删除历史记录
　----
相关平台红包
大数据行业生死劫：上万接口关停，90%公司将洗牌
作者：之家哥
摘要：网贷之家小编根据舆情频道的相关数据，精心整理的关于《大数据行业生死劫：上万接口关停，90%公司将洗牌》的精选文章10篇，希望对您的投资理财能有帮助。
《行业生死劫：上万接口关停，90%公司将洗牌》 精选一6月1日，《网络安全法》落地实施已过去三个月，大数据行业结束野蛮时代，进入洗牌期。此前有15家数据公司被调查，此后，名单扩大到30家；多家公司的业务负责人被约谈，他们甚至相互打招呼的方式，都变成了“今天，你被抓了吗”；大量数据接口关停，数据产品停售，导致部分公司开始裁员，一家被调查的公司，甚至将大数据业务完全下架，退出市场。一些公司黯然退场，一些却高调入局――一些有独家数据源的公司，在最近宣布成立。数据行业，正处于二八分流，冰火两重天。01 “你被抓了吗？” 2017年5月末，数据行业的清理行动开始。据多位知情人透露，“数据堂”多人被警方调查，导致部分数据业务线停摆。此后，数据堂发表声明称，因公司某一客户存在被公安机关调查的情形，公安机关为进一步了解具体情况，向公司个别业务人员及财务人员进行情况了解，不存在“公司高管被抓”的情形；公司业务运作正常。目前，数据堂的官网可正常打开，但“数据定制―数据堂”的网站页面，却无法打开。 今年8月，数据堂发布，称因存在“预计应披露的重大信息在披露前已难以保密或已经泄露，或公共媒体出现与公司有关传司，可能或已经对转让价格产生较大影响的”事项，日起暂停转让，预计股票恢复转让日期不晚于日。“公司走了很多人，还有一些人准备拿完年终奖就走”，数据堂离职员工杨青称，“目前，精准营销线和大数据线基本暂停，现在仅靠一条业务线支撑”。但杨青同时指出：“公司的海外客户，暂时没有受到影响。”这只是大数据行业进入冰封时代的一个缩影。一本财经曾独家报道，15家数据公司被调查，名单中不乏估值几十亿的大公司。据知情人透露，此后，调查范围则进一步扩大，“名单已有30家”。行业一度风声鹤唳，传闻满天飞。头部的大数据公司，都曾传出过CEO或高层被调查的“小道消息”。网传聚信立的高管也被带去问话，业务呈收缩状态。聚信立CEO罗皓不得不站出来辟谣，紧急接受媒体采访:“我敢否认，说明我们没有被约谈。”“实际上，确实很多公司的业务负责人被约谈”，行业资深从业者罗锦江称，为了取证，通常电脑等存储设备也会被拿走。一位大数据行业的CEO听到传闻，另外一家公司的创始人被调查，他急忙在微信上询问：“你没事吧？”对方没事，说是谣言。结果第二天，CEO又听到消息，接着再问：“今天你被抓了吗？”“今天你被抓了吗”，这句话一度成为大数据行业高层从业者的问候语。02 接口切断 几乎行业所有的人都明白，这次数据整顿，是为了6月1日新推出的《网络安全法》预热。“这次是动真格了，毫无容情”，罗锦江称，5月底，很多公司主动将一些敏感业务线停掉。“数据供应商突然间通知我们，业务暂停，但会支付违约金”，某的商务负责人陈希称，最先被停掉的接口，就是“三要素”查询。“所谓三要素，就是手机、姓名、身份证”，罗锦江称，以前的价格，“购买一条仅7毛、8毛”。多位行业从业者称，三要素停了之后，大部分公司只提供两要素（身份证和姓名）的“验证”。“把两个信息提供给数据方，对方只会反馈一个是与否的答案”，陈希称，如果符合，反馈“是”，如果不符合，反馈“否”。陈希紧急修改了规则，让业务线可以勉强推进，但紧接着，更多的接口被切断。以前一次查询2元的学历数据接口停掉，随后，车辆、住房、公积金等数据接口都全面切断。“我们只能再次修改风控，让用户自己填写用户名和密码，授权我们去相应的页面爬取数据”，陈希称，如此操作**提高了风控的成本和用户体验，“但了”。紧接着，各项“特色”的数据产品也悄然撤下，或开始变得不稳定。而某平台的风控总监郭飞透露发现：“今年年初，百融金服的产品收支等级，查询突然变得不太稳定，缺失率很高”。所谓的收支等级，就是一个人的入账和出账记录，并按照等级给出分数，数字远大，金额越大。 △ 收支等级产品说明郭飞称，这项数据，是信贷中很有价值的数据，查询一次的价格是2-3元。但至于如此隐秘的数据，百融金服是如何拿到的，在业内一直是一个谜团。华道的业务员称：“自6月份后，不良信息的查询、，目前我们是暂停服务”。媒体报道，为了规避政策风险，在《网络安全法》实施前，同盾停掉了“失联人修复”服务；中国移动下属全资子公司中移在线，也停掉了“移动三要素”的查询。一边是主动停止合作，一边是客户直接跑单。贷后邦的商务负责人称：“部分客户已与我们达成合作意向，规定一出来他们很害怕，所有关于数据的业务都暂时不接，我手上有一两例违约客户。”大量接口断了后，行业开始了裁员潮。头部的大数据公司，都曾传出过裁员消息。“主要裁掉的，是销售和一些敏感业务线的人”，罗锦江称，大量的乙方公司业务人员被裁掉后，就进入了甲方公司。03 艰难求生 ，马云在网商大会上震耳发聩地喊出：我们将进入大数据时代。那一年，阿里巴巴集团设立了“首席数据官”一职，并推出大型数据平台“聚石塔”――这是中国大数据行业开始爆发的信号弹。而大数据行业的来临，是在之后。 大数据和在线信贷相结合，激发了强烈的化学反应。在浪潮中，崛起了上万家的大数据供应商，他们采集数据，进行清洗加工，针对不同的应用场景，再输出不同的产品。“早期，部分大数据公司的商业模式，极为简单，很多都是黑市采买数据后，简单打包，直接销售给客户”，罗锦江将其称为大数据的野蛮时代。“在这里，就是大数据的天堂”，从美国回国创业的某CRO称，刚回国的时候，发现国内数据流通尺度之大，完全超乎想象。在美国，很多并不敏感的数据，都无法用在信贷领域，比如，性别、人种颜色、年龄段，都不可随意参考，不然，就可能涉及“歧视女性、黑人或老人”。滥用的用户数据，让大家就如裸泳一般，毫无隐私可言。持续数年的数据之乱，终于在“徐玉玉”案之后，将行业推到了众矢之的的深渊。这似乎成了诸多行业宿命，总是在鼎盛狂欢中，在利益催化之下，出现浮华泡沫。随后，巨大行业负面爆发，监管如期而至，洗牌来临。和大数据行业，都是同样的轨迹。行业正在挣扎中自救。 曾经很多大力宣传自己是专注大数据的公司，如今，对外的传播口径完全变动。“行业污名化，不想和大数据扯上关系，外面现在都称自己是人工智能公司”，一位从业者称。南京一家大数据公司也在被调查的30家名单中，目前，公司已将大数据业务全部关停，正在谋求转型。“连我们业务员都需要加班加点看项目”，一家数据公司的商务称，公司甚至让他们去找项目，寻找出路。大部分的数据提供商，正在寻找第一条自救之路：数据的脱敏、加密。最常见的方式，就是查询结果的输出上，采取打分制，比如，如果完全匹配，就是100分，如果只有一半匹配，就是50分。而查询不良则是用信息比对，输入名字身份证，输出命中与否。还有一些公司，尝试用技术，保护用户隐私。如拨打电话，直接进行加密，只能看到一个加密号码拨出。行业想到第二条自救之路：联合建模。双方开发一套系统，直接放在客户公司的内部，双方共享数据，系统最终输出一个分数或结果。“联合建模，确实解决了合规问题，能够使双方共享数据”，小赢科技首席风控官成少勇指出，从长远角度来说，这肯定是未来趋势，但目前，推进的过程依然困难重重。今年8月，郭飞的公司和一家数据公司合作，对方提出了联合建模，但公司内部引发了争论。“对于我们来说，增加了很大的工作量，我们不可能针对每家数据源都要去做建模，且联合建模的费用是十万”，郭飞称。“实际上，现在大部分的联合建模，数据公司只是沦为一个技术提供商，这个模式太重，”大数据公司CEO林欣称，如果一家数据公司有20个客户，就得有20个建模师。对于双方来说，这个模式重，成本高，为了合规都要付出代价。04 行业洗牌 《网络安全法》出台后，要获取、使用用户的数据，都需要用户授权。而第三方的数据公司，很难再用这种方式获取数据。林欣认为，这样的公司，无非只有两个命运：要么在原有的老数据基础上，挖掘建模，但这样的产品，很快就会过时；要么就变成技术提供商和咨询商，比如联合建模。但这个命运，也不能让人愉悦。如果变成技术提供商，很难和大的公司合作。因为，大的公司数据和风控，都视为核心部门，很少外包；其次，大的公司对数据提供商也百般挑剔。因此，数据公司几乎只能给小的公司提供技术服务。“大的公司，从6月之后，都要求数据提供商签一个承诺书，确保使用的数据，都是经过用户授权的”，罗锦江称，基本没几家公司敢签字。行业的最终命运如何？“行业90%的公司将被淘汰”，多位行业从业者都下了如此的判断。有意思的是，一边是死亡，一边又是生长。就在9月25日，联通大数据公司成立。“未来，有一类大数据公司能活得不错，就是拥有稀缺数据源的公司”，林欣称。而成少勇也是同样的观点，只有独家、且不断更新的数据公司，才有竞争力，“二八格局已非常明显”。对于此次洗牌大潮，大多从业者表示，并非坏事。劣币被驱逐，良币才能沐浴阳光，茁壮生长。去芜存菁，正本清源，大数据行业的野蛮时代终于结束。
写在最后：给大家推荐一家3年老平台立即理财拿→(年化收益10%)
转载本文请注明来源于安全110：http://www.p2b110.com/news/256946.html
分享到：QQ空间新浪微博腾讯微博微信百度贴吧QQ好友window._bd_share_config={"common":{"bdSnsKey":{},"bdText":"我在【网贷安全110】看到这篇经典的文章，有趣-有料-有内涵！你们看看觉得如何？","bdMini":"2","bdMiniList":false,"bdPic":"http://www.p2b110.com/","bdStyle":"1","bdSize":"16"},"share":{"bdSize":16},"image":{"viewList":["qzone","tsina","tqq","wei***","tieba","sqq"],"viewText":"分享到：","viewSize":"24"},"selectShare":{"bdContainerClass":null,"bdSelectMiniList":["qzone","tsina","tqq","wei***","tieba","sqq"]}};with(document)0[(getElementsByTagName('head')[0]||body).appendChild(createElement('script')).src='http://bdimg.share.baidu.com/static/api/js/share.js?v=.js?cdnversion='+~(-new Date()/36e5)];《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选二继高企的后，征信数据调用，正成为中国无数疾行军一块隐性的、数目不低的成本。监管一直希望贷款类机构能真正践行小额、分散的普惠金融之路，然而，我们必须意识到的是，如果放款机构的人均借款额只能维持在区区几千元的水准线、贷款定价还不能过高，此外放款机构还要去负担数千万级、人均数十元的征信查询成本，对于本身以盈利为目的的商业机构来说，负担真不算小。券商中国记者调研了7家放款类机构（含贷款交易撮合平台）。作为普惠金融践行者，或者说希望以普惠金融为目机构，他们共同呼吁，借款征信查询成本能够进一步降低；或者，在同样的成本范围内，所获取的数据能够更加精准有效。做普惠金融不能仅靠监管不断呼吁，只有我们从实际业务痛点倒推贷前环节需要优化的地方，才能最大化激发机构做普惠金融的热情。两笔账目勾勒征信查询成本从数学的角度，让我们来算两笔账：1一个持牌的、具有发放的金融机构（或），在它每做出一次授信决策之前，就要花1块钱查询央行征信；2块钱调用鹏元征信以及中诚信的学历信息接口、航旅信息接口和住宅信息接口；再花2块钱查询和腾讯征信；然后再花2块钱查询滴滴和美团信息……请问，最后按照风险权重配比，把整一箩筐的征信信息都查完，单个用户至少要花多少钱？这家持牌机构展业三年的总人数大约6000万，那么它平均每年花在平台首次贷款客户上的征信查询成本有多少？如果这家机构的过审率为15~20%，而复借的用户达到50%，用户每复借一次还要再查询一次，那么这家机构花在复借审核征询查询上的费用有多少？最后，这家持牌机构平均一年至少要花多少钱在借款人征信查询上？2一个非持牌的小型公司/大中型P2P，在它每一次授信/贷款撮合之前，也要花2元多钱调用芝麻信用反欺诈信息和腾讯征信社交数据；然后再花3元左右查询同盾和百融数据，调用运营商、航旅、教育等数据。综合下来，一个客户单次查询要花费约5元钱的征信查询成本。平台的过审率达到70%，复借户不需再度查询，只需接入平台自身开发的。展业四年，这家公司的借款总户数已经达到三千万规模，实际借款用户近两千多万。那么，这家非持牌机构一年至少要花多少钱在征信查询上？两个问题如果只站在数学角度探讨，第一个问题所涉持牌机构年均征信查询费用要在1.5亿左右；第二个问题所涉非持牌公司年均花费3750万。相对各自的营收，这笔费用都不足以构成负担，但都不是一笔小数目。但我们需要知道的是，现实的数字或许会更大：因为只有当家机构的借款用户规模足够大、信查询量足够大的时候，放款机构对于征信提供商才有议价权，才能享受上文所述的批量合作下的查询费用。放成一笔贷款要调用的数据有哪些必须说明的是，上述两个案例均无指代特定公司，而是记者在采访了一家互联行、三家持牌消费金融公司、三家非持牌贷款类（含撮合）平台后综合得出的平均数据。一家的高管告诉记者，央行征信查询是最便宜的。“早年间，央行征信查询还要10块钱一笔，近两年给商业银行的是2~5元一笔。考虑到民营银行初建，给民营银行和一些持牌消费金融机构的价格，都是一元一笔。但它不是缴一次就完事，复查是照常收费。比如我们每季度进行要查询信息，进行信用污点跟踪，这里是照常收费的。”该民营银行高管告诉记者。但央行征信并不能作为数据单一来源。上述民营银行高管和一家大型持牌消费金融公司高管告诉记者，他们均在央行征信之外，调用了鹏元、中诚信、芝麻信用、滴滴、美团等第三方机构数据接口，这些垂直细分征信数据共同构成了信审数据箩筐。“比如我们有的时候还要查借款人学历、航旅记录、出行信息、手机通讯信息等，就会跟目前的第三方机构合作。他们的数据维度其实越来越丰富，但我们不会只和一家合作，而是和多家合作，调用各家不同的数据接口。比如我调用鹏元的学历、调用芝麻的反欺诈，用哪家的什么数据，我们有自己的逻辑模型。”一家大型持牌消费金融公司高管告诉记者。此外，我们必须要知道的是，中国有无数的非持牌放贷类机构（包括撮合贷款的P2P），目前没有资格接入央行征信。综合一家非持牌消费金融公司和两家的总经理的说法，他们目前主要接入的公司有同盾、百融、芝麻、腾讯、百度、前海征信等，通常不会一次性全部接入，同样也是根据自己的客群属性调用接口。“我们的单个借款用户征信查询成本已经算是业内较低了，一个才四块钱，我知道有很多公司是5~8块左右。当然我们的量（借款人量）比较大。据我所知，业内最低的应该就是，他们对自己的数据极其有自信，当然人家的数据确实比较好，单个成本才2块钱左右。”一家非持牌贷款类机构高管告诉记者。基于商业机密的角度考虑，上述机构并未全向记者明言征信查询占运营成本的比重有多大，但记者获知的三个公司来看，最低的是，征信查询成本占比为10%；另外两家分别为20%和30%左右。“不管占比多少，借款人数在千万以上的平台，几乎每年都要掏出上亿元在征信查询上。占比其实跟各个公司自己的业务特性有关，有些公司天然有场景、有入口，那么他们花在获客上的成本可能稍微小一点，那么征信查询的占比就大了；有些风控比较粗放，他就是愿意把钱花在推广啊、获客啊，那么他们的征信查询成本占比就没这么大了。”上述非持牌贷款类机构高管向记者分析。普惠金融玩家的呼声“作为，我们更在意央行数据之外的数据，包括马上成立的和囊括各部委类似公积金、社保的综合数据的打通，这些对于大幅降低机构成本有很大帮助。目前数据就是还是存在壁垒问题，P2P和小贷机构类金融机构的信贷数据如果能共享起来，甚至各部委和地市级的数据能打通，对于普惠金融机构发展很大”， 相关人士表示。事实上其所言，极具代表性。“我对的寄望是，能做到行业集中共享，打破信息孤岛。比如一个借款用户已经过度负债的话，平台能够通过查询一个接口就意识到这个情况的存在，然后不予以其发放借款标的。”一位P2P高管称。上述两位人士所言，其实反映出的是一个问题——目前不同的征信数据商互为割裂。此前一位个人征信行业专业人士曾向记者表示，出于自身业务保护和商业利益的考虑，各平台不愿主动将数据共享；更为重要的是，各家平台对于个人信用评价的模型算法都不太一样，出于保护个人信息的考虑，各家平台对外输出的通常是针对个人标签化的信用评价，而非涉及隐私的个人具体信息。因此，对于尚在筹建的百行征信而言，如果只是单纯从各家平台搜集这类标签化的信用评价，其实意义并不大。除了呼吁统一的数据，有行业人士建议，其实放款机构本身也会对央行进行数据报送，丰满了后者的数据维度，是否在使用成本上能够得到进一步优惠。做普惠金融绝对不是容易的事情，也不能仅靠监管不断呼吁，只有我们一次次从实际业务痛点倒推贷前环节需要优化的地方，才能最大化激发机构做普惠金融的热情。《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选三大数据银行大数据有利于驱动银行业的数字化转型，解决部分黑色产业漏洞及安全威胁。但中国银行业在大数据使用方面依然面临挑战。本文认为，中国银行业应利用大数据技术建立客户全生命周期管理、利用大数据风控实现智能化转型、同时应跨界合作打造金融数据生态圈，并强化安全管控，建立健全客户信息安全机制。中国银行业须构建政产学研用为一体的开放、共享、互利、共赢的大数据产业生态体系。本文共4609字，预计阅读时间1分50秒文/中国银行总行部总经理、与研究工作组副组长郭为民大数据、人工智能、、、、等新兴技术蓬勃发展并不断加速向社会生活的各领域渗透融合，对经济发展和社会进步产生了深刻影响，金融业的产品服务、运营管理和客户体验也在技术的驱动下加速了创新变革的步伐。大数据是重要的生产资料，是人工智能大脑流动的血液，作为国家“互联网+”行动的重要战略资源，对金融机构智能转型化发展的驱动作用愈发凸显，成为构建银行未来核心竞争力的关键。目前，良好的政策环境也推动中国大数据产业快速发展。为了鼓励包括大数据在内的新兴技术发展，中国监管机构与时俱进地制定和出台了系列政策，有力地保障和促进了行业的整体稳健发展。《国务院关于积极推进“互联网+”行动的指导意见》明确要求鼓励金融机构使用互联网拓宽服务覆盖面，使用云计算、移动互联网、大数据等技术手段来加快金融产品和服务创新，在更广泛地区提供便利的存贷款、支付结算、平台等金融服务。《中国银行业信息科技“十三五”发展规划监管指导意见（征求意见稿）》也明确要求要构建数据共享机制，逐步实现内外部数据的融合；统筹规划大数据基础设施，推进大数据平台建设；建立大数据服务体系，扩大数据服务的用户覆盖面；积极扩大信息来源以奠定大数据应用基础；开展大数据营销，提高获客能力和客户黏性；加强大数据风控，全面了解运营情况并及时优化业务流程，以推动业务创新；拓宽普惠金融的服务范围为实体经济发展提供支撑。大数据有利于驱动银行业的数字化转型大数据、人工智能等技术的发展正处于由量变到质变，从概念到应用的阶段，在新一轮技术革命、产业升级和经济转型的历史交会点上，抓住了就是机遇，错过了就是挑战。一个银行能否百年长青，核心在于理解和拥抱新技术，以创新推动转型发展。大数据作为银行业的，“用数据驱动转型发展”已经成为大家的共识。商业银行拥有大量的金融交易数据，具备成为数字化转型的先天优势。过去海量的结构化数据相互割裂、静止，沉睡在数据库中。随着新技术的快速进步，金融行业的数据应用开始流动融合，变得活跃而有生命力。大数据已经成为银行业创新的一把利器，具备大数据驾驭能力的金融机构可以实现基于数据驱动的管理决策、服务运营、风险管理及产品创新等的智能化转型与变革。同时，对于占国家金融命脉主体地位的商业银行，以至于整个金融体系而言，大数据可以解决部分黑色产业漏洞及安全威胁。蓬勃发展的同时也面临着更加严峻的安全考验。首先，传统黑客变种升级，钓鱼网站、木马僵尸、撞库攻击、安全漏洞等愈发肆虐，黑产技术的先进性、复杂性、隐蔽性和持续性都远远超出了传统网络安全技术的应对与防护能力范围，不断侵蚀金融生态安全,犹如溃堤的蚁穴,若无数个不受控制的单个风险点最终全面开花将会带来巨大的损失。其次，新技术、新架构的应用引入新的安全风险与威胁。再次，互联网环境下的信息泄漏和信息滥用等问题愈发严峻，银行业如何在开放合作中有效保护客户隐私与信息安全任重道远。所谓道魔互博，借助大数据技术可以解决创新阶段的黑产漏洞及安全威胁带来的制约。比如基于海量的计算和存储能力打破信息孤岛，持续丰富信息数据维度，完善治理数据质量的同时可实现威胁情报与信息共享。再比如，借助大数据技术并结合及人工智能，可以有效加强网络安全威胁的态势感知、预警与分析，提升金融网络安全防御的广度与深度，前瞻性地了解对手，提前感知并精准定位风险，并采取有效的风险应对措施为业务的稳健发展和银行的智能转型保驾护航。传统商业银行在大数据应用方面的挑战传统商业银行是最先使用信息技术也是信息技术使用最广泛的行业之一。银行对客户、账户信息的存储和使用都有健全的管理机制。但是与新兴的互联网企业相比，由于起点不同，银行的数据管理能力存在明显差距，银行业整体在大数据使用方面也面临挑战。首先，银行在内部数据收集方面遇到的挑战。银行在数据应用方面的挑战是全方位的，传统的IOE架构因为存储成本相对较高，大量的历史数据存储在磁带中，甚至档案馆中还有大量没有数字化的物理凭证或没有结构化的影像数据。即使将这些数据结构化，银行还要面临历史数据标准不统一，缺乏有效数据治理手段，数据质量参差不齐，数据应用无章可循等历史遗留问题。与此同时，传统的以账户为中心，以会计为导向的银行IT系统缺乏收集客户账户查询、咨询、投诉等行为信息的能力，无法体现高维度的数据价值。数字时代银行的IT系统必须是以客户为中心，以市场为导向，具备采集全渠道客户基本信息、交易信息、交易对手信息、客户与银行的接触轨迹信息等更多维度信息的能力。这就要求银行从客户信息治理、丰富客户模型开始，不断完善客户、账户信息的同时开始客户行为信息的收集。数据的价值将会随着维度的增加而显著提高。其次，银行在外部数据收集方面遇到的挑战。互联网平台公司拥有大量与客户频繁互动的场景，在收集客户行为信息，客户之间关联信息等方面具有天然优势。银行必须通过与互联网企业合作才能采集更多维度的信息，但是银行必须在保护客户隐私的合规前提下，及时有效地获取相关信息。其合规成本与合作的代价也是传统银行在开发相关数据应用时必须考虑的。再次，银行在大数据应用IT支撑方面遇到的挑战。大数据应用的软硬件支撑平台对传统银行的IT系统提出了新的要求。特别是在分布式存储和处理实时数据能力方面银行迫切需要专业的人才支持。非结构化数据的结构化，具备自学习能力的数据模型机制还要求银行具备将前沿的人工智能技术与大数据应用相结合的能力。此外，商业银行还需要在实践中培养可以支持开放式平台架构，分布式应用系统，Hadoop架构等的开发和运营维护人员。商业银行大数据金融的探索实践与思考在外部技术变革驱动和内部转型发展的共同推动下，中国银行业都在积极地践行国家“互联网+”战略，前瞻性地探索并积极推进新兴技术的应用，将科技创新与业务创新深度融合。国内多家银行目前已经在精准营销、、跨界合作、普惠金融、数据治理等方面取得了显著的应用成效，有效的提升了自身网络金融包括风险管理、大数据应用、人工智能应用、云计算、产品效率等核心能力。结合中国银行的实践经验而谈，对于银行业而言大数据金融的探索与实践，需要提升以下四个的方面的能力与效率。一是大数据洞察，建立客户全生命周期管理。过去银行对客户的了解主要依赖于开户基本信息和账户交易情况，对客户行为、偏好、动态知之甚少，无法满足不同客户千变万化的需求。并且，在中国的信用体系还不完备的情况下，很大一部分客户是“信用”，当前校园贷市场的乱象和正规金融机构的缺位也有直接的关联。针对这些问题，多家银行尝试利用大数据对客户进行全面画像，在洞察客户多元化需求的基础上提供个性化服务和差异化定价，同时精准识别潜在客户，激活睡眠客户的同时，提升客户满意度。以中国银行为例，一方面以“+互联网”的模式推动传统银行业务触网，另一方面以“互联网+”创新服务，基于大数据技术识别客户的贷款意愿、评估还款能力，推出了全流程在线的秒贷产品。同时，把目光放至客户的全生命周期信用管理，用大数据技术“提前锁定”潜力客户，动态更新信用评分，了解客户动向，测算包括校园贷、助学贷在内的金融产品的未来盈利能力。也正是基于整合分析了海量金融数据，精准描绘客户画像，预测客户的成长属性，秒速实现从申请、审批到放款的业务流程全在线，中国银行可以在大数据技术的帮助下，积极践行国家。而是金融支持实体经济的必然要求，也是银行业转型的重大机遇。普惠金融的核心理念是“金融普惠”，解决特别是信贷业务的痛点，需要解决效率、成本、体验、风控等四个方面的核心问题。大数据提供了解决之道。利用大数据能够在一定程度上提升风控能力，提高业务处理速度，降低。二是大数据风控，助力银行智能化转型。商业银行的经营管理和风险管理面临诸多前所未有的挑战，传统信贷投放中，客户经理一般用财务报表、人行征信、抵质押品等基本信息，依靠经验进行信用评估。传统的视图反映了客户当前静止的、切片式的状态，受限于能力和信息的不对称，就算“握着客户的手放款”也未必能真实了解客户的实际风险承受能力并做出预判，从而导致银行遭受风险损失。而基于大数据技术的风控平台打通了行内行外数据孤岛，若更加充分利用**平台公开信息以及互联网信息，结合人工智能建模技术在海量信息中进行价值挖掘，商业银行大数据应用将全面嵌入业务流程，提高风险精细化管理水平的同时也能有效地提升风险决策的实时性。比如利用知识图谱挖掘技术挖掘集团间、企业间、主要控制人间隐藏关联关系，并生成可视化关联关系图谱，及时发现异常避免不必要的风险损失。大数据应用使得金融机构以动态的、联系的、全面的、发展的视角描绘客户成为可能，传统风控的理念是根据历史预测未来，而现在的技术手段让我们在风控上不仅可以“以史为鉴”，更可以“继往开来”。三是大数据合作，跨界打造金融数据生态圈。互联网企业加入到以往只有传统金融机构的市场竞争中，对产品服务、盈利模式和客户体验进行了颠覆，传统行业都不同程度受到冲击，在经济新常态下传统企业更要抱团取暖，形成合力。而大数据的价值在于准确、及时地整合和应用行业内外的有效数据，把跨业、跨界多维度的数据集聚起来，发挥传统行业各自领域所长，打造数据生态圈。因此商业银行需要建立合作思维，以合作的心态与能为自身提升金融效率、降低风险的大数据机构进行跨界合作，实现共赢。四是强化安全管控，建立健全客户信息安全机制。大数据的发展是把双刃剑，大数据在不断发展的过程之中，买卖数据和信息泄露等威胁个人信息安全并侵犯个人合法权益的不法事件频出。日《中华人民共和国网络安全法》正式实施，加强了对个人信息的保护。中国银行业应严格遵循相关法律法规要求，持续强化基础设施的安全保障与防护体系，持续强化数据安全治理，持续强化数据流动与利用管理机制。中国银行业大数据应用展望为充分发挥大数据潜力以驱动网络金融业务发展，中国银行业需构建政产学研用为一体的开放、共享、互利、共赢的大数据产业生态体系。在数据共享方面，应加强顶层设计和统筹协调，推动资源整合和公共数据互联开放共享，借力“一带一路”战略契机推动全球范围内的全息数据共享。在数据安全方面，应不断完善法规制度和标准体系，切实保障数据安全。在数据质量方面，高质量的数据是大数据发挥效能的“生命线”，应采取系统性方法进行全生命流程的数据质量管理，从数据源头出发改善数据质量并提供持续迭代的资源投入。在人才队伍方面，应着力培育具备业务视角与技术敏锐度的跨界复合型人才，为建立大数据分析导向的智能化应用和全生命周期链路持续提供输入。在创新研究方面，应聚焦大数据创新前沿，加强前瞻性研究的同时利用柔性团队迭代开发快速孵化新应用。可以，未来将有越来越多的商业银行用数据驱动银行智能转型发展，打造有温度的，培育健康向上的金融生态，为实体经济服务，为普罗大众服务，做客户心上的银行。本文刊发于《清华金融评论》2017年8月刊本文系未央网作者清华金融评论发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选四6月1日，《网络安全法》正式实施第一天，顺丰、菜鸟隔空“掐架”，菜鸟称顺丰宣布停止给所有淘宝平台上的包裹回传物流信息。腾讯、京东相继发声，四方皆不约而同提到用户数据安全。21世纪经济报道记者采访了多位律师和《网络安全法》的参与制定者，均认为这场“战争”提供了一个经典案例，值得探讨的是企业如何收集用户数据，企业与企业之间数据如何共享，个人数据隐私如何保护等。在业内人士看来，顺丰、菜鸟的掐架，核心还是数据资源的争夺。大数据时代，数据的重要性不言而喻，以后类似这类数据资源争夺或者官司都会越来越多，而用户信息在数据战争中如何保护，还需要企业界以及司法界各方的探讨。以数据安全的名义6月2日，京东CEO刘强东加入口水战，顺丰菜鸟战事升级。刘强东在个人微博评论说：“现在公民发送的所有私人快递信息，不管是不是该平台的都被拿走！已经严重违法！公民的隐私信息谁来保护？呼吁有关部门调查！”数个感叹号，只为强调“用户私人信息安全”。在这场多方参与的掐架中，各方提到的都是为了“用户数据安全”。21世纪经济报道记者采访参与相关法律制定的专家、多位律师和企业从业者，梳理这场关于“为了用户数据隐私安全”的掐架。首先，菜鸟网络发布声明称顺丰停止给所有淘宝平台上的包裹回传物流信息。此事发生前，为保护消费者隐私、电话信息安全，菜鸟根据安全团队的建议正在对全网物流数据进行信息安全升级，顺丰及丰巢等出于各种原因并不配合。而顺丰回应称，菜鸟要求丰巢提供与其无关的客户隐私数据，此类信息隶属于客户，丰巢本着“客户第一”的原则，拒绝这一不合理要求。顺丰还表态，“希望所有快递行业同仁警惕菜鸟无底线染指快递公司核心数据行为。”菜鸟于6月2日下午发声称，从未要求顺丰提供非淘系数据，反而是在过去的合作中，顺丰大量查询和使用丰巢当中非顺丰的数据，远远超出了正常使用范围。顺丰与菜鸟经过近两个月的沟通谈判，双方无法就信息安全所需要的数据连接达成共识，遂中止了合同协议，是完全正常的商业行为。菜鸟公关部接受媒体采访时称，此前菜鸟和丰巢在数据安全合作问题上没有达成一致意见。为解决安全隐患，菜鸟向丰巢提出一系列技术解决方案，其中的建议之一是使用阿里云，但是丰巢并不同意。顺丰一直是与腾讯云合作。腾讯云也在6月1日晚间发微博称，全力保障数据安全，更保障客户业务安全。腾讯云助力顺丰布局云端，无论多么重视顺丰的数据与业务安全都不为过。6月2日在刘强东微博呛声菜鸟后，京东方面称，全面介入顺丰旗下丰巢自提柜。京东还特别提到了数据加密：“丰巢已与京东实现了信息的打通，而且双方均采用了严格的数据加密手段对信息进行了高强度的保护。”各方声明的重点是——菜鸟要求顺丰提供数据，顺丰不配合，双方都是为了用户安全。中闻律师事务所吴飞表示，从这个事件可以看出，大数据现已成为大企业争夺的核心资产，巨头间的大数据资产角力才刚刚开始，这是大趋势，未来还将加强。另一位对个人信息保护有深入研究的法律专家表示，这场掐架显示当下进入了数据资源争夺的时代，有了数据就能掌控其他的资源，企业争的是大数据时代的主动权的问题。对于这场掐架，他表示，一种解读是双方都有动力保护用户个人信息，在具体保护方法上思路不同，发生冲突；另一种解释是，在这次碰撞中，双方争数据的控制权，一旦有一方强势或者控制欲强，引起了另一方的反弹，而双方高举的都是保护用户数据安全的大旗。数据资源争夺战中的用户权益这场掐架中涉及到的法律问题，包括数据收集、数据共享和个人信息保护等方面的探讨。在上述专家看来，现在并不是没有法律，有很多条文，但针对具体问题需要再设一些条文，具体事情都有技术问题，比如这个数据接口的问题，如何来界定。在数据收集方面，《网络安全法》提出，网络运营者不得收集与其提供的服务无关的个人信息，不得违反法律、行政法规的规定和双方的约定收集、使用个人信息，并应当依照法律、行政法规的规定和与用户的约定，处理其保存的个人信息。上述专家举例说，比如有阅读软件需要收集用户地址、运动信息，是明显不符合规定的，菜鸟在收集信息中，是否跟其业务挂钩未知，从目前双方公关声明来看，并不能判断。在数据共享方面，《网络安全法》还提到，未经被收集者同意，不得向他人提供个人信息。但是，经过处理无法识别特定个人且不能复原的除外。21世纪经济报道记者梳理发现，顺丰官网《隐私协议》与第三方共享只有三种情况，其中包括顺丰还会与顺丰的关联公司、承包商共享该等个人信息；其他因提供顺丰产品或服务或因法律规定，而必须向第三方共享个人信息的情况下，顺丰可能与该第三方共享信息。菜鸟也在官网公布了《隐私权政策》，提到了信息共享给第三方的前提和方式。不管是菜鸟还是顺丰，抑或其他快递公司，用户注册成功，即意味着必须遵守上述隐私协议，也就是同意了相关政策规定。长期从事互联网研究的张笑容梳理了国内多家快递公司的隐私协议发现，多家快递公司均未在用户协议中提及与第三方的数据共享问题。他提出，目前除了顺丰、中通等少数几家法律意识较强，其他许多快递公司法律意识薄弱；尽管菜鸟在相关用户协议中提到了共享，但是否意味着用户已经放弃了是否授权的选择？吴飞认为，大数据发展、运用和产业化需要特别加强对个人信息的保护，但是目前这一块确实做得很不够。企业没有动力去做、个人没有能力去规避，**政策还比较原则不具有操作性。大数据，特别是含有个人信息大数据在市场主体间流动、转移、甚至买卖是很多的，非法的情况也很多。国家在加强治理，但离成功治理还有很大的差距。近日期间，公安部也透露正在制订网络安全保护条例，拟将大数据、云平台、物联网、工控系统纳入，并进一步完善等级保护措施，重点加强对国家关键基础设施和大数据的安全保护。北京朝阳区一家数据公司负责人告诉21世纪经济报道记者，他正在密切关注新的规定出台，《网络安全法》实施后，他跟客户签相关数据服务协议都已经用了新的版本。《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选五原标题：风控领域出，“同盾科技”完成7280 今日，国内及数据分析应用公司“同盾科技”正式对外宣布，已完成7280万美元的C轮，由信达汉石资本、天图资本、新加坡淡马锡三家机构共同领投，尚珹资本等老股东跟投。 “同盾科技”于2013年10月在杭州成立，2013年11月成功签约第一家客户。并于同年11月获得IDG资本、华创资本的1千万元A轮，2014年8月获得宽带资本、IDG资本的1千万美元的A+轮投资，2015年5月，获得由启明资本领投的3000万美金B轮融资，2016年4月，完成3200万美元B+轮融资，由尚珹资本领投，启明创投、宽带资本、华创资本、IDG资本、线性资本等前几轮均参与本轮融资。 总体来讲，同盾科技就是帮助客户解决风险识别和风险发现的问题，解决的问题有两方面，第一是欺诈类的风险，第二是信用类的风险。目前，同盾的产品体系覆盖反欺诈、信贷风险管理、管理、客户价值挖掘、、移动安全等六大模块超过三十小分支。 据官方披露数据，公司已经为中国超过 7000家的机构提供决策分析产品及服务，其中在反欺诈领域同盾正监测超过 100万个网络欺诈团伙并可以实时提醒各个机构。此外，自2015年，同盾科技在风险管理、理赔反欺诈、差异化定价等领域赢得了超过20家的订单。而团队方面，公司已在杭州、北京、上海、深圳、广州、成都、西安、重庆等多地设立分支机构，员工超过 600人，其中数据分析师超100人，产品及研发工程师超350人。 CEO蒋韬介绍，过去四年里同盾一直在打基础，公司已经实现盈亏平衡。本轮融资后，同盾会发力在：提升综合服务，加快全球化合作，产品创新、底层计算能力建设及提升员工福利等多个方面。 以下是“同盾科技”针对36氪问题的官方版回答：
同盾所在的反欺诈市场，具体有多大，有没有实践数据？ 同盾科技：从目前我们监测的欺诈事件来看，互联网欺诈越来越趋于团伙化、专业化，涉及的金在增长，据艾瑞咨询报告称，预计到2020年，中国市场规模将超过12万亿。反欺诈和风控市场也是超千亿的核心市场。
反欺诈的核心就是识别用户，同盾具体是怎么实现的呢？技术原理是啥？ 同盾科技：关键在于识别特定场景中用户风险的高低。我们会根据不同场景的风险特性，设置与之匹配的风控模型和规则策略，从用户的身份属性、行为模式、线上操作环境属性信息等维度的信息，通过模型分析异常用户与正常用户的不同，或当次操作与历史记录的不同，来识别出存在风险的用户。
既然需要针对不同场景，匹配不同模型。那么，不同业务之间，可标准化程度怎样？对于没有接触过的新业务的，同盾做下来的周期在多久？ 同盾科技：同盾目前对于客户的行业和产品沉淀了一整套解决方案，客户接入初期会有默认的行业模板。随着客户业务的发展，各家客户的模型会根据模型表现做定制调优。如果是没接触过的新业务，同盾的风控专家与客户的风控人员会进行深入的探讨和调研，一般可以三到五个工作日内形成一套风控策略，当然策略会随着业务数据的不断丰富而不断完善。
同盾的数据源有哪些？我了解到的有三方面：公开爬取，客户沉淀，以及第三方购买？ 同盾科技：作为一家SAAS风控软件及分析服务公司，在与合作方签订的合同中，同盾要求合作方在同盾云平台上做风险分析的时候必须取得终端用户授权，在此条件下同盾才会帮助合作方做风险分析。同盾的数据源主要是合作方上传的行为待分析数据、及在公开网络上爬取的信息。
国家推出《网络安全法》后，对同盾有没有什么影响？相应的合规策略是？ 同盾科技：同盾作为智能风控分析服务领域的一员，其合法合规始终贯穿于全业务流程，早在网络安全法与两高解释颁布之前同盾就已经对有关保护个人信息的相关法律规定进行了深入研究，并制定、执行相应具体措施已确保同盾业务完全合法。 第一，数据获取合规。同盾是一家云分析服务公司，客户向同盾提交的涉及用户个人信息的分析服务需求、数据收集、使用等均经最终用户授权（未经授权的同盾一律拒绝等），后经同盾在云端分析后向客户反馈分析结果，主要是返回一个概率的分值，及一些通过脱敏的标签。第二，数据管理合规。同盾具有完善的反欺诈数据安全管理机制，已通过ISO27001信息安全认证，且同盾反欺诈风险决策系统已通过安全等级保护三级认证。
业内其他玩家的实现逻辑，有的用，有的用生物特征，哪种好？ 同盾科技：谈不上哪种更好，只能说在特定场景中哪种更适合。比如在线下信贷场景中，可以结合黑名单和人工面审。在线上场景中，可以用技术进行身份验证和反欺诈。
听业内人士透露，同盾的黑名单被污染很严重？比如A产品把正常客户标黑，然后会给到同盾，为了不让B产品给用户授信、放贷之类，这样用户就只能留在A平台上。 同盾科技：这个说法不是事实，我们必须辟谣，严重时候会追究造谣者的法律责任。同盾具备严格的风险名单入库检测流程，会对客户反馈的风险名单进行多维度的交叉校验、抽样检测及模型分析，确保入库名单非正常用户。其次，同盾接受的反馈名单一般发生在做反欺诈模型调优时，通过客户反馈的样本进行模型优化，若客户反馈的名单有问题，最终也会影响客户自身模型的效果，此外同盾服务的都是企业客户，如果发现有恶意行为，对企业客户的声誉也会产生影响。
同赛道上可以分几个梯队，同盾处在什么位置？ 同盾科技：分几个梯队这个我们觉得由第三方机构来评判更合适，而同盾科技早在成立之初就首先提出跨行业联防联控理念，从各项市场数据都能显示我们是位于行业领头位置，目前我们服务超过7000家客户，其行业客户超3000家，获得了较好的市场口碑。同时我们也在不断夯实技术基础和专业能力，提高客户满意度。
那么，比较同类公司，关键点看销售和技术？ 同盾科技：我们认为公司的核心竞争力有两点：第一，我们足够专注，最重要的价值就是服务客户，我们看到很多以前同行的伙伴都转型做了其他比如金融相关的业务。但同盾将一直专注于反欺诈和风控，耐住寂寞，将产品、技术和服务做精做专，从而积累搭建起技术壁垒和产品优势。第二，同盾一直非常重视人才储备，因为我们相信专业的人对于产品的设计、场景的理解、技术的掌握才能为客户创造价值。同盾的团队中，超过70%的成员是数据、技术、风控、反欺诈、人工智能等领域的资深专家。同时，行业中的精英领袖也不断加入公司，今年前万事达卡资深副总裁邱维芸女士加盟同盾成为首席产品官，前网络渠道部总经理李伟东加入同盾担任银行事业部副总裁，银联数据咨询部前副总经理黄晓如加入同盾成为副总裁。未来，同盾会持续引入更多国际顶尖的专业人才，成为一家立足中国、影响世界的智能数据分析公司。
现阶段，怎么获客？ 同盾科技：主要通过直销模式获客。
收费上，行业常规是按照接口调用次数和项目制，同盾怎么做的？有没有按照效果？ 同盾科技：目前主要是按照客户对接口的调用量进行收费，也会收取一些专业服务的费用。
实践中，银行客户一般怎么给同盾定价的？风控这块占客户技术总支出比重多少？ 同盾科技：这块看所使用的产品、模块、以及量而定。
什么是银行客户的刚需？ 同盾科技：银行业都在拥抱变革，在消费升级的背景下，一方面在加强零售业务，尤其是大力发展消费金融，获客渠道和风控技术手段都在发生变化，线上渠道的比例在提高，风控需要依靠大数据、人工智能等技术实现智能化、实时化等；另一方面，的网申比例也在逐渐提高，但面临着很大的欺诈风险和信用风险。所以，我们认为银行客户一方面在传统验证三要素的基础上，还需要更多的数据维度补充，尤其来自互联网端的、传统征信体系没有覆盖的、特定细分场景中的数据。另一方面，也需要有能够深入理解银行业务需求，同时具备专业的数据分析与建模经验的风控专家。
客户评价同盾的关键指标是？要看误杀率吗？ 同盾科技：我们主要关注两方面：一个是风控服务的效果，这一点根据各家客户的风险偏好不同，可能体现在不同的指标上，比如模型的ks值、自动审批通过率、模型的精准率、召回率等。另一方面，我们非常关注客户满意度，这个指标体现了客户对我们的售后服务水平、专业能力、系统稳定性、风控服务效果等多维度的整体感受。
列举1-2个目前服务的案例？ 同盾科技： 【股份制银行合作案例】 在某家股份制银行不同业务流程中，同盾科技匹配了相应的合作内容。一是用户进入银行阶段。用户通过银行出于获客需要自建的App，或者是其他获客应用的合作渠道，被引流到这家银行，在此阶段后期，同盾科技通过数据分析将用户分层，开展精准的。二是用户在银行发生业务阶段。用户进入银行之后会发生一些业务。如，用户申请一张，做消费分期，申请一笔车（房）贷款。与此同步，同盾科技帮助银行对申请用户定制欺诈分、信用分，最终做出信用评分，包括授信策略、。当然，银行有自己的风控系统，也会与其他三方分析机构开展合作，此外，同盾科技配合银行开展风控业务的同时，后者也会去调取中国人民银行的征信报告，综合建立符合自身业务特点的风控模型。三是贷后监控阶段。同盾科技出具催收模型，开展流失预警。 从合作成效来看，基于阶段性配置的解决方案的实施，有效地帮助这家银行控制了信贷违约风险。 【合作案例】 一段时间以来，校园分期消费吸引了专业诈骗团伙的注意。此前，一起分期诈骗案就是诈骗团伙仅花费300元，购买学生的虚假资料，实施了行骗。此外，诈骗团伙经常在线上套取用户账户密码，通过分期购业务网购手机“套现”。2014年8月，同盾科技与某大型互联网开展了监控、、借款、注册和审核事件等诸多场景的合作。同盾科技向该互联网消费金融平台提交的信贷风险解决方案，有效保障平台在对抗身份冒用、虚假申请、盗卡支付、等风险。
同盾目前服务的客户，目前看更多是To C的，未来有没有考虑做To B的？针对中小企业做风控，因为金融机构也缺这部分数据。 同盾科技：同盾科技的业务基本都是面向企业客户的，主要客户有非、银行、保险、三方支付、航旅、电商、等多个行业，帮助这些企业评估个人的风险，提升效率的同时有效降低风险。同时，同盾在2016年入股了一家做企业征信的公司。 《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选六原标题：吴旭：构建打通业务的大数据平台日-3日，由、深圳市人民**主办的第十三届中国(深圳)大会在深圳召开。本届大会以“开放融合 提升服务 共赢未来——新时代期货及衍生品行业的转型与发展”为主题。12月2日下午，由承办的“科技发展与信息安全”分召开。阿里事业部首席数据架构师吴旭以《构建期货行业打通业务的大数据平台》为主题发表演讲。以下为文字实录：主持人：汤姆林登先生为我们展示了AI技术在信息安全领域的实际运用，开拓了我们的视野。感谢汤姆林登先生的精彩发言。下面请允许我介绍阿里云金融事业部首席数据架构师吴旭先生。吴旭先生深入了解阿里大数据体系、人工智能产品体系及开源大数据，对于大数据领域的发展趋势及在金融行业的规划建设有着深刻的理解与丰富的经验。有请他为我们作“构建期货行业打通业务的大数据平台”的主题演讲。吴旭：各位领导，专家，大家好！非常荣幸今天有这样的机会来跟大家分享阿里巴巴和大数据体系的构建，以及我们非常希望通过这样的机会，能够通过阿里巴巴的大数据建设，能够对我们后面证券期货行业构建自己的大数据平台有些借鉴和帮助。阿里巴巴，我们的马老师在很多不同的场合都把阿里巴巴定位为数据公司，而不仅仅是一个电商公司，定位在数据公司的目的不是号称阿里巴巴拥有多大量的数据，其实是想强调阿里巴巴是一个靠数据来驱动业务，通过数据来挖掘业务价值，来最终提升业务能力的公司。所以这也是作为阿里巴巴整个的核心竞争力。其实通过这样的定位以及在之前我也思考怎么定义今天的演讲题目，因为时间有限，半个多小时的时间，更多的用非常通俗的词“打通业务”，题目的选择也是强调大数据的建设不是单纯从技术角度去建设，一定是一个从技术和业务相结合，最终是要发挥出业务价值、数据价值这样的定位。所以说以这样的定位，我们的介绍围绕三方面，可能更多介绍技术细节，介绍技术细节不是强调技术，而是强调技术背后的思想，这个思想能帮助我们挖掘更多的数据和技术的价值。一是围绕数据赋能期货行业，更多是从技术的角度探索。二是方法体系，阿里巴巴如何构建大数据体系，并不是阿里巴巴构建大数据技术和如何使用大数据技术，体系和技术之间有区别，光有技术不足以帮助你实现业务价值的提升，有了技术，我们还要有正确的方法，利用这个正确的方法才能有助于发挥出最终的技术价值。有了技术和方法，我们是要选择合适的场景去应用。三是介绍以客户为中心的数据应用的场景。咱们的客户包括自然人、公司客户、对公客户等等。最终的场景其实又会返回到技术。今天我们看到三者的逻辑关系有内在的逻辑关系，场景最终如何反馈到技术？大数据有一个理念场景化，根据不同的场景来选择最适合的技术，帮助我们解决业务问题。所以说从技术、方法体系、场景这三者之间是一个闭环。我们以这样的思路来开始今天的介绍。这张图是阿里巴巴构建大数据体系从技术能力的角度的能力框图或者技术图谱，这张图展开来讲也是按分层、分块的思路构建，最下面大数据的物理设施，不管是公共云还是专有云，现在阿里对外所赋能，这两种模式都支持，支持帮助客户在自己IDC中心构建大数据平台。物理设施之上是从整个大数据体系当中比较基础或者核心的部分，计算引擎，计算引擎我们会看到分了几部分，这也体现了刚才说的场景化，大数据的业务应用有场景化，从数据处理的角度来讲依然具有场景化。这几个场景，我们梳理了大数据领域当中经常用到或者最集中的几大场景，分别是大数据的批量计算、离线计算，后面还会展开。也就是传统做一些数据平台，可能80%、90%的业务负载都是集中在批量、离线的场景。第二个场景是实时交互分析场景，我们有了后台更多的跑批，我们需要更多的业务人员能直接利用数据，直接跟数据打交道，让他们直接使用数据。这个能力需要有很强的交互能力维持，当用户有请求，不可能等十几分钟或者更长的时间反馈结果，要秒级或者毫秒级的反馈。三是云计算，事件驱动的云计算模型。不管是金融营销、风控都会结合云计算的能力。四是表格存储，类似很多SQL。五是对象存储，我们的批量处理、实时交互等更多围绕结构化数据展开。在金融行业里面积累的日志文件、图片文件、音视频文件，里面孕育很大的业务价值，如何利用这些数据，也是大数据构建当中必须考虑的环节。不同数据处理场景，在阿里内部来讲，技术人员使用门槛不高，数据分析人员更多的有SQL的能力，这些工具要求数据分析人员掌握SQL就可以平滑的使用。这强调了一点，我们并不是为了追求新的技术，追求最时髦的技术而展开，我们是为了最终发挥出业务价值。这个是从数据处理引擎，再往上就会包含数据开发的能力，调度的能力，源数据管理的能力。作为大数据平台，如何知道一个数据的地图、一个地图的脉络，上游的血缘、下游的影响，要作为整体，从数据管理的角度来讲是要作为整体，变成可追溯和可跟踪。再就是数据集成服务，不同的数据源、易构的数据源是作为一个整体来协同向用户提供业务能力的输出（音）。这里面包括很多，比如面向物联网采集数据，传感器采集数据，这些数据如果整合到大数据平台，这是数据集成的能力。再往上业务支撑层，位于底层平台和上面的业务应用中间层，这层面向有共性业务需求，我们可以把这部分能力沉淀下来。这里面在阿里内部来讲有这么几个能力，数据服务能力、边缘分析能力、智能算法能力、可视化服务能力，我今天不会一一介绍，只是选取几部分介绍。大数据能力体系我们可以概括四个字“算、管、聚、用”。大数据的计算、管理、聚合、应用，这样构成了整个大数据体系。但这里面缺少不了整个平台的运维，因为我们知道作为一个平台来讲，平台在线扩容、平台的监控、预警等等能力都必不可少，这是平台平滑运营很重要的一环。这是整个阿里巴巴数据内部的大数据平台，这些能力，我们现在都是可以通过公共云以及专有云的方式向客户进行赋能。我们着重强调几个点，批量计算能力强调两点：一是多租户能力，传统数据平台可能由于一个任务，SQL写的有问题，导致整个资源的耗尽。现在大数据平台要具有多租户的能力，能控制每个租户下能使用硬件资源的上限，比如我可以控制它最多使用多少核CPU、最大使用多大的内存，这个租户下如果发生一些查询SQL写的质量有问题，不会影响整个平台其他租户的查询。二是跟安全相关，我们给一家商业银行构建大数据平台的同时，帮助他去做了整个银行内部的，这个更多的是从安全层面，帮助他去构建数据平台内部数据的安全等级，同时帮助它规划用户的安全等级，这样我们就能够把它什么样等级的数据，对应什么样的人员能够访问，这个体系能够建立起来。这对于整个数据安全来讲，是非常重要的。我能够识别出我的数据安全等级，同时对应我数据的使用人员，对于什么人看什么数据完全做到可控。刚才我们提到非结构化数据处理，现在我们有大量的日志的文件，音视频的文件，这些数据我们怎么发挥出它的价值？在阿里巴巴其实也是能够把我们的对象存储和大数据处理平台相结合，这里面做了一个技术性的事例，这是日志文件典型的非结构化数据，如何通过大数据平台建立一张外部表关联数据文件，传统的做法，要分析的时候可能还会读出来，放到另外的位置再解析。现在保留在原来存储的位置，通过大数据平台外部表技术的能力，在数据不移动的前提下解析它、分析它。像分析本地表一样简单，这是对于非结构化数据处理，需要我们在这方面建设。对于日志文件、音视频文件、图片文件都有对应的接口来满足不同场景的需求。实时交互，刚才说针对批量，实时交互满足用户提交请求，不管做多少表格关联、多大业务关联、多大数据量，都可以达到秒级和毫秒级访问，这是阿里巴巴内部应用中，在事实交互计算来讲对应的场景。应用很多类似全表索引等等技术，如果把这些技术应用到极致，在用户查询的时候，在阿里巴巴面向数据运营人员和商家都会有数据实时交互的场景。怎么满足这种业务运营人员的身价在查数据的时候，并不是说体验很差，能够满足他们的体验，满足业务的时效性。这是实时交互计算能提升的数据价值和业务价值。流计算，这是今年双十一最终的交易图，从10号零点到11号24点，这个大屏的数据每时每刻都在变化，那也就是大屏背后的数据体系是流计算支撑的体系，我们展现出来的是大屏效果，但是背后有一套流计算体系，实时抓取数据、实时展现，这是流计算全链路的体现。流计算并不是一个点，而是一个链条。如何面向不同的数据源做到实时采集、实时计算、实时展现，这个能力的建设是一个完整的能力体现。另外我们提到涉及到这么多数据源，而且不仅仅是数据源，在企业内部、金融企业内部会涉及多种多样的数据源，如何把整个体系作为整体集成起来？这是阿里巴巴从技术研发的角度去做了很多工作。在阿里云内部来讲，各个数据源都是有对接的接口，作为一个统一的体系把这些异构的数据源作为整体整合起来。说完了数据计算，我们再谈数据分析，数据分析分几个层面：比较基础的BI分析，数据建模分析、可视化分析。BI分析举一个简单的例子，我们在给商业银行服务的大数据平台，在建平台的同时帮助他做了一个内部的自助查询项目，解决了整个行业内业务部门70%的报表查询的数据。传统的做法是业务部门有报表需求交给科技部门，科技部门再进行排期再进行研发，业务部门拿到数据的时候，这个数据从业务上已经不关心了，因为有周期。业务部门70%报表需求完全通过项目体系，自助的做，完全通过拖拉拽和可视化报表完成，剩下30%是复杂的情况，由科技部门帮助他实现。70%的工作量的节省，对于业务部门的价值时效性和对于科技部门的人力的成本、工作量的减少都是非常明显的提升。这是BI分析角度来讲我们看到的。对于大数据平台，我们如何满足业务人员直接上平台里面查数、取数、分析数据，这是我们去发挥出整个大数据平台的价值的第一步。BI更多是报表分析、图表分析，后面有很多建模的场景，包括今天多次提到AI、数据建模、机器学习、等，这面对特定的数据分析。数据分析人员需要有一套体系帮助他构建模型，帮助他去实现这种算法调优、算法构建等等一系列的过程。在阿里巴巴内部，现在整个集团差不多有将近4000名以上，不到五千名数据模型分析螈，这些分析人员会有统一的工作平台，通过这个平台完成整个数据的预处理，特征工程、模型的构建、模型的调优，整个到最终的在线发布，一整套系列都是在统一的平台上做。这样能有效的发挥，像我们耳熟能详的信用，背后涉及到上百个模型的计算，这些模型都是通过这个统一的工作平台来实现的。数据大屏大家看起来很直观，通过很多的可视化、可互动的方式，把我们的数据展现成动态的模式，让数据活起来、让数据动起来，好处是我们能看到从传统报表上看不到的数据的含义。这方面来讲，其实我们刚才举的双十一大屏是非常典型的例子。在阿里巴巴内部专门有一个整个决策大屏，上面展现BU业务运营情况。这对于整个的业务决策、实时的分析，包括系统的运维，这些场景其实对于大屏来讲都是非常适合的应用场景。这个场景其实里面帮助客户已经构建了很多展现的主题，包括帮助你连接数据源，需要我们考虑的是怎么设计整个绑定，怎么设计指标帮助我通过可视化的手段把业务价值展现出来。以上是从技术的视角，从整体的角度介绍阿里巴巴内部去构建大数据体系里面包含的各个技术的组件。光有这些技术组件，它是很重要的一部分，但不是大数据整个体系的全部。像我们盖房子一样，光有很好的建筑材料，但是不代表就一定能建立很好的房子。我还需要很好的设计。当然设计里面需要很多基于科学的方法去构建，基于力学、建筑学等等方法构建。数据工程一样是这样，我们构建一个大数据平台，光有这些技术组件是必须，但不是完全的。还需要非常合理、非常科学的方法帮助我们去实现这个技术组建。在这条路上阿里巴巴通过不断的积累或者不断的踩坑，总结出来面向大数据如何合理的去构建一个大数据平台体系，这个平台体系能发挥出我们的业务价值。阿里巴巴内部，阿里巴巴的业务板块，大家比较典型的是电商板块，淘宝、天猫，还有金融板块还有菜鸟物流等等板块，大家都知道，其实还不只是这些，还有很多板块。这些板块在集团内部，从数据平台讲是构建统一的数据平台去支持这些不同的业务板块。并不是每个业务板块构建自己的数据平台。阿里把这个数据平台叫数据中台，数据中台解决了整个集团内部数据的存、通、用，存是从武力和逻辑数据的集中存储，通是把各个业务板块的数据打通，打通之后才能发挥出更多的数据价值，比如客户的画像整合是打通的，站在整体的角度看待这个客户。用是最终的服务于不同的业务板块，所以这是整个去构建数据中台内部包含的一整套的方法体系。总结，这套方法体系包含三部分：one-date，整个数据平台内部跨业务板块，数据汇总角度要打通，形成面向业务分析的模型构建，传统的类似于像数仓，构建数据基础层的时候，更多利用三藩市建模的方式，它并不足以支撑业务用户直接使用、直接查询。它解决如何面向业务分析，企业内部同一个分析指标有唯一的一套算法，并不是说解决数据的质量和数据不一致的问题，one-date面对分析层构建整个分析的指标和标签。one ID，围绕后面讲的以客户为中心，我们知道对于客户，它在网上的行为会有很多的标记，比如说手机号、邮箱、淘宝账户、支付宝帐号，对于每个BU来讲，他知道的只是这个客户的片面的属性，同时它可能会做营销的时候，它并不是针对一个人做营销，而是针对一个手机号做营销，针对邮箱做营销，但是背后不能识别出来这些代表的是同一个人。one ID解决的就是打通的问题。面向不同的用户的标识能给它打通，最终是我能识别出一个具体的自然人、具体的一个公司，这个能力的提升是对于整个从业务的角度来讲，对于营销、风控都是非常关键的能力，是一个关键的核心能力。我相信从金融行业来讲，更多的以后会开展面向互联网的业务，这种业务同样可能遇到这样的问题。我并不是针对手机号发广告，一定是知道这是谁，他有什么样的行为，在互联网上有什么行为，针对这个人去给他做广告。oneService是统一数据服务的能力，大量数据提供服务一定是可管理、有序的，它作为统一的数据服务引擎，数据服务的配置，这样作为三个one构成整个大数据平台的方法体系。我更多是说整体的层面，要更细化，包含很多的内容，会细化到构建数据平台，一个表怎么命名、一个字段、一个指标怎么命名，这里面都是有严格的规范。按照统一的规范构建数据平台，才能保持可持续。这是从方法体系上的介绍。One ID，阿里巴巴内部首先识别这个人，通过不同的标签识别这个人，识别出来之后，后续再给他提供服务、提供营销，进行风控的时候，我会有各个不同的数据处理的场景，就是围绕场景。最典型的就是客户画像，识别出一个自然人，这个自然人上在所有的领域，不同的业务板块上发生过的行为，留下这些标签的记录，我给它汇总起来，形成完整的客户标签。这个其实对于整个金融行业来讲，我们现在都在提客户画像，这和传统的构建360度视图差别在哪儿？我们把各个渠道的数据整合起来，那时候更多是数据的展现。客户画像的目的是要给客户打标签，这个标签是计算的结果，这个标签也是我们获取数据内外部数据整合利用的结果，通过这些标签可以做很多工作，做客户筛选和分群和营销，其实是更有针对性。所以客户画像是我们后面面向很多客户应用场景围绕他的服务，围绕风控、营销这些场景的基础。客群放大，企业内部核心客户有哪些，或者价值贡献度最大的有哪些，通过这些客群的梳理，我总结出这个群体有没有共性的特征，基于这些共性特征做人群的放大，这样对于整个业务的拓展，营销的拓展就会有很大的指导意义。我在做营销的时候，并不是广撒网，而是有针对性的撒网。面向一个有目标的人群撒网，这个目标如何确定？它利用了很多AI的技术，通过数据分析的模型去梳理出来、计算出来，这是从客群放大的应用能力。在内部有很多的典型的场景。第三个是产品推荐，定位好目标客户，我们给他推荐哪些产品？我相信在金融行业里面也会同样遇到，比如说我们类似于同质化产品非常高的情况，这类产品，我们如何再去面对不同客户推荐产品？而且这种推荐是基于已经有的历史数据和实时数据的结合，这两者的结合是给客户推荐产品的时候，我会基于他大量的历史记录、交易记录进行计算，同时我会基于这个客户在当时时间段发生的动作，他的触发，比如APP上点击什么、浏览什么、收藏什么，在网站看了什么产品，基于他实时发生的行为，我去触发给他推什么产品。我相信大家在淘宝上都有这样的感受，我买什么东西，还会给我推送什么产品。背后有很多处理策略，比如冷启动策略、关联策略，还有基于客户行为历史、交易历史的策略，它背后有不同的算法。这些技术、算法结合，其实保障了我最终向客户推荐一定是从计算的角度来讲是他最需要的、最有针对性的，这是产品推荐。最后是智能客服，我们知道智能客服通道人工智能里面的语音分析，语音转文本，文本转语音，还包括很多自然语言解析等等技术，这块应该说在AI领域能看到已经是实际落地的业务的场景。像我们去打开支付宝联系客服的时候，将近90%都是机械座席回答问题，只有极度敏感还有投诉等特殊情况才会转人工客坐席。客服领域利用人工技术领域提升客户体验，来降低整个呼叫中心运营的成本，包括我们在这里面还可以做很多事情，比如情感分析，分析这个客户的语言里面有哪些情感因素，有没有潜在的销售线索，其实都是可以通过语言解析和背后的整套算法来帮助我们分析的。这是我今天向大家汇报的主要内容。因为时间非常有限，我更多从整体的角度，从宏观的角度来向大家介绍的。谢谢！返回搜狐，查看更多责任编辑：《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选七《关于促进大数据发展的行动纲要》（简称“《纲要》”）有着“大数据国家战略”之称，其下发点燃了上市公司掘金大数据产业的热情。据上证报记者最新统计，至今已有近百家上市公司公告涉足该业务，或借力BAT挖掘数据价值与再造，或在定增项目中将大数据作为核心业务。究竟什么样的数据才是有价值的数据？嫁接BAT、兼并收购是否是大数据变现的有效手段？去伪存真，哪些领域的大数据应用有望率先爆发？记者从多方调研专业人士，以寻求上市公司掘金大数据背后的价值所在。掘金大数据各亮奇招定增募资投入、并购相关资产、设立……上市公司各施其能，欲尽享大数据的盛宴在浪潮软件、皖新传媒、软控股份、旋极信息等的定增预案中，均涉及大数据项目的投资。其中，浪潮软件拟定增募资不超过10亿元，用于浪潮大数据应用支撑平台等四个项目；皖新传媒拟募资不超过20亿元，其中17.5亿元用于智能学习全媒体平台，利用大数据构建学生个人知识图谱，对学生知识点的掌握情况进行数据跟踪、深度分析和关联，并建立评测中心，同时与沪江的在线教育平台深度融合，对学生进行个性化知识图谱数据分析，形成智能学习解决方案；软控股份拟募资不超过12.7亿元，投向轮胎装备智能制造基地等项目，其中运用互联网技术和大数据技术，建立行业智能化数据中心，实现客户对轮胎装备远程运维等智能服务的需求；旋极信息则拟募资不超20.45亿，其中15.95亿元用于基于全球时空剖分的大数据高速处理技术与服务平台等项目。针对大数据项目的收购更是不断。常山股份通过全资子公司北明软件拟以逾4亿元收购四家软件公司100%股权，其中的索科维尔（北京）软件系统有限公司主要业务是大数据分析，为企业大型工程设备的维修维护提供决策支持、优化、预测和设备预维护系统等；东方国信更是在大数据领域连番投资布局，继2015年8月宣布3.12亿并购运用移动互联网、大数据技术为行业客户提供精准化互联网新媒体营销渠道建设、运营、创新的互联网科技公司炎黄新星后，又于12月宣布以自有资金1亿元在江苏设立全资子公司，主要从事城市及垂直行业的数据采集、运营、服务、系统及解决方案等业务。值得一提的是，巨额收购背后往往有着高额的净利增长承诺。以北部湾旅为例，其于2016年1月披露重组预案，拟定增募资作价16.5亿元收购博康智能100%股权，后者是一家在智慧安全、智慧交通两大细分领域长期耕耘，利用自主研发的“图像解析及内容检索关键技术”和“数据管理及挖掘应用关键技术”两大核心技术，开展安全管理与交通管理业务的大数据行业应用公司，其承诺年数将分别为11155.24万元、14932.24万元和18390.23万元。再如康耐特，其欲以逾23亿收购旗计智能100%股权，后者是一家创新服务提供商，利用自身大数据分析技术优势，通过承接业务外包或委的方式获得与银行合作的商业机会，交易各方承诺其2015年度、2016年度、2017年度、2018年度实现的净利润分别不低于8000万元、16000万元、24500万元、34500万元。成立产业、联手高校产学研结合或成立相关研究院的掘金大数据模式，也特别为上市公司所青睐。如，四川长虹与申万宏源旗下全资直投子公司发起组建申万宏源长虹，致力于基于四川长虹产业战略发展需求而进行的，包括但不仅限于云计算、大数据、移动互联网、智能终端及其他长虹战略相关产业领域，100亿元，首期认缴资本额10亿元，其中四川长虹拟以现金出资1.5亿元。又如，德联集团出资9500万元发起设立汽车电子与大数据；沙钢股份投资4000万发起，投资互联网数据中心产业，并根据项目投资进展设立，预计募集资金将不低于200亿元；超图软件设立1.5亿并购基金，公司作为有限合伙人以公司自有资金认缴1250万元，重点投资与GIS相关的上下游核心技术创新性公司、地理信息大数据类公司等；博彦科技美国子公司投资参与WISEMONT，后者主要软件和服务及相关产业，包括大数据、数据分析、信息安全、云计算、人工智能、IOT平台软件等领域。在共同成立研究院方面，深大通与中国人民大学新闻学院共建中国人民大学明德大通新媒体研究院，大数据与营销传播成为研究方向之一；仪电电子则与复旦大学所属大数据学院及研究院战略合作，在共同建设和运营大数据试验场、大数据联合研究实验室、开展大数据人才培养以及推动大数据科技成果产业化方面展开深度合作。“大数据很热！”阿里云大数据事业部资深总监徐常亮在接受上证报记者专访时称，百余家上市公司涉足大数据，他对此一点儿都不意外。京东集团研发体系推荐搜索部总监杨光信更向记者坦言，大数据已经早已超越了概念，将迎来真正的产业爆发。正如维克托在《大数据时代》一书中所说，“思维转变过来，数据就能被巧妙地用来激发新产品和新型服务。”如今，“数据就是资产”的观点已为业内共识。据IDC出版的数字世界研究报告显示，2013年人类产生、复制和消费的数据量达到4.4ZB。到2020年，数据量将增长10倍，达到44ZB。可堪对比的一组数据是，全球大数据计算性能过去5年实现了超过20倍的增长，100TB数据排序时间由8274秒缩短到377秒。“束缚大数据的技术瓶颈已经被完全打破，数据将从企业的成本中心转变为价值中心，2016年我们将迎来大数据应用的全面落地。”徐常亮如此判断。“未来3年，大数据市场规模将达到1万亿元。”阿里云总裁胡晓明乐观预测。背靠BAT深耕大数据价值如果传统公司业务体量没有达到BAT的级别，那么背靠BAT不失为一种经济的手段在大数据业务方面，BAT三巨头无疑走在了前面。事实上，在BAT加大数据投入力度的同时，掌握数据资源的上市公司也在加紧与BAT的技术对接，寻求数据资源的变现途径，这被视为一条有效捷径。而这些上市公司更是遍及日用消费、公共设施、传媒文化等各个方面。马云曾在2015年致公开信中指出，“我们必须在数据技术的投入和发展上不惜一切的投入发展，我们正在努力让数据和计算能力成为普惠经济的基础。”紧接着，今年1月20日，阿里云便宣布开放阿里巴巴十年的大数据能力，发布一站式大数据平台“数加”，并向有数据开发能力的团队开放，借助“数加”上的工具为各行各业提供数据服务。“这就像在淘宝开店一样，只是售卖的是专业能力。”徐常亮表示，阿里云计划用3年时间吸引1000家合作伙伴入驻，共同分享1万亿的大数据“蛋糕”。正如徐常亮所言，很多传统公司曾受限于机制的问题，或者没有足够的业务驱动去做大数据业务。也没有足够的基础设施投入和决心，这些基础设施包括数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等。因此，近年来他深切地感觉到很多公司有数据利用的要求。上市公司在与BAT的合作方面先行了一步。2015年11月，深圳燃气公告，拟与在支付与金融、移动互联网服务、大数据精准营销运营、渠道共享、征信业务等领域深化战略合作，以利于公司依托燃气客户资源，充分发挥公司行业优势，创新业务模式，提供精细化服务，挖掘客户数据价值并开展增值业务，进一步加快推**台战略的落地。12月，上海家化与阿里达成战略合作，通过大数据挖掘消费者偏好，优化和升级产品供应链，助力上海家化布局全品牌全渠道的战略发展。同时，双方还将共同建立国内首个大数据日化产品研发实验室，通过阿里提供的大数据解决方案，用于上海家化旗下新品的研发、上市、销售以及售后服务，实现全链路的打通，例如所有新品针对哪个年龄阶段的用户，应该具备哪些功效、最佳新品上市时间、市场定价等。同样，华数传媒在日与阿里云签署战略合作协议，共同拓展全媒体和云计算市场，双方计划在云计算和大数据领域推出更多的创新产品。除了阿里，腾讯和百度与上市公司之间的大数据合作也在加深。其中，天源迪科去年11月与腾讯云签署《“互联网+”战略合作备忘录》，根据协议，腾讯云现有的大数据、云计算等技术和产品，通过天源迪科投放到全国**和企业市场，在腾讯公有云平台上与天源迪科合作开发应用，面向全国政企市场提供运营服务；香江控股12月公告与百度签署《框架合作合同》，就智能、大数据及创新科技应用等领域展开合作，双方拟共同建立基于现场用户数据的收集分析系统，共同推进大数据的收集、挖掘、分析、推广等业务，推动已有资源数据的双向共享和合作，共享大数据等成果；阳光照明则与京东微联达成合作，其中阳光照明提供联网产品和技术，京东提供云服务和大数据分析服务，双方合力打造强大的智能照明解决方案，实践“互联网+照明”。那么，究竟什么样的数据才有价值？“这是一个很难回答的问题。”京东集团研发体系推荐搜索部总监杨光信对记者坦言，对于不同的应用方，数据能呈现的内容是完全不一样的，分析的维度也不同。如果只是数据，不知道他想要什么，这是无价值数据。所以，数据分析的流程，必须首先从业务场景需求和应用的角度入手，了解目标是什么；其次，寻找合适的数据；第三，清理数据。“找数据也是不断迭代优化的过程，而这三步才是实现数据价值的关键，也是大数据应用最难的过程。”他同时表示，从各个产业的重视程度来看，现在的大数据已经绝不是停留在概念炒作的层面，而是真正开始创造价值。从京东自己的大数据运用经验来看，大数据的意义在于从制造商和消费者之间形成闭环，更有效地改善生产和交易的效率。其中，大数据在京东物流方面的应用可以每年减少至少20%的运输损耗，是控制成本的有效手段；另一方面，京东大脑做数据个性化研究，如果能够通过个性化的分析和服务激发原来没有的需求，这对于提升电商销售额（GMV）将有帮助，这也是数据变现的一种有效方式。数据价值挖掘也有投入产出比的问题。杨光信开玩笑道，“做大数据挖掘永远不会失业，总会有办法去挖掘提高数据的准确性，但做到什么样的程度，有一个投入产出判断的过程。”徐常亮则认为，如果传统公司业务体量没有达到BAT的级别，那么背靠BAT是更为经济的手段。多领域大数据应用受热捧盘点上市公司进军垂直行业大数据应用的热忱度，广电传媒、金融、汽车等领域格外受到追捧一位大数据行业从业人士向记者坦言，做大数据是为突破现有业务可预期“天花板”而提前做的选择，无论是电商还是其他行业。正如维克托在《大数据时代》一书中所说，整个商业领域都因为大数据而重新洗牌。在广电和传媒领域，针对大数据强强联合、抱团取暖的趋势格外突出。2015年10月，歌华有线联合中国广播电视网络有限公司以及全国三十余家省市有线电视网络公司成立“中国广电大数据联盟”（简称“联盟”），其中包含天威视讯、广电网络等上市公司。协议内容主要包括：实现双方之间数据互联互通，数据资源共享；联合生产规范化、标准化的数据报告；联合发布规范化、标准化的数据报告；联合向第三方提供专业化的数据服务。联盟将以全国超过4000万双向数字电视用户收视数据为基础，探索成立广电大数据运营公司，实现数据共享，联合开发，拓展广电增值业务。此外，省广股份则拟定增募资不超过24.9亿元资金，其中8.62亿元用于收购晋拓文化、蓝门数字、省广先锋三家，剩余资金用于投入建设大数据营销系统项目等；湖北广电2015年11月公告与小米科技、中国电子、捷成股份分别签署战略合作框架协议，拟分别与后者在智慧家庭、电视游戏、大数据及“互联网+”等多领域展开合作，其中公司和中国电子将对方列为伙伴，拟在大数据等相关领域展开紧密合作；中信国安则在设立西藏国安睿博有限公司（暂定名）的基础上，以为（GP），设立相关投资及并购基金，募集总规模约40亿元，投资于符合国家产业政策的企业、、、上市公司非公开发行、拟挂牌公司及挂牌公司的增发等，其中中信国安拟分批出资不超过10亿元，重点关注符合公司转型的有线电视业务创新、互联网和科技以及大数据等领域的项目，以协助公司实现产业整合。对此，三网融合专家、易目唯文化传播首席执行官包冉告诉记者，随着IPTV用户接近5000万，对有线用户形成分流，大数据成为广电运营商被倒逼改革的一大选择。在他看来，运用大数据，一方面是“守”，即为业务提供有效依据，同时控制广告业务；另一方面是“攻”，即与电视台及第三方内容机构相比，证明自己可以凭借大数据形成有效的收视分析，有成为主流电视传输方式之一的实力。包冉指出，大数据只是手段，核心必须与现有业务相配合。有线运营商凭数据入口优势做成功的可能性有，但难度大，必须伴随着大范围升级终端等具体业务的配合。同样，在金融、汽车等领域的大数据应用也受到追捧。金融领域方面，三泰控股设立合资公司成都三泰铭品大数据金服有限公司，主要针对中小企业的信用评估模型，基于大数据进行建模和优化，拓展金融服务大数据业务；聚龙股份出资1亿元成立聚龙融创（北京）信息科技研究院有限公司，以大数据为关键技术，主要专注于基于人民币流通管理系统的冠字号大数据开发及应用，以及消费流通领域的信息系统、网站平台、微信及APP应用系统开发等两个方面，被视为聚龙股份在金融大数据、消费大数据开发及应用领域战略布局的落地载体。汽车大数据方面，荣之联携手英国THE FLOOW公司签署了《车联网大数据联合运营协议》，就在北京成立合资企业达成初步意向，合资企业将专注于车联网大数据业务；德联集团则出资9500万元，发起设立上海尚颀德联汽车电子与大数据产业，主要投资汽车电子与大数据相关细分产业领先企业，重点关注成长期和成熟期项目。在其他垂直应用领域，振芯科技增资1200万参股北京东方道迩12%股权，拓展地理信息数据处理服务、国土空间大数据业务；东华软件出资1020万元与北京智中能源组建东华智中能源互联网技术有限公司，占比51%，进军包括电力物联网和云计算、数据中心、能源大数据分析等在内的能源互联网领域。据统计，自去年8月以来，像这样的千万级别入股行业公司、涉及垂直领域大数据业务的上市公司有近10家。徐常亮认为，从垂直应用行业来看，广告、金融是大数据最容易变现的领域，有既有行业经验为基础，但竞争将更为激烈。因此，有些行业“蓝海”还是值得把握的，如包括车联网在内的物联网应用等。公司可以先从“业务数据化”的角度入手，先寻求优化业务流程以降低成本，进而在寻求“数据业务化”中实现大数据的价值再造。《大数据行业生死劫：上万接口关停，90%公司将洗牌》 精选八7月5日，百度CEO李彦宏直播无人驾驶上北京五环，让人们见识到AI在出行领域的突破；两天后的7月7日，星河集团董事局**、CEO徐茂栋在2017年全球人工智能与机器人峰会中，展示了AI在酒店、制造、零售、金融等传统产业取得的成果。可见，AI已悄然突破了科技热点的边界，在和我们生活息息相关的各行业中，成为了推动传统产业转型升级的核心。众所周知，AI的基础是大数据。实时、交互、全面的数据让智能商业成为可能，进一步把传统产业向在线化、数据化、智能化方向改造，这就是产业互联网。对传统产业的智能化改造，将是未来十年甚至二十年，机会最大、持续时间最长的一个风口。一、基于智能化的产业互联网或将成为下一波风口，大数据将是重要的驱动力产业互联网指的是服务B端生产者、以生产活动为场景的互联网应用。今天消费级互联网已成熟，出门有滴滴、吃饭有外卖、聊天有微信、剁手有电商；但对各垂直产业的生产、交易、融资、流通等环节的互联网渗透，还有很大的挖掘空间。有四大趋势推动产业互联网的兴起。一是经济增速放缓的新常态下，企业利润率下降，对创新和提升效率更为敏感。中国在未来的5-10年内将进入5%左右经济增速的阶段。经济下行、增速放缓，促使企业从以往的粗放式经营转为注重效率的提升。二是移动互联网、大数据等技术的成熟。据CNNIC，2016年底中国网民已达7.31亿，有95%同时也是移动互联网用户。移动互联网的基础设施化，让企业间信息流、资金流、物流的快速实时流通成为可能。三是新一代70、80后的企业主对产业有深刻认知，也对互联网的接受度较高。基于这些趋势，快消、农产品、钢铁、塑料等领域的产业互联网由浅入深、由轻到重地发展了起来。先是打通信息流，撮合资讯和信息；然后涉足线上交易服务闭环，打通资金流；最后围绕交易整合线下供应链。四是在大数据理论上可以贯穿整个商业流程，在此基础上，实时、交互性、全面性数据成为AI基础，商业决策优化成为可能。如今，企业正在全面信息化，居民吃住行金融等生活场景全面互联网化，让各种产业环节数据可以不断累积，这对各环节决策提供了依据和基础。本质上，产业互联网就是整个产业链条在互联网改造下的在线化、数据化、智能化。大数据就是智能化的核心燃料。而在这波产业互联网化的浪潮中，星河集团就是一个值得注意的例子。二、智能产业互联网星河集团有哪些实践？产业互联网不是单一产业的互联，而是第一、第二、第三产业以及各种新兴领域的交叉型互联互通，是用户、生态、交易、数据的开放式共享共生。产业互联网通过优化或重构传统产业链，使其智能化、模块化、平台化、云化，帮助企业提升生产效率。调查显示，产业互联网在全球有90万亿的潜力，在中国有12万亿的市场规模。而产业互联网比消费互联网更垂直，难以诞生微信这样“超级连接器”级别的通用平台，必须建立在对产业的深度理解上才可能成功。徐茂栋认为，互联网和人工智能深刻地影响了所有行业，甚至是重构和再造了大部分行业，智能商业已经成为大趋势。未来，没有人工智能的介入，商业是不成立的，智能商业已经成为产业互联网的核心支柱之一。敢于大胆提出这一超前判断的徐茂栋，是否已将构想转化为现实？在他执掌下的星河集团又有着哪些建树呢？成立于2005年的星河集团，定位为大数据驱动的智能产业互联网平台。集团有四大产业集群：云计算/大数据/人工智能产业集群、全球创业成长服务集群、金融科技集群以及产业互联网集群。目前，集团超1000亿，已为30万创业者、500万企业及8亿个人用户提供了大数据服务。云计算/大数据/人工智能产业集群的重点就是聚焦在智能商业方向。也许你会觉得，星河集团离你有些遥远，这几个业务集群的概念也有些云里雾里。其实，它的客户列表不乏海尔、微软、万科、国家电网等与我们生活息息相关的各行业龙头。废话不多说，直接上几个经典案例。首先在酒店收益管理领域，星河集团的智能商业系统让动态定价成为酒店实现利润最大化最快、最有效的方式。一个成功的酒店应该如何完善和凸显自己的产品？有些客人只想简简单单地睡一觉，有些客人则会享受美食、娱乐、体育活动和水疗等娱乐项目。锁定那些肯花钱的客人才是酒店的王道。但一两次的消费行为又不能代表一个客人的消费能力，如何筛选出有真正消费能力的客人呢？另外，收益管理也是酒店一个非常有挑战性的议题。虽然可以使用价格栅栏来简单快速地解决这个问题，但酒店在使用价格栅栏前是否也应该先自问一下：我的客房是否能够真正满足不同客人的需求？客人是不是真愿意为一块漂亮的地毯多付房费？客人为什么愿意多付几百元而住更高一级的房间？如何根据实时供需情况对客房价格进行有效调整？实现每间可销售房收入(RevPar=客房总收入/客房总数量)最大化的任务分为多个层面，不仅需要精准预测实时供需能力，而且还需要根据不同的房间等级、房型特色以及市场细分需求制定房价组合。这对于酒店经营者而言是一项十分艰巨的任务，要想在成本可控的条件下实现自身收益最大化，场景、数据、算法起着不可替代的作用。星河集团成员企业鸿鹊，