【導(dǎo)讀】安全、社會(huì)穩(wěn)定、經(jīng)濟(jì)發(fā)展和民生幸福等諸多方面。對(duì)于中國(guó)而言，在經(jīng)。級(jí)、社會(huì)穩(wěn)定、環(huán)境保護(hù)、醫(yī)療健康和食品安全等方面的挑戰(zhàn)。索，推動(dòng)產(chǎn)業(yè)升級(jí)和創(chuàng)新、經(jīng)濟(jì)轉(zhuǎn)型和民生建設(shè)?，F(xiàn)出大數(shù)據(jù)的真正內(nèi)涵，并對(duì)我國(guó)大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展提出相應(yīng)的建議。場(chǎng)規(guī)模年增長(zhǎng)率達(dá)40%，在2017年將達(dá)530億美元。理，其中收錄了近300余家國(guó)內(nèi)大數(shù)據(jù)企業(yè)和應(yīng)用。挖掘的基礎(chǔ)上對(duì)外提供服務(wù)；垂直領(lǐng)域內(nèi)的數(shù)據(jù)鏈條在孕育和發(fā)展，但是在所有純數(shù)據(jù)源企業(yè)或平臺(tái)，的海量數(shù)據(jù)未能與廣大傳統(tǒng)行業(yè)的需求形成對(duì)接。全社會(huì)的數(shù)據(jù)獲取成本并起到顯著的社會(huì)示范效應(yīng)。數(shù)據(jù)銀行和眾包平臺(tái)等產(chǎn)業(yè)模式的創(chuàng)新。

　　

【正文】 物流成 本 。 其中物流 要素 的組合優(yōu)化必須以全面的數(shù)據(jù)采集 、 整合和分析為基礎(chǔ) ， 其最基 礎(chǔ) 的 數(shù)據(jù)源 就 是交通 領(lǐng) 域的數(shù) 據(jù) 。 此外 ， 物流業(yè) 和 大型電 商 的倉(cāng)儲(chǔ) 配送， 以及以 Uber 為代表的出租車(chē)市場(chǎng)的顛覆者，也都引入了大數(shù)據(jù)的特 性。 當(dāng) 前，大數(shù)據(jù)在交通和物流領(lǐng)域的典型應(yīng)用案例有： ? UPS 基于超過(guò) 46000 貨車(chē)上的傳感器數(shù)據(jù)來(lái)規(guī)劃運(yùn)輸線路。數(shù)據(jù) 包括速 度 、方向 、 剎車(chē)等 。 同時(shí)基 于 在線地 圖 數(shù)據(jù)， 實(shí) 時(shí)規(guī)劃 每 輛車(chē)的取貨和送貨 。 2020 年，減少了 8500 萬(wàn)英里的行車(chē)路程， 從而節(jié)省了 840 萬(wàn)加侖的燃料 。 早在 2020 年 ， UPS 就利用這種基 于大數(shù)據(jù)的預(yù)測(cè)性分析系統(tǒng)來(lái)檢測(cè)全美 60000 輛車(chē)的實(shí)時(shí)車(chē)況， 以便及時(shí)地進(jìn)行主 動(dòng) 修理。 ? 法國(guó)電信公司 Orange 承 建 了一個(gè)法國(guó)高速公路數(shù)據(jù)監(jiān)測(cè)項(xiàng)目 ， 每 天 產(chǎn)生 500 萬(wàn)條記錄，對(duì)這些記錄進(jìn) 行 大數(shù)據(jù) 分 析，為行駛于高 速公路上的車(chē)輛提供準(zhǔn)確及時(shí)的信息，有效提高道路通暢率。 ? 航班延誤時(shí)間的分析系 統(tǒng) （ ） ， 由民間程序員基于美 國(guó)交通 部 開(kāi)放的 全 美航班 起 飛、到 達(dá) 、延誤 數(shù) 據(jù)而 開(kāi) 發(fā) ，向全 美 國(guó)社會(huì)免費(fèi)開(kāi)放使用，成為很多人乘機(jī)、候機(jī)的參考信息。 ? 亞馬遜 嘗 試名為 “ 預(yù)判發(fā) 貨 ” 的服 務(wù) 。 根據(jù) 訂 單、搜 索 記錄、 愿 望清單 、 購(gòu)物車(chē) 、 鼠標(biāo)在 某 件商品 上 的懸留 時(shí) 間等數(shù) 據(jù) ， 預(yù)判用 戶消費(fèi) 行 為，在 用 戶下單 之 前就將 商 品發(fā)貨 出 庫(kù) ， 以 此 提升配送 的速度。 ? Uber 根 據(jù)用戶 需 求的波 動(dòng) 開(kāi)發(fā)溢 價(jià) 算法， 動(dòng) 態(tài)調(diào)整 出 租車(chē)價(jià) 格， 緩解特定時(shí)段的打車(chē)供需矛盾。 醫(yī)療健康 醫(yī)療行業(yè)正處于重要轉(zhuǎn)折點(diǎn)。據(jù)麥肯錫預(yù)測(cè) ， 2050 年 60 歲以上 老齡人口將占全球人口比例的 20%， 當(dāng)前醫(yī)療費(fèi)用在全球 GDP 中 的 占 比逐漸升高 ， 醫(yī)療服務(wù)市場(chǎng)規(guī)模的增長(zhǎng)以及日益強(qiáng)烈的個(gè)性化醫(yī) 療 服 務(wù)需求 ，使得醫(yī)療健康行業(yè)必須朝著更加精細(xì)化和科學(xué)化的方向發(fā)展， 在提供個(gè)性化服務(wù) 、 支持臨床決 策 、 識(shí) 別醫(yī)療服務(wù)相關(guān)的欺 詐 行 為 以 及分析并應(yīng)對(duì)各類(lèi)新型疾病等方面 ， 都需要以數(shù)據(jù)分析為基礎(chǔ) 。 據(jù)預(yù) 測(cè) ， 大數(shù)據(jù)的應(yīng)用 ， 能夠?yàn)槿蛎咳嗣磕陰?lái) 1000 美元的費(fèi)用削減。 醫(yī)藥行 業(yè) 是數(shù)據(jù) 密 集的行 業(yè) ，包括 藥 企研發(fā) 、 科研進(jìn) 展 、醫(yī)生 診 療記錄 、 患者病歷 、 檢測(cè)和用藥記錄 、 患者身體狀況和保險(xiǎn)賠償 記 錄 等各類(lèi)數(shù)據(jù)都被持續(xù)地記錄和存儲(chǔ) ， 作為技術(shù)研發(fā) 、 業(yè)務(wù)決策和 服 務(wù) 交付的基礎(chǔ)。當(dāng)前 ， 醫(yī)療健康數(shù)據(jù)呈現(xiàn)下列主要特征： ? 來(lái)源廣 泛 。 包括 制 藥業(yè)、 臨 床 治療 信 息、醫(yī) 療 費(fèi) 用 、 病 患體征及 日常生活記錄等。 ?規(guī)模膨 脹 。 由于 傳 感 器 、 影 像 、 病 檢 、設(shè)備 和 基因數(shù)據(jù)的迅速增 長(zhǎng) ，據(jù)麥肯錫分析 ， 2020 年醫(yī)療數(shù)據(jù)將增長(zhǎng)到 35ZB， 相當(dāng)于 2020 年的 44 倍。 ? 類(lèi)型多 樣 。醫(yī)療 健 康數(shù)據(jù) 即 包含結(jié) 構(gòu) 化的病 患 檔案， 又 包括大 量 口述或手寫(xiě)數(shù)據(jù)、圖片和影像等非結(jié)構(gòu)化數(shù)據(jù)。 ? 實(shí)時(shí)分 析 。 比如 ， 在治療 過(guò) 程中， 需 要實(shí)時(shí) 整 合、處 理 和分析 不 斷流入的各類(lèi)最新信息。 海量醫(yī) 療 數(shù)據(jù)的 積 累，開(kāi) 辟 了大數(shù) 據(jù) 在疫情 監(jiān) 測(cè)、疾 病 防控、 臨 床研究 、 醫(yī)療診斷 、 資源調(diào) 度 和遠(yuǎn)程醫(yī)療顧問(wèn)等方面廣闊的應(yīng)用空間， 而實(shí)時(shí) 分 析和圖 像 分析一 類(lèi) 的技術(shù) 需 求則進(jìn) 一 步提升 了 大 數(shù)據(jù) 進(jìn) 入 醫(yī)療健康行業(yè)的必要性 。 可見(jiàn) ， 大數(shù)據(jù)的引入已成為醫(yī)療健康行 業(yè) 進(jìn) 一步發(fā)展的必要條 件 和助推器。據(jù)麥肯錫 2020 年測(cè)算，大數(shù)據(jù) 將 給 醫(yī)療健康 產(chǎn) 業(yè) 帶 來(lái) 3330 億美金的增 值 。當(dāng)前，大數(shù)據(jù)在醫(yī)療健康領(lǐng) 域 的主要應(yīng)用場(chǎng)景 包 括： ? 醫(yī)療數(shù) 據(jù) 的結(jié)構(gòu) 化 。全 球 醫(yī) 療數(shù)據(jù) 僅 有五分 之 一為適 于 計(jì)算機(jī) 處 理的結(jié)構(gòu)化數(shù)據(jù) ， 其余五分之四為非結(jié)構(gòu)化數(shù)據(jù) ， 包括手寫(xiě)病歷、 各類(lèi)文檔、音視頻文件等， 其 增長(zhǎng)速度是結(jié)構(gòu)化數(shù)據(jù)的 15 倍。 ? 優(yōu)化運(yùn) 營(yíng) 。醫(yī)療 機(jī) 構(gòu)通過(guò) 對(duì) 醫(yī) 療 檔 案 數(shù) 據(jù) 的 轉(zhuǎn) 化、整 合 、 統(tǒng)計(jì)和 分析，實(shí)現(xiàn)對(duì)管理和監(jiān)管等環(huán)節(jié)的優(yōu) 化 。 ? 新藥研 制 。通過(guò) 大 數(shù)據(jù)技 術(shù) ， 加大 臨 床數(shù)據(jù) 采 集力度 ， 運(yùn) 用 基因 序列分 析 等先進(jìn) 技 術(shù) ，提 升 疾病發(fā)現(xiàn)和新藥 研 發(fā) 的效 率 。通過(guò)對(duì) 產(chǎn)品上 市 后用藥 人 群分析 ， 檢測(cè)其 療 效和副 作 用，從 而 達(dá)到提 高 研發(fā)成功率的目的。 ? 個(gè)性化 醫(yī) 療 。在 患 者就診 時(shí) 實(shí)時(shí)整 合 其體征 數(shù) 據(jù)、臨 床 記 錄 和日 常生活信息，提供具有針對(duì)性的高效醫(yī)療服務(wù)。 當(dāng)前，醫(yī)療和健康行業(yè)的典型大數(shù)據(jù)企業(yè)有： ? Health Fidelity、 Explorys、 PracticeFusion、 athenahealth Inc. 和 Humedica 等 ， 采用自然語(yǔ)言處理技術(shù)實(shí)現(xiàn)非結(jié)構(gòu)化數(shù)據(jù)到結(jié)構(gòu) 化 數(shù)據(jù)的轉(zhuǎn)化。 ? Flatiron 被稱(chēng)為 “ 癌癥治療的基礎(chǔ)設(shè)施 ” ，通過(guò)對(duì)臨床數(shù)據(jù)收集 整理方 法 的創(chuàng)新 ， 為醫(yī)生 提 供全面 而 詳盡的 數(shù) 據(jù)，從 而 在整體上 加速征服疾病的進(jìn) 度 。 ? Foundation Medicine 采集 和 分 析 患 者 基因組 數(shù) 據(jù) ， 通 過(guò)特定 算 法進(jìn)行突變分析和解讀 ， 以臨床建議形式輔助醫(yī)生設(shè)定治療方案。 ? 記錄患者的行為和位置移動(dòng)，幫助護(hù)士遠(yuǎn)程監(jiān)控諸如 糖尿病等類(lèi)患者的實(shí)時(shí)情況 ， 以便提醒其停止不利于治療的行為。 ? 美國(guó)北卡羅來(lái)納醫(yī)療體系 （ Carolinas HealthCare System）采集 200 多 萬(wàn) 客戶的 消 費(fèi)數(shù)據(jù) ， 識(shí)別其 中 高風(fēng)險(xiǎn) 的 患者， 比 如經(jīng)常 購(gòu) 買(mǎi)酒精飲料的人可能有抑郁癥隱 患 等。 ? DNAnexus 公 司為醫(yī) 療 行業(yè)客 戶 提 供 DNA 數(shù) 據(jù)的 管 理和分 析 平 臺(tái) 。 ? Bina Technology、 23andMe 以 及 Spiral Geics 則專(zhuān)注于基因 測(cè)序技術(shù)本身的研究。 ? 羅 氏 制 藥 收 購(gòu) 基 因 測(cè) 序公 司 Signature Diagnostics， 加 速靶 向 藥物的開(kāi)發(fā)。 ? IBM 基于超級(jí)計(jì)算機(jī) Watson， 與 WellPoint 合作進(jìn)行惡性腫瘤的 臨床診斷，與 BlueCross 合作進(jìn)行醫(yī)保數(shù)據(jù)分析，與 Sloan 癌癥 中心合作進(jìn)行癌癥研究。 金融 金融業(yè) 在 信息技 術(shù) 和人才等方面相 較 其他產(chǎn) 業(yè) 具有明 顯 的優(yōu) 勢(shì) ， 在開(kāi)展業(yè)務(wù)的過(guò)程中積累了海量的高價(jià)值數(shù)據(jù) ， 不 但屬于數(shù)據(jù)密 集 型 的行業(yè) ， 而且具有巨大的數(shù)據(jù)價(jià)值變現(xiàn)潛力 。 比如 ， 據(jù)波士頓咨 詢(xún) （ BCG） 統(tǒng)計(jì)，銀行業(yè)每 100 萬(wàn)美元收 入 所 產(chǎn) 生和使用的數(shù)據(jù)大概是 820GB， 遠(yuǎn)多于其它行業(yè) 。 相應(yīng)地 ， 數(shù)據(jù)分析在金融領(lǐng)域的運(yùn)用歷史悠久 ， 比 如經(jīng)濟(jì) 學(xué) 家很早 就 利用計(jì) 量 經(jīng)濟(jì)學(xué) 知 識(shí)和金 融 市場(chǎng)數(shù) 據(jù) 建 模預(yù) 測(cè) 金 融市場(chǎng)產(chǎn)品收益同風(fēng)險(xiǎn)波動(dòng)的關(guān)系。 由于數(shù)據(jù)種類(lèi)和規(guī)模的增長(zhǎng)以及相關(guān)技術(shù)的發(fā)展 ， 大數(shù) 據(jù) 在銀行、 保險(xiǎn)公司和券商等金融機(jī)構(gòu) 的 應(yīng)用逐漸深入和拓寬 ， 被全面運(yùn)用 于 客 戶畫(huà)像、精準(zhǔn)營(yíng)銷(xiāo)、風(fēng)險(xiǎn)管控、運(yùn)營(yíng)優(yōu)化和市場(chǎng)預(yù)測(cè)等方面。 圖 .金融大 數(shù) 據(jù)應(yīng)用 場(chǎng) 景 客戶 畫(huà) 像 。客 戶畫(huà) 像主要 包 括對(duì) 用戶 的 基 礎(chǔ)信 息、 社交 數(shù) 據(jù) 、 興 趣 愛(ài)好 、 生活習(xí)慣 、 消費(fèi)習(xí)慣等 、 風(fēng)險(xiǎn)偏 好 等進(jìn)行分析 ， 以及 對(duì)企業(yè) 用戶的生產(chǎn) 、 運(yùn)營(yíng) 、 財(cái)務(wù)和 銷(xiāo) 售等情況進(jìn)行分 析 。 為了更全面的 了 解 客戶 ， 除了自身業(yè)務(wù)所采集到的數(shù) 據(jù)之 外 ， 需 要 整合更多的外部 數(shù)據(jù) ， 比如客戶在社交媒體上的行為數(shù)據(jù) 、 客戶在電商網(wǎng)站的交易數(shù)據(jù) 、 企 業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù) 等 。 精準(zhǔn) 營(yíng) 銷(xiāo) 。在 運(yùn)用 大數(shù) 據(jù)理 念 和 技術(shù) 對(duì)客 戶全 面畫(huà) 像之 后 ， 可 以 通過(guò)多種創(chuàng)新提升營(yíng)銷(xiāo)的精度和準(zhǔn) 度 ： （ 1） 實(shí) 時(shí)營(yíng)銷(xiāo)。獲取用 戶 的當(dāng)前 狀 況來(lái)提 升 營(yíng)銷(xiāo)活 動(dòng) 的時(shí)效 性 ， 比如根 據(jù) 客戶當(dāng) 前 的地點(diǎn) 、 最近 的 消 費(fèi)記錄 和 其他信 息 （工作 變化、 遷移等）來(lái)推送具有針對(duì)性的產(chǎn)品或服務(wù)； （ 2） 個(gè)性化推薦 。 根 據(jù) 客戶的年齡 、 資產(chǎn)規(guī)模 、 理財(cái)偏好 等 進(jìn)行 產(chǎn)品或服務(wù)的推薦 ， 挖掘出用戶潛在的金融服 務(wù) 需求； （ 3） 客 戶 挽留 。 根據(jù)用戶近期的動(dòng)態(tài)構(gòu) 建 流失預(yù)警模型 ， 對(duì)高流 失概率的客戶提供相應(yīng)的優(yōu)惠或個(gè)性服 務(wù) 。 風(fēng) 險(xiǎn) 管 控 。包括中小企業(yè)貸款風(fēng)險(xiǎn)的評(píng)估和欺詐識(shí)別 等 ： （ 1） 中小企業(yè)貸款風(fēng)險(xiǎn)評(píng)估 。 銀行可通過(guò)企業(yè)的產(chǎn) 、 流通 、 銷(xiāo)售、 財(cái)務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進(jìn)行貸款風(fēng)險(xiǎn)分析 ， 量化企 業(yè) 的 信用額度，更有效的開(kāi)展中小企業(yè)貸款。 （ 2） 欺詐交易實(shí)時(shí)甄 別 、 反洗錢(qián)分 析 、 防止惡意透 支 。 銀行可以 利用持 卡 人基本 信 息、卡 基 本信息 、 交易歷 史 、客戶 歷 史行為 模式、 正在發(fā)生行為模 式 （如轉(zhuǎn)賬 ） 等 ， 結(jié)合智能規(guī)則引 擎 （如從一個(gè)不經(jīng) 常出現(xiàn) 的 國(guó)家為 一 個(gè)特有 用 戶轉(zhuǎn)賬 或 從一個(gè) 不 熟悉的 位 置 進(jìn)行 在 線 交易）進(jìn)行實(shí)時(shí)的交易反欺詐分析。 運(yùn) 營(yíng) 優(yōu) 化 。包括金融機(jī)構(gòu)本身的運(yùn)營(yíng)效率優(yōu)化和產(chǎn)品服務(wù)提升： （ 1） 市場(chǎng)和渠道分析優(yōu)化 。 通過(guò)大數(shù)據(jù) ， 銀行可以監(jiān)控不同市場(chǎng) 推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量 ， 從而進(jìn)行合作渠道的調(diào)整 和 優(yōu) 化。同 時(shí) ，也可 以 分析哪 些 渠道更 適 合推廣 哪 類(lèi)銀行 產(chǎn) 品或者 服務(wù)， 從而進(jìn)行渠道推廣策略的優(yōu)化。 （ 2） 產(chǎn)品和服務(wù)優(yōu)化 ： 銀行可以將客戶行為轉(zhuǎn)化為信息流 ， 并從 中分析客戶的個(gè)性特征和風(fēng)險(xiǎn)偏好 ， 更深層次地理解客戶的習(xí)慣 ， 智 能化分析和預(yù)測(cè)客戶需求 ， 從而進(jìn)行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化 。 如興 業(yè) 銀 行目前對(duì)大數(shù)據(jù)進(jìn)行初步分析 ， 通過(guò)對(duì)還款數(shù) 據(jù) 的挖掘比較 ， 區(qū) 分 優(yōu) 質(zhì)客戶 ， 根據(jù)客戶還款數(shù)額的差別 ， 提供差異化的金融產(chǎn)品和服 務(wù) 方 式。 市場(chǎng) 預(yù) 測(cè) 。金 融市 場(chǎng)價(jià) 格走 勢(shì)很 大程 度上 受市 場(chǎng)情 緒的 左 右 ， 通 過(guò)對(duì)社交媒體類(lèi)數(shù)據(jù)的抽取和分析 ， 能夠挖掘出其中蘊(yùn)含的大 量 市場(chǎng) 情緒信息 ， 從而以較高的準(zhǔn)確度預(yù)測(cè)未來(lái)金融市場(chǎng)的走 向 。 在金 融 業(yè) 與信息業(yè)結(jié)合最緊密的美國(guó) ， 這方面的研究和實(shí)踐已經(jīng)成為熱點(diǎn) 。 比 如 ，華爾街部分交易公司就 是 通過(guò)采集互聯(lián)網(wǎng)上的政經(jīng)新聞來(lái)預(yù) 測(cè) 市 場(chǎng)走向 ； 麻省理工學(xué)院的學(xué)者 ， 根據(jù)情緒詞 將推 特內(nèi)容標(biāo)定為正 面 或 負(fù)面情緒 ， 發(fā)現(xiàn)某些負(fù)面詞匯在推特的占比 ， 都與道瓊斯指數(shù) 、 標(biāo) 準(zhǔn) 普爾 500 指數(shù) 、 納斯達(dá)克指數(shù)的下 跌 有較強(qiáng)的關(guān)聯(lián) 性 ； 美國(guó)印第 安 納 大學(xué)利 用 谷歌公 司 提供的 心 情 分析 工 具對(duì)道 瓊 斯工業(yè) 指 數(shù) 變化 的 預(yù) 測(cè) ；美國(guó)佩斯大學(xué) 追 蹤星巴克 、 可口可樂(lè)和耐克三家公司在社交 媒 體 上的 受歡迎 程 度 ， 發(fā) 現(xiàn) Facebook 的粉 絲 數(shù) 、 推 特 上的聽(tīng) 眾 數(shù) 和 YouTube 上的觀看人數(shù)都和公司股價(jià)密切相關(guān)。 當(dāng)前，全 球 金融大數(shù)據(jù)應(yīng)用的典型案例有： ? 挪 威 DNB 銀行將電子渠道所采集的數(shù)據(jù)與原有數(shù)據(jù)進(jìn)行整合，引 入 Teradata 等大數(shù)據(jù)技術(shù)服務(wù)提供商構(gòu)建分析預(yù)測(cè)模型 ， 以此提 升客戶滿意度并實(shí)現(xiàn)對(duì)銷(xiāo)售活動(dòng)全天候的追蹤。 ? 萬(wàn)事達(dá)（ Mastercard）公司通過(guò)大量的數(shù)據(jù)清洗工作，整合了全 球 19 億張信用卡和 3200 萬(wàn)商家客戶信息 ， 基于 Mu Sigma 公司的 技術(shù)進(jìn)行欺詐識(shí)別和客戶洞察分析。 ? Zestfinace 突破了傳統(tǒng)征信的 FICO 征信模型，主要 是 將用 戶 的 搬家、 電 話、聯(lián) 系 、水電 等 線下信 息 納入到 征 信模型中，描述每 個(gè)用戶的變量可達(dá) 1000 個(gè)以 上 。 ? 新加坡 星 展銀行（ DBS） 與 商鋪進(jìn) 行 合作， 當(dāng) 消費(fèi)者 路 經(jīng)店鋪 時(shí)， 向其手機(jī)推送相應(yīng)的優(yōu)惠提示 ， 比如在 20 分鐘內(nèi)使用星展銀行信 用卡可享受 10%的折扣。 ? Paypal 基于 Hadoop、 Cassandra 和 Luster 文件系統(tǒng)構(gòu)建大數(shù)據(jù) 技術(shù)棧 ， 并應(yīng)用于欺詐識(shí)別 ， 第一年即挽回多達(dá) 7 億美元的損失。 ? 美