廣東省制造協會
《中國產業鏈大數據白皮書》2014年

發布時間:2014-12-10 14:22:33點擊數:[打 印]

來源:IT168

一、 引言

  伴隨著我國經濟結構體制改革的逐步深化,在中國大陸上各行各業的領袖們都在謀劃新的業務增長點來提升自身實力,在新的經濟浪潮中占領先機。

  在新經濟時代,互聯網經濟、大數據經濟被越來越多的人所重視。《大數據時代》作者英國牛津大學維克托教授提醒,“未來數據將會像土地、石油和資本一樣,成為經濟運行中的根本性資源。”因此如何在大數據時代搶占資源贏得先機是企業家、股東們爭相尋找的。

  大數據在新經濟時代可以將產業鏈上的供求信息、風險信息、企業數據信息有效傳統,這樣產業鏈變得更加緊密,使產業鏈的各環節數據的互通,可以大大降低交易成本,提高產業鏈效率。此外,大數據使得產業鏈的結構變得更加穩固,有助于將原有的一些產業鏈過度環節省去,重新打造更高效的產業鏈結構。

  九次方大數據:

  企業大數據+金融互聯網+企業征信+智慧城市+產業鏈社交

  創建于2010年的九次方大數據(JUSFOUN BIGDATA)是中國目前唯一的企業大數據服務平臺,九次方大數據平臺匯集分析了40多個產業鏈、8000多個行業、40000多個細分市場、500多個城市的750萬家企業。每家企業設定了200多項指標,可以進行交叉分析。

  基于企業大數據平臺,九次方開發出來了八類大數據服務平臺,服務覆蓋了25個客戶群,比如商業銀行、P2P公司、省市區政府、證券、基金、投資公司、上市公司、市場研究公司等等。

  九次方總部位于北京金融街,擁有大數據挖掘技術、企業數據采集、數據建模、可視化技術方面的大數據產業鏈人才結構;企業數據采集網絡覆蓋中國最主要的21個核心省份城市。

  公司在發展過程中,得到了幾大股東IDG資本、德同資本、博信資本、富凱投資的大力支持。

  九次方大數據X解決方案

  1,全產業鏈企業大數據分析平臺

  2,產業鏈金融服務大數據平臺

  3,金融互聯網交易撮合直銷平臺

  4,銀行客戶精準營銷大數據系統

  5,中國企業征信大數據服務平臺

  6,企業決策、投資、并購大數據

  7,智慧城市企業大數據分析平臺

  8,風險預警分析大數據監控平臺

  九次方大數據優勢:

  1,數據優勢

  九次方企業大數據平臺已經匯集了40多個產業鏈、8000多個行業、40000多個細分市場、500多個城市的750萬家企業。

  2,先發優勢

  在2010年就開始做企業數據沉淀,截至目前九次方沉淀了2005年至今的連續性企業數據,每家企業設定200多項指標

  3,方案優勢

  基于企業大數據平臺開發出來了八類大數據服務平臺,覆蓋25個客戶群,比如商業銀行、P2P公司、政府、投資等等。

  4,股東優勢

  公司在發展過程中,得到了幾大股東IDG資本、德同資本、博信資本、富凱投資的大力支持。

  5,技術優勢

  擁有大數據挖掘技術、企業數據采集、數據建模、可視化技術方面的大數據產業鏈人才結構。

  6,服務優勢

  九次方已經服務了10幾個省市區政府、20多家商業銀行、幾十家投資、證券公司等,可以在21個地區提供本地化服務

  6,戰略優勢

  與湯森路透、騰訊財經、標準普爾、五道口金融學院、北京金融局、貴陽市政府、重慶市政府等結成全面戰略合作伙伴

  二、 迎接金融大數據時代到來

  1、 大數據起源

  大數據的應用和技術是在互聯網快速發展中誕生的,起點可追溯到 2000 年前后。當時互聯網網頁爆發式增長,每天新增約 700 萬個網頁,到 2000 年底全球網頁數達到 40 億,用戶檢索信息越來越不方便。谷歌等公司率先建立了覆蓋數十億網頁的索引庫,開始提供較為精確的搜索服務,大大提升了人們使用互聯網的效率,這是大數據應用的起點。當時搜索引擎要存儲和處理的數據,不僅數量之大前所未有,而且以非結構化數據為主,傳統技術無法應對。為此,谷歌提出了一套以分布式為特征的全新技術體系,即后來陸續公開的分布式文件系統(GFS, Google File System)、分布式并行計算(MapReduce)和分布式數據庫(BigTable)等技術,以較低的成本實現了之前技術無法達到的規模。這些技術奠定了當前大數據技術的基礎,可以認為是大數據技術的源頭。

  最早提出“大數據”時代到來的是全球知名咨詢公司麥肯錫,麥肯錫稱:“數據,已經滲透到當今每一個行業和業務職能領域,成為重要的生產因素。人們對于海量數據的挖掘和運用,預示著新一波生產率增長和消費者盈余浪潮的到來。” “大數據”在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在已有時日,因為近年來互聯網和信息行業的發展而引起人們關注。

 

2、 產業鏈大數據由來

  產業鏈大數據還屬于一個新興概念,屬于大數據在產業鏈應用上的一個衍生。最早概念來自于九次方大數據提出,逐步受到業內企業重視,市場上針對性的衍生性大數據產品不斷推出。

  傳統咨詢機構長期以來依靠不透明和靈活性來保持其行業領導地位;但目前的商業環境正變得越來越透明和成熟,這兩項優勢正快速消失。市場研究及咨詢行業已經進入了大數據服務模式。傳統的市場研究行業開展項目需要開展問卷設計發放、資料搜集、電話調查、人員約訪、后期統計,指標抽取等步驟。傳統的市場研究公司除了基本的市場研究方法,幾乎很少借助大數據技術分析,同時還存在調研樣本基數不足、樣本代表性不足等。將傳統的市場調研智慧與大數據的巨大威力相結合,會在定性分析和定量分析方面產生巨大的優勢。

  盡管大數據還無法完全替代傳統咨詢公司的角色,但它們確實擁有獨特優勢。全產業鏈的全樣本企業分析更加務實和坦誠,大數據呈現的結果將不再依靠花里胡哨的是數學分析模型。今后所有市場研究機構都將以大數據為基礎的咨詢模式。大數據分析平臺為客戶提供價值的速度將遠超傳統咨詢團隊,因為大數據分析平臺一秒鐘就可以將一個產業鏈上的所有企業按照幾十個緯度分析出來,系統將自動形成各種各樣的數據圖表。

  大數據預測分析技術和自動化一定會隨著時間變得越來越完善。此外,對于所有透明度較低的行業,大數據分析技術將讓所有競爭參與者回到同一起跑線。它帶來的速度和可量化成果會削弱,甚至完全消除傳統公司的品牌優勢,為新興企業發展掃清障礙。因此,大數據技術可能會助推新興市場咨詢機構的崛起。

  大數據現在已經可以實現大規模數據的自動化評估,取代了原先由初級分析師完成的工作。

  依據大數據對研究對象進行分析,將改變傳統市場調研方式,大大節約人力和時間成本,同時通過整合分析產業鏈上下游企業數據,改變傳統的單一行業數據分析方法,此外通過補充互聯網輿情信息,可以使得研究員獲得更加及時準確的動態。

  三、 產業鏈大數據的外部環境

  1、 產業鏈大數據的產業環境

  目前產業鏈大數據的發展主要來自于其應用的各個環境的產業環境。相關的產業均按照其原有的產業鏈方式運行,效率遠沒有大數據帶來的高效。因此當前的產業環境為大數據發展創造了良好的機會。

  國家要創造一個支持產業鏈大數據的環境,讓新產品和新服務能夠噴薄而出。任何事物都是一把雙刃劍,關鍵看產業鏈大數據的著眼點和出發點,如果只是除弊而不興利,那就越除越小,最終抑制它的成長。所以要正確看待新興事物,并在發展中解決存在的問題。因此可以預期產業鏈大數據會在市場競爭中不斷優勝劣汰發展起來的。產業鏈大數據概念沉淀下來,慢慢步入正常發展軌道。

  產業鏈的生態環境硬件部分和傳統大數據行業差異不大,如下:

 

2、 產業鏈大數據的政策環境

  產業鏈大數據屬于新興概念,國家沒有就產業鏈大數據單獨出具專門針對性地政策。通常都是包含在軟件及信息化政策下。作為新興的產業發展方向,屬于政策的重點鼓勵領域。

  目前國家也在積極鼓勵大數據針對性產業政策出臺。主要通過3個方面著力大數據政策的建設:一是前期已通過促進信息消費擴大內需的意見、軟件和信息技術服務業“十二五”規劃等政策規劃中,對大數據發展進行了部署。二是推動全國信息技術標準化技術委員會開展了大數據標準化的需求分析、標準體系框架研究及相關標準研制工作,并向相關國際標準化組織提交了大數據研究提案。三是利用項目資金等手段進行了前沿部署,支持了關鍵技術產品的研發和產業化。

  3、 產業鏈大數據的生態圈

  產業鏈大數據未來將會具備其獨有的生態圈,其結構會同傳統的大數據生態圈略有不同,其生態圈構成的部分除了,技術、硬件、軟件、信息服務等方面外,還有最重要的就是其所應用的產業鏈端的全體接入。產業鏈大數據的生態圈是建立在傳統產業鏈的基礎上的,是其傳統生態圈的升級。因此產業鏈大數據的生態圈是多個維度的,按照其應用的產業鏈,可以無限衍生和擴張。

  四、 產業鏈大數據的應用

  1、 大數據對能源產業鏈的變革

  能源行業作為比較傳統的一個產業,多年來一直沒有太大變化,其產業鏈結構及生態結構均處于比較穩定的狀態,但隨著互聯網、物聯網、智能化設備的逐步成熟和深入,我們傳統理解上的行業也在發生較大的改變。

  “產業鏈大數據”有利于推動能源行業監管協調及能源運行安全預警體系的建立;有助于推進能源企業科學化、智能化運營管理及能源行業市場化的發展;在引導能源合理消費,實現科學高效的需求側管理方面發揮著積極作用。

  能源行業的運行數據是政府進行市場協調與監管,保障國家能源運行安全的重要基礎。當前,我國能源數據體系尚不完善,數據的數量、種類及來源較少,信息采集渠道不暢通,數據傳達相對滯后,時效性不強,大大降低了政府進行能源行業規劃與決策的準確性,以及運行協調和應急管理的有效性。因此,作為政府應積極開展與能源企業和報價機構合作,搭建能源行業“產業鏈大數據”平臺,按照行業類型分區域構建生產、運輸、銷售及貿易的基礎數據庫,建立能源數據采集、分析、處理和預警體系,及時準確地掌握能源行業的運行現狀,努力提高政府決策和規劃的科學性與時效性。

  能源行業企業能夠充分利用“產業大數據”帶來的信息資源,分析資源現狀和市場現狀,更好地規劃能源生產與資源分配,大大降低企業的運營成本和決策失誤所帶來的損失;根據能源市場具有影響力的播報機構提供的數據,企業能夠更加清楚地了解市場運行動態,尤其是市場價格的變動,并以此為依據簽訂市場交易合同,進一步推動能源行業市場化改革;三是企業能夠根據客戶提供的信息數據,全面分析和掌握客戶消費行為,大力挖掘市場需求,科學管理能源用戶,合理調整能源供應結構,提高能源的使用效率;四是企業可以根據其內部運行和管理數據,進行信息化操作和智能化管理,及時分析解決企業的運行現狀和存在的問題,提高企業的運行效率,確保企業運行安全與能源的穩定供應。

  現階段,我國能源行業的“產業鏈大數據”剛剛起步,具有巨大的發展潛力和挖掘價值,前景十分廣闊。因此,我國應牢牢抓住機遇,以能源行業信息化建設為基礎,以能源市場數據體系建設為契機,高度重視能源行業“產業鏈大數據”的戰略部署和機制設計,加強信息技術的創新及設備研發,培養高端技術人才,大力推進“產業鏈大數據”產業與能源行業的快速融合,使我國能源領域的“產業鏈大數據”能夠服務于國家能源發展。

  依靠大數據基礎上的能源產業鏈布局:

 

2、 大數據對汽車、配件及后市場產業鏈的變革

  汽車行業作為當今社會重要組成部分,在工業經濟中有及其重要的地位。隨著我國企業保有量和人均汽車消費支出的持續上升,汽車也成為我們居民生活中有及其重要的部分。

  產業鏈大數據對企業行業的營銷可以分為工業部分和消費部分兩塊。在傳統的銷售模式中,汽車廠商通過廣告等各種銷售技巧把車賣出去,最后會發現總有賣不完的庫存,總有一些目標消費者沒有購買汽車,因為沒有人知道這些顧客需要什么,生產的車型沒能滿足他們的需求。幾乎所有企業都嘗試過降價促銷,雖然這種做法在刺激銷售的過程中也降低了利潤,企業卻并無它路。因為沒有數據就無法對顧客需求進行分析。在大數據時代,這種盲目的運營模式被完全顛覆。大數據放置于汽車行業,將會帶來的改變有:

  A、有意義的選擇:傳統購車程序中,人們根據顏色、外觀、引擎甚至安全性、豪華與否等角度選擇,而對那些“不知道自己要什么”的消費者來講,一個甚至幾個類似“空間更大?”“座位更大?”的固定問題并不能真正戳中心房。這時候,必須要知道每一位消費者的自身需求,提供更多選擇的可能性。通過數以百萬計的選項,滿足每一個細項需求。真正的了解消費者,知道他們想要什么,而不是為什么。這些基于了解之上的需求選項比苦苦追問“為什么選這個”要有意義的多。

  B、靈活的生產:通過大數據的統計知道消費者需要什么,按照偏好生產,與市場需求靈活匹配。對現在的汽車生產商來說,他們清楚要做什么,但是要做到靈活的調整生產方式就有些難度了。了解—分析—供需匹配—提升銷售,這一閉環的更迭速度基于對消費市場大數據的精準把握。

  過去的汽車行業變革,可以歸納為更大的引擎、更快的速度、更少的燃油。基于大數據的變革卻顯而易見:和數據有關的改善——改善生產流程、商業思維、汽車生活。

  我們可以大膽設想這樣的場景:車內系統自動采集駕駛者的駕駛習慣信息,為不同的駕駛者匹配不同的汽車設置;夜晚疲勞駕車時,駕駛者坐姿發生改變,車內會自動發出警告;又或者通過指紋識別車主、啟動車輛等。這都是大數據的應用案例,有些已經應用在現在的汽車當中。

  流動性數據不斷地產生,通過車內感應器對數據收集、傳送,可以對可能出現的零部件故障、隱患進行及時的處理。一方面有利于解決汽車安全隱患,另一方面將幫助汽車品質的更新換代,提升產品的設計和構造。

  首先以勞斯萊斯為例,作為一家生產豪華車的公司,勞斯萊斯也是世界上第二大航空引擎制造商,并且已經變成一個大數據公司。通過在每一個噴氣式飛機的引擎上建立測量、采集的數據中心,勞斯萊斯可以預測引擎的哪一個部件可能會發生故障。比如通過聲音、振動的改變,提前在故障發生之前更換飛機引擎某些零部件,避免發生空難的可能。

  再以UPS為例,UPS有6萬輛汽車進行運輸工作,UPS在汽車里安裝了傳感器,將所有數據收集起來進行大數據分析,提高汽車的導航系統和物流線路布局,并且在去年節省了約5千萬公里的里程。

  汽車作為人類夢想的現實化身,它的出現解決了人類的移動需求。過去的汽車或許更多的是跟引擎的轉動、機械的轟鳴相關,而大數據時代的汽車,則更多的考慮人類目前最迫切的需求——完美的出行解決方案。依據整個生態系統制定出行方案,對蝸居都市的用車人群十分必要:在鬧市區找到一個停車位,在上下班高峰期實時避開擁堵路段,在汽車的指引下找到最便捷的餐館、加油站等。

  通過對數據的有效利用影響未來發展格局:對新能源汽車來講,通過數據模型分析城市內充電設備等基礎設施的布局地點、使用結點,合理建設道路輔助設施;對無人駕駛汽車來講,將車輛自身的數據收集能力、后臺計算能力與整個出行生態系統實時匹配、整合、反饋,達成技術實現的可能。

  3、 大數據對食品飲料產業鏈的變革

  從目前食品飲料行業情況來看,年營收極大超出同行表現的企業中,將近50%的企業具有十分明確的數據戰略,將大數據作為其在未來的發展放在及其重要的位置。

  在大數據基礎上,通過數據的分析、提煉和應用實現商業價值,正被提升到前所未有的高度。針對大數據特點,進行產業鏈大數據的優化、升級,應用最新的技術,中國食品已在悄然布局。中國食品的數據量在不斷增長,如何快速、實時、智能化處理海量數據,產業鏈大數據必須要提升系統功能性、業務靈活性等指標才能達到目標。如今,中國食品行業,產業鏈大數據已涉及高級管理層、業務管理層、業務操作層等各方面。

  食品飲料行業最大的特點就是“單據量大”、“顆粒度細”。面對海量信息,公司首先想到的是如何處理數據;其次是如何展現數據;最后是如何在大數量上進行增值,給管理層提供有價值的決策信息,這需要不斷優化產業鏈大數據基礎平臺。

  以中國食品有限公司為例,中國食品有限公司的BW系統和ERP系統同在2007年上線。 在中國食品有限公司和IBM(IBM是項目實施方)的共同努力下,中國食品利用SAP BW建立了商務智能分析系統,該系統更多基于公司業務需求進行設計。經過五年的發展,目前,中國食品的系統訂單量翻了近一倍,一天要處理營業額為1個多億規模的業務。除了來自銷售、供應鏈、財務環境的ERP數據通過SAP BW展現外,中糧集團旗下中國食品公司也在考慮如何把非結構化數據進行分析,變成決策依據,比如:人口統計信息、市場份額信息、消費者調研信息、社交網絡信息等。

  4、 大數據對物流供應鏈服務的變革

  在物流領域有兩個著名的理論——“黑大陸”說和“物流冰山”說。前者是著名的管理學權威P·E·德魯克提出的,主要是指在流通領域中物流活動的模糊性尤其突出,因此是流通領域中最具潛力的領域。后來,日本早稻田大學教授西澤修,用物流成本的具體分析論證了德魯克的“黑大陸”說,提出人們對物流費用的了解是一片空白,甚至有很大的虛假性。他認為,物流就像一座冰山,其中沉在水面以下的是我們看不到的黑色區域,這部分就是黑大陸,而這正是物流尚待開發的領域,也是物流的潛力所在。

  那么,靠什么來了解和掌控物流活動?最直接的當然是數據。可以想見,如果人們能夠掌握物流活動過程中的全部數據,那么所謂的物流“黑大陸”就不存在了;而如果能夠充分分析和挖掘這些數據的價值,就能夠幫助我們找到物流市場的潛力所在,也就是未來物流領域的新藍海。換句話說,“產業鏈大數據”分析將是打開物流潛力市場的金鑰匙。

  “產業鏈大數據”的價值,在于從海量的數據中發現新的知識,創造新的價值。數據本身在其轉化為信息,并通過信息的提煉成為普適規律,最終創造利潤的過程中,變得價值連城。這已經被越來越多的物流企業所認識,使得市場對數據分析與挖掘的需求與日俱增。

  過去幾年,全球范圍內的運輸物流市場增長非常快,企業采用更多的新設備、新技術來提升業務發展水平,加速市場拓展步伐。例如,最近幾年許多物流企業廣泛部署了RFID技術,還在各種終端設備上安裝了傳感器等。然而而是想辦法對現有終端設備所獲取的數據多加利用,才是核心。例如,找出問題所在、發現新的機會、降低成本并進一步提高業務收入,進而促進業務的發展。要想成為頂尖的物流企業,就要靠數據來獲得競爭優勢。

  此外,數據分析還能幫助企業做出正確的決策。對于物流企業來說,成本和效率是一對矛盾體,企業都希望以最低的成本獲得最大的效益,可實際上這是很難做到的。但Shaun告訴記者,通過數據分析,企業可以看到具體的業務運行情況,能夠清楚地判斷哪些業務利潤率高、增長較快等,把主要精力放在真正能夠給企業帶來高回報的業務上,避免無端的浪費。同時,通過對實時數據的掌控,企業還可以即時對業務進行調整,確保每個業務都可以贏利,從而實現非常高效的運營。

  5、 大數據對大健康產業鏈的變革

  大數據在醫療健康行業的應用效果已經非常明顯。比較典型的案例便是Google成功預測流感爆發期。2009年甲型H1N1流感爆發幾周前,Google通過對人們網上搜索記錄的觀察、分析、建模,結果顯示,他們的預測與官方數據的相關性高達97%,且判斷比疾控中心更及時。從個人健康管理到公共健康管理,大數據在對個人醫療的改變以及極富價值的預警能力吸引著IT巨頭們迫不及待與醫療“聯姻”。未來我們可以預見所有的醫療都在云端,將所有機構都整合到云端。

 

在我國,互聯網巨頭已經開始紛紛布局健康產業鏈上的大數據分布。搜索巨頭百度在這方面的舉動比較具備創新。一方面,百度發布大數據引擎,將開放云、數據工廠、百度大腦三大組件在內的核心大數據對外開放,實現對各行各業的數據進行挖掘,利用“數據工廠”和“百度大腦”分析數據,輸出分析為自己和合作伙伴提供解決方案。2014年2月,北京市衛計委表示,衛生系統將把所擁有的醫療衛生機構的資質信息、資源的準入信息與百度強大的網絡搜索能力、后臺信息甄別和過濾技術進行聯合,以在公共突發事件、流行性疾病爆發、健康服務業發展、人口流動等領域提供分析和預警,為科學決策做依據。另一方面,打造“軟硬云”結合的智能健康醫療移動平臺,記錄下人們日常生活方式,比如每天的運動量和運動時間、睡眠量、久坐時間、身高、血壓等,這些被量化的數據具備了長時性和趨勢化,都會成為病情分析的重要依據。

  在大數據技術下,我們完全可以想象這樣一個從生產數據、到挖掘、管理、分析信息,以及最后提供解決方案的醫療場景。如全球每年有幾百萬人患心臟病,大數據能從這些患病人群里找到共性,實現提前治療預警。從健康的角度而言,提前預防將極大地提高人們對抗疾病的能力。從保險公司的角度而言,也能極大地降低賠付率。

  6、 大數據對大文化領域的變革

  產業鏈大數據的在大文化領域潛力十分大,但是需要更好的將大數據嵌入產品的創作流程,一方面根據不同的數據維度收集有效數據,優化分析算法,另一方面需要在產品營銷,版權購買和創作及消費渠道等方面入手,使得大數據不只是一種更加,更滲入到公司的管理流程成為企業的經營資產和管理要素。

  以《紙牌屋》為例,著名導演大衛·芬奇曾拿著《紙牌屋》的改編劇本,找過美國多家電視臺,卻沒有一家敢掏錢,因為誰也說不準一部20年前的老劇是否還有市場。Netflix也有類似的擔心,于是進行了“電視劇消費習慣數據庫”分析。最終,Netflix發現老劇《紙牌屋》依舊是點播熱門,而點播該劇的用戶群,也幾乎和網站上大衛·芬奇、凱文·史派西的粉絲圈重合,于是決定投資1億美元重拍,并由大衛·芬奇導演、凱文·史派西主演該劇。

  相比傳統收視率統計只抽取數千個樣本戶,“算”出《紙牌屋》的數據庫卻包含了3000萬用戶的收視選擇、400萬條評論、300萬次主題搜索,是名副其實的“大數據”。這些數據源自Netflix數年來積累的數據資源。當一位用戶通過瀏覽器登錄Netflix賬號,Netflix后臺技術將用戶位置數據、設備數據悄悄地記錄下來。

  這些記憶代碼還包括用戶收看過程中所做的收藏、推薦到社交網絡等動作。在Netflix看來,暫停、回放、快進、停止等動作都是一個行為,每天用戶在Netflix上將產生高達3000多萬個行為。此外Netflix的訂閱用戶每天還會給出400萬個評分,300萬次搜索請求,詢問劇集播放時間和設備。這些都被Netflix轉化成代碼,當作內容生產的元素記錄下來。

  為了找到分析大數據的方法,Netflix沒有少花功夫。首先,千萬級別的用戶對網站提供的影片給出1至5星的評級,幾年下來相關數據的總量超過百億條。要找準用戶推薦新影視劇,識別觀眾品位需要一個“算法”。

  7、 大數據對紡織服裝產業鏈的變革

  大數據的來臨正在悄無聲息的改變著我們對服裝行業的認識,無論從數據端的采集還是到海量數據的分析,都將以一種前所未有的方式進行。大數據將對服裝企業的業務產生多方面的影響,如向客戶進行產品推薦、基于客戶反饋進行產品設計、通過分析客戶的喜好實現在網絡社區中的產品營銷、更加理性地進行廣告投放、對流行時尚趨勢進行預測、基于交易分析進行產品定價、基于環境分析問題產生原因等。

  很多企業之所以這么關注電商就是看中了其中的數據運用。目前企業在這方面的運用也還處于探索階段,平臺上的數據分析,要以熟知每位顧客的消費喜好,消費習慣行為等等,這些需要數據分析商的幫助。說白了線上銷售無非就是流量的競爭,轉化率的競爭,這些都離不開數據的分析,誰最先掌握數據營銷運用技術,誰就能搶先一步占領市場。淘寶的云計算的應用價值今后將會越來越受重視。“電商與數據分析的對接是十分必要的,只有通過背后的分析才能清楚未來的發展方向。以前搶市場靠的是市場敏感度,今后則要更多地依賴數據的可控分析。

  以店鋪而言,經營者可以實時的看到終端店鋪的客流情況,顧客在店內的消費動線,對試銷產品的關注度,VIP的消費情況。零售分析不僅僅局限在,傳統粗放的數據采集,而是采用更加主動的方式記錄終端發生的每一個因素的變動。我們不需要重新創造什么,只需要將每天發生的每一個事件記錄下來,分析其中的相關性,得出最精準的判斷。服裝行業的大數據變革會讓我們從因果關系轉變到相關關系,而且僅需要關注相關關系,并不需要了解為什么。當數據的采集達到“分子”級別時,數據所呈現出來的性質就會發生改變。一旦了解了這些新的性質,就能夠用數據來做從前無法做到的事情。

  表面上看,我們通過大數據來分析日常的經營決策,但更厲害的地方在于,我們能夠預測未來。在一個可能性和相關性占主導的行業中,經營者必須與數據所呈現的客觀事實進行博弈。當店鋪發生的每一個細節,都會被完整的記錄和保存的時候,未來就會變得無比清晰。通過對店鋪發生所有事情的數據采集,從而會讓我們找到數據之間的相關性,即一個數據增加時,另一個數據是否會相應增加。

  8、 大數據對家電及配套產業鏈的變革

  隨著家電網購方式的逐漸興起以及企業對消費需求關注的日益提升,IT行業最時髦的詞匯大數據也開始進入家電行業。制造商、銷售商、行業機構紛紛追捧大數據,將其視為破解商業密碼的利器。

  這個時代屬于具有互聯網思維的企業,這是企業進化的一種趨勢,而且是一種不可逆轉的趨勢。擁抱互聯網(包括云和大數據)已經成為傳統家電巨頭突破發展困局的手段,如果成功,那么未來的價值和潛力難以估量。但轉型并沒有那么簡單,一個企業能否走得更遠,需要看它能否將互聯網、云計算、大數據與企業發展方向和策略相結合,因為家電企業不會缺與用戶交互的產品,也不缺海量的用戶數據,而關鍵在于構建了怎樣的“圈子”來謀發展。

  這個時代屬于具有互聯網思維的企業,這是企業進化的一種趨勢,而且是一種不可逆轉的趨勢。擁抱互聯網(包括云和大數據)已經成為傳統家電巨頭突破發展困局的手段,如果成功,那么未來的價值和潛力難以估量。但轉型并沒有那么簡單,一個企業能否走得更遠,需要看它能否將互聯網、云計算、大數據與企業發展方向和策略相結合,因為家電企業不會缺與用戶交互的產品,也不缺海量的用戶數據,而關鍵在于構建了怎樣的“圈子”來謀發展。

  9、 大數據加快智能交通的推廣

  近年來,電子信息領域的技術發展極其迅速,對智能交通系統發展帶來了重大變革。物聯網、云計算、大數據、移動互連等技術在交通領域的應用和發展,不僅給智能交通系統注入新的技術內涵,也對智能交通系統的模式、理念產生了巨大影響。

目前,國際智能交通領域的車路協同系統、公眾出行便捷服務、車聯網等熱點技術領域,都在廣泛研究和應用云計算、大數據、移動互聯等新技術。大數據技術在交通運行管理優化、面向車輛和出行者的智能化服務,以及交通應急和安全保障等方面都將形成巨大的市場。

  智能交通系統發展的數據分析需求:

  一方面,交通數據采集的范圍、廣度和深度急劇增加,隨著智能交通系統建設規模的不斷擴大,正在形成以微波、線圈、GPS、車牌等交通流檢測數據,交通監控視頻數據,以及系統數據和服務數據等為主體的海量交通數據。以北京市為例,6萬余輛出租車一天就會產生數億條GPS數據,車牌識別、交通監控視頻等數據量更大,交通相關的數據量級已從TB級別躍升到PB級別,傳統的交通數據分析方法已很難有效支撐這么龐大的數據體的開發與利用。另一方面,對動靜態海量交通數據的挖掘分析成為智能化交通信息處理分析的核心內容,交通數據的深層價值有待進一步的挖掘和開發。根據調查,韓國3G手機上的服務中,有50%以上的服務與交通有關,包括實時道路交通信息、地鐵和公交信息、火車和飛機班次動態信息、換乘信息、與汽車服務有關的信息等。以智能終端為服務窗口的、以云計算和大數據分析技術為支撐的智能交通信息服務正在逐步成為主流,與我們的生活息息相關。

  大數據分析為智能交通發展帶來的新機遇:

  一是大數據技術的海量數據存儲和高效計算能力,將實現交通管理系統跨區域、跨部門的集成和組合,將會更加有效地配置交通資源,從而大大提高交通運行效率、安全水平和服務能力。二是交通大數據分析將為交通管理、決策、規劃和運營、服務以及主動安全防范帶來更加有效的支持。三是基于交通大數據的分析為公共安全和社會管理提供新的理念、模式和手段。

  10、 大數據對連鎖經營貿易服務的變革

  當淘寶通過對以往消費的記錄,準確推送所需的小眾商品的時候,普通人已經感受到大數據時代的來臨。所謂大數據,指的是傳統數據庫管理工具難以駕馭的海量、瞬時、多樣化的數據,如我們在網絡上的任何一次點擊都可以被完整的記錄和保存,而企業則通過對這些數據的高效分析,準確預判我們的消費行為、消費心理等極具價值的信息,并推送相應的產品或服務。而實際上,目前多數大數據并未被采集到,即使采集到,其價值的開發也遠遠不足。

  亞馬遜早在2009年就推出大規模數據集并行計算的技術——MapReduce,并實現了云計算與大數據的結合,成為其打造龐大帝國的重要力量。而在國內,阿里巴巴聯合銀泰、復星、富春、“四通一達”、順豐以及銀行等金融機構投資建設的立體式倉儲網絡體系,其核心也是基于大數據的分析,實現物流企業、平臺商家和消費者的信息共享,并整合、指揮社會化倉儲物流的日常運營。

五、 產業鏈大數據的未來及方向

  1、 產業鏈大數據的未來價值分析

  全球大數據市場規模將在未來五年內迎來高達26%的年復合增長率——從今年的148.7億美元增長到2018年的463.4億美元。全球各大公司、企業和研究機構對大數據商業模式進行了廣泛地探索和嘗試,因此大數據在所有眼中的未來價值都非常值得期待。我認為產業鏈大數據未來的價值主要體現在以下6個方面:

  產業鏈大數據對管理的改變:大數據能進一步提高算法和機器分析的作用。一些制造商利用算法來分析來自生產線的傳感數據,創建自動調節過程以減少損失,避免成本高昂的人工干預,最終增加產出。

  產業鏈數據的高透明化和廣泛可獲取性:一些制造商正試圖集成多種系統的數據,甚至從外部供應商和客戶處獲取數據來共同制造產品。以汽車這類先進制造行業為例,全球供應商生產著成千上萬的部件。集成度更高的平臺將使公司及其供應鏈合作伙伴在設計階段就開始協作。

  產業鏈大數據提高決策準確性:大數據可能使決策制定發生根本性的改變。利用可控實驗,公司可驗證假設、分析結果以指導投資決策及運作改變。

  產業鏈大數據改變用戶的體驗:面向用戶的企業已長期利用數據來細分和定位用戶。大數據實現了用戶定制的質的飛躍,使得實時個性化成為可能。下一代零售商通過互聯網點擊流可跟蹤個體用戶的行為,更新其偏愛,并實時模仿其可能的行為。

  幫組企業建立基于數據的產業鏈商業模型:產業鏈大數據催生了新類型的公司,其能建立由信息驅動的商業模型。許多公司都在價值鏈中發揮中間作用,通過商業交易創建極具價值的“排出數據”。如一家運輸公司收集了大量的全球產品出貨信息,并專門建立一個部門負責向經濟預測方銷售數據。

  產業鏈大數據對于企業人才計劃的正面影響:人才對于企業而言很重要,企業的很大部分資源都存在于員工的大腦中,如企業人脈關系,方法理論,經驗傳承,而在大數據時代,人才的這種核心競爭力正在發生異化,數據成為了企業最為重視的核心資產。員工的大腦不再是企業信息資源的核心載體,而是各種可隨時調用的數據,企業的所有信息,事無巨細都可以通過各種錄入終端形成數據的形式進行存儲,然后通過有效的數據管理模型進行分析,導出。

  2、 產業鏈大數據的發展方向

  產業鏈大數據的發展依附于大數據整體的技術發展方向,產業鏈大數據將也會以數據資源、云端結合、理論突破等方向發展。

  產業鏈大數據的資源化:是指大數據成為企業和社會關注的重要戰略資源,并已成為大家爭相搶奪的新焦點。因而,企業必須要提前制定大數據營銷戰略計劃,搶占市場先機。

  產業鏈大數據與云計算的深度結合:產業鏈大數據離不開云處理,云處理為大數據提供了彈性可拓展的基礎設備,是產生大數據的平臺之一。自2013年開始,大數據技術已開始和云計算技術緊密結合,預計未來兩者關系將更為密切。除此之外,物聯網、移動互聯網等新興計算形態,也將一齊助力大數據革命,讓大數據營銷發揮出更大的影響力。

  產業鏈大數據科學和理論的提升:未來,大數據科學將成為一門專門的學科,被越來越多的人所認知。各大高校將設立專門的數據科學類專業,也會催生一批與之相關的新的就業崗位。與此同時,基于數據這個基礎平臺,也將建立起跨領域的數據共享平臺,之后,數據共享將擴展到企業層面,并且成為未來產業的核心一環。隨著產業鏈大數據的快速發展,就像計算機和互聯網一樣,產業鏈大數據很有可能是新一輪的技術革命。

  六、 結束語

  產業鏈大數據作為一種重要的戰略資產,已經不同程度地滲透到每個行業領域和部門,其深度應用不僅有助于企業經營活動,還有利于推動國民經濟發展。它對于推動信息產業創新、改變經濟社會管理面貌等方面也意義重大。現在,通過數據的力量,用戶希望掌握真正的便捷信息,從而讓生活更有趣。對于企業來說,如何從海量產業鏈數據中挖掘出可以有效利用的部分,并且用于品牌營銷,才是企業制勝的法寶。

福利新疆35选7走势图