大数据与车联网.doc

北京华仪骏驰物联网技术有限公司大数据时代的车联网世界各国的应对措施2013/11/15大数据时代的车联网随着互联网的不断发展，大数据正在成为一股热潮，且业界对大数据的讨论已达到一个前所未有的高峰。车联网作为移动互联网大背景下诞生的一个产物，不管是车辆的接入、服务内容的选择还是服务的精准性，都离不开大数据。车辆上传的每一组数据都带有位置信息和时间，并且很容易形成海量数据。一方面，如果说大数据的特征是完整和混杂，而车联网与车有关的大数据特征是完整加精准。如某些与车辆本身有关的数据，都有明确的一个ID，根据这个ID可以关联到相应的车主信息，并且这些信息还是精准的。另一方面，我们可以看到车联网与驾驶人的消费习惯、兴趣爱好等大数据特征是完整和部分精确。因此，研究车联网的大数据更有意义。大数据的定义和特征大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。我们从权威的定义可以看到，大数据的特征有四点，分别为：数据体量巨大。从TB级别，跃升到PB级别;数据类型繁多。提到的网络日志、视频、图片、地理位置信息等等；价值密度低，商业价值高。以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。处理速度快。1秒定律。车联网的大数据在预测方面可以发挥到极致。如，预测交通堵塞的地段，实时交通信息，主动安全，公交的排班。驾驶者驾驶行为分析。大数据的核心在于预测，这在车联网行业非常有用，例如，对于交通流量的预测，就非常需要大数据。对于交通流量，目前我们的仿真系统更加重视交通流量大，拥堵的原因，而大数据时代，不再在乎因果关系，而重视相关性，也就是不去分析产生拥堵的原因，但确实某个时段某个路段会发生拥堵。也可以根据车联网的大数据对车友的兴趣进行分析。大数据在商用车领域已经有相当多的应用，如公交领域的运营排班管理、出租车领域的浮动车数据，物流行业的大物流。如何解决公交企业面临的三大问题：运力配备最少、车辆运行距离最短、驾驶员作业时间最少?如何分析各时间段、各站点的客流分布情况呢?如何实现运营的安全智能化、运营排班的智能化?在公交行业，以上问题普遍存在，通过车联网的大数据，可以解决公交行业所面临的这些问题。根据各个时间段，各站点的客流量大小，线路配备的运营车辆数、线路配备驾驶人员、线路长 度、车辆运行速度等大数据，可确定一条线路各个时间段的配车数及发车间隔，从而解决运力配备最少、车辆运行距离最短、驾驶员作业时间最少三大问题。根据客流量、节假日、气候、节气、自然灾害、道路、车况事故、历史同期数据、售票方式、居民小区建设等条件建立计划模型，从而用最快的速度对这些影响运营计划的因素做出反映。比如增加线路，增加车辆，增加司机，有效地制定公交运营计划。同时可对于运营排班精准管理，可通过大数据可以自动排班，对行车作业计划进行优化，并快速地对运行线路进行调整和优化。自从菜鸟网络公司出现以后，大物流的概念终于被业界提及。什么叫大物流呢?是指企业的自有物流系统(由车队、仓库、人员等组成)，和第三方物流企业的配送信息与资源进行共享，从而能充分地利用各方面资源，减少物流总支出、降低运营成本。目前物流行业随着业务的扩大，车辆数日益增多，而且型号众多。很多企业还是采用手工方式进行车辆管理，工作量大，对车辆运营数据统计分析比较困难，统计结果相当滞后，不利于公司的决策管理;同时在车辆行驶过程中没有进行全程的监控，对司乘人员的违法违规行为无法进行及时预警，也无法对司乘人员的求助及时进行反应。如何改善物流企业在管理上较为落后的现状，达到货主“高服务质量、严格的准时率、极小的货损率、较低的物流成本”的要求?如何解决物流行业运行信息反馈滞后、运营高成本、货运车辆的高空驶率、司机作弊给货物和车辆的安全带来的极大隐患?如何快速、高效的为用户提供可靠的物流服务?如何最大程度的利用运力资源提高整体业务运营效率?这些是目前物流行业迫在眉睫的问题。对以上问题，车联网技术正好可以解决车主迫在眉睫的问题，通过透明化的运输过程管理，合理调度车辆，根据车辆行驶的大数据，对车辆行驶的线路畅通情况进行预测，规划出一条安全畅通的行驶路线，减少由于交通原因而引发的在途等待时间。通过车辆运行的大数据，可以快速地分析出相同路线的油耗情况，事故多发路段的提前预警，精确分析计算车辆的行程，提高了企业的信息化水平，随时了解到货物的运行状态信息及货物运达目的地的整个过程，确保了运输过程的透明化管理，使企业的运行管理智能化、服务准时性，提高可预见性。同时，通过车辆运行的大数据，可获取高速、国道、省道的实时路况，同时对司机的驾车规律的分析，为加油站、维修站、服务站的选址提供了参考数据。另一方面，物流的成本有很大一部分属于仓储成本。通过车联网技术，对海量的数据进行分析计算，经过合理地调度，降低车辆的空驶率，把移动中的每辆货车可以作为一个流动的仓储空间，提高了仓储空间的周转率，从而帮助企业降低仓储成本。大数据在乘用车领域的应用大数据在乘用车领域目前比较成熟的应用有保险和主动安全，未来必将有大量的企业会在CRM和呼叫中心领域寻求更多的业务增长点。2011年8月，北美最大的汽车保险公司StateFarm与车联网服务提供商Hughes结为连理，由此第一个由保险公司主导的车联网商业模式走上了世界舞台。由此，关于保险模式的车联网被业界所热议。State Farm主导的车联网商业模式有如下几个特点：与保险公司的业务捆绑;提供与驾驶安全度结合的保险费率;与车联网服务提供商(TSP)Hughes 合作;服务差异化，避免与OnStar 等前装车厂主导的车联网产品和导航产品竞争等。大数据时代，通过对驾驶者总行驶里程、日行驶时间等数据，以及急刹车次数、急加速次数等驾驶行为在云端的分析，有效地帮助保险公司全面了解驾驶者的驾驶习惯和驾驶行为，有利于保险公司发展优质客户，提供不同类型的保险产品。目前车联网所提供的主动安全方面的措施大致有胎压监测、故障预警、碰撞报警、安全气囊弹出报警、紧急救援等。但目前在主动安全方面的设备更多是车辆上的一个节点，并没有真正的和大数据关联起来。在大数据时代，当汽车在行驶过程中，平台可对轮胎气压进行实时自动监测，并对轮胎漏气和低气压进行报警，以确保行车安全。胎压监测有直接和间接两种，直接的通过传感器来监测，而间接的监测是当某轮胎的气压降低时，车辆的重量会使该轮的滚动半径将变小，导致其转速比其他车轮快。通过比较轮胎之间的转速差别，以达到监视胎压的目的。间接式轮胎报警系统实际上是依靠计算轮胎滚动半径来对气压进行监测。间接方式的胎压监测需要通过上传OBD的信息至云端，由云端通过大数据来分析出轮胎是否漏气，并实时提醒司机，确保安全行驶。对于呼叫中心，很多企业只是简单的定义为简单的服务部门，其实，TSP的呼叫中心，不仅承担客服角色，还承担售前角色。呼叫中心可以帮助企业快速寻找、锁定有潜在消费能力的最终用户。用对的人、合适的时间、适宜的话术换来的就是成功的营销。在大数据时代，TSP、汽车经销商或4S店的业务结构会发生一定的转移，原有的客服部门从以往的成本中心逐步转变为利润中心。呼叫中心的大数据包括，使用情况，客户兴趣及生活习惯三个方面。通过呼叫中心，我们可以获取车辆的使用情况、车联网系统的客户体验效果以及与车辆本身的相关咨询，这对于主机厂市场跟踪反馈，促进相关部门对质量问题进行快速改进有重要的意义。通过呼叫中心，可掌握车主的消费习惯，车主的活动范围、车主的生活习惯及车主商旅情况(订票、订酒店、订餐、订鲜花)，车主的消费心理。如车主在生活消费过程中,在日常购买行为中的心理活动规律及个性心理。消费需要问题，消费时间与消费习惯问题，物质消费与精神消费问题，通过大数据的分析，从而有效地制定相应的营销策略及营销话术。关于大数据的思考大数据时代，影响着我们的思维。以前我们对于出行过程的理解，传统的观念只注重为客户提供导航和娱乐这一功能，并没有对这一过程进行深度的分析。这个过程中，分别为去之前，在路上，停车后。对于这个过程，我们可以延伸出很多车联网的服务内容，并且每个阶段都离不开熟人社会，每个阶段都会产生大数据，大数据可延伸很多增值服务。服务内容的精准性如果单纯靠服务提供商的力量，那服务商将要投入巨大的人力或资本并且要经历很长的时间，显然这种方式不可行。解决这种问题，理想的方法就是通过车主的与社区网站的互动，只有通过这种方式，才能快速地采集到相应的兴趣点。这必须要进行大数据分析。对于客户信息，无论是车厂还是汽车销售商，都视为命根子，可事实是什么?事实是现阶段这些客户信息一点用都没有，能从这些客户信息中延伸出一些增值服务吗?很难。说白了，这些信息无法带来“顾客终生价值”(Customer Lifetime Value)，顾客终生价值指的是每个购买者在未来可能为企业带来的收益总和。如同某种产品一样，顾客对于企业利润的贡献也可以分为导入期、快速增长期、成熟期和衰退期。显然，现阶段的产品形态或者企业的信息化水平有限，一方面无法完成大数据的挖掘，另一方面，缺少专业化的分析工具，而车联网时代，给了我们无限的想象空间，让一切皆有可能!“大数据”取决于谁做的定义大数据是时下流行语，但这是它真正的意思吗？让数据变大吗？数据科学家约翰Rauser提到一个简单的定义：由一台计算机处理的数据量当然非常大。这是过于简单化造成的。杰弗里布林的研究小组说，“大数据是最大肆宣传的技术之一，因为在去年最被夸大的技术，当发生这种情况，定义就会变得混乱。”IDC业务分工方案副总裁Dan Vesset说，由于缺乏一个标准的定义点，导致市场不成熟。“我想看到的东西，实际上谈到有关数据，而不是处理所需的基础设施，”他说。“它可能不具有所有的包容性，但我觉得大部分这是正确的，”大数据项目分析师杰夫凯利说。它是如此之大，分析它需要将多个工作负载，从而自动将定义蔓延。大数据的使用分为三个方面，所有这一切都发生在字母V：数量，速度和各种启动。如许多分析公司IDC和企业，如IBM，似乎围绕着这个定义。量将意味着大量生成和组织收集的数据;速度，是指必须分析数据的速度和品种是指从文本，所收集的数据的不同类型繁多，音频，视频，网络日志和更多。但也有一些怀疑该定义的声音。Breen认为，第四个“V”添加到定义：供应商。“AWS和IBM的定制定义，是支持他们的产品，”布林说。“例如AWS的大数据分析工具，如地图，减少弹性，这是一个基于云的大数据处理功能，提供了一个品种。”亚马逊发言人万亿兰德尔在一封电子邮件写道：云提供即时的可扩展性和弹性，让您专注于分析，而不是基础设施。“它增强你的能力和能力要求有关数据的问题，并得到迅速以及正确的解答。” 兰德尔说。大数据分析是一个新兴的市场。凯利认为，谷歌最近发布BigQuery，该公司基于云的数据分析工具。对于IBM而言，信息是“21世纪的石油”，业务决策，横跨多种行业前进。IDC称，大数据是一个很大的市场，IDC估计企业将投资超过120亿美元，横跨硬件，软件和服务。Vesset说，大数据的关键并不在于它是如何定义的，而是用数据做什么。最大的挑战是了解哪些技术是最好的数据和使用情况。如果这是传统的关系数据库相比，非结构化数据的服务。到目前为止，大数据的定义是无形的。凯利表示，大数据最好的定义就是当你看到它，你就全知道了。美媒：大数据时代将彻底改变人类生活美国基督教科学箴言报网站8月11日刊登题为运算新时代我们的生活方式将受到怎样的影响的署名文章，作者为罗伯特莱尔曼。文章介绍说，阿诺德伦德是美国通用电气公司下属实验室的负责人。时至今日，公司位于美国尼斯卡尤纳的研究总部里依然陈列着创始人托马斯爱迪生用过的一张办公桌。不过，即便是爱迪生恐怕也要通过培训才能完全理解伦德手中某个项目的内容。伦德研究的问题是电力企业如何才能掌握数据的威力，预测出究竟哪些树木会在暴风雨中倒向输电线，以便避免停电的发生？美国约翰斯霍普金斯大学教授理查德罗思曼的工作则更为基本：治病救人。美国疾病控制和预防中心会通过各家医院的报告来预测流感疫情，但这一过程需要数周时间。2009年，有研究成果似乎表明可以通过分析千百万条谷歌搜索词条来更快地预测疫情。诸如“孩子病了”这样的搜索词条如果突然增多，就会成为流感疫情的标志，而疾病控制和预防中心此时可能还蒙在鼓里。这就为罗思曼及其同事安德烈娅杜加斯提出了一个新的问题谷歌能否及时预测出流感疫情，帮助医院提前做好准备？文章称，这些研究人员提出了不同的问题，但他们都是“大数据”新时代的有机组成部分不管是好是坏，这一新现象都将彻底改变我们生活、文化乃至这颗星球的方方面面。就在四年前，曾有人想在维基百科网上为“大数据”编写条目。但维基百科拒绝了，认为这条短语没有任何特别之处只不过是“大”和“数据”二词的简单结合。时至今日，大数据似乎无所不在。有人认为大数据引发了自欧几里得时代以来的最大变革。想要竞选公职吗？召集一帮电脑怪才，让他们梳理数据库，找出那些可能投票给你的人群然后用量身定做的手机短信盯住这些人。美国总统奥巴马曾在2012年这样做过。想要解决非洲贫困问题？分析手机短信和社交网络，找出失业、瘟疫等问题的早期征兆。联合国正在这样努力。渴望找到合适的伴侣？运用运算法则，分析无数种性格特征，确定谁与你最相配。许多婚恋网站现在就是这样做的。那么，大数据究竟是什么意思？它新在哪里？有什么特别？又有什么缺点呢？这些问题已经引起了人们的极大兴趣，尤其在6月5日“棱镜门”曝光以后。大数据的阴暗面远不只是斯诺登的爆料，也远远不只是美国的那些行为。美国巴布森学院的信息技术专家托马斯达文波特说：“大数据的作用将颇具变革性。”大数据究竟会改变什么？为找到答案，让我们从头开始探究吧。文章称，大数据首先需要有很多很多数据。谷歌公司执行董事长埃里克施密特说过，我们现在每48小时收集到的数据量（1.8泽它字节，即1，800，000，000，000，000，000，000字节）相当于人类从“文明之初到2003年为止”收集到的数据总和。你没有看错。这家每天接收到500亿条搜索请求的公司的老总相信，人们现在短短数日收集到的数据量就已经超过人类在大部分历史时期收集到的数据总和。文章指出，数据量增长的主要原因是，我们把许多日常活动都数字化了，比如网上购物和下载音乐。另一个因素是我们越来越依赖电子设备。每当我们发送电邮、检索词条、发表帖子、文章和微博时，这些电子设备都会留下我们的数字足迹。绝大部分数据并不会影响到我们。收集数据本身并不意味着数据是有价值的。然而，挖掘正确信息、发现规律和相关性的新能力已经影响到我们的日常生活了。肯尼思库基尔和维克托迈耶舍恩伯格在大数据：一场将要改变我们生活、工作和思考方式的革命一书中写道，美国沃尔玛百货公司通过挖掘销售数据，发现人们会在飓风来袭前储备许多名为“PopTarts”的零食。现在，每当暴风雨将要来临时，沃尔玛就会把“PopTarts”和手电筒放在同一排货架上。不过，大数据带给人们的兴奋与担忧之情远比上面这个例子来得深刻。罗伯特莱尔曼在文中说，去年，有一棵倒下的树砸在了他家屋后的输电线上。当地公共事业部门进行维修的时候，一股电流击毁了他的电脑，破坏了机器里的所有内容。于是，阿诺德伦德的输电线项目引起了他的注意。“对电力企业来说，主要成本之一就是对付树枝。”他说，“我们绘制出一个州的整个地貌，以及电网的分布图。我们通过卫星数据监测树木生长，修剪掉长得最繁茂的部分。然后，我们会预测哪些地方最有可能出事情。我们通过50种不同的变量考察断电的可能性。”通过这简短的一席话，罗伯特莱尔曼称他看到了库基尔和迈耶舍恩伯格在书中提到的大数据为研究工作带来的三大变化。第一、求规模，不求样本。一百多年来，统计学家们一直依赖小规模数据样本，以此作为归纳的基础。他们没有选择，因为他们没有能力收集更多数据。新技术意味着我们可以“收集到大量数据，而不是满足于样本”。第二、求杂，不求精。科研人员传统上喜欢“干净、精确的数据；如果得不到那么多数据，科研人员就必须尽可能拿出严谨态度”。现在就没必要了。数据量带来的好处胜过了我们“对精确度的苛求”。第三、求相关性，不求原因。尽管科研人员乐于了解现象背后的原因，但“达到（研究）目的”并不一定要求我们必须了解世界的运行规律。伦德的实验室诠释了这“三大变化”。首先，他的“全地貌图”与50种变量涉及海量数据。其次，伦德追求的是发生各种事件的“可能性”，而非“严格的精确度”。那么相关性呢？伦德当然看重原因，比如树木生长快慢的原因，只不过他更加关注的是那些可能需要相关人员采取行动的相关情况。文章称，为进一步阐述相关性问题，库基尔和迈耶舍恩伯格举了美国联合包裹运送服务公司的例子。这家公司会在自家卡车上安装传感器，用来感应与抛锚有关的振动及其他现象。“这些数据没法把故障原因告诉公司，但它们透露出的信息足以帮助公司了解到应该采取哪些应对措施。”不过，大数据的副作用同样令人担忧。美国美利坚大学传媒学院的劳拉德纳尔迪斯对三方面事情感到担心：新技术会不会（1）损害隐私，（2）扩大贫富差距，（3）把政府变成“老大哥”？今天，我们可以借助许多强大的方法，通过原本应该保密的资料发现当事人的真实身份。德纳尔迪斯担心某些公司对于我们使用社交媒体的习惯实在太过了解了。文章提出，除个人隐私外，有批评人士对大数据在更广阔领域的影响表示担忧，比如扩大富国和穷国的差距。美国大公司雇得起数百名数据分析师，那么孟加拉国该如何竞争呢？这会扩大全球数字差距吗？或许眼下最令人不安的是，政府有可能以国家安全的名义运用大数据来监视国民。而斯诺登事件所引发的问题涵盖了隐私、保密、自由等诸多方面内容，当然也包括国家安全。虽然大数据能够预测流感疫情，预测哪里的树木会倒下，但是大数据本身并不能解决我们面临的经济和道德难题。无论是在维护正常供电，还是帮助患者更快康复的时候，大数据所做的都是告诉我们出了什么情况，而不会告诉我们什么是对的。改变世界的大数据2012年以来，大数据成为各界热议的话题。随着个人电脑、智能手机及掌上智能设备的普及，一个大规模生产、分享、应用数据的时代正在开启。到底什么是大数据呢？通俗地讲，大数据就是对网上海量的文本、图像、音频和视频数据进行采集、分析、加工和利用。大数据有多大？根据专家预测，2013年世界上存储的数据预计能达到1.2泽字节，如果把这些数据存储在只读光盘上，这些光盘可以堆成五堆，每一堆都可以伸到月球。大数据之所以引发众多关注，是因为只要发现了两个现象之间存在的显著相关性，就可以创造巨大的经济或社会效益，而弄清二者为什么相关可以留待人们慢慢研究。在信息技术融合应用的新时代，大数据就是像黄金一样的新型经济资产、像石油一样的重要战略资源。大数据大应用早在1969年，全球零售巨头沃尔玛便利用计算机对消费者的购物行为进行数据分析，结果发现男性顾客在购买婴儿尿布时，常常会顺便“搭配”几瓶啤酒来犒劳自己，于是推出了将啤酒与尿布捆绑销售的促销手段。如今，这一“啤酒+尿布”的数据分析成果，已成为科学家通俗解释大数据技术的经典案例。事实上，大数据的应用范围极其广泛，几乎涵盖我们日常生活的各个领域，尤其是在医疗、电子商务、金融、城市管理等四个方面的应用最令人瞩目。在医疗健康领域，大规模复杂数据已经变得很普遍，通过对大量病人的各类数据进行挖掘分析，有助于更有效地找出疾病成因，进而提供有针对性的预防、诊断和治疗措施。苹果公司的传奇总裁乔布斯在与癌症斗争的过程中，成为世界上第一个对自身所有DNA和肿瘤DNA进行排序的人，因此得到了包括整个基因密码在内的数据文档。乔布斯的医生们能够基于乔布斯的特定基因组成，按所需效果用药。如果癌症病变导致药物失效，医生可以及时更换另一种药。虽然乔布斯最后没能战胜癌症，但是这种通过数据挖掘诊断病情的方法还是将他的生命延长了好几年。对于电子商务而言，大数据同样拥有很大的利用空间。据统计，亚马逊销售额的1/3来自于它的个性化推荐系统。从一开始，亚马逊就从每一个客户身上捕获了大量的数据。比如，他们购买了什么书籍？哪些书他们只浏览却没有购买？浏览了多久？哪些书是他们一起购买的？根据这些数据，亚马逊就能够判断出客户个人的购物喜好，并为客户推荐相关的书籍。有了它，很多大型书店和音乐唱片商店就不得不歇业。阿里巴巴网络金融冲击传统金融业的再度创新，借助的仍然是大数据的优势。阿里巴巴计划推出针对买家的“虚拟信用卡”，消费者过往的网购消费额、不良记录等数据将经过评估，转化为1元到5000元不等的授信额度，然后，消费者就可以在淘宝、天猫等签约店铺，通过“刷信用”付款，最长免息期达38天。阿里数据库中的8000万用户，将成为这一新型信用卡业务巨大的市场潜力。在城市管理领域，大数据的力量也不可小觑。纽约每年有很多沙井盖会因为内部失火而发生爆炸，重达300磅的大型沙井盖在轰然落地之前可以冲上几层楼高。联合爱迪生电力公司每年都会对这些沙井盖进行常规检查，过去这完全看运气，而现在，工作人员通过计算机对1880年以来所有沙井盖检修数据进行分析，发现了大型沙井盖爆炸的106种预警情况。后来证明，这种预测效果非常好，在被列出的前10%的高危沙井盖名单里，有44%的沙井盖都发生了严重的事故。大数据 大布局在人们惊呼大数据时代到来的时候，不少国家和企业已经开始在这一新领域谋篇布局。2012年3月，美国政府宣布投资2亿美元启动“大数据研究和发展计划”，这是继1993年美国宣布“信息高速公路”计划后的又一次重大科技发展部署。微软、谷歌、雅虎等IT巨头也在通过大规模互联网并购、开发大数据产品等多种途径，抢先布局大数据时代。在我国，大数据正由概念进入落地阶段。2012年7月，我国“十二五”国家战略性新兴产业发展规划明确提出“加强以海量数据处理软件等为代表的基础软件的开发”。2012年12月13日，中关村大数据产业联盟宣布成立，目的是把不同的数据集中在一起，推广大数据，建立生态系统。一些互联网公司目前已经开始行动起来，百度已经建成包括百度指数、司南等在内的五大数据体系平台和消费者画像、品牌探针等技术分析方法。有专家认为，中国拥有庞大的人群和应用市场，是世界上最复杂的大数据国家。现代历史上的历次技术革命，中国均是学习者。唯有在这次大数据变革中，中国与世界的距离最小，很多领域甚至还有创新与领先的可能。大数据 大挑战大数据在带来种种社会变革的同时，也带来了一系列重大社会问题。大数据时代给商业机密和知识产权保护带来了挑战，给企业管理也增加了难度。海量数据的产生、存储和分析，意味着可能向外界暴露的数据更多了。近年来，通过互联网侵犯个人隐私的案件时有发生，保护个人隐私的呼声已经越来越高。而在大数据时代，企业出于商业意图进行数据收集和挖掘，有可能会侵犯到个人隐私，因此，规范大数据的使用及监管就显得格外重要。此外，既然数据将成为战略资产，就有可能出现数据壁垒和数据垄断大亨。目前，一些互联网运营公司、银行等掌握着大量的客户数据，如果不能建立有效的共享机制，这些机构无疑会成为大数据产业发展的掣肘。然而，不可否认的是，虽然大数据带来的挑战会给人们的生活造成一定困扰，但新科技带来的改变会远大于其存在的问题，大数据很可能成为拉开第三次工业革命的华彩乐章。大数据金融将助力中国经济转型升级近期，中国金融改革的政策相继密集出台，宏观层面的金融改革从理念到行动开始提速。那么，微观层面的金融改革实践该依靠什么？多名专家于近日在浙江兰溪举行的“创新金融大数据决策驱动经济绿色转型”论坛上表示，以大数据为创新驱动的金融改革能够缓解小微企业融资困难，促进信息消费升级，加快民间资本对金融业的支持，更灵敏的防范金融风险，成为中国经济结构调整和转型升级的强大动力。对于小微企业而言，其融资的一个重大挑战是银行等金融机构的风险控制要求。小微企业由于经营规模较小，其信用风险信息较为模糊，使得银行不愿贷款。凭借强大的信息资源和风险透视优势，大数据金融将帮助解决小微企业的融资困境。8月初，国务院发布国务院办公厅关于金融支持小微企业发展的实施意见，支持小微企业融资。意见提出多项支持小微企业融资意见，包括加快丰富和创新小微企业金融服务方式、着力强化对小微企业的增信服务和信息服务。“基于大数据应用的金融机构，可以凭借互联网开放平台的渠道优势与数据挖掘解决小微企业融资过程中资金供需双方信息不对称的问题。”中银国际证券资产管理部副总经理张彻说，有了大数据作为信用风险的参考，小微企业贷款就会很方便。另外，大数据能够提高风险透明度，加强风险的可审性和管理力度，从而减少小微企业融资的成本，加强金融机构对小微企业进行贷款的风险管理上的激励。除了助力小微企业融资，以大数据为驱动的服务创新能够有效提升金融产品和服务的消费，促进信息消费，扩大内需。随着月份国务院印发关于促进信息消费扩大内需的若干意见，决定加快信息基础设施演进升级，增强信息产品供给能力，加强信息消费环境建设。信息消费需求多元化对金融服务提出了更高的要求。中国外汇投资研究院院长谭雅玲说：“大数据支持服务创新，强调客户为中心的理念，通过对客户消费行为模式进行分析，提高客户转化率，开发出不同的产品以满足不同客户的市场需求，从而促进消费，提振内需。”大数据金融的代表互联网金融正不断推动着中国的金融改革。互联网金融的典型代表阿里巴巴充分利用其平台积累的大数据资源，将海量交易数据转化为金融商机，从“支付宝”到“余额宝”，通过对大数据的深度挖掘实现了精准的金融服务。当前中国银行业利率市场化改革已经起步，一方面利率市场化意味着依赖息差的粗放式的传统经营模式难以为继，精细化管理成为银行业转型的重要方向，另一方面，利率风险也成为阻碍其市场化改革的一大难题。“基于大数据的深度信息挖掘和价值分析将有效提升银行的风险定价能力，通过精准的手段算清楚各业务、各产品、甚至各个客户的成本和收益，加快业务和管理精细化转型，同时有效监控利率风险。”谭雅玲说。国家行政学院决策咨询部副主任陈炳才提醒，大数据金融具有大价值，但同时也存在一定风险。金融业本身就是风险行业，关系个人生活和国民经济发展，中国经济需要进行结构调整和转型升级，在此关键时期，守住不发生系统性金融风险是底线。分析称大数据将改变移动生态系统据国外媒体报道，加拿大帝国商业银行（CIBC）预计，在未来的十年里，新信息产生的速度将增长50倍。市场研究公司IDC也预计全球数据量将在2009年至2020年期间增长44倍。移动是推动数据爆炸式增长的主要因素之一。苹果在6年前推出的iPhone令电子产品行业发生了翻天覆地的变化。iPhone开启了一个全新的时代，让软件设计和硬件设计同时成为技术世界的永恒概念。很多人认为，数据可能会成为指引下一波创新的标杆。BI Intelligence发表了一份关于大数据与移动的报告，对大数据进行了定义，分析了移动与大数据的关系，剖析大数据的发展潜力、实际应用和各种陷阱，解释了数据搜集的过程，回答了关于大数据和移动的一些最常见的问题。关于大数据与移动之间的关系，BI Intelligence在报告中是这样说的：首先，大数据需要一个明确的定义：目前，大数据通常被定义为满足三项V属性的数据集，即容量（Volume）、种类（Variety）和速率（Velocity）。但是大数据不光具有这些属性，Skyhook的产品副总裁基普琼斯（Kipp Jones）称：“我认为大数据至少还具有第四个V属性，那就是价值（Value）。”为了让数据具备价值属性，它就必须有效地被获取和储存起来。然后必须有人来管理数据，分析数据，并从中提取价值。数据如果没有价值，不论多少都是没用的。大数据与移动：虽然大数据横跨了多个行业，但是移动与它的关系最为密切。移动大数据并不仅仅是智能手机渗透率和消费者使用模式中的一项功能。在后台运行的各种应用和服务也会生产大量的数据。从技术的角度来说，它与利用传统网页创造出来的数据并没有太大的不同。区别只在于，当我们将行为转向数字渠道，留下行为的数据轨迹时，消费者们会创造出更多的数据。甚至当我们没有使用手机时，我们仍然在创造数据。大量的数据将被创造出来：IDC估计，到2020年的时候，数据量将由2012年的2.7ZB猛增到35ZB。连网移动设备在其中起着非常重要的推动作用。不但移动设备的出货量和渗透率会增加，而且随着处理器能力的提高、内存的增加、网速的加快和应用生态系统的成长，用户对移动设备的使用率也会增加。这些数据可以而且肯定会被消费者以各种方式来使用：随着很多个人消费者和企业用户开始向数字和移动领域转移，大数据应用似乎是无止境的。移动大数据可以被用于各种用途，但它通常被用于移动服务的优化和个性化。另一个具有巨大的成长潜力的应用领域是移动广告。大数据时代的军事管理变革在数据领域以少胜多、以弱胜强、以模糊胜透明，基本不可能，这将使作战形式发生质的变化。如何以数据为中心精确设计和指挥战争，成为军事管理的新焦点大数据是信息技术又一次颠覆性变革。随着大数据技术在军事领域获得应用，数据数量、数据分析和处理能力、数据主导决策，将是获得战场优势的关键。在数据领域，以少胜多、以弱胜强、以模糊胜透明，基本不可能，这将使作战形式发生质的变化。如何以数据为中心精确设计和指挥战争，成为军事管理的新焦点。管理大师戴明与德鲁克曾同时提出，“不会量化就无法管理”。有了大数据，军事管理者可以更多借助量化，提升管理质量和水平。大数据坚持管理服务战斗力的原则。管理是为提高战斗力服务的，最高目标就是确保打赢可能发生的任何战争。大数据并未改变这一根本原则，但增加了数据色彩。一方面，数据成为巩固和提高战斗力的重要因素。在新型作战环境下，战场的实时态势信息、作战指挥命令、卫星过境、气象水文信息、传感器信息等，都是以数据形式存在并且传输的。这些不同来源、不同类型的数据是提高战斗力的“生命”。缺乏对数据的有效管理和利用，打赢战争将成为不可能。在不远的将来，数据的积累和运用将成为战斗力的标志。军事管理就是将大数据渗透、应用于战斗力生成、转化和实现的全过程，提高战斗力的整体水平。另一方面，数据本身成为战争的攻防中心。当大数据成为举足轻重的武器，就可能开启一种崭新的战争形态数据战。这将是一种以数据攻击与防护为基本手段的全新作战样式，它通过掠夺、破坏和摧毁敌方数据资源，化数据优势为战争优势。大数据不但是信息的集成，更是打击手段的综合。在大数据支撑下，跨网攻击具备了实现条件，即使是与互联网物理隔离的军事数据系统，也可能不再拥有绝对安全的保障，数据攻防将会拓展到陆、海、空、天、电等多维空间。这就决定了军事管理必须着眼于打赢未来数据战争需要，努力提高部队数据作战能力。大数据拓展了军事管理内涵。大数据的现实存在和军事价值，使如何管理大数据成为军事管理必然要回答的问题。数据采集是数据管理的源头。目前，我军数据采集还存在零散多综合少、局部多全局少的问题。需要通过对蕴含军事意义数据的专业化获取，掌握海量数据开发利用的主动权。数据分析是数据管理的关键。目的是从经过整合的、多来源的数据中找出规律，最终实现对数据的有效管控。数据安全是数据管理的底线。既要有效地堵塞国家和军事安全数据漏洞，防止被敌方破坏和获取；又要深度挖掘和全面掌握敌方高价值的数据资源，寻求战时攻击的数据突破点。此外，也要把保护官兵的个人数据隐私提上日程。大数据创新了军事管理方法。从技术方法看，大数据研发的机器学习算法、图像可视化手段、数据共享技术、人机互动设备等，将极大推动军事管理技术的革新。从行政方法看，大数据带给管理者最重要的机会是更准确地了解和把握部属的需求特征、兴趣爱好、行为倾向等。管理变革比技术升级更关键。大数据有彻底改变管理艺术的潜力，运用大数据管理应注意以下几点：树立大数据理念。大数据产生的影响绝不限于技术层面，本质上，它为我们观察世界提供了一种全新方法。我军与外军的差距，除了装备，还有管理上的代差。其原因之一是我军缺乏以数据为基础的管理。而未来军队的进步，正赖于建立这种精确的管理体系。数据才是管理的根本，每个管理者都应有这样的意识和观念。但也要警惕泛大数据化，提防什么事都穿鞋戴帽，冠大数据之名，却无大数据之实。实施大数据战略。要站在战略的高度，以全面、前瞻的思维和方法来应对大数据。加强顶层设计。可在加强大数据资源的深度开发利用与大数据技术自主创新方面进行调整，尽快提出大数据发展战略，理清思路，明确任务。统一数据标准。为保证部队现有和潜在用户都能发现数据，应尽快制定数据标准，保证大数据的可视化、可获取和可利用。实现共享应用。所有数据都要能在全军范围应用，既满足于预期的用户及需求，也能用于预期之外的用户及需求。研发大数据技术。大数据研发的重点，是发展前沿核心技术，以满足搜集、存储、管理、分析和共享海量数据的需求。我国在海量数据分析、大数据处理、分布式计算、数据可视化等一些大数据关键技术上，还存在不小的差距。可如果盲目地在军队中引进和使用国外的先进技术，无疑会威胁国家和军队安全。所以要下大力研发我国我军的大数据技术，把“数据主权”牢牢掌握在自己手里，为实现强军目标提供坚强的技术支持和安全保障。大数据在体育世界大有所为大数据是企业界议论颇多的一个术语。但是目前，由于球员、球队和联赛统计及分析的巨大需求无法满足，它在体育世界得到越来越广泛地应用。例如，在网球领域，大数据包括锦标赛、比赛和球员统计，例如发球速度、连续对打计数、发球直接得分者和直接得分的发球等。而比大数据包括什么更重要的是，如何利用大数据来加强并在多个方面转变我们的体验方式，享受网球运动。IBM与法国网球协会合作有28年了，为法国网球公开赛（“法网”）提供支持。IBM为法网带来一系列解决方案，全部都以实时及历史大满贯赛事数据为中心。我们获取、分析、保护、存储和分发这些数据，实际上，大数据是我们与法国网球协会合作的核心。我们以多种方式使用大数据改善网球比赛，将法网的行动带给世界各地的球迷、教练、球员和媒体。例如，使用SlamTracker，这一分析工具在上提供，改变了许多球迷观赏网球比赛的方式。SlamTracker分析8年的法网网球比赛数据（每场比赛4100万数据点），为每个球员确定将影响一场特定比赛的三项关键策略。我们称之为“比赛的关键点”（keys to the match）。在比赛前，球迷可登录网站查看每个球员在一场比赛中的关键点，在比赛期间根据这些关键点，逐项实时观看球员的进步。在今年的锦标赛上，我们重点帮助球迷更好地了解大数据如何影响教练、球员和媒体，IBM召集了网球专家专题讨论会，包括：Justing Gimelstob，前球员，法网混合双打冠军（与Venus Williams搭档），目前担任网球频道评论员Sebastien Grosjean，排名第四的国际男子职业网球协会（ATP）球员，Richard Gasquet的现任教练Leo Levin，前教练和网球分析师，这是他经历的107次大满贯比赛。这些专家组合起来在打网球、教练、分