大数据技术+行业知识+业务知识=大数据应用

[摘要] 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
        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,这类厂商有些上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。




免责声明:

本站系本网编辑转载,会尽可能注明出处,但不排除无法注明来源的情况,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系, 来信: liujun@soft6.com 我们将在收到邮件后第一时间删除内容!

[声明]本站文章版权归原作者所有,内容为作者个人观点,不代表本网站的观点和对其真实性负责,本站拥有对此声明的最终解释权。