大數(shù)據(jù)的十三個(gè)應(yīng)用場景

1、大數(shù)據(jù)的十三個(gè)應(yīng)用場景美國NASA如何能提前預(yù)知各種天文奇觀？風(fēng)力發(fā)電機(jī)和創(chuàng)業(yè)者開店如何選址？如何才能準(zhǔn)確預(yù)測并對(duì)氣象災(zāi)害進(jìn)行預(yù)警？包括在未來的城鎮(zhèn)化建設(shè)過程中， 如何打造智能城市？等等， 這一系列問題的背后， 其實(shí)都隱藏著大數(shù)據(jù)的身影——不僅彰顯著大數(shù)據(jù)的巨大價(jià)值，更直觀地體現(xiàn)出大數(shù)據(jù)在各個(gè)行業(yè)的廣闊應(yīng)用。 這些行業(yè)應(yīng)用也都更直白地告訴人們， 什么是大數(shù)據(jù)??其實(shí)，大數(shù)據(jù)不是突然出現(xiàn)的，在過去的幾十年間，數(shù)學(xué)分析就已經(jīng)涉獵金融行業(yè)了，

2、諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者哈里.馬克維茨、威廉.夏普、羅伯特.恩格爾就是利用計(jì)量經(jīng)濟(jì)學(xué)知識(shí)和金融市場數(shù)據(jù)來建立數(shù)學(xué)模型，預(yù)測金融市場產(chǎn)品收益同風(fēng)險(xiǎn)波動(dòng)的關(guān)系。大數(shù)據(jù)時(shí)代的出現(xiàn)簡單的講是海量數(shù)據(jù)同完美計(jì)算能力結(jié)合的結(jié)果， 確切的說是移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)產(chǎn)生了海量的數(shù)據(jù)，大數(shù)據(jù)計(jì)算技術(shù)完美地解決了海量數(shù)據(jù)的收集、 存儲(chǔ)、計(jì)算、分析的問題。當(dāng)我們最初談大數(shù)據(jù)的時(shí)候，談的最多的可能是用戶行為分析，即通過各種用戶行為，包括瀏覽記錄，消費(fèi)記錄，交往和購物娛

3、樂， 行動(dòng)軌跡等各種用戶行為產(chǎn)生的數(shù)據(jù)。由于這些數(shù)據(jù)本身符合海量， 異構(gòu)的特征， 同時(shí)通過分析這些數(shù)據(jù)之間的關(guān)聯(lián)性容易匹配某些結(jié)果現(xiàn)象。即有一堆的行為因子 x，同時(shí)又有一堆的結(jié)果構(gòu)成 y，我們找尋到了某種相關(guān)性，有利于我們調(diào)整后續(xù)的各種策略。為何 Google 能夠做大數(shù)據(jù)？你思考過嗎？因?yàn)樗阉鞅旧硗怯脩粜袨榈囊粋€(gè)重要入口， 即搜索引擎具備了實(shí)時(shí)采集多個(gè)用戶行為的x 因子的能力。 而這個(gè)能力往往是單個(gè)電商門戶網(wǎng)站無法做到的。 但是搜

4、索引擎做大數(shù)據(jù)的弱勢在哪里？即前面談到的用戶和用戶之間的關(guān)系較難建立， 而更多是本身行為之間的相關(guān)性。 從這個(gè)差異上也可以看到搜索引擎更加容易做交通， 疾病， 氣象等方面的大數(shù)據(jù)分析和預(yù)測； 而類似電商平臺(tái)或類似騰訊更加容易做消費(fèi)和娛樂類的大數(shù)據(jù)分析和預(yù)測。對(duì)于大數(shù)據(jù)的應(yīng)用場景， 包括各行各業(yè)對(duì)大數(shù)據(jù)處理和分析的應(yīng)用， 最核心的還是用戶需求。 接下來， 本文通過梳理各個(gè)行業(yè)在大數(shù)據(jù)應(yīng)用領(lǐng)域面臨的挑戰(zhàn)、 如何尋找突破口來展示其潛在存在的大

5、數(shù)據(jù)應(yīng)用場景。一、醫(yī)療大數(shù)據(jù)看病更高效除了較早前就開始利用大數(shù)據(jù)的互聯(lián)網(wǎng)公司， 醫(yī)療行業(yè)是讓大數(shù)據(jù)分析最先發(fā)揚(yáng)光大的傳統(tǒng)行業(yè)之一。醫(yī)療行業(yè)擁有大量的病例，病理報(bào)告，治愈方案，藥物報(bào)告等等。如果這些數(shù)據(jù)可以被整理和應(yīng)用將會(huì)極大地幫助醫(yī)生和病人。 我們面對(duì)的數(shù)目及種類眾多的病菌、 病毒，以及腫瘤細(xì)胞， 其都處于不斷的進(jìn)化的過程中。在發(fā)現(xiàn)診斷疾病時(shí)，疾病的確診和治療方案的確定是最困難的。在未來，借助于大數(shù)據(jù)平臺(tái)我們可以收集不同病例和治療方案，

6、以及病人的基本特征，可以建立針對(duì)疾病特點(diǎn)的數(shù)據(jù)庫。 如果未來基因技術(shù)發(fā)展成熟， 可以根據(jù)病人的基因序列特點(diǎn)進(jìn)行分類， 建立醫(yī)療行業(yè)的病人分類數(shù)據(jù)庫。 在醫(yī)生診斷病人時(shí)可以參考病人的疾病特征、理客戶推薦產(chǎn)品； 美國銀行利用客戶點(diǎn)擊數(shù)據(jù)集為客戶提供特色服務(wù)， 如有競爭的信用額度；招商銀行利用客戶刷卡、 存取款、電子銀行轉(zhuǎn)帳、 微信評(píng)論等行為數(shù)據(jù)進(jìn)行分析， 每周給客戶發(fā)送針對(duì)性廣告信息，里面有顧客可能感興趣的產(chǎn)品和優(yōu)惠信息?？梢?，大數(shù)據(jù)在金融

7、行業(yè)的應(yīng)用可以總結(jié)為以下五個(gè)方面：精準(zhǔn)營銷：依據(jù)客戶消費(fèi)習(xí)慣、地理位置、消費(fèi)時(shí)間進(jìn)行推薦風(fēng)險(xiǎn)管控： 依據(jù)客戶消費(fèi)和現(xiàn)金流提供信用評(píng)級(jí)或融資支持， 利用客戶社交行為記錄實(shí)施信用卡反欺詐決策支持： 利用抉策樹技術(shù)進(jìn)抵押貸款管理， 利用數(shù)據(jù)分析報(bào)告實(shí)施產(chǎn)業(yè)信貸風(fēng)險(xiǎn)控制效率提升： 利用金融行業(yè)全局?jǐn)?shù)據(jù)了解業(yè)務(wù)運(yùn)營薄弱點(diǎn)， 利用大數(shù)據(jù)技術(shù)加快內(nèi)部數(shù)據(jù)處理速度產(chǎn)品設(shè)計(jì)： 利用大數(shù)據(jù)計(jì)算技術(shù)為財(cái)富客戶推薦產(chǎn)品， 利用客戶行為數(shù)據(jù)設(shè)計(jì)滿足客戶需求的金融

8、產(chǎn)品四、零售大數(shù)據(jù)最懂消費(fèi)者零售行業(yè)大數(shù)據(jù)應(yīng)用有兩個(gè)層面，一個(gè)層面是零售行業(yè)可以了解客戶消費(fèi)喜好和趨勢，進(jìn)行商品的精準(zhǔn)營銷， 降低營銷成本。 另一層面是依據(jù)客戶購買產(chǎn)品， 為客戶提供可能購買的其它產(chǎn)品， 擴(kuò)大銷售額， 也屬于精準(zhǔn)營銷范疇。 另外零售行業(yè)可以通過大數(shù)據(jù)掌握未來消費(fèi)趨勢， 有利于熱銷商品的進(jìn)貨管理和過季商品的處理。 零售行業(yè)的數(shù)據(jù)對(duì)于產(chǎn)品生產(chǎn)廠家是非常寶貴的， 零售商的數(shù)據(jù)信息將會(huì)有助于資源的有效利用， 降低產(chǎn)能過剩， 廠商

9、依據(jù)零售商的信息按實(shí)際需求進(jìn)行生產(chǎn)，減少不必要的生產(chǎn)浪費(fèi)。未來考驗(yàn)零售企業(yè)的不再只是零供關(guān)系的好壞， 而是要看挖掘消費(fèi)者需求， 以及高效整合供應(yīng)鏈滿足其需求的能力，因此信息科技技術(shù)水平的高低成為獲得競爭優(yōu)勢的關(guān)鍵要素。不論是國際零售巨頭， 還是本土零售品牌， 要想頂住日漸微薄的利潤率帶來的壓力， 在這片紅海中立于不敗之地，就必須思考如何擁抱新科技，并為顧客們帶來更好的消費(fèi)體驗(yàn)。想象一下這樣的場景，當(dāng)顧客在地鐵候車時(shí)，墻上有某一零售商的巨

10、幅數(shù)字屏幕廣告，可以自由瀏覽產(chǎn)品信息， 對(duì)感興趣的或需要購買的商品用手機(jī)掃描下單， 約定在晚些時(shí)候送到家中。而在顧客瀏覽商品并最終選購商品后，商家已經(jīng)了解顧客的喜好及個(gè)人詳細(xì)信息，按要求配貨并送達(dá)顧客家中。 未來， 甚至顧客都不需要有任何購買動(dòng)作， 利用之前購買行為產(chǎn)生的大數(shù)據(jù)， 當(dāng)你的沐浴露剩下最后一滴時(shí)， 你中意的沐浴露就已送到你的手上， 而雖然顧客和商家從未謀面，但已如朋友般熟識(shí)。五、電商大數(shù)據(jù)精準(zhǔn)營銷法寶電商是最早利用大數(shù)據(jù)進(jìn)行