或者以数据为核心驱动力的，而不是像以前以产品为驱动力，以渠道或者品牌为驱动力的。以数据为驱动力的话，这个问题是蛮大的，作为华为来说，现在从各个方面改为以数据为驱动力。从宏观来说，我们将要做什么，我们要做哪些产品，这些都可以通过数据给我们进行指导。

在大数据产品里面，哪些是最需要的，哪些是最急迫的，我们可以通过分析挖掘出来，这个可以指导我们企业将来做什么，不做什么。从很小的细节来说，华为2016年找谁做手机形象代言人，我们可以用大数据做。华为手机的粉丝超过100万。这些人共同关注的是谁，他们共同兴趣爱好是什么？他们每天什么时间上网，数据的统计就告诉我们了，不需要决策部门每天坐在一起拍脑袋决定是谁，不是谁。刚才说到数据安全问题，我认为数据安全和技术是矛和盾的问题。现在接受就可以了，当我们现在收到骚扰短信垃圾短信，为什么会收到，是因为他们掌握了我们手机信息。当企业掌握了很多的信息以后，这时候就造成可以满意度的问题，让数据决定数据安全，让市场决定技术到什么程度，自然会有优胜劣汰，服务好的企业就会持续发展，服务部好的企业就会死掉。

葛涵涛：我们对用户数据掌握的越来越多，我们对数据精准分析越来越多，我们传递出来的消息就是精准营销，传递的信息就是有用的信息，而不是垃圾信息。这实际上对我们大数据企业，对技术和算法提出了更高的要求。如何通过大数据分析方法寻找数据中隐藏的，还没有被发现的价值和知识。

杨明刚：其实所谓大数据，大价值，大数据应该不是大忽悠，我为什么这么说？因为我在过去一段时间，有一个地方政府，某一个行业部门在使用大数据，但是建完的大数据系统无法满足他们的业务需求。我们传统的大数据，一部分是对现有数据的发现，这就是数据检索，传统的数据方法就可以做到，对已知的东西，已知的问题，每个数据单元都是了解的，这时候无论是结构化数据，还是非结构化数据，我们可以带着问题找到蛛丝马迹，问题存在什么地方。另外一部分应该是预测的部分，就像海尔孙总谈到的问题，其实可以预测。业务管理专家和业务模型建构专家需要有一个紧密结合。大数据其实是一件奢侈品，对华为这样的产品，对我们海尔这样的企业，对壳牌这样的企业是可以投得起资金的，大数据是奢侈品，但是绝大部分的中小企业也需要科学决策，也需要了解市场需求，这时候面临很重要的选择，要面临高昂的成本建立系统，这是不可能的。但是绝大多数的大数据企业都需要高投资，中小企业怎么通过在数据时代不被淘汰，需要大数据解决方案提供商，或者需要大数据研究者提供一种更典范的，或者更普世的大数据解决方案，不是依托与传统的数据检索，或者传统的数据包装实现大数据的方案，而是需要跳出传统的大数据分析方法之外，能不能有另外一种更科学，更普世的方法，让我们很多中小企业都能享受到当今的大数据服务，需要我们在座的一起探讨。实际上个人也需要大数据服务。

葛涵涛：跟简单，更方便使用的大数据产品，方便企业减少这方面的预算，让更多的人使用大数据带来的便利。

杨明刚：中国的天气预报部门利用大数据是最好的，把过去一百多年的历史数据拿过来进行预报。真正的大数据是对未来可能的知识的发现，通过大数据发现潜在的数据之间的关联。

葛涵涛：实际上我们刚才提到了各个不同的行业和企业对大数据的应用，因为你在北大做了十年CIO方面的培养，你们对CDO这方面的人才培养有什么样的动作和支持。

鲁四海：我们也在探讨，刚才我们在PPT里面分享，首先为什么会有这样的角色存在，驱动力是什么？然后再说需要什么杨得技能？我觉得CDO有一部分的东西需要从课堂学习的，偏技术这块的，能涵盖技术和基础管理这块。CDO需要有一些经济学的基础在里面。大数据更大的是告诉我们未来是什么样，告诉我们一些未知的东西。不是提一个假设，拿数据进行分析证明这个假设是对的或者是错的，这个意义不大。真正的意义能够告诉你未来是这样的。我觉得CDO在培养过程当中，除了课堂学习以外，还要跟内部的业务部门进行内部的学习和交流。因为我们面临着未知的世界，更多的需要广阔的舞台，像CDO联盟一样，未来我们做一些交流性的东西，各个行业，不同行业的方式方法进行跨界整合，因为数据在这个时代就是跨界。

葛涵涛：下面我们请我们在座的各位嘉宾，用简单的一两句话展望一下大数据时代下，我们这些数据管理人才，CDO们如何在整个大数据背景下做好我们的工作，能在工作上出新出彩，在我们业务设计上有相应的业务创新。

鲁四海：应该说任何一个行业任何一个企业的数据都是资产，每个企业都将拥有将数据变成核心竞争力的能力，这个能力可能是自建也可以购买服务获得。

杨明刚：大数据应用成为未来决策的核心推动力，今天的大数据不能成为大忽悠。

董昕：我们谈了很多技术方面的话题，我觉得一个CDO第一应该有大数据的理念，未来主要的价值都是数据。另外一点，我们认为作为一个CDO，一定要跟我们业务相联系，懂我们的业务，知道我们的收入从哪里来，成本在哪里，效率从哪里提升，这样CDO才能落地。

徐斌：数据本身有没有价值，我个人认为数据是没有价值的，虽然我今天讲了很多大数据。只有当数据能帮助企业产生价值的时候才能成为有价值的资产。我经常说数据资产，每个公司都有大量的数据，他们不是资产，因为它没有用。数据只有成为有用的信息，成为知识，变成智慧，它才是真正的数据资产。不要神话大数据，大数据产生业务的价值，产生商业的价值才叫大。第二我们企业有CDO，或者有虚拟CDO职位，通过其他的CIO、CMO承担。最主要的是脚踏实地，循序渐进，如果你不把企业的数据用好，谈何大数据。如果企业没有从数据支持决策的文化，大家做任何事情不用客观数据帮我们做分析，给你再多的数据也没用。首先是企业文化。第二把现有的数据用好，然后循序渐进引用更多的数据做分析。通过数据发现未知东西，这是伪命题。因为你发现未知东西，因为你不知道，原因是什么。当形成智慧知道为什么会发生，这是我们追求的目的，只不过我们现在不知道，所以通过相关的分析找到了相关性，但是不知道原因。未来当我们有足够多的知识积累，我们就知道原因了。未知领域是大数据的使用阶段。

刘冬冬：大数据这块没有找到盈利模式，没有找到市场，推不动。现在大家找到了盈利模式才推下去了，这才是有用的，大数据有用才是硬道理。对于CDO来说，我认为跨界才是最重要的。不光要有知道企业内部的小数据，同时也要知道外部的数据如何和企业内部的数据相结合。比如说做销售的，系统能不能很快的告诉员工，这个公司销售额有多大的产能，以及其他合作公司等等的情况，有价值才是最重要的。

以上是小编为大家分享的关于大数据在企业中的应用的相关内容，更多信息可以关注环球青藤分享更多干货