保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用

Part2保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用過去，由于保險(xiǎn)行業(yè)的代理人的特點(diǎn)，因此在傳統(tǒng)的個人代理渠道，代理人的素養(yǎng)及人際關(guān)系網(wǎng)是業(yè)務(wù)開拓的最為關(guān)鍵因素，而大數(shù)據(jù)在在新客戶開發(fā)和維系中的作用就沒那么突出。但隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及大數(shù)據(jù)的進(jìn)展，網(wǎng)絡(luò)營銷、移動營銷和個性化的電話銷售的作用將會日趨顯現(xiàn)，越來越多的保險(xiǎn)公司注意到大數(shù)據(jù)在保險(xiǎn)行業(yè)中的作用?？偟膩碇v，保險(xiǎn)行業(yè)的大數(shù)據(jù)應(yīng)用能夠分為三大方面：客戶細(xì)分及精細(xì)化營銷、欺詐行為分析和精細(xì)化運(yùn)營。第一方面：客戶細(xì)分和精細(xì)化營銷（1）客戶細(xì)分和差異化服務(wù)。風(fēng)險(xiǎn)偏好是確定保險(xiǎn)需求的關(guān)鍵。風(fēng)險(xiǎn)喜好者、風(fēng)險(xiǎn)中立者和風(fēng)險(xiǎn)厭惡者關(guān)于保險(xiǎn)需求有不同的態(tài)度。一般來講，風(fēng)險(xiǎn)厭惡者有更大的保險(xiǎn)需求。在客戶細(xì)分的時候，除了風(fēng)險(xiǎn)偏好數(shù)據(jù)外，要結(jié)合客戶職業(yè)、愛好、適應(yīng)、家庭結(jié)構(gòu)、消費(fèi)方式偏好數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法來對客戶進(jìn)行分類，并針對分類后的客戶提供不同的產(chǎn)品和服務(wù)策略。（2）潛在客戶挖掘及流失用戶預(yù)測。保險(xiǎn)公司可通過大數(shù)據(jù)整合客戶線上和線下的相關(guān)行為，通過數(shù)據(jù)挖掘手段對潛在客戶進(jìn)行分類，細(xì)化銷售重點(diǎn)。通過大數(shù)據(jù)進(jìn)行挖掘，綜合考慮客戶的信息、險(xiǎn)種信息、既往出險(xiǎn)情況、銷售人員信息等，篩選出阻礙客戶退保或續(xù)期的關(guān)鍵因素，并通過這些因素和建立的模型，對客戶的退保概率或續(xù)期概率進(jìn)行可能，找出高風(fēng)險(xiǎn)流失客戶，及時預(yù)警，制定挽留策略，提高保單續(xù)保率。（3）客戶關(guān)聯(lián)銷售。保險(xiǎn)公司能夠關(guān)聯(lián)規(guī)則找出最佳險(xiǎn)種銷售組合、利用時序規(guī)則找出顧客生命周期中購買保險(xiǎn)的時刻順序，從而把握保戶提高保額的時機(jī)、建立既有保戶再銷售清單與規(guī)則，從而促進(jìn)保單的銷售。除了這些做法以外，借助大數(shù)據(jù)，保險(xiǎn)業(yè)能夠直接鎖定客戶需求。以淘寶運(yùn)費(fèi)退貨險(xiǎn)為例。據(jù)統(tǒng)計(jì)，淘寶用戶運(yùn)費(fèi)險(xiǎn)索賠率在50%以上，該產(chǎn)品對保險(xiǎn)公司帶來的利潤只有5%左右，然而有專門多保險(xiǎn)公司都有意愿去提供這種保險(xiǎn)。因?yàn)榭蛻糍徺I運(yùn)費(fèi)險(xiǎn)后保險(xiǎn)公司就能夠獲得該客戶的個人差不多信息，包括手機(jī)號和銀行賬戶信息等，并能夠了解該客戶購買的產(chǎn)品信息，從而實(shí)現(xiàn)精準(zhǔn)推送。假設(shè)該客戶購買并退貨的是嬰兒奶粉，我們就能夠可能該客戶家里有小孩，能夠向其推舉關(guān)于兒童疾病險(xiǎn)、教育險(xiǎn)等利潤率更高的產(chǎn)品。（4）客戶精準(zhǔn)營銷。在網(wǎng)絡(luò)營銷領(lǐng)域，保險(xiǎn)公司能夠通過收集互聯(lián)網(wǎng)用戶的各類數(shù)據(jù)，如地域分布等屬性數(shù)據(jù)，搜索關(guān)鍵詞等即時數(shù)據(jù)，購物行為、掃瞄行為等行為數(shù)據(jù)，以及興趣愛好、人脈關(guān)系等社交數(shù)據(jù)，能夠在廣告推送中實(shí)現(xiàn)地域定向、需求定向、偏好定向、關(guān)系定向等定向方式，實(shí)現(xiàn)精準(zhǔn)營銷。第二方面：欺詐行為分析基于企業(yè)內(nèi)外部交易和歷史數(shù)據(jù)，實(shí)時或準(zhǔn)實(shí)時預(yù)測和分析欺詐等非法行為，包括醫(yī)療保險(xiǎn)欺詐與濫用分析以及車險(xiǎn)欺詐分析等。（1）醫(yī)療保險(xiǎn)欺詐與濫用分析。醫(yī)療保險(xiǎn)欺詐與濫用通?？煞譃閮煞N，一是非法騙取保險(xiǎn)金，即保險(xiǎn)欺詐；另一類則是在保額限度內(nèi)重復(fù)就醫(yī)、浮報(bào)理賠金額等，即醫(yī)療保險(xiǎn)濫用。保險(xiǎn)公司能夠利用過去數(shù)據(jù)，查找阻礙保險(xiǎn)欺詐最為顯著的因素及這些因素的取值區(qū)間，建立預(yù)測模型，并通過自動化計(jì)分功能，快速將理賠案件依照濫用欺詐可能性進(jìn)行分類處理。（2）車險(xiǎn)欺詐分析。保險(xiǎn)公司夠利用過去的欺詐事件建立預(yù)測模型，將理賠申請分級處理，能夠?qū)ｉT大程度上解決車險(xiǎn)欺詐問題，包括車險(xiǎn)理賠申請欺詐偵測、業(yè)務(wù)員及修車廠勾結(jié)欺詐偵測等。第三方面：精細(xì)化運(yùn)營（1）產(chǎn)品優(yōu)化，保單個性化。過去在沒有精細(xì)化的數(shù)據(jù)分析和挖掘的情況下，保險(xiǎn)公司把專門多人都放在同一風(fēng)險(xiǎn)水平之上，客戶的保單并沒有完全解決客戶的各種風(fēng)險(xiǎn)問題。然而，保險(xiǎn)公司能夠通過自有數(shù)據(jù)以及客戶在社交網(wǎng)絡(luò)的數(shù)據(jù)，解決現(xiàn)有的風(fēng)險(xiǎn)操縱問題，為客戶制定個性化的保單，獲得更準(zhǔn)確以及更高利潤率的保單模型，給每一位顧客提供個性化的解決方案。（2）運(yùn)營分析?；谄髽I(yè)內(nèi)外部運(yùn)營、治理和交互數(shù)據(jù)分析，借助大數(shù)據(jù)臺，全方位統(tǒng)計(jì)和預(yù)測企業(yè)經(jīng)營和治理績效?；诒ｋU(xiǎn)保單和客戶交互數(shù)據(jù)進(jìn)行建模，借助大數(shù)據(jù)平臺快速分析和預(yù)測再次發(fā)生或者新的市場風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等。（3）代理人（保險(xiǎn)銷售人員）甄選。依照代理人員（保險(xiǎn)銷售人員）業(yè)績數(shù)據(jù)、性不、年齡、入司前工作年限、其它保險(xiǎn)公司經(jīng)驗(yàn)和代理人人員思維性向測試等，找出銷售業(yè)績相對最好的銷售人員的特征，優(yōu)選高潛力銷售人員。

2014年上半年互聯(lián)網(wǎng)、保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用方案投資快速增長時刻2014-12-0813:52:18企業(yè)網(wǎng)原文/news/hyxg/320653.html計(jì)世資訊（CCWResearch）計(jì)算機(jī)系統(tǒng)研究部總監(jiān)丁震認(rèn)為，當(dāng)前，數(shù)據(jù)價(jià)值挖掘差不多成為互聯(lián)網(wǎng)、保險(xiǎn)等行業(yè)大數(shù)據(jù)應(yīng)用投資增長的重要推手。2014年，盡管大數(shù)據(jù)的應(yīng)用還沒有深入普及，然而差不多有越來越多的行業(yè)用戶嘗試引入大數(shù)據(jù)相關(guān)技術(shù)解決如何治理、利用日益增長的各類數(shù)據(jù)，而往往如此的技術(shù)引入都或多或少伴隨著IT產(chǎn)品和方案（如中高端存儲系統(tǒng)）的更新?lián)Q代。特不是像互聯(lián)網(wǎng)、保險(xiǎn)如此的行業(yè)，關(guān)于客戶行為分析、信息甄不、影像對比等方面的需求日益增加，在最近一兩年和以后兩三年，都差不多或打算應(yīng)用更多的大數(shù)據(jù)技術(shù)，同時傾向于采購更加高效和靈活的大數(shù)據(jù)系統(tǒng)。例如，互聯(lián)網(wǎng)的數(shù)據(jù)要求實(shí)時分析，例如廣告監(jiān)測、B2C業(yè)務(wù)，往往要求在數(shù)秒內(nèi)返回上億行數(shù)據(jù)的分析，從而達(dá)到不阻礙用戶體驗(yàn)和快速準(zhǔn)確營銷的目的。能夠采納精心設(shè)計(jì)的傳統(tǒng)關(guān)系型數(shù)據(jù)庫組成并行處理集群，或者采納一些內(nèi)存計(jì)算平臺，或者采納HDD的架構(gòu)，這些無疑都需要比較高的軟硬件成本。目前，專門多電子商務(wù)網(wǎng)站對購買者的行為進(jìn)行分析，當(dāng)有一筆消費(fèi)，或者一個查詢產(chǎn)生時，網(wǎng)站向用戶提供實(shí)時的推舉產(chǎn)品。那個功能是通過用戶的購買傾向，迅速地從大量商品中找到相似或相關(guān)聯(lián)的產(chǎn)品。實(shí)時推舉功能的實(shí)施，對數(shù)據(jù)存儲的結(jié)構(gòu)、調(diào)用、分析速度的要求特不高。大數(shù)據(jù)分析能夠?yàn)殡娮由虅?wù)帶來更低的獨(dú)立訪客營銷成本，更高的訂單轉(zhuǎn)化率，更高的付款成功率，和更高的回頭率。目前在互聯(lián)網(wǎng)行業(yè)中商用的大數(shù)據(jù)應(yīng)用解決方案除了一些國外大的廠商提供數(shù)據(jù)倉庫、平臺軟件（如SAP、EMC等）之外，要緊是一些互聯(lián)網(wǎng)背景（BAT投資或者之前互聯(lián)網(wǎng)方案轉(zhuǎn)型）的中型軟件公司的方案，如晶贊科技、點(diǎn)線科技、數(shù)新等。計(jì)世資訊（CCWResearch）研究表明，2014年，互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)應(yīng)用軟件投資可能將達(dá)到4.5億元，比2013年整張19.7%，到2018年有望超過10億元。2013-2018年互聯(lián)網(wǎng)行業(yè)大數(shù)據(jù)應(yīng)用軟件投資增長情況關(guān)于保險(xiǎn)行業(yè)而言，業(yè)務(wù)數(shù)據(jù)的顯著特點(diǎn)是數(shù)據(jù)分析量大、不確定性因素多，面對當(dāng)今時代的海量金融數(shù)據(jù)，基于傳統(tǒng)統(tǒng)計(jì)技術(shù)建立的模型假設(shè)條件多，實(shí)際應(yīng)用難以奏效。關(guān)于金融行業(yè)來講，數(shù)據(jù)確實(shí)是業(yè)務(wù)，對數(shù)據(jù)的掌握能夠?qū)崿F(xiàn)對市場的支配，并實(shí)現(xiàn)巨大的經(jīng)濟(jì)回報(bào)。保險(xiǎn)行業(yè)企業(yè)對數(shù)據(jù)分析的速度要求比較明顯，專門多在線交易要求數(shù)據(jù)分析快速的進(jìn)行。目前，IBM和EMC的分析軟件在金融領(lǐng)域都有成功案例。計(jì)世資訊（CCWResearch）預(yù)測，2014年保險(xiǎn)行業(yè)大數(shù)據(jù)軟件投資經(jīng)將達(dá)到0.8億元左右，比2013年增長14.3%；可能到2018年將達(dá)到1.8億元。2013-2018年保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用軟件投資增長情況大數(shù)據(jù)時代的到來，用戶關(guān)于IT基礎(chǔ)架構(gòu)的需求變得更加嚴(yán)苛的不斷復(fù)雜化，諸如互聯(lián)網(wǎng)、電子商務(wù)、保險(xiǎn)、電信、公共事業(yè)、醫(yī)療等行業(yè)，數(shù)據(jù)即是生命，在新的經(jīng)濟(jì)競爭局面下，利用大數(shù)據(jù)解決方案挖掘價(jià)值僅僅是差不多要求。另一方面，數(shù)據(jù)中心的建設(shè)有著虛擬化，混合云化的趨勢，專門多客戶原有的物理數(shù)據(jù)中心都在向虛擬化方向轉(zhuǎn)變。這就要求大數(shù)據(jù)產(chǎn)品和方案必須更高效，更靈活，治理更簡單，進(jìn)一步提升數(shù)據(jù)挖掘和價(jià)值分析的水準(zhǔn)?！按髷?shù)據(jù)”運(yùn)用，信息化戰(zhàn)場“撥云見日”2014年12月25日17:35:14

來源：解放軍報(bào)作者：孫偉\o"分享到微信"\o"分享到新浪微博"

核心提示當(dāng)前，國際互聯(lián)網(wǎng)正以每秒產(chǎn)生數(shù)以萬TB的海量數(shù)據(jù)在加速暴漲中。據(jù)國際權(quán)威機(jī)構(gòu)統(tǒng)計(jì)，目前每天約20億人使用互聯(lián)網(wǎng)，網(wǎng)絡(luò)攻擊時有發(fā)生，“大數(shù)據(jù)”環(huán)境支撐下的信息網(wǎng)絡(luò)安全形勢日趨嚴(yán)峻。據(jù)悉，目前在全球范圍已有40多個國家相繼頒布了網(wǎng)絡(luò)空間安全實(shí)施戰(zhàn)略，保障信息網(wǎng)絡(luò)安全，迎接新軍事變革挑戰(zhàn)，在各軍事強(qiáng)國中均上升為國家安全戰(zhàn)略?！按髷?shù)據(jù)”思維挑戰(zhàn)機(jī)遇引領(lǐng)進(jìn)展縱觀戰(zhàn)爭史實(shí)，軍事領(lǐng)域一直是先進(jìn)技術(shù)的天然試驗(yàn)場，兵家通過駕馭一次次科技革命，將人類智慧、戰(zhàn)法與科技創(chuàng)新高度融合，使軍事變革不斷被推上時代高峰。外軍研究認(rèn)為，現(xiàn)代無定型術(shù)語“大數(shù)據(jù)”，海量般信息生成一個雜亂的大背景，就如同浩瀚大西洋換算成水，若每加侖代表一個字節(jié)或字符，其數(shù)據(jù)存儲量將帶來前所未有的挑戰(zhàn)。簡單來講，“戰(zhàn)爭中假如能夠?qū)讉€小時的視頻降至最關(guān)鍵的30秒視頻，這本身確實(shí)是一個勝利?！睋?jù)外媒披露，美國防部近來在探究大數(shù)據(jù)的軍事運(yùn)用時，面對迫在眉睫的預(yù)算緊縮形勢感到巨大壓力，擔(dān)憂戰(zhàn)時駕馭大數(shù)據(jù)能力不足會帶來嚴(yán)峻的阻礙，因?yàn)閼?zhàn)爭中海量信息暴漲，意味著所有軍事行動將被淹沒，因此強(qiáng)調(diào)以“大數(shù)據(jù)”思維引領(lǐng)進(jìn)展?！按髷?shù)據(jù)”決策奪取認(rèn)知的新高地現(xiàn)代戰(zhàn)爭，是基于信息系統(tǒng)的體系作戰(zhàn)，戰(zhàn)爭決策無疑將高度依靠基于海陸空天寬敞戰(zhàn)場的信息網(wǎng)絡(luò)數(shù)據(jù)分析和與指揮員高超指揮藝術(shù)的有機(jī)融合，而“大數(shù)據(jù)”運(yùn)用則將成為提高科學(xué)決策能力、決定戰(zhàn)爭勝負(fù)的關(guān)鍵因素之一。因此樹立“大數(shù)據(jù)”觀念，搶占“大數(shù)據(jù)”認(rèn)知領(lǐng)域新高地，成為時代進(jìn)展的必定要求。伊拉克戰(zhàn)爭中，各國軍事專家對戰(zhàn)爭態(tài)勢每每做出的預(yù)測，均出現(xiàn)了嚴(yán)峻誤判，這除了戰(zhàn)爭善以奇制勝，更為重要的也是因?yàn)樗季S觀念與信息時代嚴(yán)峻脫節(jié)或格格不入所致。甚至人們對“大數(shù)據(jù)”的阻礙已產(chǎn)生由局部到全局、由單純到繁雜、由因果到關(guān)聯(lián)的全然性變化完全缺乏認(rèn)知。因此講，信息時代只有重視“大數(shù)據(jù)”認(rèn)知，才能做出科學(xué)決策，戰(zhàn)時才能真正掌握克敵制勝的主動權(quán)?！按髷?shù)據(jù)”驅(qū)動善以數(shù)據(jù)之兵取勝事實(shí)上，“大數(shù)據(jù)”是由海量數(shù)據(jù)小溪匯合而成的。因此科學(xué)探究“大數(shù)據(jù)”規(guī)律，提高駕馭“大數(shù)據(jù)”能力，才能夠練就打贏真本領(lǐng)。軍事活動是孕育戰(zhàn)爭“大數(shù)據(jù)”最肥沃的土壤。軍事訓(xùn)練、演習(xí)甚至包括搶險(xiǎn)救災(zāi)、反恐維穩(wěn)、安保警戒等非戰(zhàn)爭軍事行動，都能夠獵取武器精度、彈藥效能、反應(yīng)速度、行動能力、保障水平、地域地形等最原始的大量作戰(zhàn)數(shù)據(jù)信息，這些數(shù)據(jù)均可成為軍事謀略、戰(zhàn)法創(chuàng)新、指揮作戰(zhàn)等最寶貴的資源。打仗重?cái)?shù)據(jù)，才能夠?qū)崿F(xiàn)“作戰(zhàn)決策快速正確、指揮操縱精確高效、火力打擊聯(lián)合準(zhǔn)確、支援保障及時順暢”目標(biāo)。然而，在“大數(shù)據(jù)”環(huán)境背景下，作戰(zhàn)數(shù)據(jù)決不只是參戰(zhàn)人數(shù)和武器裝備數(shù)量的簡單疊加，而應(yīng)從包括軍心士氣、戰(zhàn)斗作風(fēng)、地理環(huán)境、作戰(zhàn)效能、智力資源等實(shí)戰(zhàn)需要動身，通過科學(xué)分析，生成綜合戰(zhàn)斗力數(shù)據(jù)，并善于解決制約體系作戰(zhàn)的瓶頸問題，從而消除信息化戰(zhàn)爭迷霧，達(dá)到善以數(shù)據(jù)之兵取勝的新境地?！按髷?shù)據(jù)”謀略廟算運(yùn)籌直面戰(zhàn)場據(jù)悉，奧巴馬曾高度評價(jià)“大數(shù)據(jù)”，是“以后世界的新石油”。高技術(shù)戰(zhàn)場，指揮信息系統(tǒng)縱橫交錯，就如同高效傳輸?shù)氖凸芫€，能把作戰(zhàn)數(shù)據(jù)源源不斷輸送到各指揮作戰(zhàn)系統(tǒng)，使海陸空天電網(wǎng)基于信息系統(tǒng)的聯(lián)合作戰(zhàn)體系實(shí)現(xiàn)一體化高效運(yùn)轉(zhuǎn)。但是“多算勝，少算不勝”，軍事資源的利用，并不能單純依靠技術(shù)來簡單加工處理，而必須依靠軍事謀略和戰(zhàn)法創(chuàng)新運(yùn)用，才能夠“點(diǎn)石成金”“出神入化”。歷史上，孫臏減灶擒龐涓、虞詡增灶破羌，無不是通過隱真示假克敵制勝的。因此“大數(shù)據(jù)”時代，“知己知彼”“廟算于先”必將更富傳奇色彩。現(xiàn)代高技術(shù)戰(zhàn)爭，信息獵取能力空前增強(qiáng)，偵察手段豐富多樣，必須與“大數(shù)據(jù)”戰(zhàn)法相適應(yīng)運(yùn)籌謀略，方能克敵制勝。而且不管宏觀依舊微觀，必須對戰(zhàn)場態(tài)勢、信息情報(bào)、作戰(zhàn)保障、水文氣象等信息數(shù)據(jù)了如指掌，對裝備狀況、殺傷機(jī)理、作戰(zhàn)成效等數(shù)據(jù)明察秋毫，且善用人工智能、云計(jì)算等高新技術(shù)巧出奇兵，才能夠智勝強(qiáng)敵。因此，信息化戰(zhàn)爭在海量“大數(shù)據(jù)”支撐下，謀略制勝必將上演連臺活劇。（作者單位：國防大學(xué)聯(lián)合指揮與參謀學(xué)院六

第一節(jié)大數(shù)據(jù)產(chǎn)生的歷史背景（1）提要：1．信息基礎(chǔ)設(shè)施持續(xù)完善，包括網(wǎng)絡(luò)帶寬的持續(xù)增加、存儲設(shè)備性價(jià)比不斷提升，猶如高速公路之于物流，為大數(shù)據(jù)的存儲和傳播預(yù)備物質(zhì)基礎(chǔ)。2．互聯(lián)網(wǎng)領(lǐng)域的公司最早重視數(shù)據(jù)資產(chǎn)的價(jià)值，最早從大數(shù)據(jù)中淘金，同時引領(lǐng)大數(shù)據(jù)的進(jìn)展趨勢。3．云計(jì)算為大數(shù)據(jù)的集中治理和分布式訪問提供了必要的場所和分享的渠道。大數(shù)據(jù)是云計(jì)算的靈魂和必定的升級方向。4．物聯(lián)網(wǎng)與移動終端持續(xù)不斷的產(chǎn)生大量數(shù)據(jù)，同時數(shù)據(jù)類型豐富，內(nèi)容鮮活，是大數(shù)據(jù)重要的來源。信息科技進(jìn)步假如把信息技術(shù)的不斷進(jìn)步看成世界萬物持續(xù)數(shù)字化的過程，則會理出一條清晰地主線。信息科技具有三個最核心和基礎(chǔ)的能力：信息處理、信息存儲和信息傳遞，幾十年來這三個能力的飛速進(jìn)步，是人類科技史上最為興奮人心的故事之一?，F(xiàn)代意義上計(jì)算機(jī)的發(fā)明，歸功于軍事上的需要。1946年2月14日，由美國軍方訂制的世界上第一臺電子計(jì)算機(jī)——“電子數(shù)字積分計(jì)算機(jī)”在美國賓夕法尼亞大學(xué)問世，要緊是為了滿足計(jì)算彈道需要而研制的?！半娮佑?jì)算機(jī)”的稱謂的確名副事實(shí)上，其最初的目的確實(shí)是為了更迅速的進(jìn)行大量數(shù)學(xué)運(yùn)算。數(shù)學(xué)一直是計(jì)算機(jī)學(xué)科的基礎(chǔ)，尤其是離散數(shù)學(xué)，奠定了計(jì)算機(jī)學(xué)科的理論基礎(chǔ)。人們把計(jì)算機(jī)之父的桂冠戴在兩位數(shù)學(xué)家的頭上，分不是艾倫·圖靈①和約翰·馮·諾依曼。迄今為止，人類都把圖靈機(jī)作為現(xiàn)代智能類工具的鼻祖。美國計(jì)算機(jī)協(xié)會（ACM，AssociationforComputerMachinery）于1966年設(shè)立圖靈獎，專門獎勵那些對計(jì)算機(jī)科學(xué)研究與推動計(jì)算機(jī)技術(shù)進(jìn)展有卓越貢獻(xiàn)的杰出科學(xué)家。它被公認(rèn)為計(jì)算機(jī)界的“諾貝爾”獎。以他命名的圖靈機(jī)是一個二進(jìn)制計(jì)算的抽象理論模型，并不是計(jì)算機(jī)的工程設(shè)計(jì)。馮·諾依曼②則被公認(rèn)為是現(xiàn)代計(jì)算機(jī)（工程實(shí)現(xiàn)）的鼻祖，他領(lǐng)導(dǎo)的小組提出了完善的計(jì)算機(jī)設(shè)計(jì)報(bào)告。1965年，戈登·摩爾（GordonMoore③）——英特爾公司的創(chuàng)始人之一，預(yù)備了一個關(guān)于計(jì)算機(jī)存儲器進(jìn)展趨勢的報(bào)告。在他開始繪制數(shù)據(jù)時，發(fā)覺了一個驚人的趨勢：每個新芯片大體上包含上一代芯片兩倍的容量，每個芯片的產(chǎn)生差不多上在前一個芯片產(chǎn)生后的18~24個月內(nèi)。假如那個趨勢接著的話，計(jì)算機(jī)的計(jì)算能力相關(guān)于時刻周期將呈指數(shù)式上升。簡而言之，“芯片上可容納的晶體管數(shù)目，每隔18個月左右便會增加一倍，性能也將提升一倍。”后來人們發(fā)覺這不僅適用于對存儲器芯片的描述，也精確地講明了計(jì)算能力和磁盤存儲容量的進(jìn)展，因此，摩爾定律成為許多工業(yè)關(guān)于性能預(yù)測的基礎(chǔ)，主宰了信息產(chǎn)業(yè)的進(jìn)展。在摩爾定律的指引下，信息產(chǎn)業(yè)周期性地推出新的計(jì)算機(jī)，操作系統(tǒng)和計(jì)算能力均在不斷提高。工業(yè)界和個人都不斷地升級計(jì)算機(jī)設(shè)備，從而推動信息產(chǎn)業(yè)的巨大進(jìn)步。每當(dāng)英特爾公司開發(fā)出計(jì)算能力更強(qiáng)的芯片，微軟公司就會適時推出功能更強(qiáng)大、操作更方便的操作系統(tǒng)。當(dāng)人們采納了微軟的新操作系統(tǒng)后，就會發(fā)覺系統(tǒng)變慢，不得不升級硬件設(shè)備。每當(dāng)計(jì)算機(jī)產(chǎn)業(yè)進(jìn)展放緩，硬件生產(chǎn)商就會翹首企盼微軟新的操作系統(tǒng)，帶動客戶新一輪的升級換機(jī)熱潮。這種循環(huán)持續(xù)不間斷地上演了40余年。這段波瀾壯闊的歷史，使信息處理和儲存能力獲得了成千上萬倍的提升。1977年，世界上第一條光纖通信系統(tǒng)在美國芝加哥市投入商用，速率為45Mbit/s，自此，拉開了信息傳輸能力大幅躍升的序幕。有人甚至將光纖傳輸帶寬的增長規(guī)律稱為超摩爾定律。認(rèn)為帶寬的增長速度比芯片性能提升的速度還要快。事實(shí)上，存儲的價(jià)格從20世紀(jì)60年代1萬美元1MB，降到現(xiàn)在的1美分1GB的水平，其價(jià)差高達(dá)億倍，如圖1-1所示。在線實(shí)時觀看高清電影，在幾年前依舊難以想象的，現(xiàn)在卻變得已習(xí)以為常了。網(wǎng)絡(luò)的接入方式也從有線連接向高速無線連接的方式轉(zhuǎn)變。毫無疑問，網(wǎng)絡(luò)帶寬和大規(guī)模存儲技術(shù)的高速持續(xù)進(jìn)展，為大數(shù)據(jù)時代提供了廉價(jià)的存儲和傳輸服務(wù)。因而本書假定存儲和帶寬不再是制約數(shù)據(jù)應(yīng)用的因素。

ZDnet

大數(shù)據(jù)來勢洶洶，差不多讓每一個企業(yè)都深陷其中，然而關(guān)于大數(shù)據(jù)中蘊(yùn)藏的商業(yè)價(jià)值，幾乎每個企業(yè)都深信不疑。

值得強(qiáng)調(diào)的是，要想馴服大數(shù)據(jù)，從大數(shù)據(jù)中挖掘出大價(jià)值，清晰的認(rèn)知大數(shù)據(jù)是必定的第一步。對此，ZDNet發(fā)起了針對中國大數(shù)據(jù)認(rèn)知和應(yīng)用的市場調(diào)研，并得到了447位各行各業(yè)用戶的參與。

通過分析調(diào)研數(shù)據(jù)，中國大數(shù)據(jù)的全景印象差不多逐漸清晰。本文將結(jié)合ZDNet發(fā)起的調(diào)研數(shù)據(jù)，掃描大數(shù)據(jù)對中國各行業(yè)企業(yè)的阻礙，具體分析大數(shù)據(jù)在中國的行業(yè)、地域、規(guī)模分布，以及大數(shù)據(jù)的現(xiàn)狀與增長態(tài)勢，從中挖掘大數(shù)據(jù)的增長和應(yīng)用潛力，從而讓企業(yè)全面地把握大數(shù)據(jù)現(xiàn)狀與進(jìn)展脈搏，迎接大數(shù)據(jù)變革。1.大數(shù)據(jù)在中國的行業(yè)分布

在參與調(diào)查的樣本中，包括了政府/公共事業(yè)、物流零售、文化娛樂、能源/制造、金融/保險(xiǎn)、交通旅游、IT互聯(lián)網(wǎng)電信等行業(yè)，能夠看出大數(shù)據(jù)差不多受到廣泛的行業(yè)關(guān)注。

參與大數(shù)據(jù)調(diào)查的行業(yè)中，來自能源/制造行業(yè)的最多，比例達(dá)44.9%，其次是政府與公共事業(yè)部，比例為17%，第三則是金融與保險(xiǎn)行業(yè)，為10.3%。接下來，分不是物流零售（8.7%）、文化娛樂（6.3%）、IT/互聯(lián)網(wǎng)/電信（5.8%）、交通旅游（3.36%）。

從各個行業(yè)對大數(shù)據(jù)調(diào)研的參與程度事實(shí)上差不多能夠反映出各行業(yè)對大數(shù)據(jù)的關(guān)注程度，能源/制造行業(yè)關(guān)于市場行情的數(shù)據(jù)更為敏感，歷史的商品行情關(guān)于以后的產(chǎn)品設(shè)計(jì)、風(fēng)險(xiǎn)評估以及市場導(dǎo)向都有較強(qiáng)的參考意義。而隨著政府與公共事業(yè)的服務(wù)意識的強(qiáng)加與轉(zhuǎn)變，以及更智慧的執(zhí)政與治理理念的帶動，關(guān)于數(shù)據(jù)的治理與分析的需求也在日益加強(qiáng)。在金融與保險(xiǎn)行業(yè)，則是傳統(tǒng)的數(shù)據(jù)量大戶，而在新時代更好更快的發(fā)覺客戶金融適應(yīng)，將是金融與保險(xiǎn)行業(yè)以后競爭必須要做的情況。其次，物流零售的數(shù)據(jù)價(jià)值也在日益顯現(xiàn)，成為排名第四的參與調(diào)查的行業(yè)，而新興的，數(shù)據(jù)積存（尤其是非結(jié)構(gòu)化數(shù)據(jù)）歷史尚淺的文化娛樂、IT/互聯(lián)網(wǎng)/電信行業(yè)則分列第五和第六?？磥泶髷?shù)據(jù)差不多成為眾多行業(yè)關(guān)注和探討的話題，其阻礙力差不多覆蓋了從傳統(tǒng)的制造行業(yè)到新型的文化娛樂、IT、互聯(lián)網(wǎng)行業(yè)。2.大數(shù)據(jù)在中國的地域分布

在參與調(diào)查的樣本分布方面，差不多上能夠體現(xiàn)出中國經(jīng)濟(jì)發(fā)達(dá)程度的差異，在參與調(diào)研的樣本中，來自華東地區(qū)（山東、江蘇、安徽、浙江、福建、上海）的樣本最多，達(dá)32.7%，其次是華南（廣東、廣西、海南）19.7%，第三則是華北（北京、天津、河北、山西、內(nèi)蒙古），占據(jù)

16.8%，不難理解，對大數(shù)據(jù)關(guān)注的地域差不多上以沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)為主。

第四至第六名分不是西北（寧夏、新疆、青海、陜西、甘肅）10.7%、東北（遼寧、吉林、黑龍江）7.8%與西南（四川、云南、貴州、西藏、重慶）7.6%。因此也能夠認(rèn)為，對大數(shù)據(jù)的關(guān)注程度是與經(jīng)濟(jì)發(fā)達(dá)程度成正比的。3.大數(shù)據(jù)在中國的企業(yè)規(guī)模分布

在本次調(diào)查中，參與最多的是100-500人的中型企業(yè)，達(dá)42%，其次

是500人以上的大型企業(yè)，為33.3%，1至99人的小型企業(yè)為24.6%。盡管數(shù)據(jù)本身只是一個案，但能夠看出對大數(shù)據(jù)的關(guān)注度是與企業(yè)規(guī)模相關(guān)的，在本次調(diào)查中，大中型機(jī)構(gòu)占到了75.3%的比例，可見隨著企業(yè)經(jīng)營時刻的增長，規(guī)模的不斷擴(kuò)大，歷史數(shù)據(jù)的不斷積存，關(guān)于大數(shù)據(jù)的關(guān)注度也就越高。4.企業(yè)數(shù)據(jù)規(guī)模現(xiàn)狀

從數(shù)據(jù)規(guī)模的角度來講，大數(shù)據(jù)時代可能差不多來臨。總體而言，近55.03%的企業(yè)數(shù)據(jù)規(guī)模差不多超過1TB，超過樣本總量的一半。其中34%的企業(yè)數(shù)據(jù)規(guī)模在1TB-10TB，11.19%的企業(yè)數(shù)據(jù)規(guī)模在10TB-50TB，9.9%的企業(yè)數(shù)據(jù)規(guī)模在50TB以上，而剩余的44.97%的企業(yè)數(shù)據(jù)規(guī)模也在500GB-1TB之間。這其中，隨著大量的中小型企業(yè)快速擴(kuò)張，也會有越來越多的企業(yè)數(shù)據(jù)量將邁入TB時代。5.企業(yè)數(shù)據(jù)類型現(xiàn)狀

在企業(yè)數(shù)據(jù)類型方面，從單量上來看，盡管只具有結(jié)構(gòu)化數(shù)據(jù)的企業(yè)份額最大，占據(jù)了樣本總量的38.26%，然而換個角度而言，除去只存在結(jié)構(gòu)化數(shù)據(jù)的這部分企業(yè)份額，之外61.74%的企業(yè)中差不多出現(xiàn)了半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，由此可見半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)對傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)的沖擊之大，半結(jié)構(gòu)化和非結(jié)構(gòu)化也正是大數(shù)據(jù)的顯著特征。

除了38.26%的企業(yè)中只存在結(jié)構(gòu)化數(shù)據(jù)以外，26.39%的企業(yè)中存在結(jié)構(gòu)化數(shù)據(jù)以及半結(jié)構(gòu)化數(shù)據(jù)，22.81%的企業(yè)中既存在結(jié)構(gòu)化數(shù)據(jù)，也存在半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)。

在結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)兩者的比重方面，盡管目前結(jié)構(gòu)化數(shù)據(jù)仍然依舊企業(yè)數(shù)據(jù)類型中的主流，然而非結(jié)構(gòu)化數(shù)據(jù)的增長是誰也無法忽視的，那個增長趨勢也正在顯現(xiàn)。6.企業(yè)數(shù)據(jù)增長規(guī)模

在企業(yè)數(shù)據(jù)增長速度方面，大部分企業(yè)數(shù)據(jù)規(guī)模的年增長率在20%以下，達(dá)到了47.2%，41.83%的企業(yè)數(shù)據(jù)規(guī)模的年增長率在20%-40%，7.1%的企業(yè)數(shù)據(jù)規(guī)模的年增長率在40%-60%，2.23%的企業(yè)數(shù)據(jù)規(guī)模的年增長率在60%-80%，更有0.45%的企業(yè)數(shù)據(jù)規(guī)模的年增長率高達(dá)80%-100%。能夠看出企業(yè)數(shù)據(jù)規(guī)模的增長差不多是常態(tài)，只是各個企業(yè)增長率有所不同，同時能夠預(yù)見隨著企業(yè)規(guī)模的擴(kuò)張，信息化進(jìn)程的加快，數(shù)據(jù)的增長量還將接著攀升。7.企業(yè)對大數(shù)據(jù)的態(tài)度

在對數(shù)據(jù)的價(jià)值的態(tài)度上，除了6.9%的企業(yè)認(rèn)為數(shù)據(jù)沒有價(jià)值以外，絕大多數(shù)企業(yè)都認(rèn)為數(shù)據(jù)具有或可能具有專門高的價(jià)值，可見大數(shù)據(jù)的價(jià)值差不多在企業(yè)中獲得了廣泛的認(rèn)可。以后隨著越來越多的大數(shù)據(jù)分析平臺和工具的開始廣泛應(yīng)用，大數(shù)據(jù)的價(jià)值將會被進(jìn)一步釋放并獲得企業(yè)認(rèn)可。小結(jié)：

通過ZDNet發(fā)起的大數(shù)據(jù)認(rèn)知和應(yīng)用的市場調(diào)研數(shù)據(jù)，我們差不多切實(shí)的感受到大數(shù)據(jù)給中國各行業(yè)、各規(guī)模的企業(yè)帶來的阻礙，大數(shù)據(jù)也成為眾多領(lǐng)域關(guān)注和探討的熱點(diǎn)話題，隨著地域經(jīng)濟(jì)的進(jìn)展，企業(yè)規(guī)模的擴(kuò)張以及IT信息化的進(jìn)展，大數(shù)據(jù)的增長還將進(jìn)一步攀升。

此外，在企業(yè)中，關(guān)于大數(shù)據(jù)蘊(yùn)藏的價(jià)值幾乎差不多達(dá)成共識，企業(yè)期望從大數(shù)據(jù)中挖掘出能利用的商業(yè)價(jià)值，這一廣泛需求也給大數(shù)據(jù)的應(yīng)用市場帶來了無窮的機(jī)遇和潛力。1ZDnet

大數(shù)據(jù)來勢洶洶，差不多讓每一個企業(yè)都深陷其中，然而關(guān)于大數(shù)據(jù)中蘊(yùn)藏的商業(yè)價(jià)值，幾乎每個企業(yè)都深信不疑。

值得強(qiáng)調(diào)的是，要想馴服大數(shù)據(jù)，從大數(shù)據(jù)中挖掘出大價(jià)值，清晰的認(rèn)知大數(shù)據(jù)是必定的第一步。對此，ZDNet發(fā)起了針對中國大數(shù)據(jù)認(rèn)知和應(yīng)用的市場調(diào)研，并得到了447位各行各業(yè)用戶的參與。

通過分析調(diào)研數(shù)據(jù)，中國大數(shù)據(jù)的全景印象差不多逐漸清晰。本文將結(jié)合ZDNet發(fā)起的調(diào)研數(shù)據(jù)，掃描大數(shù)據(jù)對中國各行業(yè)企業(yè)的阻礙，具體分析大數(shù)據(jù)在中國的行業(yè)、地域、規(guī)模分布，以及大數(shù)據(jù)的現(xiàn)狀與增長態(tài)勢，從中挖掘大數(shù)據(jù)的增長和應(yīng)用潛力，從而讓企業(yè)全面地把握大數(shù)據(jù)現(xiàn)狀與進(jìn)展脈搏，迎接大數(shù)據(jù)變革。1.大數(shù)據(jù)在中國的行業(yè)分布

在參與調(diào)查的樣本中，包括了政府/公共事業(yè)、物流零售、文化娛樂、能源/制造、金融/保險(xiǎn)、交通旅游、IT互聯(lián)網(wǎng)電信等行業(yè)，能夠看出大數(shù)據(jù)差不多受到廣泛的行業(yè)關(guān)注。

參與大數(shù)據(jù)調(diào)查的行業(yè)中，來自能源/制造行業(yè)的最多，比例達(dá)44.9%，其次是政府與公共事業(yè)部，比例為17%，第三則是金融與保險(xiǎn)行業(yè)，為10.3%。接下來，分不是物流零售（8.7%）、文化娛樂（6.3%）、IT/互聯(lián)網(wǎng)/電信（5.8%）、交通旅游（3.36%）。

從各個行業(yè)對大數(shù)據(jù)調(diào)研的參與程度事實(shí)上差不多能夠反映出各行業(yè)對大數(shù)據(jù)的關(guān)注程度，能源/制造行業(yè)關(guān)于市場行情的數(shù)據(jù)更為敏感，歷史的商品行情關(guān)于以后的產(chǎn)品設(shè)計(jì)、風(fēng)險(xiǎn)評估以及市場導(dǎo)向都有較強(qiáng)的參考意義。而隨著政府與公共事業(yè)的服務(wù)意識的強(qiáng)加與轉(zhuǎn)變，以及更智慧的執(zhí)政與治理理念的帶動，關(guān)于數(shù)據(jù)的治理與分析的需求也在日益加強(qiáng)。在金融與保險(xiǎn)行業(yè)，則是傳統(tǒng)的數(shù)據(jù)量大戶，而在新時代更好更快的發(fā)覺客戶金融適應(yīng)，將是金融與保險(xiǎn)行業(yè)以后競爭必須要做的情況。其次，物流零售的數(shù)據(jù)價(jià)值也在日益顯現(xiàn)，成為排名第四的參與調(diào)查的行業(yè)，而新興的，數(shù)據(jù)積存（尤其是非結(jié)構(gòu)化數(shù)據(jù)）歷史尚淺的文化娛樂、IT/互聯(lián)網(wǎng)/電信行業(yè)則分列第五和第六?？磥泶髷?shù)據(jù)差不多成為眾多行業(yè)關(guān)注和探討的話題，其阻礙力差不多覆蓋了從傳統(tǒng)的制造行業(yè)到新型的文化娛樂、IT、互聯(lián)網(wǎng)行業(yè)。2.大數(shù)據(jù)在中國的地域分布

在參與調(diào)查的樣本分布方面，差不多上能夠體現(xiàn)出中國經(jīng)濟(jì)發(fā)達(dá)程度的差異，在參與調(diào)研的樣本中，來自華東地區(qū)（山東、江蘇、安徽、浙江、福建、上海）的樣本最多，達(dá)32.7%，其次是華南（廣東、廣西、海南）19.7%，第三則是華北（北京、天津、河北、山西、內(nèi)蒙古），占據(jù)

16.8%，不難理解，對大數(shù)據(jù)關(guān)注的地域差不多上以沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)為主。

第四至第六名分不是西北（寧夏、新疆、青海、陜西、甘肅）10.7%、東北（遼寧、吉林、黑龍江）7.8%與西南（四川、云南、貴州、西藏、重慶）7.6%。因此也能夠認(rèn)為，對大數(shù)據(jù)的關(guān)注程度是與經(jīng)濟(jì)發(fā)達(dá)程度成正比的。3.大數(shù)據(jù)在中國的企業(yè)規(guī)模分布

在本次調(diào)查中，參與最多的是100-500人的中型企業(yè)，達(dá)42%，其次

是500人以上的大型企業(yè)，為33.3%，1至99人的小型企業(yè)為24.6%。盡管數(shù)據(jù)本身只是一個案，但能夠看出對大數(shù)據(jù)的關(guān)注度是與企業(yè)規(guī)模相關(guān)的，在本次調(diào)查中，大中型機(jī)構(gòu)占到了75.3%的比例，可見隨著企業(yè)經(jīng)營時刻的增長，規(guī)模的不斷擴(kuò)大，歷史數(shù)據(jù)的不斷積存，關(guān)于大數(shù)據(jù)的關(guān)注度也就