感谢中国软件网作者欧小刚的投稿
期待读者朋友的来稿，投稿请联系微信：ankopein
微信后台回复：“sq”，进入资料分享社群
热门推荐：【干货】45G微信小程序开发合集免费领
大数据技术+行业知识+业务知识=大数据应用
一般来看，一个产业的成长轨迹都是源于技术、成于产品、终于应用。大数据产业也不例外，整个产业是由于云计算、大数据技术而出现的，各个厂商开发出比较成熟的产品并推向市场，最终在应用中带来实际的价值并得到用户认可。处于不同发展阶段的关注点不同：技术阶段看谁的技术更先进；产品阶段看谁的产品性能更好，性价比更高；应用阶段则看谁能更好解决用户的具体问题，并提供差异化的服务。
就大数据产业而言，已经走过了技术的蒙昧期，介于产品期和应用期之间。因此，在2017年，大数据厂商除了继续打磨自家的产品外，将会更加注重围绕某个应用解决方案的开发和完善。在推进大数据应用落地时，只有将大数据技术与行业知识和具体业务相结合，才能给用户创造真实的价值。
起于行业，与行业知识结合是大数据应用落地的第一步
与“互联网+”相对应的，“大数据+”也有丰富的内涵，这里的“+”指的是大数据与不同行业的结合。只有与行业知识相结合，才能让大数据落地，而不是看起来美丽却没什么实际价值的空中楼阁。
不同行业领域具有很大的不同，大数据在该领域的应用程度以及应用价值也不一样。为此，我们做了一个不同行业的大数据行业图谱，对该图谱作几点说明：
第一，该图谱参照国民经济行业分类(GB/T 4754)，结合大数据应用特性对某些行业做了调整，最终选出10个行业。
第二，图谱的横轴是大数据在该行业的应用价值，这主要从几个方面考虑：该行业在国民经济中的地位，以及大数据在该行业应用之后的影响大小。纵轴代表大数据在该行业的应用成熟度，主要考虑为该行业提供服务的大数据厂商数量，大数据产品、解决方案在该行业的普及程度，以及该行业大数据产品的应用深度。
值得提出的是，成熟度指标更多的是大数据在各个行业中应用情况的横向比较，纵向来看都远没有发展成熟。
从价值和成熟度两个方面来看，目前发展得比较好并且潜在价值较大的几个行业包括互联网、金融、交通物流、公共管理、批发与零售，这些是目前大数据厂商竞争的主战场；制造业和医疗行业，大数据的应用程度次之，但发展潜力巨大，是大数据厂商需要重点关注的蓝海领域；房地产行业，大数据的应用价值还需要进一步探索，属于观望领域；农业和采矿业等，大数据的应用有限。
目前市场上的大数据公司大体分为两类：一类专注于细分领域，做大数据的垂直应用，比如金融大数据、营销大数据、政务大数据、互联网营销大数据等；另一类则倾向于做覆盖各行各业的全域大数据，这类厂商有些从垂直大数据开始不断的扩展行业领域，有些则是一开始就定位于全域大数据平台。值得提出的是，虽然我国有很多行业，但是并不是每个行业都能将大数据很好的应用，各个行业大数据的市场前景和应用程度也有很大的差别。不顾市场状况和自身能力，贸然进入一个陌生的行业是不明智的。
从上面的大数据行业图谱可知，其实大数据用的比较多的也就几个行业。各个厂商可以根据自身实力和优势，在金融、互联网、公共管理、交通与物流、批发与零售这5个领域中，选取一个或几个领域来进行深耕，同时对于制造业、医疗行业进行一定的布局。
止于功能，让大数据满足客户实际的业务需求
完整的应用场景，应该包含行业和功能两个要素，上一节我们对行业进行了分类，这一节加上功能要素，来看看不同行业的应用场景特点。为了形象的展示各个应用场景，我们作出如下的图谱，在此作以下几点说明：
第一，横轴是根据上一节的大数据行业应用图谱，选取的5个典型行业；纵轴是大数据应用的三个典型功能，其中效率提升包括企业运营效率的提升和生产效率的提升，对于金融等特定领域还包括风险控制的含义。
第二，图中圆圈面积的大小代表在该场景中大数据的应用深度。比如在互联网行业，精准营销项的圆圈面积较大，说明在互联网精准营销场景中，大数据应用程度较深并发挥重大影响。
从上面的图谱可以看出：在金融领域大数据主要用于提升其运营效率并进行风险管控；互联网领域大数据主要用于精准营销；制造业大数据主要用于提高生产效率，降低生产成本；公共管理领域大数据主要用于提升管理效率，并为管理者提供决策支持；交通与物流领域主要用于提升运营效率。值得提出的是，图中几个面积比较大的空格展示出大数据典型的几个应用场景：金融风控、互联网精准营销、生产与管理效率的提升、政府大数据及智慧城市中的大数据应用、电商带动的物流大数据。
大数据只有应用于特定行业特定业务中，才能为客户创造实际的价值。下面我们以金融行业的风控为例，来看看大数据怎么与具体业务相结合。大数据应用于风控中，主要是两个方面，一个是更好的风险评级，一个是反欺诈。大数据的应用，让金融机构对特定风险的评级建立在大量的数据基础上，并且通过更加合理的风控模型，对风险进行精确地定量分析，来达到风险评级的目的。对于银行等金融机构，风险的另一个重要来源就是用户欺诈，而想要提前识别出可能的欺诈行为却是十分困难的。大数据技术的应用，可以通过数据分析来对用户进行精准画像，并对其行为进行交叉对比，发现欺诈的蛛丝马迹。
从数据的全生命周期来看，整个大数据产业可以分为数据采集、数据存储、数据管理、数据分析与挖掘、数据展现等多个环节。大数据厂商需要在各个环节都进行技术与产品开发，并在某些方面形成自己的特色，构建自己的竞争优势。另一方面，在面临真实的市场竞争时，客户并不关心你采用的是什么技术，也不关心你有什么产品，客户唯一关心的是他花了钱之后能不能解决自己的问题，以及花了多少钱，问题解决到什么程度了，而企业用户需要解决的问题都可以归结为一个个的应用场景。可以说，2017年将是大数据的应用场景时代，围绕应用场景的解决方案将是大数据厂商竞争的焦点。
本文是中国软件网作者欧小刚的来稿
欢迎读者朋友的来稿
投稿联系微信：ankopein
加入钱塘资料分享社群，不错过任何干货
长按二维码，加入社群
【钱塘号】
国内首个工业领域新媒体平台
由钱塘数据自主研发
期待您的入驻
微信后台回复“钱塘号”
查看相关介绍
钱塘号官网：http://h.qtbigdata.com/
钱塘号APP已在各大应用商店上线，期待下载
往期PPT、报告下载：
【干货】45G微信小程序开发合集 （视频教程+源码），免费领取！
往期干货：
回复“吴晓波”，免费获取每天听见吴晓波文字、音频+《腾讯传》PDF回复“吴军”，下载《浪潮之巅》与硅谷来信音频回复“zd”，下载涂子沛《数据之巅》、《大数据》PDF
公众号后台回复“徐工”，下载徐工集团的工业大数据之路
钱塘数据坚持“激活工业数据资产，完善工业发展生态”的核心理念，以“产业+金融+大数据”协同发展为主攻方向，积极打造工业领域最全面、最强大垂直搜索平台和用户工具平台，并逐步演化为国内最大的“工业大数据中央厨房”，成为推动企业大数据应用和产业金融应用加快发展的“核心动能”，从而真正实现企业大数据资产化，激活企业传统要素资产和新型数据资产。
共有条评论 网友评论