大數據應用場(chǎng)景之戰

大數據產(chǎn)業(yè)發(fā)展了幾年之后，即將進(jìn)入到價(jià)值變現階段。傳統企業(yè)已經(jīng)對大數據技術(shù)和應用有了初步了解，大數據平臺和技術(shù)的應用也開(kāi)始普遍。一些公司也成立了大數據部門(mén)，大數據得到了企業(yè)的高度重視，但是很多企業(yè)和廠(chǎng)商主要的困難在于大數據的場(chǎng)景應用，既如何利用數據分析和外部數據來(lái)提升業(yè)務(wù)。

計劃近期推出一系列文章，向大家介紹大數據的場(chǎng)景應用，介紹如何利用數據分析和外部數據實(shí)現價(jià)值變現，提升業(yè)務(wù)。先期主要集中在以下幾篇。分別從大數據場(chǎng)景應用的橫向和縱向來(lái)分享大數據應用場(chǎng)景，同時(shí)也會(huì )從數據源、數據應用、數據分析方法和工具出發(fā)來(lái)介紹如何應用數據。計劃5篇文章，其簡(jiǎn)單的內容介紹別如下。

1. 行業(yè)篇：從大數據場(chǎng)景應用的橫向出發(fā)，介紹各個(gè)行業(yè)的大數據應用場(chǎng)景，重點(diǎn)介紹銀行、證券、保險、互聯(lián)網(wǎng)金融、地產(chǎn)、旅游、交通、農業(yè)、智慧政府等行業(yè)大數據場(chǎng)景應用和案例
2. 功能篇：從大數據場(chǎng)景應用的縱向出發(fā)，介紹大數據分析在各個(gè)功能領(lǐng)域的應用場(chǎng)景，重點(diǎn)介紹精準營(yíng)銷(xiāo)、數據風(fēng)控、效率提升、決策支持、產(chǎn)品運營(yíng)的大數據場(chǎng)景和案例。
3. 數據源篇：從數據類(lèi)型和數據源角度出發(fā)，介紹中國市場(chǎng)上擁有數據源的公司，其數據來(lái)源、數據類(lèi)型、數據應用場(chǎng)景、數據應用案例。
4. 用戶(hù)畫(huà)像篇：從數據應用出發(fā)，介紹如何梳理和整理數據，如何打標簽，如何利用數據描述用戶(hù)，如何建立可以進(jìn)行商業(yè)應用的用戶(hù)畫(huà)像，如何通過(guò)用戶(hù)畫(huà)像找到數據商業(yè)應用場(chǎng)景。
5. 數據分析篇：從數據分析角度出發(fā)介紹常用的數據挖掘和統計分析方法、模型、算法。數據挖掘和分析常用的知識點(diǎn)、數據分析模型和應用案例。

第一篇行業(yè)篇

很多企業(yè)對大數據的價(jià)值了解不多，不知道如何應用數據，如何利用數據創(chuàng )造價(jià)值。大數據的場(chǎng)景應用成了很多企業(yè)迫切需要了解的問(wèn)題，也是大數據在企業(yè)應用的一個(gè)主要出發(fā)點(diǎn)。本文將從幾個(gè)產(chǎn)業(yè)和領(lǐng)域來(lái)同大家分享一下大數據的應用場(chǎng)景，同時(shí)也幫助企業(yè)掌握找到數據應用切入點(diǎn)。

大數據場(chǎng)景應用本質(zhì)上就是數據的業(yè)務(wù)應用場(chǎng)景，是數據和數據分析在企業(yè)經(jīng)營(yíng)活動(dòng)中的具體表現?？梢詮牟煌木暥葋?lái)了解大數據的場(chǎng)景應用。從橫向上分析，大數據在不同行業(yè)有不同的應用場(chǎng)景，簡(jiǎn)單講就是提升業(yè)務(wù)，降低成本，開(kāi)源和節流并重。由于各個(gè)行業(yè)的數據維度和數質(zhì)量不同，大數據在不同行業(yè)應用的成熟度不同，金融行業(yè)的數據維度較多，數據質(zhì)量也很好，數據集中和數據治理也開(kāi)展了一段時(shí)間，因此金融行業(yè)的大數據應用開(kāi)展較好，也取得了一些較好的效果。地產(chǎn)行業(yè)的大數據剛剛開(kāi)始，主要應用在于線(xiàn)下和線(xiàn)上數據打通、土地決策、地產(chǎn)金融等方面。電商是最早利用數據變現的行業(yè)，客戶(hù)交易和行為數據分析已經(jīng)成為電商行業(yè)核心競爭力?；ヂ?lián)網(wǎng)金融、零售、醫療、交通、航空旅游的數據應用也開(kāi)始了一段時(shí)間，數據分析已經(jīng)為他們帶來(lái)了較大的業(yè)務(wù)提升。

一 金融行業(yè)大數據場(chǎng)景應用

金融行業(yè)擁有豐富的數據，并且數據維度和數據質(zhì)量也很好，自身的數據就是最好的數據，可以開(kāi)發(fā)出很多應用場(chǎng)景。如果考慮引入外部數據，可以加快數據價(jià)值的變現，市場(chǎng)上較好的數據有社交數據、電商交易數據、移動(dòng)大數據、運營(yíng)商數據、工商司法數據、公安數據、教育數據、銀聯(lián)交易數據等。

大數據在金融行業(yè)應用范圍較廣，典型的案例有花旗銀行利用IBM沃森電腦為財富管理客戶(hù)推薦產(chǎn)品，并預測未來(lái)計算機推薦理財的市場(chǎng)將超過(guò)銀行專(zhuān)業(yè)理財師。摩根大通銀行利用決策樹(shù)技術(shù)，降低了不良貸款率、轉化了提前還款客戶(hù)，一年為摩根大通銀行增加了6億美金的利潤。VISA公司利用Hadoop平臺將730億交易處理時(shí)間從一個(gè)月縮短到13分鐘。

1 銀行數據應用場(chǎng)景

銀行的數據應用場(chǎng)景比較豐富，典型的數據應用場(chǎng)景集中在數據庫營(yíng)銷(xiāo)、用戶(hù)經(jīng)營(yíng)、數據風(fēng)控、產(chǎn)品設計和決策支持等?，F階段，大數據在銀行的商業(yè)應用還是以其自身交易數據和客戶(hù)數據為主，外部數據為輔;描述性數據分析為主，預測性數據建模為輔;經(jīng)營(yíng)客戶(hù)為主，經(jīng)營(yíng)產(chǎn)品為輔。

可以將銀行的數據按類(lèi)型分為交易數據、客戶(hù)數據、信用數據、資產(chǎn)數據四大類(lèi)。大部分數據都集中在數據倉庫，都是結構化數據，金融屬性較強，可以利用數據挖掘來(lái)分析出一些交易數據背后的商業(yè)價(jià)值。商業(yè)銀行正在從經(jīng)營(yíng)產(chǎn)品轉向經(jīng)營(yíng)客戶(hù)，因此目標客戶(hù)的尋找，正在成為銀行數據商業(yè)應用的主要方向。其中高端財富管理和理財客戶(hù)的挖掘，成為吸收存款和理財產(chǎn)品銷(xiāo)售的主要應用領(lǐng)域。

1)利用數據庫營(yíng)銷(xiāo)，挖掘高端財富客戶(hù)

從物業(yè)費待繳服務(wù)中尋找高端理財客戶(hù)，銀行可能幫助一些物業(yè)公司進(jìn)行物業(yè)費代繳，其中包含了較多的高檔樓盤(pán)的代扣代繳，銀行可以依據物業(yè)費的多少，來(lái)識別出高檔住宅的業(yè)主。例如針對物業(yè)費代扣金額超過(guò)3千元的客戶(hù)進(jìn)行分析，結合其在本行的資產(chǎn)余額，來(lái)幫助銀行找到一些主要資產(chǎn)不在本行的高端用戶(hù)，為這些用戶(hù)提供理財服務(wù)和資產(chǎn)管理服務(wù)。曾經(jīng)某家股份制商業(yè)銀行，利用此方法，兩個(gè)月新增了十多億存款。

2)利用銀行卡刷卡記錄來(lái)尋找財富管理人群

中國有120萬(wàn)人口高端財富人群，這些人群平均可支配的金融資產(chǎn)在一千萬(wàn)人民幣，是所有銀行財富管理重點(diǎn)發(fā)展的人群。這些人群具有典型的高端消費習慣，高端消費場(chǎng)場(chǎng)景覆蓋奢侈品、游艇、豪車(chē)、手表、高爾夫、古玩等。銀行可以參考POS機的消費記錄定位這些高端財富管理人群，為其提供定制的財富管理方案，吸收其成為財富管理客戶(hù)，增加存款和理財產(chǎn)品銷(xiāo)售。另外移動(dòng)設備的位置數據也可以幫助銀行識別出這些人群。

3)利用外部數據找到白金卡用戶(hù)

信用卡中的白金卡主要面對高端消費人群，這些人群很難通過(guò)線(xiàn)下的方式觸達，但是其又是信用卡公司希望獲得的高價(jià)值用戶(hù)。銀行可以參考客戶(hù)乘坐頭等倉的次數、出境游消費金額、境外數據漫游費用來(lái)為其提供白金卡服務(wù)，這類(lèi)經(jīng)常乘坐頭等倉和消費高的客戶(hù)，其消費額度和信用水平應該可以滿(mǎn)足白金信用卡客戶(hù)的要求。這種消費場(chǎng)景的關(guān)聯(lián)應用是典型的大數據應用方式，也是目前數據庫營(yíng)銷(xiāo)和數據風(fēng)控常用的場(chǎng)景。

2 保險行業(yè)數據應用功能場(chǎng)景

保險行業(yè)主要通過(guò)保險代理人連接保險客戶(hù)，對客戶(hù)的基本信息和需求掌握很少，因此極端依賴(lài)外部保險代理人和渠道(銀行)，在競爭不激烈的情況下，這種連接客戶(hù)的方式是可以的。但是如果互聯(lián)網(wǎng)保險興起之后，用戶(hù)很可能會(huì )被分流到互聯(lián)網(wǎng)渠道，因為年輕人更加喜歡通過(guò)互聯(lián)網(wǎng)這個(gè)渠道來(lái)滿(mǎn)足自己的需求。未來(lái)線(xiàn)上客戶(hù)將成為保險公司客戶(hù)來(lái)源。

保險行業(yè)的產(chǎn)品是一個(gè)長(cháng)周期產(chǎn)品，保險客戶(hù)再次購買(mǎi)保險產(chǎn)品的轉化率很高，經(jīng)營(yíng)好老客戶(hù)是保險公司一項重要任務(wù)。保險公司內部的交易系統不多，交易方式不是很復雜，數據主要集中在產(chǎn)品系統和交易系統之中，客戶(hù)關(guān)系管理系統中也包含豐富了信息，但是數據集中在很多保險公司還沒(méi)有完成，數據倉庫建設可能需要在用戶(hù)畫(huà)像建設前完成。

保險公司主要數據有人口屬性信息，信用信息，產(chǎn)品銷(xiāo)售信息，客戶(hù)家人信息。缺少興趣愛(ài)好、消費特征、社交信息等信息。保險產(chǎn)品主要有壽險，車(chē)險，保障，財產(chǎn)險，意外險，養老險，旅游險。

保險行業(yè)數據業(yè)務(wù)場(chǎng)景是圍繞保險產(chǎn)品和保險客戶(hù)進(jìn)行的，典型的數據應用有利用用戶(hù)行為數據來(lái)制定車(chē)險價(jià)格(UBI)，利用客戶(hù)外部行為數據來(lái)了解客戶(hù)需求，向目標用戶(hù)推薦產(chǎn)品，例如依據自身數據(個(gè)人屬性)，外部養車(chē)App活躍情況，為保險公司找到車(chē)險客戶(hù);依據自身數據(個(gè)人屬性)，移動(dòng)設備位置信息，為保險企業(yè)找到商旅人群，推銷(xiāo)意外險和保障險。依據自身數據(家人數據)，人生階段信息，為用戶(hù)推薦理財保險，壽險，保障保險，養老險，教育險，依據自身數據和外部數據，為高端人士提供財產(chǎn)險和壽險。利用外部數據，提升保險產(chǎn)品的精算水平，提高利潤水平和投資收益。

保險公司急需收集整理客戶(hù)信息，為客戶(hù)建立人生檔案，利用個(gè)人的生命周期各個(gè)階段需要，為客戶(hù)提供保險產(chǎn)品。保險公司也需要同外部渠道進(jìn)行合作開(kāi)發(fā)出適合不同業(yè)務(wù)場(chǎng)景的保險產(chǎn)品。例如航班延誤險、旅游天氣險、手機被盜險等新的險種。目的不是靠這些險種盈利，而是找到潛在客戶(hù)，為客戶(hù)提供其他保險產(chǎn)品。另外保險公司應該借助于移動(dòng)互聯(lián)網(wǎng)連接客戶(hù)，利用數據分析來(lái)了解客戶(hù)，降低對外部渠道的依賴(lài)，降低保險營(yíng)銷(xiāo)費用，提高直銷(xiāo)渠道投入和直銷(xiāo)銷(xiāo)售比。

3 證券行業(yè)數據應用場(chǎng)景

證券行業(yè)的主要收入來(lái)源于經(jīng)紀業(yè)務(wù)、資產(chǎn)管理、投融資服務(wù)、自由資金投資。外部數據的分析，特別是行業(yè)數據的分析有助于其投融資服務(wù)和投資業(yè)務(wù)。2015年4月13日，一碼通實(shí)施之后，證券行業(yè)面臨了互聯(lián)網(wǎng)證券平臺的強力競爭，依據TalkingData發(fā)布的金融A(yíng)pp排行榜，移動(dòng)互聯(lián)網(wǎng)證券App，排名前5位的證券類(lèi)App，只有一家傳統券商華泰證券。排名第一的互聯(lián)網(wǎng)券商同化順覆裝機量是排名第一傳統券商的6倍，前三名的互聯(lián)券商總體覆蓋用戶(hù)接近6000萬(wàn)用戶(hù)。用戶(hù)總數還在不斷增加。傳統證券行業(yè)現在面臨的主要挑戰是用戶(hù)交易賬戶(hù)的爭奪，證券行業(yè)如何增加新用戶(hù)?如何留住用戶(hù)?如何提高證券行業(yè)用戶(hù)的活躍?如何提高單個(gè)客戶(hù)的收入?是證券行業(yè)主要的業(yè)務(wù)需求。

證券行業(yè)擁有的數據類(lèi)型有個(gè)人屬性信息例如用戶(hù)名稱(chēng)，手機號碼，家庭地址，郵件地址等。證券公司還擁有交易用戶(hù)的資產(chǎn)和交易紀錄，同時(shí)還擁有用戶(hù)收益數據，利用這些數據和外部數據，證券公司可以利用數據建立業(yè)務(wù)場(chǎng)景，篩選目標客戶(hù)，為用戶(hù)提供適合的產(chǎn)品，提高單個(gè)客戶(hù)收入。帕累托效應還是適用于證券行業(yè)，20%的客戶(hù)創(chuàng )造了80%的利潤。證券行業(yè)需要找到高頻交易客戶(hù)、資產(chǎn)較高的客戶(hù)，理財客戶(hù)。借助于數據分析，如果客戶(hù)平均年收益低于5%，交易頻率很低，建議其購買(mǎi)證券公司提供的理財產(chǎn)品。如果客戶(hù)交易很頻繁，又收益較高，可以主動(dòng)推送融資服務(wù)。如果客戶(hù)交易不頻繁，但是資金量較大，可以為客戶(hù)提供投資咨詢(xún)，激活客戶(hù)交易興趣?？蛻?hù)交易的頻率，客戶(hù)的資產(chǎn)規模，客戶(hù)交易量都是證券公司主要收入來(lái)源，對客戶(hù)交易習慣和行為分析可以幫助證券公司獲得更多的收益。另外證券App交易的便捷和用戶(hù)體驗，也是提升用戶(hù)粘性的重要方面。

證券公司除了利用企業(yè)財務(wù)數據來(lái)判斷企業(yè)經(jīng)營(yíng)情況，還可以利用外部數據來(lái)分析企業(yè)的經(jīng)營(yíng)情況，為投融資以及自身投資業(yè)務(wù)提供有力支持。例如利用移動(dòng)App的活躍和覆蓋率來(lái)判斷移動(dòng)互聯(lián)網(wǎng)企業(yè)經(jīng)營(yíng)情況，電商、手游、旅游等行業(yè)的App活躍情況完全可以說(shuō)明企業(yè)運營(yíng)情況。海關(guān)數據、物流數據、電力數據、交通數據、社交輿情、郵件服務(wù)器容量等數據可以說(shuō)明企業(yè)經(jīng)營(yíng)情況，為投資提供重要參考。

二 地產(chǎn)行業(yè)大數據場(chǎng)景應用

地產(chǎn)行業(yè)正在從黃金發(fā)展期進(jìn)入到白銀發(fā)展期，房地產(chǎn)商從過(guò)去粗放經(jīng)營(yíng)轉向精細化經(jīng)營(yíng)。地產(chǎn)生意不在是簡(jiǎn)單的交鑰匙工程，簡(jiǎn)單的商品房建設。地產(chǎn)公司正在轉向商業(yè)地產(chǎn)開(kāi)發(fā)和商鋪經(jīng)營(yíng)、物業(yè)經(jīng)營(yíng)。市場(chǎng)的競爭正在驅動(dòng)地產(chǎn)公司尋找新的收入增點(diǎn)和新的商業(yè)模式。有的地產(chǎn)巨頭例如萬(wàn)科和萬(wàn)達，已經(jīng)轉向社區O2O、電商、文化產(chǎn)業(yè)、地產(chǎn)金融等業(yè)務(wù)。

一些地產(chǎn)公司和大數據公司正在尋找大數據在地產(chǎn)行業(yè)的應用場(chǎng)景，并且已經(jīng)取得了階段性成果。移動(dòng)大數據正在幫助地產(chǎn)行業(yè)在土地開(kāi)發(fā)、小區規劃、商鋪規劃、地產(chǎn)O2O，甚至地產(chǎn)金融等方面發(fā)揮作用。地產(chǎn)大數據商業(yè)應用場(chǎng)景被逐漸被挖掘出來(lái)，大數據技術(shù)在資源配置和客戶(hù)分析等方面發(fā)揮了過(guò)去想象不到的作用，移動(dòng)大數據正在幫助房地產(chǎn)公司實(shí)施數字化運營(yíng)，獲得新的業(yè)務(wù)收入。TalkingData作為一個(gè)領(lǐng)先的移動(dòng)大數據公司，在土地規劃、客戶(hù)經(jīng)營(yíng)、打通O2O等方面幫助很多房地產(chǎn)商實(shí)現數字化經(jīng)營(yíng)，并取得了一些成績(jì)。數據商業(yè)應用給地產(chǎn)商帶來(lái)了過(guò)去不存在的商業(yè)價(jià)值，移動(dòng)大數據技術(shù)在商業(yè)地產(chǎn)的應用，正在成為很多房地產(chǎn)公司重點(diǎn)關(guān)注的領(lǐng)域。

1 移動(dòng)大數據在商業(yè)地塊定價(jià)策略方面的應用

先從一個(gè)真實(shí)的例子開(kāi)始，一家著(zhù)名的房地產(chǎn)公司，其房產(chǎn)開(kāi)發(fā)主要集中在三線(xiàn)城市。當這家房地產(chǎn)公司進(jìn)入到一個(gè)城市時(shí)，當地政府非常歡迎，并拿出了一個(gè)擁有30萬(wàn)戶(hù)籍人口的土地讓房地產(chǎn)公司進(jìn)行開(kāi)發(fā)。房地產(chǎn)公司開(kāi)發(fā)完之后，發(fā)現房子賣(mài)出去很少，同30萬(wàn)戶(hù)籍人口的需求完全不在一個(gè)數量級上，房子積壓了不少，造成了較大損失。

地產(chǎn)公司很困惑，究竟是什么原因導致了房子滯銷(xiāo)，經(jīng)過(guò)一段時(shí)間的調研，地產(chǎn)公司發(fā)現30萬(wàn)戶(hù)籍人口中有一半以上在其他城市工作，并且未來(lái)不會(huì )回來(lái)購買(mǎi)住房，其開(kāi)發(fā)地塊的常住人口住房購買(mǎi)需求較低，相當于10萬(wàn)戶(hù)籍人口的需求。地產(chǎn)商按照30萬(wàn)人口需求開(kāi)發(fā)的住宅小區，很難在當地短期內賣(mài)出去。本次房地產(chǎn)投資損失較大，導致房地產(chǎn)商從當地房產(chǎn)市場(chǎng)退出。

TalkingData利用移動(dòng)設備的位置數據，可以幫開(kāi)發(fā)商了解其開(kāi)發(fā)地塊的常住人口數量、年齡分布和職業(yè)特點(diǎn)、以及收入水平。通過(guò)數據分析，房地產(chǎn)商可以客觀(guān)了解開(kāi)發(fā)地塊每天晚上居住的人口數量，進(jìn)入的人口數量，第二天離開(kāi)的人口數量，以及這些人口的活動(dòng)規律、年齡階段、職業(yè)類(lèi)型、收入水平、消費水平等。這些數據可以幫助房地產(chǎn)商對土地價(jià)值進(jìn)行評估，這些信息對土地價(jià)格影響很大。房地產(chǎn)公司已經(jīng)利用移動(dòng)大數據進(jìn)行土地價(jià)值估算，避免采用戶(hù)籍人口數量方式來(lái)價(jià)值估算土地價(jià)值，降低了土地投資成本和房地產(chǎn)開(kāi)發(fā)風(fēng)險。

越來(lái)越多的房地產(chǎn)公司正在利用移動(dòng)大數據，客觀(guān)精確地估計其開(kāi)發(fā)的土地價(jià)值，降低土地投資費用。房地產(chǎn)開(kāi)發(fā)商也將參考用戶(hù)信息進(jìn)行房型設計、商鋪規劃、配套設施規劃等，真正將大數據價(jià)值應用到房地產(chǎn)項目上去，優(yōu)化資源配置，提高運營(yíng)效率。

2 移動(dòng)大數據在商鋪地產(chǎn)規劃上的應用

房地產(chǎn)行業(yè)正在將產(chǎn)業(yè)鏈進(jìn)行延伸，住宅小區的商業(yè)地產(chǎn)項目已經(jīng)成為房地產(chǎn)公司未來(lái)利潤的增長(cháng)點(diǎn)。商鋪主要為周?chē)用裉峁┓?wù)的，居民的消費偏好成為商鋪設計的一個(gè)出發(fā)點(diǎn)。商鋪的合理規劃對商業(yè)地產(chǎn)的增值起到了關(guān)鍵的作用。

移動(dòng)互聯(lián)網(wǎng)的大數據可以幫助房地產(chǎn)商了解客戶(hù)的消費偏好，通過(guò)用戶(hù)智能手機的App列表和其活躍程度，大數據公司可以對周?chē)用襁M(jìn)行分析和畫(huà)像。這些用戶(hù)畫(huà)像包括客戶(hù)的生活?lèi)?ài)好、年齡層次，消費特點(diǎn)等信息。房地產(chǎn)商可以利用這些信息進(jìn)行商鋪規劃，根據客戶(hù)消費需求來(lái)規劃商鋪，最大化商鋪的利用率和客流量，合理配置商鋪資源。

TalkingData已經(jīng)向一些地產(chǎn)開(kāi)發(fā)商提供了用戶(hù)畫(huà)像數據，這些用戶(hù)畫(huà)像數據正在被用作商鋪規劃。房地產(chǎn)商依據周?chē)脩?hù)的特點(diǎn)和數量，規劃教育、娛樂(lè )、健康、戶(hù)外運動(dòng)、美容等商鋪的配置比例，確保有足夠的商鋪來(lái)滿(mǎn)足客戶(hù)需求，同時(shí)也確保相同類(lèi)型商鋪不要太多，最大化商鋪的經(jīng)濟利益，也為商業(yè)地產(chǎn)增值提供基礎。

房地產(chǎn)商利用移動(dòng)互聯(lián)網(wǎng)側客戶(hù)行為數據和消費愛(ài)好數據，在開(kāi)發(fā)商鋪時(shí)依據客戶(hù)需求規劃商鋪，提高商鋪客流量和消費總額，幫助房地產(chǎn)商提高商鋪價(jià)值和潛在的租金。商戶(hù)也可以利用用戶(hù)畫(huà)像數據深度了解客戶(hù)，為商品采購和服務(wù)提供數據支持，為客戶(hù)提供更加優(yōu)質(zhì)的商品和服務(wù)。

三 零售行業(yè)大數據場(chǎng)景應用

零售行業(yè)比較有名氣的大數據案例就是沃爾瑪的啤酒和尿布的故事，以及Target通過(guò)向年輕女孩寄送尿布廣告而告知其父親，女孩懷孕的故事。沃爾瑪是大數據分析應用的先鋒，其擁有全世界第二大規模的數據倉庫，第一大規模數據倉庫的擁有者是美國政府。

零售行業(yè)可以通過(guò)客戶(hù)購買(mǎi)記錄，了解客戶(hù)關(guān)聯(lián)產(chǎn)品購買(mǎi)喜好，將相關(guān)的產(chǎn)品放到一起增加來(lái)增加產(chǎn)品銷(xiāo)售額，例如將洗衣服相關(guān)的化工產(chǎn)品例如洗衣粉、消毒液、衣領(lǐng)凈等放到一起進(jìn)行銷(xiāo)售。根據客戶(hù)相關(guān)產(chǎn)品購買(mǎi)記錄而重新擺放的貨物將會(huì )給零售企業(yè)增加30%以上的產(chǎn)品銷(xiāo)售額。

零售行業(yè)還可以記錄客戶(hù)購買(mǎi)習慣，將一些日常需要的必備生活用品，在客戶(hù)即將用完之前，通過(guò)精準廣告的方式提醒客戶(hù)進(jìn)行購買(mǎi)?；蛘叨ㄆ谕ㄟ^(guò)網(wǎng)上商城進(jìn)行送貨，既幫助客戶(hù)解決了問(wèn)題，又提高了客戶(hù)體驗。

電商是最早利用大數據進(jìn)行精準營(yíng)銷(xiāo)的行業(yè)，電商網(wǎng)站內推薦引擎將會(huì )依據客戶(hù)歷史購買(mǎi)行為和同類(lèi)人群購買(mǎi)行為，進(jìn)行產(chǎn)品推薦。市場(chǎng)上推薦引擎的產(chǎn)品轉化率一般在6%-8%，很少有超過(guò)8%以上的轉化率。

電商行業(yè)的巨頭天貓和京東，已經(jīng)通過(guò)客戶(hù)的購買(mǎi)習慣，將客戶(hù)日常需要的商品例如尿不濕，衛生紙，衣服等商品依據客戶(hù)購買(mǎi)習慣事先進(jìn)行準備。當客戶(hù)剛剛下單，商品就會(huì )在24小時(shí)內或者30分鐘內送到客戶(hù)門(mén)口，提高了客戶(hù)體驗，讓客戶(hù)連后悔等時(shí)間都沒(méi)有。

電商的數據量足夠大，數據較為集中，數據種類(lèi)較多，其商業(yè)應用具有較大的想象空間。包括預測流行趨勢，消費趨勢、地域消費特點(diǎn)、客戶(hù)消費習慣、消費行為的相關(guān)度、消費熱點(diǎn)等。依托大數據分析，電商可幫助企業(yè)進(jìn)行產(chǎn)品設計、庫存管理、計劃生產(chǎn)、資源配置等，有利于精細化大生產(chǎn)，提高生產(chǎn)效率，優(yōu)化資源配置。

四 醫療行業(yè)大數據場(chǎng)景應用

醫療行業(yè)擁有大量病例、病理報告、醫療方案、藥物報告等。如果這些數據進(jìn)行整理和分析，將會(huì )極大地幫助醫生和病人。在未來(lái)，借助于大數據平臺我們可以收集疾病的基本特征、病例和治療方案，建立針對疾病的數據庫，幫助醫生進(jìn)行疾病診斷。

IBM的花了10億美元收購了一家公司，獲得了這家公司的10萬(wàn)份病人檔案，IBM的沃森已經(jīng)學(xué)習了這些醫療檔案，依據過(guò)去的數據和診斷建立了疾病診斷模型，并向醫生推薦治療方案。IBM的沃森背后支撐的系統是DeepQA，專(zhuān)注文本分析、基于概率大規模并行分析系統。醫生們用來(lái)診斷和治療的醫學(xué)知識中，只有20%具有實(shí)證基礎，每五年相關(guān)的醫學(xué)知識就會(huì )翻一倍，醫生們根本沒(méi)有時(shí)間來(lái)查閱所有期刊，實(shí)時(shí)更新其知識儲備。

IBM的沃森具有這樣的學(xué)習和更新能力，可以幫助醫生進(jìn)行診斷和提出治療方案。美國的MD安德森癌癥醫療中心正在實(shí)用IBM的沃森幫助醫生進(jìn)行診斷和制定治療方案。

基因技術(shù)發(fā)展成熟后，可以根據病人的基因序列特點(diǎn)進(jìn)行分類(lèi)，建立醫療行業(yè)的病人分類(lèi)數據庫。在醫生診斷病人時(shí)可以參考病人的疾病特征、化驗報告和檢測報告，參考疾病數據庫來(lái)快速幫助病人確診。在制定治療方案時(shí)，醫生可以依據病人的基因特點(diǎn)，調取相似基因、年齡、人種、身體情況相同的有效治療方案，制定出適合病人的治療方案，幫助更多人及時(shí)進(jìn)行治療。這些數據也有利于醫藥行業(yè)開(kāi)發(fā)出更加有效的藥物和醫療器械。中國的基因測序處于世界領(lǐng)先梯隊，目前不到一萬(wàn)元就可以測量客戶(hù)36對基因序列，可以幫助醫生進(jìn)行早期疾病診斷和制定治療方案。

醫療行業(yè)的數據應用一直在進(jìn)行，但是數據沒(méi)有打通，都是孤島數據，沒(méi)有辦法大規模應用。未來(lái)需要將這些數據統一收集起來(lái)，納入統一的大數據平臺，為人類(lèi)健康造福。政府是推動(dòng)這一趨勢的重要動(dòng)力。

五 移動(dòng)互聯(lián)網(wǎng)廣告

數字廣告越來(lái)越受到廣告主的重視，其未來(lái)市場(chǎng)規模越來(lái)越大。2014年美國的互聯(lián)網(wǎng)廣告市場(chǎng)規模接近500億美元，參考中國的人口消費能力，其市場(chǎng)規模會(huì )很快達到2000億人民幣左右。

過(guò)去到廣告投放都是以好的廣告渠道+廣播式投放為主，廣告主將廣告交給廣告公司，由廣告公司安排投放，其中SEM廣告市場(chǎng)最大，其次為展示廣告，精準品牌推廣廣告很少，多是廣播式廣告投放。廣播式投放的弊端是投入資金大，沒(méi)有針對目標客戶(hù)，面對所有客戶(hù)進(jìn)行展示，廣告的TA(目標客戶(hù))響應較低，并存在數字廣告營(yíng)銷(xiāo)陷阱等問(wèn)題。

大數據技術(shù)可以將客戶(hù)在互聯(lián)網(wǎng)上的行為記錄下來(lái)，對客戶(hù)的行為進(jìn)行分析，打上標簽并進(jìn)行用戶(hù)畫(huà)像。特別是進(jìn)入移動(dòng)互聯(lián)網(wǎng)時(shí)代之后，客戶(hù)主要的訪(fǎng)問(wèn)方式轉向了智能手機和平臺電腦，移動(dòng)互聯(lián)網(wǎng)的數據包含了個(gè)人行為數據，可以用于360度用戶(hù)畫(huà)像，更加接近真實(shí)人群。

移動(dòng)大數據的用戶(hù)畫(huà)像可以幫助廣告主進(jìn)行精準營(yíng)銷(xiāo)，將廣告直接投放到用戶(hù)的移動(dòng)設備，其廣告的目標客戶(hù)覆蓋率可以大幅度提高。一般情況下提升的效果在30%以上，廣告主品牌廣告單個(gè)TA曝光費用下降，用較少的數據投入費用獲得了較高的曝光率。

六 互聯(lián)網(wǎng)金融大數據場(chǎng)景應用

互聯(lián)網(wǎng)金融爆發(fā)式發(fā)展，2015年P(guān)2P的交易總額將會(huì )超過(guò)1萬(wàn)億，將成為具有影響力的產(chǎn)業(yè)。但是在P2P行業(yè)，其面對的風(fēng)險也在加大，除了傳統的信用風(fēng)險，其外部欺詐風(fēng)險正在成為一個(gè)主要風(fēng)險。有的P2P公司統計過(guò)，帶給P2P公司的最大外部風(fēng)險不是借款人的壞賬，而是犯罪集團的惡意欺詐。網(wǎng)絡(luò )犯罪正在成為P2P公司面臨的主要威脅之一，甚至在一些P2P公司，惡意欺詐產(chǎn)生的損失占整體壞賬的60%。很多P2P公司將主要精力放在如何預防惡意方面。高風(fēng)險客戶(hù)識別和黑名單成為預防惡意欺詐的主要手段。移動(dòng)大數據可以幫助互聯(lián)網(wǎng)金融企業(yè)識別出欺詐用戶(hù)和高風(fēng)險用戶(hù)

1用戶(hù)居住地的辨別

線(xiàn)上的欺詐行為具有較高的隱蔽性，很難識別和偵測。P2P貸款用戶(hù)很大一部分來(lái)源于線(xiàn)上，因此惡意欺詐事件發(fā)生在線(xiàn)上的風(fēng)險遠遠大于線(xiàn)下。中國的很多數據處于封閉狀態(tài)，P2P公司在客戶(hù)真實(shí)信息驗證方面面臨較大的挑戰。

移動(dòng)大數據可以驗證P2P客戶(hù)的居住地點(diǎn)，例如某個(gè)客戶(hù)在利用手機申請貸款時(shí)，填寫(xiě)自己居住地是上海。但是P2P企業(yè)依據其提供的手機設備信息，發(fā)現其過(guò)去三個(gè)月從來(lái)沒(méi)有居住在上海，這個(gè)人提交的信息可能是假信息，發(fā)生惡意欺詐的風(fēng)險較高。移動(dòng)設備的位置信息可以辨識出設備持有人的居住地點(diǎn)，幫助P2P公司驗證貸款申請人的居住地。

2用戶(hù)工作地點(diǎn)的驗證

借款用戶(hù)的工作單位是用戶(hù)還款能力的強相關(guān)信息，具有高薪工作的用戶(hù)，其貸款信用違約率較低。這些客戶(hù)成為很多貸款平臺積極爭取的客戶(hù)，也是惡意欺詐團伙主要假冒的客戶(hù)。

某個(gè)用戶(hù)在申請貸款時(shí)，如果聲明自己是工作在上海陸家嘴金融企業(yè)的高薪人士，其貸款審批會(huì )很快并且額度也會(huì )較高。但是P2P公司利用移動(dòng)大數據，發(fā)現這個(gè)用戶(hù)在過(guò)去的三個(gè)月里面，從來(lái)沒(méi)有出現在陸家嘴，大多數時(shí)間在城鄉結合處活動(dòng)，那么這個(gè)用戶(hù)惡意欺詐的可能性就較大。移動(dòng)大數據可以幫助P2P公司在一定程度上來(lái)驗證貸款用戶(hù)真實(shí)工作地點(diǎn)，降低犯罪分子利用高薪工作進(jìn)行惡意欺詐的風(fēng)險。

3欺詐聚集地的識別

惡意欺詐往往具有團伙作案和集中作案的特點(diǎn)。犯罪團伙成員常常會(huì )在集中在一個(gè)臨時(shí)地點(diǎn)，雇傭一些人，短時(shí)間內進(jìn)行瘋狂作案。

大多是情況下，多個(gè)貸款用戶(hù)在同一個(gè)小區居住的概率較低，同時(shí)貸款的概率更低。如果P2P平臺發(fā)現短短幾天內，在同一個(gè)GPS經(jīng)緯度，出現了大量貸款請求。并且用戶(hù)信息很相似，申請者居住在偏遠郊區，這些貸款請求的惡意欺詐可能性就較大。P2P公司可以將這些異常行為定義為高風(fēng)險事件，利用其他的信息進(jìn)一步識別和驗證，降低惡意欺詐的風(fēng)險。移動(dòng)設備的位置信息可以幫助P2P公司，識別出出現在同一個(gè)經(jīng)緯度的群體性惡意欺詐事件，降低不良貸款發(fā)生概率。

4 高風(fēng)險貸款用戶(hù)的識別

高風(fēng)險客戶(hù)也是P2P企業(yè)的一個(gè)風(fēng)險。高風(fēng)險客戶(hù)定義比較廣泛，除了信用風(fēng)險，貸款人的身體健康情況也是一個(gè)重要參考。移動(dòng)大數據的位置信息、安裝的App類(lèi)型、App使用習慣，在一定程度上反映了貸款用戶(hù)的高風(fēng)險行為。P2P企業(yè)可以利用移動(dòng)設備的位置信息，了解過(guò)去3個(gè)月用戶(hù)的行為軌跡。如果某個(gè)用戶(hù)經(jīng)常在半夜2點(diǎn)出現在酒吧等危險區域，并且經(jīng)常有飆車(chē)行為，這個(gè)客戶(hù)定義成高風(fēng)險客戶(hù)的概率就較高。

一些高風(fēng)險客同時(shí)在不同平臺借款，加大了貸款風(fēng)險。TalkingData的App數據服務(wù)可以幫助企業(yè)了解客戶(hù)何時(shí)下載了借款App，近期活躍使用的借款App，幫助P2P企業(yè)了解客戶(hù)借款App使用情況，識別出多頭貸款用戶(hù)。

欺詐用戶(hù)具有刻意隱藏自己行為的特點(diǎn)，用于欺詐的手機很少安裝同生活相關(guān)的工具例如微信、淘寶、支付寶、郵箱等App，即使安裝了也很少使用。借助于TalkingData的App數據服務(wù)，P2P企業(yè)刻意了解客戶(hù)App安裝和使用情況，識別出具有欺詐嫌疑的客戶(hù)。

七 農業(yè)大數據場(chǎng)景應用

農產(chǎn)品不容易保存，合理種植和養殖農產(chǎn)品對農民非常重要。借助于大數據提供的消費能力和趨勢報告，政府將為農牧業(yè)生產(chǎn)進(jìn)行合理引導，依據需求進(jìn)行生產(chǎn)，避免產(chǎn)能過(guò)剩，造成不必要的資源和社會(huì )財富浪費。大數據技術(shù)可以幫助政府實(shí)現農業(yè)的精細化管理，實(shí)現科學(xué)決策。在數據驅動(dòng)下，結合無(wú)人機技術(shù)，農民可以采集農產(chǎn)品生長(cháng)信息，病蟲(chóng)害信息。

農業(yè)生產(chǎn)面臨的危險因素很多，但這些危險因素很大程度上可以通過(guò)除草劑、殺菌劑、殺蟲(chóng)劑等技術(shù)產(chǎn)品進(jìn)行消除。天氣成了影響農業(yè)非常大的決定因素。過(guò)去的天氣預報僅僅能提供當地的降雨量，但農民更關(guān)心有多少水分可以留在他們的土地上，這些是受降雨量和土質(zhì)來(lái)決定的。

Climate公司利用政府開(kāi)放的氣象站的數據和土地數據建立了模型，他們可以告訴農民可以在哪些土地上耕種，哪些土地今天需要噴霧并完成耕種，哪些正處于生長(cháng)期的土地需要施肥，哪些土地需要5天后才可以耕種，大數據技術(shù)可以幫助農業(yè)創(chuàng )造巨大的商業(yè)價(jià)值。

八物流行業(yè)

中國的物流產(chǎn)業(yè)規模大概有5萬(wàn)億左右，其中公里物流市場(chǎng)大概有3萬(wàn)億左右。物流行業(yè)的整體凈利潤從過(guò)去的30%以上降低到了20%左右，并且下降的趨勢明顯。物流行業(yè)很多的運力浪費在返程空載、重復運輸、小規模運輸等方面。中國市場(chǎng)最大等物流公司所占的市場(chǎng)份額不到1%。因此資源需要整合，運送效率需要提高。

物流行業(yè)借助于大數據，可以建立全國物流網(wǎng)絡(luò )，了解各個(gè)節點(diǎn)的運貨需求和運力，合理配置資源，降低貨車(chē)的返程空載率，降低超載率，減少重復路線(xiàn)運輸，降低小規模運輸比例。通過(guò)大數據技術(shù)，及時(shí)了解各個(gè)路線(xiàn)貨物運送需求，同時(shí)建立基于地理位置和產(chǎn)業(yè)鏈的物流港口，實(shí)現貨物和運力的實(shí)時(shí)配比，提高物流行業(yè)的運輸效率。借助于大數據技術(shù)對物流行業(yè)進(jìn)行的優(yōu)化資源配置，至少可以增加物流行業(yè)10%左右的收入，其市場(chǎng)價(jià)值將在5000億左右。

九智慧城市管理

如今，世界超過(guò)一半的人口生活在城市里，到2050年這一數字會(huì )增長(cháng)到75%。政府需要利用一些技術(shù)手段來(lái)管理好城市，使城市里的資源得到良好配置。既不出現由于資源配置不平衡而導致的效率低下以及騷亂，又要避免不必要的資源浪費而導致的財政支出過(guò)大。大數據作為其中的一項技術(shù)可以有效幫助政府實(shí)現資源科學(xué)配置，精細化運營(yíng)城市，打造智慧城市。

城市的道路交通，完全可以利用GPS數據和攝像頭數據來(lái)進(jìn)行規劃，包括道路紅綠燈時(shí)間間隔和關(guān)聯(lián)控制，包括直行和左右轉彎車(chē)道的規劃、單行道的設置。利用大數據技術(shù)實(shí)施的城市交通智能規劃，至少能夠提高30%左右的道路運輸能力，并能夠降低交通事故率。在美國，政府依據某一路段的交通事故信息來(lái)增設信號燈，降低了50%以上的交通事故率。機場(chǎng)的航班起降依靠大數據將會(huì )提高航班管理的效率，航空公司利用大數據可以提高上座率，降低運行成本。鐵路利用大數據可以有效安排客運和貨運列車(chē)，提高效率、降低成本。

城市公共交通規劃、教育資源配置、醫療資源配置、商業(yè)中心建設、房地產(chǎn)規劃、產(chǎn)業(yè)規劃、城市建設等都可以借助于大數據技術(shù)進(jìn)行良好規劃和動(dòng)態(tài)調整。