大数据的应用场景及实际可落地性问题

发布时间:2018-12-21浏览人数:
  对于大数据以及大数据分析的应用场景,谈的文章已经相当多,包括各行各业对大数据处理和分析的应用,在此仅仅思考在各种不同的行业如何来发现潜在存在的大数据应用场景。

  首先可以从大数据的4V特性入手来进行思考和分析,在数据类型上更加强调了多种异构类型数据形成的混合存储,对于传统单纯的结构化数据或单纯的文档类非结构化数据都有解决方案,而真正难的是混合存储并提供统一的大数据服务开放能力接口。拿企业内部信息化应用场景来说,如果从单一入口原则入手,某个关键字能够搜索到邮件,业务系统,文本文档,互联网等多种渠道来源的异构混合数据,即可形成一个典型的大数据场景。

  其次从大数据及数据分析软件带来的一些思维转变上来分析大数据的场景,首先是对于企业的大数据分析和应用,其次就是要将视线从传统的企业内部拓展到企业外部,特别是在用户行为分析,市场营销等方面基于企业内部传统业务系统收集的数据是远远不够的,只有基于大量外部数据的相关性分析往往才能得出更加有价值的推论。这也是往往互联网行业对大数据应用最先发展和成熟一样,来自企业外围的用户行为,社交,交易,行动路线等数据,来自各种传感设备采集的视频,流量,温度数据才真正构成了一个大数据环境。

  单纯的数据采集,数据存储,数据处理往往都只是大数据中应用到的技术能力,而大数据场景的本质还是业务价值驱动下的大数据分析和挖掘,为了达到这个目标往往则涉及到数据采集,集成,存储,处理,分析,挖掘等大数据的全生命周期管理过程。

  下面谈一些大数据的一些实际可落地性问题,只有将场景和业务价值想清楚了,再谈大数据的各种解决方案和技术架构才真正有价值。现在打数据谈论的很多,其实很多仅仅是一个海量数据的存储和分析,用到了一些分布式存储和查询分析技术,不能给足够说明就是一个大数据场景范畴。

  智慧城市里面的大数据也是同样的道理,当前的智慧城市建设究竟有没有大数据场景?答案当然是有的,思路跟互联网营销里面的大数据分析思路是一样的。首先是单个政府部门内部的大数据场景,这个短期反而很难真正形成大数据分析,原因在于针对的企业或个人用户最终很难类似互联网一样形成某种关联和协同;其次是跨各个职能部门的企业和个人行为和业务数据的融合和相关性分析,这个就现在本身一些职能部门的安全性要求,职能部门之间的部门壁垒,短期仍然是无法解决。这些问题都解决不了,智慧城市里面很难真正有大数据应用场景,对于政务资源目录和数据能力开放,类似GIS等能力的开发顶多是大数据技术的点滴应用。

  金融行业的大数据面临的往往是同样的问题,但是情况可能要好点,类似企业和个人的一些信用记录现在有全国性质的统一数据库能够拿到部分数据。但是对于单个银行来说,同样是无法拿到用户在其他银行的行为记录数据的,其二银行本身在做很多信贷风险分析的时候,确实需要大量数据做相关性分析,但是很多数据来源于政府各个职能部门,包括工商税务,质量监督,检察院法院等,这些数据短期仍然是无法拿到。还有就是企业或个人本事日常产生的各种行为数据更难拿到,那么对客户的风险性评估还是得借用原来的老方法而已。

  电信运营商可以讲是启动大数据研究和解决方案比较早的一个行业,那么当前的大数据主要还是围绕在BOSS领域,一个是大量话单数据的采集和高效预处理,一个是处理完成后基于用户行为的分析和针对性营销。电信行业本身难以解决的仍然是单一x因子来源,同时又没有解决类似微信平台一样虽然是单一x因子但是建立了人和人之间的行为纽带。那么运营商的大数据可以看做是分析和预测模型本身短期难以变化,但是在数据采集和存储,数据分析性能和速度方面引入了大数据解决方案中的相关技术。

  对于传统的制造行业或快消行业,当我们谈到大数据分析的时候首先还是涉及到能够采集到用户行为数据和评价数据,能否通过互联网采集到更改的相关性因子的数据,这才营销层面往往才有了大数据分析的基础。