1. 北京明略软件系统有限公司怎么样
简介：明略数据是一家具有自主知识产权的大数据科技公司，是中国领先的大数据整体解决方案提供商。提供一系列数据分析平台和软件，帮助政府、金融机构等客户，整理、分析、利用不同来源的结构化和非结构化数据。核心理念在于，利用数据的连接性，激发大数据的真正价值，从而创造一种人脑智能和计算机智能“共生”的关系，发挥两者各自的特长，解决中国实际的、困难的、最重要的发展问题。
明略自主研发了明略大数据平台、明略数据洞察平台、明略魅力报表等产品，并在此基础上进一步开发了交管实时大数据追踪系统、公安刑侦实时大数据分析系统、金融反欺诈大数据实时分析系统,等国内前沿的行业大数据解决方案。
法定代表人：于琦
成立时间：2014-04-03
注册资本：2011.0889万人民币
工商注册号：110108016972213
企业类型：其他有限责任公司
公司地址：北京市海淀区中关村东路1号院1号楼10层A1002
2. 大数据洞察有哪些特色，大数据营销案例，大数据企业
特色案例分析：
1、浪潮GS助力广安集团一猪一ID强化食品安全
作为辐射全国的农牧企业集团，多年来广安集团一直企业信息化进程与企业发展需求不匹配的问题。2013年，广安集团引入浪潮GS，采用单件管理系统，通过一猪一ID对其成长周期进行全过程监控，促使食品安全可追溯，实现饲养流程精细化、集约化管理，使每年饲料节约了2成左右，为广安的智慧企业养成之路奠定了基础。
2、华为大数据一体机服务于北大重点实验室
经过大量的前期调查，比较和分析准备工作，北大重点实验室选择了华为基于高性能服务器RH5885V2的HANA数据处理平台。HANA提供的对大量实时业务数据进行快速查询和分析以及实时数据计算等功能，在很大程度上得益于华为RH5885 V2服务器的高可靠、高性能和高可用性的支撑。
3、神州数码助张家港市更”智慧”
在张家港实践的城市案例中，市民登录由”神州数码”研发的市民公共信息服务平台后，只要凭借自己的身份证和密码，即可通过该系统平台进行240余项”在线预审”服务、130余项”网上办事”服务等，还可通过手机及时查看办事状态。相比于以前来说，市民办事的时间最少可以节省一半以上。
4、中科曙光助同济大学科研领域再创新高
为了满足爆炸式增长的用户和数据量，同济大学携手中科曙光，在全面整合云计算平台和现有资产的基础上，采用 DS800-F20存储系统、Gridview集群管理系统，以及Hadoop分布式计算平台构建出了业内领先的大数据柔性处理平台，使得同济大学在信息学科及其交叉学科研究领域迈上一个新台阶。
5、中国电信基于物联网的智能公交解决方案
中国电信提出了基于物联网的智能公交应用整体解决方案。该方案紧密结合公交行业特点，涵盖了全球眼视频监控系统、GPS定位调度系统、无线数据采集系统等技术，是基于物联网技术的公交行业车辆监控调度管理综合性解决方案。中国电信智能交通系统利用物联网技术，提高了公交系统中的人(乘客、司乘人员、管理人员)、公交设施(道路、场站等)和公交车辆等之间的有机联系，从而最佳地利用了交通系统的时空资源，通过信息资源的合理开发、利用和整合，提高了公交行业运行效率，改善了服务质量，为应对重大突发事件提供了必要的手段，在公交公司的科学运营管理、安全监控等方面发挥了重要的作用，物联网的应用已成为公交业务发展的必然趋势。
6、明略数据为税务部门构建的可视化涉税分析平台
税务系统的数据在很长时间内大量来自于纳税人的申报行为数据和报表数据，面向税务工作人员的是割裂的不同业务系统，信息本身被业务消解为固定的逻辑和处理形式。明略数据为税务部门构建的可视化涉税分析平台定位为面向税务部门的数据服务产品。产品充分利用明略底层大数据平台相关技术，数据挖掘建模技术及明略税务行业研究专家对税源管理专业化，风险控制精细化，决策分析智能化的理解，搭建以分析预测为核心的数据应用平台，以帮助税务部门征管工作更有效、更全面、更精细化的展开。
7、悠易互通汽车行业大数据经验助奥迪品荐二手车
2015年，奥迪品荐二手车项目通过悠易互通程序化购买平台进行为期5个月的推广活动，传播受众主要以男性以及已有奥迪车主为主，悠易互通规划的投放策略是，首先，通过人群标签及关键词，对精准受众人群进行全网竞价;其次，对以上竞价成功人群进行优化召回，分析以提高下一轮竞价成功率;根据悠易互通汽车行业大数据经验，消费者的行为路径为”兴趣-认知考虑-转化”，程序化购买可以通过人群召回的方式将流失人群引导到下一环节，从而促进转化可能。最终投放结果显示，悠易互通通过以上策略高效达成客户KPI，曝光量超过预估13%，点击量超过KPI 26%，注册量高达163%。
8、东风风神大数据”动”悉全系目标受众，打破传统促销方式
派择科技应用底层行为数据管理平台Action DMP支招东风风神全系营销推广活动， Action DMP实现全网用户行为元数据、应用元数据、场景元数据的实时无损解析，精准捕获各车型目标受众;通过分析用户行为场景，了解他们的触媒习惯，展开品牌与用户定制化沟通，其中也包括个性化创意载体与沟通渠道组合。项目最终CPL成本较目标降低40%。
9、智子云大数据挖掘助苏宁易购访客”回心转意”之路
苏宁易购期望通过智子云的VRM模型对到站/进APP的流失访客进行精细划分，并借助DSP精准定向能力跨屏锁定目标人群，找回流失访客。首先，建立数据仓库;其次智子云个性化推荐引擎Rec-Engine;智子云智能动态出价引擎Delta-Engine;智子云全网跨屏LBS定向引擎Loc-Engine不但支持多屏、跨屏投放，还能从访客转化率、媒体、地理位置、时段、设备类型、设备号等多个维度建立访客转化率预测模型和商品推荐模型;最后，重定向投放，针对每一个到访访客计算广告点击率和到站转化率，然后通过自动聚类算法将访客人群分档打分，对不同分值的人群，在综合媒体环境、竞价成功率等因素后，进行实时差异化出价。最终，本次活动找回苏宁易购的流失访客9,572,163次，并促成36,748个直接有效订单;最终投资回报率>3。
10、 “优衣·幸运·穿回家”优衣库2016春节场景营销OxO
2016年，优衣库中国推出了”优衣·幸运·穿回家”的春节主题活动，融入”LifeWear服适人生”品牌理念。结合大数据分析规模化的消费者共性，合适的移动媒介精准传播，借助自媒体传播，连接到店体验。制定优质的移动媒介策略，结合自媒体、网络广告、社交媒体平台、零售店和微信支付，精准覆盖受众，，一系列线上活动让优衣库品牌和冬春装产品形象直达人心，有效地将线下用户带到线上参与互动并积极分享，实现OxO导流，收获了比较理想的品牌营销和销售增长效果。
3. 除了百度、阿里、腾讯，还有哪些做知识图谱的企业
1、海翼知 PlantData
网址： https://www.plantdata.ai/home/index.html
提供企业级知识图谱存储管理平台KGMS，提供面向分析人员KGPro、运营人员KGSensor、终端用户KGRobot等KGaaS消费套件
2、明略数据(mininglamp.com)
地址：http://www.mininglamp.com/procts/nestProct
3、海致星图（stargraph）
地址：http://www.stargraph.cn/solution.html
4、智器云科技（zqykj）
地址：http://www.zqykj.com/proct.php
火眼金睛（桌面端数据可视化认知分析软件）
月光宝盒（适合团队协作的智能数据库系统）
天罗地网（分布式大数据认知分析服务产品）
软件下载地址：http://www.zqykj.com/downLoads.php
5、艾匀科技（ieven）
地址：http://www.ieven.com.cn/
6、智言科技（webot）
地址：http://webot.ai/#0
7、达观数据（datagrand）
地址：http://www.datagrand.com/kms.html
8、海知智能（ruyi）
地址：http://ruyi.ai/
9、渊亭（dataexa）
地址：http://www.dataexa.com/solution/kg
4. 做大数据真的能赚钱吗
摘要 以我来形容中国大数据产业，可称“蒙面狂奔”四字。在没有思考清晰盈利模式之时，已蒙面狂奔，绝尘而去。
5. 如何建立一个完整可用的安全大数据平台
整体而言，大数据平台从平台部署和数据分析过程可分为如下几步：
1、linux系统安装
一般使用开源版的Redhat系统--CentOS作为底层平台。为了提供稳定的硬件基础，在给硬盘做RAID和挂载数据存储节点的时，需要按情况配置。例如，可以选择给HDFS的namenode做RAID2以提高其稳定性，将数据存储与操作系统分别放置在不同硬盘上，以确保操作系统的正常运行。
2、分布式计算平台/组件安装
目前国内外的分布式系统的大多使用的是Hadoop系列开源系统。Hadoop的核心是HDFS，一个分布式的文件系统。在其基础上常用的组件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。
先说下使用开源组件的优点：1）使用者众多，很多bug可以在网上找的答案（这往往是开发中最耗时的地方）。2）开源组件一般免费，学习和维护相对方便。3）开源组件一般会持续更新，提供必要的更新服务‘当然还需要手动做更新操作’。4）因为代码开源，若出bug可自由对源码作修改维护。
再简略讲讲各组件的功能。分布式集群的资源管理器一般用Yarn，‘全名是Yet Another Resource Negotiator’。常用的分布式数据数据‘仓’库有Hive、Hbase。Hive可以用SQL查询‘但效率略低’，Hbase可以快速‘近实时’读取行。外部数据库导入导出需要用到Sqoop。Sqoop将数据从Oracle、MySQL等传统数据库导入Hive或Hbase。Zookeeper是提供数据同步服务，Yarn和Hbase需要它的支持。Impala是对hive的一个补充，可以实现高效的SQL查询。ElasticSearch是一个分布式的搜索引擎。针对分析，目前最火的是Spark‘此处忽略其他，如基础的MapRece 和 Flink’。Spark在core上面有ML lib，Spark Streaming、Spark QL和GraphX等库，可以满足几乎所有常见数据分析需求。
值得一提的是，上面提到的组件，如何将其有机结合起来，完成某个任务，不是一个简单的工作，可能会非常耗时。
3、数据导入
前面提到，数据导入的工具是Sqoop。用它可以将数据从文件或者传统数据库导入到分布式平台‘一般主要导入到Hive，也可将数据导入到Hbase’。
4、数据分析
数据分析一般包括两个阶段：数据预处理和数据建模分析。
数据预处理是为后面的建模分析做准备，主要工作时从海量数据中提取可用特征，建立大宽表。这个过程可能会用到Hive SQL，Spark QL和Impala。
数据建模分析是针对预处理提取的特征/数据建模，得到想要的结果。如前面所提到的，这一块最好用的是Spark。常用的机器学习算法，如朴素贝叶斯、逻辑回归、决策树、神经网络、TFIDF、协同过滤等，都已经在ML lib里面，调用比较方便。
5、结果可视化及输出API
可视化一般式对结果或部分原始数据做展示。一般有两种情况，行熟悉展示，和列查找展示。在这里，要基于大数据平台做展示，会需要用到ElasticSearch和Hbase。Hbase提供快速‘ms级别’的行查找。 ElasticSearch可以实现列索引，提供快速列查找。
平台搭建主要问题：
1、稳定性 Stability
理论上来说，稳定性是分布式系统最大的优势，因为它可以通过多台机器做数据及程序运行备份以确保系统稳定。但也由于大数据平台部署于多台机器上，配置不合适，也可能成为最大的问题。 曾经遇到的一个问题是Hbase经常挂掉，主要原因是采购的硬盘质量较差。硬盘损坏有时会到导致Hbase同步出现问题，因而导致Hbase服务停止。由于硬盘质量较差，隔三差五会出现服务停止现象，耗费大量时间。结论：大数据平台相对于超算确实廉价，但是配置还是必须高于家用电脑的。
2、可扩展性 Scalability
如何快速扩展已有大数据平台，在其基础上扩充新的机器是云计算等领域应用的关键问题。在实际2B的应用中，有时需要增减机器来满足新的需求。如何在保留原有功能的情况下，快速扩充平台是实际应用中的常见问题。
上述是自己项目实践的总结。整个平台搭建过程耗时耗力，非一两个人可以完成。一个小团队要真正做到这些也需要耗费很长时间。
目前国内和国际上已有多家公司提供大数据平台搭建服务，国外有名的公司有Cloudera，Hortonworks，MapR等，国内也有华为、明略数据、星环等。另外有些公司如明略数据等还提供一体化的解决方案，寻求这些公司合作对 于入门级的大数据企业或没有大数据分析能力的企业来说是最好的解决途径。
对于一些本身体量较小或者目前数据量积累较少的公司，个人认为没有必要搭建这一套系统，暂时先租用AWS和阿里云就够了。对于数据量大，但数据分析需求较简单的公司，可以直接买Tableau，Splunk，HP Vertica，或者IBM DB2等软件或服务即可。
6. 怎样搭建平台
亲身参与，作为主力完成了一个信息大数据分析平台。中间经历了很多问题，算是有些经验，因而作答。
整体而言，大数据平台从平台部署和数据分析过程可分为如下几步：
1、linux系统安装
一般使用开源版的Redhat系统--CentOS作为底层平台。为了提供稳定的硬件基础，在给硬盘做RAID和挂载数据存储节点的时，需要按情况配置。例如，可以选择给HDFS的namenode做RAID2以提高其稳定性，将数据存储与操作系统分别放置在不同硬盘上，以确保操作系统的正常运行。
2、分布式计算平台/组件安装
目前国内外的分布式系统的大多使用的是Hadoop系列开源系统。Hadoop的核心是HDFS，一个分布式的文件系统。在其基础上常用的组件有Yarn、Zookeeper、Hive、Hbase、Sqoop、Impala、ElasticSearch、Spark等。
先说下使用开源组件的优点：1）使用者众多，很多bug可以在网上找的答案（这往往是开发中最耗时的地方）。2）开源组件一般免费，学习和维护相对方便。3）开源组件一般会持续更新，提供必要的更新服务‘当然还需要手动做更新操作’。4）因为代码开源，若出bug可自由对源码作修改维护。
再简略讲讲各组件的功能。分布式集群的资源管理器一般用Yarn，‘全名是Yet Another Resource Negotiator’。常用的分布式数据数据‘仓’库有Hive、Hbase。Hive可以用SQL查询‘但效率略低’，Hbase可以快速‘近实时’读取行。外部数据库导入导出需要用到Sqoop。Sqoop将数据从Oracle、MySQL等传统数据库导入Hive或Hbase。Zookeeper是提供数据同步服务，Yarn和Hbase需要它的支持。Impala是对hive的一个补充，可以实现高效的SQL查询。ElasticSearch是一个分布式的搜索引擎。针对分析，目前最火的是Spark‘此处忽略其他，如基础的MapRece 和 Flink’。Spark在core上面有ML lib，Spark Streaming、Spark QL和GraphX等库，可以满足几乎所有常见数据分析需求。
值得一提的是，上面提到的组件，如何将其有机结合起来，完成某个任务，不是一个简单的工作，可能会非常耗时。
3、数据导入
前面提到，数据导入的工具是Sqoop。用它可以将数据从文件或者传统数据库导入到分布式平台‘一般主要导入到Hive，也可将数据导入到Hbase’。
4、数据分析
数据分析一般包括两个阶段：数据预处理和数据建模分析。
数据预处理是为后面的建模分析做准备，主要工作时从海量数据中提取可用特征，建立大宽表。这个过程可能会用到Hive SQL，Spark QL和Impala。
数据建模分析是针对预处理提取的特征/数据建模，得到想要的结果。如前面所提到的，这一块最好用的是Spark。常用的机器学习算法，如朴素贝叶斯、逻辑回归、决策树、神经网络、TFIDF、协同过滤等，都已经在ML lib里面，调用比较方便。
5、结果可视化及输出API
可视化一般式对结果或部分原始数据做展示。一般有两种情况，行数据展示，和列查找展示。在这里，要基于大数据平台做展示，会需要用到ElasticSearch和Hbase。Hbase提供快速‘ms级别’的行查找。 ElasticSearch可以实现列索引，提供快速列查找。
平台搭建主要问题：
1、稳定性 Stability
理论上来说，稳定性是分布式系统最大的优势，因为它可以通过多台机器做数据及程序运行备份以确保系统稳定。但也由于大数据平台部署于多台机器上，配置不合适，也可能成为最大的问题。 曾经遇到的一个问题是Hbase经常挂掉，主要原因是采购的硬盘质量较差。硬盘损坏有时会到导致Hbase同步出现问题，因而导致Hbase服务停止。由于硬盘质量较差，隔三差五会出现服务停止现象，耗费大量时间。结论：大数据平台相对于超算确实廉价，但是配置还是必须高于家用电脑的。
2、可扩展性 Scalability
如何快速扩展已有大数据平台，在其基础上扩充新的机器是云计算等领域应用的关键问题。在实际2B的应用中，有时需要增减机器来满足新的需求。如何在保留原有功能的情况下，快速扩充平台是实际应用中的常见问题。
上述是自己项目实践的总结。整个平台搭建过程耗时耗力，非一两个人可以完成。一个小团队要真正做到这些也需要耗费很长时间。
目前国内和国际上已有多家公司提供大数据平台搭建服务，国外有名的公司有Cloudera，Hortonworks，MapR等，国内也有华为、明略数据、星环等。另外有些公司如明略数据等还提供一体化的解决方案，寻求这些公司合作对 于入门级的大数据企业或没有大数据分析能力的企业来说是最好的解决途径。
对于一些本身体量较小或者目前数据量积累较少的公司，个人认为没有必要搭建这一套系统，暂时先租用AWS和阿里云就够了。对于数据量大，但数据分析需求较简单的公司，可以直接买Tableau，Splunk，HP Vertica，或者IBM DB2等软件或服务即可。
以上是我从事大数据以来的一些认识。管见所及，可能有所疏漏，欢迎补充。
7. 结合自己生活谈谈对反信息诈骗联盟大数据的看法
摘要 公安机关加大对电信诈骗的打击力度，并取得显着成果，但此类案件数量仍然持续增长，且犯罪手段变化快、空间跨度大、团伙化趋势明显、追赃困难，且破案模式难以复制，办案人员为了破案往往需要跨区域长期作战。
8. 用大数据分析找出数据间隐藏的关联性
用大数据分析找出数据间隐藏的关联性
智能穿戴设备监测健康、城市交通和天气的观测、抓捕罪犯、金融监管……伴随着大数据呈现出无孔不入的趋势，大数据分析开始成为人类进行科学决策的重要工具。从IT时代向DT时代的转变，大数据分析技术用迅速、精准的方式构建更加低成本、高效率的商业社会，并作为时下最为流行的技术之一，已经渗透到行业的方方面面，帮助企业用数据驱动业务的发展。
“DT时代的到来，对客户全方位的了解可谓是全所未有的。有了数据分析技术，企业可以将服务做的更细致全面，将被动转变为主动。”北京明略软件系统有限公司副总裁兼金融事业部总经理周卫天认为，大数据与行业的融合，让数据本身的价值得到了加倍的提升。
深度挖掘不同数据源间的隐藏关系
成立于2014年的北京明略软件系统有限公司是一家明略数据专注于关系挖掘的大数据行业应用解决方案提供商。作为一家成立仅两年的初创企业，目前明略数据已经完成了A轮融资，B轮融资将会在明年（2016年）第二季度完成。当前明略数据主要服务包括金融业、制造业、政府等行业部门在内的大型国企。“针对金融行业和公安部门这类客户，大数据分析技术首先体现的是精准，通过关系分析管理，从而直达目标群体。”周卫天说道。
金融业是最先落地大数据的行业之一，现在国内不少银行已经开始尝试通过大数据来驱动业务的运营。明略数据推出的大数据分析整合平台，帮助银行实现了风险管控、精准营销、征信管理、舆情监控等一系列的优化和提升。
·风险管控、反欺诈应用：利用数据分析，进行贷款质量评估，规避坏账风险。对中小企业融资风险监控，实现尽早发现企业违约风险。
·精准营销：在客户画像的基础上开展一系列包括交叉营销、个性化推荐、实时营销、客户生命周期管理等精准营销管理。
·征信/催收放贷增收：基于IP、GPS物理位置定位客户行为轨迹，加强银行信用卡征信审核。根据关联客户关系网，进行债务催收。
·舆情监控：检测客服中心、网上留言、社交媒体等信息，制定有效的客户维系及挽留措施。
公安/刑侦是目前明略数据服务的另一大主要行业，通过隐藏的数据关系通过算法、分析进行挖掘，快速的帮助公安部门找到有效信息，从而顺藤摸瓜，抓到罪犯，提升紧急事件的应对能力。举个简单的例子，通过最开始的订票信息，IP地址，到后来的车次、酒店信息、运营商的数据，将数据间进行关联分析，就可以确定订票人之间的关系。
给用户“技术+服务”两大保障
以上介绍的金融业和公安部门是明略数据主要服务的两大行业、部门，对此也不难从侧面发现明略数据针对数 据安全性可以给出较高的保障。作为一个数据服务商，明略数据从网络安全、技术数据安全、使用安全等多方面入手，做到让客户安心。周卫天介绍，明略数据是国 内外第一家在SQL on Hadoop三大查询引擎（Hive, Impala和Spark SQL）上实现行，列级别细颗粒度的权限控制大数据平台供应商。
有了技术上的优势，也就有了竞争的底气。在被问到如何在国内的大数据市场中抢占份额的时候，周卫天的说 法很淡然，尽管国内的巨头已经进入进来，但市场很大，对像明略数据这样快速成长的企业还是存在很大的机会。另外，明略的优势是拥有专业的技术团队，可以把 海量的数据源进行关联分析、深度挖掘，找出其中所隐藏的关系线索。
谈到今后的发展策略，除了技术的专注，服务好现有客户将是明略数据近几年关注的焦点。据了解，2016年明略数据将扩大各省市分公司规模，采取就近布局，包括市场、内部管理运营制定一系列的分级响应措施， 增强客户的售后服务。此外在未来，明略数据也会邀请客户和技术人员进入到项目中来，以便更好地了解技术的使用，从而可以快速上手，以周卫天的话说，这也是客户增值服务的另一个角度。
9. 如何看待明略数据
作者：黄庭坚十载樽前谈笑。天禄故人年少。可是陵沈英俊地，看即锁窗批诏。此处忽相逢，潦倒秃翁同调。 西顾郎官湖渺。事看庾楼人小。短艇绝江空怅望，寄得诗来高妙。梦去倚君傍，胡蝶归来清晓。