大数据业务课程大纲（推荐8篇）
老男孩教育大数据开发课程适合所有对大数据开发有兴趣的人员，从JavaSE到大数据生态圈高端课程的开发。课程内容量很大，有一定的难度和深度，认真学习，技术会有很大程度的提升。
第一阶段：JavaSE+MySql+Linux 学习内容：Java 语言入门→ OOP 编程→ Java 常用Api、集合→ IO/NIO → Java 实 用技术→Mysql数据库→阶段项目实战→ Linux 基础→ shell 编程
学习目标：学习java语言，掌握java程序编写、面向对象程序开发，掌握MySql体系结构及核心编程技术，打好 Linux 基础，为后续学习提供良好的语言基础。第二阶段：Hadoop与生态系统
学习内容：Hadoop→MapReduce→ Avro→ Hive→HBase→ Zookeeper→Flume→ Kafka→Sqoop→ Pig 学习目标：掌握大数据学习基石Hadoop、数据串行化系统与技术、数据的统计分析、分布式集群、流行的队列、数据迁移、大数据平台分析等 第三阶段：Storm 与Spark 及其生态圈
学习内容：Storm→Scala→ Spark→ Spark SQL→ Spark Streaming→Spark 机器学习学习目标：让大家拥有完整项目开发思路和架构设计，掌握从数据采集到实时计算到数据存储再到前台展示，所有工作一个人搞定！并可以从架构的层次站在架构师的角度去完成一个项目。
第四阶段：其他
学习内容：Mahout 机器学习→R 语言→Python 学习目标：机器学习领域经典算法的实现，熟练使用 R语法和统计思维，可以基于具体问题建立数学模型，掌握python技术与数据分析，将数据结果以可视化的直观方式展示给目标用户。
第五阶段：项目实战、技术综合运用
学习内容：某手机公司bug 系统→传统广告怎么用大数据→类互联网电商网站→网站日志收集清洗系统→网站流量统计分析系统
伴随着新的教育理念的提出, 教育模式就会发生相应变革。20世纪美国著名的教育学家约翰·杜威 (John Dewey1859~1952) 提出“做中学”的学习方法, 影响了美、苏、中、日等多个国家的教育思想改革。上世纪70年代“基于项目的教育”战略计划使得学校培养出理论和动手能力强的学生, 获得很高的就业率和就业质量。欧美各国面对工程人才短缺和工程教育质量问题, 积极调查、制定计划、推进工程教育改革。2000年由美国麻省理工学院和瑞典皇家工学院等大学组成跨国研究组, 在历经4年的探索后成立了CDIO国际组织并提出了CDIO工程教育理念。CDIO是 (Conceive-Design-Implement-Operate) 的缩写, 强调构思、设计、实现、运作在工程项目的生命周期中的存在形式, 使学生能够主动实践, 将课程与工程项目能力有机的联合在一起。CDIO工程教育组织成立至今, 成员包括麻省理工学院、瑞典的查尔摩斯工业大学等25个国家81所大学。2005年汕头大学工学院率先将CDIO工程教育模式引入中国。同时根据学院教育目标参照CDIO理念, 融入了强调个人能力、团队能力及系统调控能力的工程教育目标。在实施CDIO改革后, 工学院本科毕业生的就业率和平均薪酬从广东省的低位一跃成为第一位。清华大学、北京交通大学等高校也成为CDIO国际合作组织亚洲区域中心成员。
1 CDIO大纲
CDIO大纲包含的12项标准是工程人才培养的关键环节, 对这12个环节进行监控、管理、实施才能保障CDIO教育理念的正确执行。12个具项指标有助于采用者实现从能力培养、实施指导到结果检验的全部过程, 如表1所示。
1.1 CDIO大纲对现有教学环境的影响
CDIO的第一项标准是环境和情景而不是内容, 在工程项目的全生命周期的教学过程中注重的是知识与能力之间的关联, 着力于理论知识的教、学、做之间的能力, 而不是仅仅完成某个具体项目完成的知识。现有的数据结构课程以理论教学为主, 辅以教学实践, 不利于学生主动参与到教学过程中。结合CDIO思想改变课堂教学模式, 让学生提前预习课程内容, 以分组的方式, 逐次在课堂上进行汇报讲解, 学生展示自己对每周课程内容的理解与解题思路。教师观察学生在讲述过程中对知识的掌握程度及创新点, 及时进行总结、引导, 扩展学生的学习思路与方法。同时加强实践教学环节, 指导学生参加开放实验室项目、教师的相关科研项目、校企合作项目及各类相关竞赛, 引导学生使用工程实践的方法设计程序和解决问题。
1.2 CDIO大纲对教学目标的影响
CDIO的第二项标准强调基于需求分析制定教学目标, 课程的教学培养目标应与企业对学生的专业素质和职业能力要求关联。设计出符合教学要求的项目就变得非常重要, 实践项目的设计要保障CDIO的特色, 即构思 (C) —设计 (D) —实施 (I) —运行 (O) 基础理论贯穿学生学习的整体过程如图1所示。将实践内容分为验证型实验、综合型实验、设计型实验和创新型实验4大层次。验证型实验是对课程教学内容的体现, 侧重加深学生对知识点的理解, 掌握基本的实践技能;综合型实验强调对多个知识点融会贯通、综合运用的能力;设计型实验是要求学生利用所学的理论知识点去解决特定的应用问题。创新型实验旨在培养学生创新能力, 由旧知识建构新知识。部分项目来自产业第一线, 让学生学到团队合作、与客户沟通、管理、成本控制和市场等技术之外的知识, 同时要确保各个项目有相同的学习目标。
1.3 CDIO大纲对教师教学能力的要求
CDIO的第九项标准强调教师要在相应管理措施下具有较强的自身能力、引导学生进行团队合作的能力、系统整合的能力, 注重通过加强教师的专业内涵建设从而有能力提供学生的CDIO能力。计算机科学与技术专业、软件工程专业对学生的培养目标不同, 教师在教学过程中应强化学生对自身专业的理解, 有助于学生在后续专业课程和专业体系的学习。教师备课时必须彻底理解课程内容, 做到教学清晰、教学内容具有系统性和科学性, 实践内容能体现相关知识在实际问题中的有机联系。教学过程中要实现预期的教学效果, 教师要精确地选择课程内容, 提出解决问题的思想、方法和步骤, 帮助学生学习如何分析问题、解决问题, 逐步建立正确的思维方式和程序设计方法, 具备工程师的基本能力。为了更好地体现以学生为主体的教学方法, 强调培养学生从实际知识中发现问题、主动思考问题并能应用所学知识探索问题规律;实践环节引导学生全身心投入, 使学生亲自动手动脑解决问题的能力逐步养成。
1.4 CDIO大纲对培养学生能力的影响
CDIO的第十一项标准是对学生在CDIO教学方法中获得的能力进行评价。传统的课堂教学评价是由教师根据学生的期末考试结果进行一次性评价, CDIO的评价方法则注重于学生在整体教学过程中多方面能力的全面评估, 使得能力评价的结果更加合理有效。传统的课程考核方式有平时成绩 (占30%) 与期末成绩 (占70%) 构成, 期末考试以试卷形式难以体现出CDIO在“做中学”的工程设计思想。为了突出实践项目的重要性, 需要对现有考核方式进行改革。对项目汇报、项目设计引入学生自评、互评模式, 教师作为总裁判员将公平客观的评价结果记录为项目考核成绩 (占10%) ;学生的作业成绩 (占10%) ;根据完成的实践项目难度, 调试结果给出实践成绩 (占40%) ;期末笔试成绩 (占40%) 。多样化的考核方式能促进学生自始至终的学习方式, 避免了部分学生平时不努力学习, 期末死记硬背的状况。教师要客观公正的进行考核评价及时公布考核结果, 以考促学, 形成良性互动。建立规范的考核标准与考核制度, 使得教师和学生有章可循。为了确保CDIO思想的正确实施, 还需要对教师建立监督机制。以教学督导、同行教师评价、学生座谈等形式构成对教师工作的监督。此外根据CDIO的人才培养要求, 还要注重增强学生团队意识与学术道德, 培养讲诚信、注重职业道德、富有责任感和良好职业素质的工程技术人才所需求的能力。
2 总结
CDIO大纲作为方法论对数据结构课程的设计提供教育指导, 但是对实施运作的细节没有硬性的规则。在CDIO的教学理念中, 培养出具有工程师能力的学生是工程教育的目标, 因此数据结构课程的教学大纲、目标、培养方案、项目设计等内容需要与时俱进, 适应环境与服务对象的变化, 不断改进教学方法, 从而培养出具有工程师能力的毕业生, 这是教育工作者的责任与义务。
摘要：为了紧跟国际中工程教育改革的发展浪潮, 本文阐述了自2004年起, 在欧美各国以麻省理工学院为首的多所大学采用CDIO教学模式取得显著的成果, 毕业生广受好评。CDIO的12项标准对教学的改革提供可执行的具体方法与考核评价方法, 将该方法应用于数据结构课程的具体教学环节。对理论课程设计、实践教学项目设计和课程考核方法进行重构, 提高学生以工程思想分析问题、解决问题的能力。
关键词：CDIO大纲,数据结构,课程改革
参考文献
[2]Lijia, Wang J, School S D.The C/C++Integrative Teaching Based on CDIO Education Model[J].Ieri Procedia, 2012, 2:299-302.
[3]顾学雍.联结理论与实践的CDIO——清华大学创新性工程教育的探索[J].高等工程教育研究, 2009 (01) :11-23.
[4]查建中.论“做中学”战略下的CDIO模式[J].高等工程教育研究, 2008 (03) :1-6, 9.
[5]顾佩华, 沈民奋, 李升平, 等.从CDIO到EIP-CDIO——汕头大学工程教育与人才培养模式探索[J].高等工程教育研究, 2008 (01) :12-20.
人类社会正在步入一个被互联网和通讯技术引爆的大数据时代，IDC预计，大量新数据以每年50%的速度在增长，或者说每两年就要翻一番还要多。麦肯锡报告表明，未来大数据将带来每年全球万亿美金的市场。IBM预计未来收入50%来自大数据，大数据以其不可限量的未来引起各行各业企业CEO、COO、CIO等高管越来越热烈的关注。
数据机遇 需应对不同应用场景
大数据的出现为各行各业带来了新机遇，并具有不同行业的应用场景。
政府利用大数据，通过建立经济指标预测系统，可以得出国家的各项经济指标；通过对网络信息的监控，可以分析舆情状况。在制造业方面，华尔街对冲基金依据购物网站的顾客评论，分析企业产品销售状况。一些企业则利用大数据分析实现对采购和合理库存量的管理，通过分析网上数据了解客户需求、掌握市场动向。在电影行业，把电影行业数据和金融数据结合，通过资本市场对于影视行业的关注和成交记录，透视影视行业发展趋势和未来机会，并对影视投资、文化创意投资提供数据和行业预测分析。在农业方面，农业大数据涉及耕地、育种、播种、施肥、植保、收获、储运、农产品加工、销售、畜牧业生产等各环节，是跨行业、跨专业的数据分析与挖掘，对粮食安全和食品安全有着重大意义。
利用大数据，可以实现信息库的充实，减少系统延迟，降低成本；增强全方位客户视图，实现客户交互改进，加快决策过程，减少重复劳动。在运营分析中，利用大数据可以实现运营优化，通过识别特定用户行为，对特定用户实施营销活动，有效降低客户流失率。企业需要增强现有数据仓库基础架构，实现大数据传输、低时延、和查询的需求，确保有效利用预测分析，实现商业智能的进一步扩展。
数据爆炸 深入挖掘为当务之急
虚拟化的网络世界是真实世界的量化反映，它充斥着由社会化网络、互联网文本和文件、搜索索引信息以及大规模的电子商务等带来的海量数据。物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器，也无一不是数据的来源。所有这些都促使了以“数据大爆炸”为特征的“大数据时代”的来临。在爆炸式增长的大背景下，如何处理、保存这些海量的数据，并抽丝剥茧般地发现其中所蕴藏的价值，就成为企业面对的首要问题。
为此，IBM商业价值研究院实施了一项调研，并撰写了题为《分析：大数据在显示世界中的应用》的白皮书。该调研得出了如下结论：未明确大数据的定义是企业混淆大数据的最主要原因；企业对大数据的采用还处于初级阶段（24%的企业目前主要是理解概念，47%的企业尚在定义与大数据相关的路线图）；以客户为中心，是大数据的首要任务成为共识；内部数据是企业内大数据的主要来源，但大量未开发的价值隐含在内部系统中；不确定性以及技能的缺失，使得社交媒体等外部数据源未得到充分利用；缺乏先进的分析技能，是从大数据中获得最大价值的主要障碍。
针对这些大数据方面的认知问题，戴尔亚太区存储业务部技术总监许良谋表示，为了大数据而大数据是做不成大数据的，以大数据做幌子的项目最终做不成大数据。“成功的大数据实施方式是企业领导人首先要了解何为大数据，而且大数据要配合业务的发展实施。”
《互联网周刊》记者在走访多位大数据专家后意识到，企业要想利用好大数据，需要做到以下几点：首先，公司高层要有对大数据的正确认识，要制定全面的统计方法；如果缺少数据的完整性和精确性，市场计划便不可能成型；要确保收集到公司所有渠道的数据。其次，要有一位指定的数据专家，协助企业管理公司的数据战略。第三，要分享并分析数据，内部协调是成功分享数据的关键，公司内部应降低不同部门之间的隔阂，通过数据来打通内部交流，共同分析数据并形成决策。最后，要深入挖掘数据节点，细化分析目标、深入挖掘数据才能得到特定领域的特点。
数据应用 业务创新是终极考验
在大数据时代，一个企业首先应该对企业内部的数据进行治理，保证内部数据和信息的完整性、一致性，这样才能让企业依据这些数据作出正确的决策。当企业积累到一定量的数据就可以采用大数据工具，对数据进行有效的清理、分析，进而对数据进行治理。
大数据对于企业的挑战还在于业务创新。大数据应用不能仅仅停留在数据收集、存储、分析等阶段，它需要一个企业在两个层面拥抱创新。Gartner调查部副总裁Hung LeHong表示，首先，这项技术本身必须是创新的；第二，企业必须有意愿进行决策支持和业务分析的创新。对于第二个层面，其内因不是技术挑战，而是流程和管理变革的挑战。大数据技术为分析现有业务难题和潜在机会带来了创新的方式、方法，全新的数据资源和分析技术将通过前所未有的方式改善企业的运作。
针对创新，很多致力于大数据技术的公司都已经推出了自己的解决方案。Informatica PowerCenter Express帮助企业以较低的成本开展入门级数据集成的问题，并努力把全球领先的管理理念带到中国。IBM推出的“智慧的分析洞察”是由一整套软件、系统和业务战略组成的完整解决方案，能够帮助公司把自身拥有的企业数据与消费者产生的非结构化数据结合起来，从而统揽全局。借助 IBM 全面的信息管理分析能力，可以追溯每个业务流程中产生的庞大数据，并进行共享整合分析，从而帮助企业全面监控商业流程，预测和塑造所预期的商业结果。
在更为具体的层面上，戴尔的灵动架构无疑是一整套更为高效的管理、配置和运维的产品，它可以利用软件提供更好的管理模式。它使用包括了VDI虚拟桌面以及私有云都可以利用这样的平台，快速部署和上线，不用用户自己集成，只需要预集成即可。许良谋表示，戴尔自身也在探索大数据在业务上的创新。例如采用私有云的方式，利用大数据进行自我优化；在企业内部部署了Teradata数据仓库平台，用于跟踪分析交易，该平台作为大数据业务创新的一部分，可以帮助戴尔更好地预测和满足客户需求、提高效率、获取关键洞察力。
中国的人口和经济规模，决定了中国的数据资产规模必定领先于全球，客观上为大数据的发展提供了最好的试练场所。各方企业充分发挥自己的优势，以开放的心态推动大数据应用落地，让大数据成为业务创新的原动力。
一、营销分析的组织框架和技术框架
如何更好的进行企业积累的大量营销数据的统计分析和挖掘工作？通过解析不同企业的数据应用实践，本节与您分享营销数据分析的总体框架应如何搭建...1.从现有的数据能分析什么？
2.现存的报告机制存在哪些问题
3.数据分析的技术架构和组织架构
4.实施营销数据分析思路和步骤
5.数据分析与挖掘技术简介
二、指标分析
指标分析是一种快速的企业绩效分析手段，是衡量企业健康状况的健康指标，本节介绍如何通过指标构建数据分析模型。
1.从一个绩效考核表说起
2.KPI的局限
3.搭建分析模型分析公司经营状况
4.基于市场营销指标的矩阵分析
5.利润分析矩阵
6.新产品分析矩阵
7.案例分析
三、数据规划和数据收集
没有数据，营销分析就成了空中楼阁。本节介绍数据搜集的思路和方法，为营销分析奠定坚实的基础。
1.思考：应该采集哪些数据
2.数据来源和收集途径
3.构建有效的数据采集系统
4.数据表的规划和设计
5.低成本的数据收集手段
6.利用新技术手段简化数据收集
四、常用分析方法
数据分析不是空洞理论，还需要有科学的技术手段和方法，本节演练常用的数据分析方法
1.对比分析
2.多维分析和统计
3.时间序列分析
4.数据分布分析
5.方差分析
五、竞争分析
企业总是在竞争中壮大，如果能提前预知竞争对手的信息和策略，企业更容易成功。
1.如何界定竞争对手
2.市场竞争的四个层次
3.需求的交叉弹性
4.品牌转换矩阵
5.行业竞争力分析
6.竞争分析矩阵
7.竞争对手数据收集
六、市场调查与置信度分析
市场调研是合法获取数据的重要来源，也是快速了解市场反应的途径，本节讨论市场调查的策划和统计方法。
1.如何策划一次市场调查
2.常规调查方法和网上调查方法
3.如何进行统计学上有效的抽样调查
4.理解误差的来源分析
5.如何对抽样结果进行统计
6.通过置信度分析计算调查误差
七、客户细分与精确营销
无差别的大众媒体营销已经无法满足零和的市场环境下的竞争要求。精确营销是现在及未来的发展方向，而客户细分是精确营销的基础。
1.精确营销与客户细分
2.客户细分的价值
3.基于数据驱动的细分
4.客户数据库分析的RFM指标
5.基于聚类细分方法的案例解析
6.细分结果的应用
八、商业预测技术
预测是企业重要的决策依据，企业通过预测技术可以估计下一季度、的市场规模、市场占有率、销售量等。
1.预测责任者与支持者
2.预测的组织流程
3.不同的预测模型各自的优缺点
4.多元回归分析：如何分析多个因素对目标值的影响程度，包含
i.如何建立多变量业务预测模型
ii.如何评估业务模型的有效性
iii.企业外部变量（例如经济宏观数据）的选择和过滤
一、基本信息
课程编号：E1132107 课程类别：学科基础课必修课 适用层次：本科
适用专业：计算机科学与技术、网络工程、软件工程等 开课学期：3 学 分：2学分 学 时：2周 考核方式：考查
二、教学目的
数据结构与算法课程设计不仅是数据结构与算法课程的实践教学环节，而且是一门综合性实验项目。通过这个实验，培养学生综合运用数据结构基本知识和程序设计基本知识，解决实际问题，提高程序设计的能力和团队协作精神。
本课程设计的目的就是要达到理论与实际应用相结合，使同学们能够根据数据对象的特性，学会数据组织的方法，能把现实世界中的实际问题在计算机内部表示出来，并培养基本的、良好的程序设计技能。
1．学生通过实践掌握线性表、树、图等数据结构的存储结构及算法实现； 2．培养学生利用数据结构知识解决实际问题的能力;3．使学生初步具备查阅资料、分析设计、上机实现和书写科技 报告的能力。
三、基本要求
1.指导教师要在选题、设计、上机实现等诸环节上投入精力，加强指导、讨论和答疑的力度。尤其在选题上，要充分考虑学生目前所具有的知识水平、掌握的开发工具、以及综合设计能力的现状，使题目取材合理、大小适中、难易适度，使学生在完成设计工作后，能有所收获。2.参加课程设计的学生要珍惜机会、勤奋工作、勇于创新、勇于探索、勇于实践，虚心向指导教师请教，向同学学习，独立完成设计任务。
3.学生需保质、保量、保时间进度地提交规范的课程设计报告，审查由指导教师负责。
四、教学内容
1.主要内容：应用所掌握的线性表、树、图等数据结构知识解决实际问题。2.软件开发工具：C/C++、JAVA。
3.课程设计题目：指导教师拟定（参考题目见附录1）
4.具体步骤：指导教师拟定设计题目，学生研究具体问题、进行需求分析、选择合适的数据结构、设计算法、编写并调试代码、书写文档材料、提交设计报告，最后，由指导教师验收并评定成绩。
5.设计内容及时间安排：第1-3天，选定题目，明确题目要求、确定数据结构、设计算法，并分析算法复杂度；第4-8天，编写程序、调试程序、测试程序；第9-10天，撰写设计报告，准备答辩（上机演示，回答教师提问）。6.设计报告书写要求：按照软件开发规范的要求书写设计报告（参见附录三报告书写格式）；要求报告层次结构清晰、图表完整、语言通顺、字迹工整。7.验收要求：1）运行所设计的程序；2）回答有关问题；3）提交课程设计报告（打印或手写在实习报告册上）；4）提交软盘（源程序）。（鼓励学生创新。对内容有创新者，成绩评定将适当提高）。
五、考核方法
学习成绩的评定方式：考查。
课程设计成绩评定 =平时出勤（20%）+设计报告（40%）+答辩（40%）通过设计答辩方式，并结合学生的动手能力，独立分析解决问题的能力和创新精神，总结报告和答辩水平以及学习态度综合考评。成绩分为优、良、中、及格和不及格五等。
六、教材与参考资料 1.建议教材：
[1] 数据结构(C++)版，王红梅、胡明、王涛编著，清华大学出版社，2005.7 [2] 自编教材
2.建议参考书目：
[1] 许卓群，杨冬青，唐世渭，张铭.数据结构与算法.高等教育出版社，2004.7 [2] 严蔚敏, 陈文博.数据结构及应用算法教程.清华大学出版社, 2001.2 [3] 朱晋蜀.数据结构(第一版).成都: 电子科技大学出版社, 2000.1 [4] Clifford A.Shaffer著.张铭，刘晓丹译.数据结构与算法分析.电子工业出版社，1998.8 [5] 殷人昆等.数据结构（用面向对象方法与C++描述）.清华大学出版社，1999.7 [6] Ford W., Topp W.DATA STRUCTURES with C++.清华大学出版社（影印版），1997.3
附录一
参考题目（可分若干组，每个学生选择其中一个题目）
1．商厦家电库存管理 2.排序算法的时间比较
3．使用哈希表技术判断两个源程序的相似性 4．以队列实现的仿真技术预测理发馆的经营状况 5.某公园导游图
6．用树型结构的搜索算法模拟因特网域名的查询 7．管道铺设施工的最佳方案选择 8．表达式分析与求值程序 9．安排教学计划
10.设计Huffman 编码器与解码器 11．在国际象棋盘上马遍历问题 12．八皇后问题 13．民航售票系统 14．模拟旅馆管理系统中的床位分配和加收 15．银行业务活动的模拟
16．文字统计系统—文字研究助手 17．修道士野人问题 18．考试问题
19．计算机辅助考核系统 20．学籍管理系统
注：学生可以自选题目或选择指导老师拟定的题目。
附录二
开发步骤
1.分析题目的要求、目的； 2.选择适当的数据结构；
3.抽象数据类型的设计； 4.抽象数据类型的实现； 5.编写代码、上机调试； 6.总结验收、评价。
附录三 报告书写格式
1．问题描述
题目内容、基本要求 2．需求分析
软件的基本功能、输入/输出形式、测试数据要求 3．概要设计
所需的ADT及作用、主程序流程及模块调用关系 4．详细设计
实现概要设计的数据类型、每个操作的伪码算法、主程序和其它模块的伪码算法、函数调用关系图 5．编码与调试分析
编码与调试过程中遇到的问题及解决的办法，还存在哪些没有解决的问题？ 6．使用说明
简要说明程序运行操作步骤 7．测试结果
20世纪以来，信息技术在金融业广泛应用，使银行累积了体量庞大且完整高质的各项数据，做好数据的挖掘和利用具有较强的现实意义。很多银行已将大数据应用于关注客户和产品营销领域，实现了运用数据分析对客户精准画像、精准营销及新客户挖掘。A银行尝试以会计业务数据为基础，探索大数据在网点资源配置、业务流程优化、风险控制及网点运营等方面的应用，开启了以数据分析指导网点管理的新途径。
一、A银行运营管理领域数据分析应用实践
银行实施数据分析具有得天独厚的条件。首先，银行日常业务办理过程中对数据的被动获取和长期积累，使银行拥有了庞大的信息存储；其次，为加强风险防控，银行业务往往经过了严格筛查，致使银行拥有高质量的数据集成。A银行面对机遇与挑战，勇于探索，在网点运营方面运用大数据分析做出了有益尝试。
1.数据分析应用于网点资源配置向网点发放设备、配发凭证、开展业务培训是银行网点管理部门的日常业务。以往A银行网点管理部门配发物品时一般是根据网点数量进行平均分配，或者参考网点人数、过往分配情况，并未精确计算或考虑各网点业务特点来满足不同网点的实际需求。由于缺乏具体的数据支撑，常常出现网点资源配置后一些网点物资压仓库，而另一些网点却不够用、补不上的情况。近几年，A银行致力于数据应用，对日常的业务数据进行挖掘和再利用，将全行各网点全年日均会计业务发生量进行收集和汇总，通过综合运用业务量结构视图、对比分析等方法对网点资源进行合理投放和科学配发，取得了良好的成效。由图1可见，各网点会计业务量水平及业务结构存在较大差异，不同的业务规模必然产生不同的资源需求，理应配套不同的资源。如A银行发现643600网点和755000网点总业务量水平相差巨大，因此根据各网点会计总业务量占比情况，在凭证配发、设备投放、人力资源布局等方面按比例分配，解决了以往网点间物资冗余与短缺不均并存的状态，使管理更为适用有效。此外，A银行从会计业务量结构上进一步分析，发现了各网点处理的业务品种同样存在较大差异，管理上立即进行了有针对性的调整。鉴于613600网点的汇兑业务量是其他网点汇兑业务量的几倍，又由于汇兑业务流程标准、操作简单，特别适用于客户自主处理、人机交互的智慧柜员机办理模式，A银行对该网点重点布放了自助式设备。又如643600网点现金缴款业务量显著突出，经分析判断该网点是上门收款的集中网点，而375100电子渠道落地业务占比较大，因此，A银行对这类网点在相关业务凭证配发、人力配置、业务培训等方面予以重点考虑，从而提高了管理效率，增强了管理的针对性。
2.数据分析应用于流程优化为修补业务系统缺陷、提高业务处理效率、满足客户多样性的需求，支持业务发展，银行网点管理部门常常需要持续关注流程改进和系统优化。以往A银行涉及到系统或流程优化的内容，大部分是自下而上的路径，由网点在工作中发现问题后报上级行，并层层向上报送提出，问题的时效性不强，是否存在典型性、集中性问题也难于判断。开展数据分析应用后，A银行运用数据间类比关系快速查找差异的功能，实现了自上而下的发现问题，主动开展有针对性的流程优化，从全局性、根本性解决业务问题。A银行发现在众多集中上收（网点前台扫描申请表，由外包录入信息，后台集中处理的生产模式）的业务品种中，信用卡申请业务耗时最长、外包费用最高，发生差错的情况也最多。为此，A银行对信用卡进件业务办理流程环节展开了专题数据分析，重点研究信用卡申请的信息项录入的必要性和有效性，分析是否存在非必录项或录入项出现重复等问题，以探索是否存在减少录入项，节约外包录入成本、提高效率的可能空间。A银行抽取了某分行某日信用卡进件（申请）全量业务明细，对其外包一次录入项数据进行了筛选、汇总，发现该行各网点当日共发生信用卡进件业务493笔，录入信息量22350个，均需由外包录入，并计入费用。A银行对上述业务数据进行了描述性统计分析，发现在2万余条录入信息项中存在空值5172条（即每一笔信用卡申请需录入45个信息项，但存在10条空值信息项）。按照外包协议，凡记入录入项信息均需要计付外包费用。A银行进一步对空值信息项逐一分析发现，86%的空值项并非影响业务成功办理的必要信息项，应作为非必录项，无需笔笔推送外包录入。另据分析发现，在已填信息项中类似“受理日期”“受理机构”“受理人员”“出生日期”和“身份证号”等信息项完全可通过增加系统参数和业务规则的方式由系统自动识别并回填，无需人工录入。通过以上对信用卡进件业务处理的全量数据分析，A银行准确地找到了信用卡申请业务中存在的不经济问题，及时调整了业务规则，规范了信用卡申请表中必录项，实施了流程优化，及时弥补了业务漏洞，从原单笔业务需要45个外包录入项减少至30个，节约了大量外包费用。
3.数据分析应用于内控管理风险管理是银行管理的重要工作之一。为避免风险隐患，A银行成立之初即设置了严格的网点业务不相容岗位的内部牵制制度，并长期由网点管理部门内设巡检团队定期或不定期进行现场检查，此项工作耗时费力。大数据下，A银行利用数据间便于查找、易于比对的便利性，将其成功应用到不相容岗位风险检查中，收效良好。按照银行会计内控制度规定，会计处理账务人员与对账人员为不相容岗位，A银行分别从对账系统和会计系统抽取了同时段处理人员信息进行数据比对，系统快速核验出不相容岗位问题，并精准定位相关责任人，改变了过去巡检人员必须到现场采取手工查验不相容岗位的原始检查方式，极大地提升了工作效率，提高了风险识别准确度。
4.数据分析应用于网点运营基层网点的负责人最关心的问题是获取网点利益最大化，期望组织更多人手，投入到客户营销中去。但由于以往缺乏数据支持，网点不能精准地掌握图1A银行各网点业务量、业务品种分布图图2某网点月度业务量趋势分析图本网点全月业务量峰谷信息值，无法科学预判业务量趋势水平，尽管网点负责人整日被营销任务压得焦头烂额也不敢轻易打破网点固化的排班方式和劳动组合，不能适时抽调人手补充营销。为全面提升网点运营服务能力，A银行网点管理部门尝试对网点会计业务量进行时间序列分析和相关性分析，用于精准掌握网点忙闲时段和具体影响因素。首先通过对单一网点业务量分时段收集和统计，提取了网点每日业务量波峰、波谷及平均值，并按月梳理绘图，掌握了网点全月业务量的时间趋势，然后对各时段波峰、波谷的影响因素进行了相关性分析，及时推送给网点，供网点负责人评估、参考，适时抽调人手补充网点营销，从而为网点提供切实有效的智能化资源调度指引。由图2可见，该网点月初和月末业务量较多，运用因素相关性分析后得出结论，该网点业务量与代发工资及季末货币流动性具有较高相关性。经深入查找原因，月初、月末往往是银行代发工资高峰时段，各单位发放工资集中申请和个人工资分散取款的情况较多，导致网点月初月末业务量增大。同时，月末、季末金融市场往往急需流动资金，理财产品投放较多、收益最好，容易吸引客户前来购买，增大了网点业务量水平。网点负责人可参照此图安排和规划网点营销活动。
二、应用成效及借鉴价值
目前, 3G技术和智能手机的不断普及推动手机用户使用习惯和移动互联网应用的升级。全球眼、即时通讯软件天翼live、手机游戏、可视电话、手机音乐、手机电视、综合办公、多媒体彩铃、手机支付、应用商城、统一门户、即时通信、位置定位、手机地图等增值业务正在快速发展, 新的移动服务模式也不断涌现, 在帮助用户享受实时、便捷、实用、娱乐等高速体验的同时, 也推动了移动数据流量的大幅增长。
据思科预计, 至2014年, 全球移动IP流量的复合年均增长率约为108%。公开资料表明, 中国移动的数据业务正在爆炸式增长, 全国移动数据业务流量10年约增长150%, 部分省份增长达到200%~300%。另根据现网采集数据分析, 通信运营商10年的峰值流量增长约为183%, 而数据用户数的增长约为69%, 可见单用户的平均速率正在上升, 总的移动业务流量也在迅速增长。
而数据流量增长对运营商来说是一个很好的发展机会, 从全球移动通信运营商整个经营情况看, 由于话语资费不断降低, 过去若干年当中ARPU值是处于下降趋势, 但近几年由于数据流量的增加有些国外运营商ARPU出现上升趋势, 如日本软银等。当前中国移动的数据收入在整个收入比重约占30%, 有些国外运营商数据收入在整个收入比重已经超过了50%, 这个比重随着移动互联网的发展将不断增加。而未来移动互联网时代的核心竞争力仍将是高性能网络服务能力。
在未来流量迅速增长的移动数据业务背景下, 通信运营商在网络建设方面该采取哪些应对策略, 既能尽量降低降低网络运营成本和建设成本, 又能提高用户感知满意度和单用户ARPU值?这也是本次论文研究的目的。
本次论文从网络成本、业务感知满意度及提高经济效益方向出发进行研究, 提出了"一宽二固三引四异五防六疏"六种应对策略。论文的研究思路如下图:
本次论文从网络承载能力和健壮性、节流分流、主动防御和配套能力匹配等方面展开分析, 提出相应的应对策略。
2、网络应对策略分析
从网络承载能力和健壮性、节流分流、主动防御和配套能力匹配等方面展开分析, 提出相应的应对策略。
2.1提升网络容量-"宽"
1、大容量PDSN建设
根据对目前用户使用行为和未来业务发展的预测, 现网PDSN单台容量已难以满足后续大流量承载高带宽需求, 根据"大容量、少节点"原则, 要求选用的分组域核心网设备应具有高吞吐量、高处理能力、高集成度以及低功耗等特点。启动大容量PDSN建设势在必行。
2、PDSN引入万兆接口
PDSN的RP接口和PI-0接口如果还是采用多GE捆绑方式进行, 将导致: (1) 端口捆绑数量多, 设置麻烦; (2) 无法配置端口流量的备份链路, 如果继续采用多GE备份, 那涉及的GE端口数量就更多了。 (3) 由于PDSN的槽位有限, 单槽位可配置4-8GE端口或一个万兆接口, 采用多GE配置将减少槽位的利用率, 增加了设备投资。故为了能适应移动数据业务大流量的承载需求, 建议在大容量PDSN的RP和PI-0接口配置万兆接口, 同时进行N+1的万兆端口备份, 以适应可能突发的大流量冲击。
3、PCF下行接口IP化
(1) 基站的Abis接口IP化
下一代的网络立足于"一切基于IP, IP基于一切"的前提, 未来移动通信网络也将向全IP化的网络演进, 实现移动与IP的真正融合。为了适应大流量承载需求, 建议加快IP化进程。
(2) BSC/PCF的Abis接口IP化
在今后的网络建设中, 建议BSC/PCF的Abis接口尽量不配或少配155M接口, 增加GE端口的投资, 有利于后期大流量的接入承载。
2.2 提高网络安全-"固"
1、PDSN双节点建设
为了能打造适应大流量承载的C网分组域, 从今后网络的安全性考虑以及核心网设备的重要性和安全性, PDSN网元建设应考虑容灾, 建议启动PDSN第二节点的建设。两套PDSN互为备份, 当一套PDSN出现故障时, 用户可由另一个PDSN接入, 提高了安全性。两套PDSN应部署在不同机房, 可实现地理上的容灾。
2、AAA系统均衡负荷
建议在现有的AAA系统前增加两台四层交换机作为IMSI转发的负载均衡器, 实现AAA服务器之间的负载均衡。
2.3 引导分流流量-"引"
1、C+W分流方案探讨
通信运营商现网的C网用户可以通过C+W认证网络和WAG转发享受高速率的带宽, 也可以通过申请帐号密码方式登录WLAN认证系统享受IP城域网的更高速率带宽。根据以下国外通信运营商的业务分流运营情况可以认为C+W分流是有效的大流量网络应对策略:
(1) 2010年6月, 因iPhone等智能手机的高流量引发的网络拥塞, AT&T随即调整策略, 利用自己的WiFi网络对其有线宽带和3G网络形成了有效的补充, 规定凡是每月移动数据业务资费在60美元以上的AT&T上网卡用户 (包括HSPA和EDGE用户) , 均可免费获得WiFi接入服务;所有的iPhone用户、定制数据包月服务的黑莓终端用户可免费获得WiFi热点接入服务;有效的缓解了大流量业务承载需求, 2010年10月AT&T的WiFi热点连接量比2009年同比增长300%。
(2) PCCW的统计显示2009年5月通过WiFi网络有效分流了4-5%的3G数据流量, 在高需求地区WiFi分流的比例更高达20%;
(3) Verizon的移动宽带数据卡包月用户均可获得免费的WiFi接入服务;
(4) Orange利用UMA (可实现WiFi与移动网络的切换) 技术来分流部分移动网络流量。
2、AAA系统灵活统计技术
目前通信运营商采用的是包月计费方式, AAA系统无复杂的计费记录和统计功能。为了能有效降低并发流量和单用户的当月流量, 建议对包月限额用户采用超额时进行节流限制包括限速节流、峰时节流、降级转发等措施来适当降低分组峰值流量, 同时提供更丰富的流量记录来支持不同资费策略的制定。
3、多播技术探讨
BCMCS业务是一种多播广播业务, 它解决了无线流媒体空口资源独占的问题, 将传统的空口使用方式变为组播共享信道方式, 为广播流媒体业务提供基础, 多播广播技术在占用带宽资源较低的同时, 为多个用户提供了灵活、有效的多播移动流媒体业务。组播多播的引入对手机电视、实时新闻等流媒体业务提供良好的网络支持, 减少了PCF至PDSN之间的流量及带宽需求。相对于全部用户都采用单播流方式来说, 多播技术能非常有效地降低了PDSN的接口流量和设备负荷。
2.4 提供差异化服务-"异"
不同用户群、不同地域的用户以及不同的业务类型对网络流量消耗的巨大差异, 使得通信运营商CD-MA网络总体资源利用率严重偏低。在一些热点区域或针对部分高端用户群, 目前无法确保高质量的网络服务, 同时大量低价值用户却消耗了过多的网络资源。因此, 在不断增长的大流量移动网络运营过程中, 必须加快实施差异化服务手段, 保障重点客户和重点业务对网络资源的需求, 划分不同的用户等级和业务分类, 对不同等级的用户以及不同业务分配不同的资源。以保障重点客户资源需求并可保障重点业务的用户体验。
·AAA用户分级设置
·PDSN DPI技术支持以及PCC架构部署
·基于流量、内容应用、分级计费模式
2.5 采取防范措施-"防"
1、P2P流量整形
通过现网网管系统对各业务占用带宽统计 (如下图) , P2P等下载类业务带宽占比已超过了40%, 占用了大量网络资源, 影响了其他业务用户的网络体验。
流量整型 (特别是针对P2P业务) 可将网络单位流量平均收益预计提升10-20%。因此, 建议PDSN利用升级后的DPI功能对P2P流量进行有限条件下控制使用, 主动控制, 减少PDSN峰值流量:
(1) 选择低价值用户设置P2P检测功能, 始终 (从月初至月底) 进行P2P流量检测和限速 (用户体验保持一致) ;
(2) 选择低价值用户或者全部用户设置P2P检测功能, 结合AAA的流量统计功能, 当用户的当月流量累计达到一定门限时, AAA授权PDSN进行P2P流量的检测和限速 (用户体验会有变化) ;
2、忙时忙区应对预案
热点区域最容易出现网络拥堵现象, 节假日忙时的峰值流量也达到高峰, 故建议升级PDSN提供忙时忙区差异化策略控制功能, 提前做好参数设置预设, 结合无线侧QOS策略, 制定好网络拥堵应急预案, 对大流量进行主动防御。
2.6 疏通关键瓶颈-"疏"
1、网管数据深度挖掘
网管数据是现网运行情况的直接记录, 建议增加IT统计应用工具, 按月、季、年阶段不断地对现网采集数据进行多角度数据挖掘, 分析不同类型用户行为、不同业务应用情况、不同区域流量惯性、不同时段流量变化规律, 及时动态调整用户资源分配、业务属性等级和网络设备参数设置等, 确保通信运营商自营业务的推广应用和VIP用户的良好网络感知。
2、PCF上下行能力匹配
由于前文描述加快PCF下行的IP化建设, 故应当注意PCF上行的接口能力进行匹配。在IP化进程中, 应密切关注链路利用率, 及时对BSC/PCF至C网CE以及C网CE至承载网的链路进行扩容, 以免造成上行流量拥塞。
3、异网接口能力匹配
在PDSN的RP、PI-0的接口引入万兆接口后, 建议密切注意分析该链路利用率, 及时扩容该部分链路。而业务网的接口流量更应该重点关注, 业务网的接口直接关系到通信运营商自营业务的顺畅推广, 直接影响到全部用户的网络感知, 故也应及时扩容该部分链路。
3、总结及后续研究探讨
在未来流量迅速增长的移动数据业务背景下, 本次论文从既能尽量降低降低网络运营成本和建设成本又能提高用户感知满意度和单用户ARPU值研究为目的出发, 首先对目前网络应用现状和业务承载能力进行分析, 提出现网存在的问题, 然后针对这些问题从网络承载能力和健壮性、节流分流、主动防御和配套能力匹配等方面展开分析, 提出了"一宽二固三引四异五防六疏"六种应对策略。
参考文献
大数据应用正成为
企业创新的新趋势
企业是市场经济的主体，企业的经营和管理活动既有很多常规性制度、流程和行为，面临着市场变化的不确定性，也有很多随机性、临时性的应变行为。在互联网经济时代，市场瞬息万变，因时而变、因势而变就成为企业赢得市场先机的关键所在。在快速变化中准确决策，充分的数据就显得尤为重要。企业一旦掌握了数据资源和数据分析的能力，将具备应对变化的敏锐洞察力。在这个大数据时代，可以说，没有数据就没有竞争优势。
亚马逊是美国最大的电子商务公司，它最早意识到大数据的价值，并将大数据分析应用在了商品的关联销售上。在亚马逊电子商务网站的后台，记录了每位网民在亚马逊网站上的购物行为：消费者是谁？他们对哪些商品感兴趣？他们曾购买了哪些商品？他们对这些商品做了哪些评论？等等。根据大量消费者的网购行为数据，亚马逊开展了一系列的大数据分析，比如其中有一项数据分析被称为“相似购买行为”分析，就是发现哪些消费者在购买行为上具有相似性，依据这一分析结果，亚马逊能够找到一组具有相似购买行为的群体，并根据群体共同的行为特征去给群体中的单个成员进行商品推荐。比如，小A和小B们一样都买了苹果手机，小B们除了买苹果手机外还买了苹果的充电宝，亚马逊就向小A也推荐购买苹果的充电宝。这样一个看似简单的数据分析和推荐，每年却为亚马逊带来了近三分之一的新增营业收入。
大数据的价值不仅仅体现在企业的市场营销上。在企业的产品研发、生产制造和质量诊断等领域，大数据分析也发挥出了巨大的应用价值。美国著名汽车制造商福特公司就是这方面的榜样，他们将大数据分析应用到了福特福克斯电动车的产品创新和优化中，这款车因此被称为“大数据电动车”。第一代的福特福克斯电动车在驾驶和停车时产生了大量数据。例如，在车辆行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这些数据被传回到福特总部的数据中心，通过对这些数据的分析，工程师可以清晰地了解司机的驾驶习惯，包括如何驾驶、何时驾驶以及在何处充电等数据。即使车辆处于静止状态，它也会持续地将车辆胎压和电池系统的数据传送给最近的智能电话，并最终反馈回总部。这种以客户为中心的大数据应用场景具有多方面的好处，通过大数据分析实现了新型的产品创新和协作方式。司机获得了有用的最新信息，而位于底特律的工程师汇总了关于驾驶行为的信息，以便更了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。
在供应链管理领域，大数据也实现了高效的物流响应速度。例如，电子商务企业京东商城，通过大数据分析提前预测各地商品需求量，从而提高货物配送和仓储的效率，保证了次日货到的客户体验。通过RFID等产品电子标签技术、物联网技术以及移动互联网技术能帮助企业获得完整的产品供应链的数据，利用这些数据进行供应链分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运转，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对全球客户的敏捷响应。
大数据在企业业务和管理中正被广泛应用，创新了企业的研发、生产、运营、营销和管理模式，改变着企业的商业模式，带来了更快的决策速度、更高的运营效率和更强的战略洞察力。在美国，一项针对企业家的调研显示，62%的企业已经或短期将要部署大数据应用，87%的人认为大数据应用使企业应对商业挑战反应更加迅速，82%的人认为大数据能整合分析来源更广泛的数据，80%的人认为大数据能改善整体企业决策分析能力，70%的人认为大数据能减少决策分析和数据研究成本。
我国企业的大数据应用现状
大数据应用有两个前提条件：一是要有数据，二是要有分析数据的能力。对我国的很多企业来说，尤其是那些还没有“触网”的传统企业，既没有数据，也没有数据分析的能力，确实无从谈起大数据应用。但是，如果这些企业就此认为大数据应用离自己还很遥远，那就大错特错了。殊不知，一大批行业的新进入者，正是凭借着互联网基础设施和丰富的大数据资源，向所有传统行业发起了挑战。这就形成了一种倒逼机制，任何企业，不了解大数据、认识大数据、应用大数据，就可能被时代所淘汰。因此，对我国大部分企业来说，主动推进企业+互联网的进程，树立大数据的意识和思维，是首先要解决的问题。对于每个行业都是这样。
在传统的零售行业，一家实体店的店主需要花费很高的成本租下铺子，要进货，要雇人看店，用辛苦的工作换来一点勉强度日的收入，即使生意再好，光顾店面的顾客也是屈指可数的。店主唯一能够掌握的数据就是销售额和出货量。小富即安，这样的生活看起来也不错。但是，这种安静很快就被打破了。像淘宝、京东这样的大型电商平台携带着成千上万的网商，汹涌而来。对一个网商而言，他的店开在网上，顾客来自五湖四海，市场一下子扩大了很多倍。更重要的是，通过淘宝魔方这样的数据分析工具，网商能掌握客户数据、客户喜好数据、客户行为数据，还可以了解淘宝平台上的行业宏观情况、自己品牌的市场状况等，据此就能准确进行营销和库存的预测，能对客户需求的变化快速做出响应，并能为客户提供个性化的产品和服务，大幅增加客户回头率。这种竞争力是任何实体店主不能比拟的，于是，拥有大数据的网商成为了线下实体店的终结者。
在传统的制造业，当前企业的数据来源和应用基本是来自企业内部，很多先进的企业已经实现了企业内部信息化，建立了企业资源规划（ERP）系统、客户关系管理（CRM）系统、办公自动化（OA）系统、产品数据管理系统（PDM）等，这些系统准确记录了企业的经营活动和市场交易的数据。一些领先的企业，通过统计报表分析、商业智能（BI）分析，可以对自身的生产经营活动进行规划、预测、考核和优化，从而根据市场需求准确进行资源配置规划，提高运营效率，优化供应链，提升客户满意度。尽管如此，这些信息化发达的企业依然要面对大数据的冲击和挑战，更不要说更多内部信息化程度依然很低的企业。以互联网平台和大数据为后盾的新一代制造企业正成为了新的进入者和颠覆者。他们从互联网公司转型成为一家互联网制造企业，渗透到汽车、手机、电视等传统制造领域，彻底改变制造业的游戏规则。他们凭什么？答案就是互联网和大数据。以小米手机为例，成立短短几年时间，就超越手机制造巨头，成为中国手机市场的前三强。小米手机的制胜法宝就是互联网+制造+大数据，从小米手机的产品研发、设计、营销到售后服务都是在互联网上进行的，“米粉”们主动参与产品设计，产品品牌在网络上被快速传播，营销事件不断在社区被发酵，一代代新产品也被快速迭代地制造出来，在整个过程中大数据被快速地分析和应用，精确地实现了精益制造。这就是大数据对制造业的威力。
在传统金融行业，数据一直是金融机构的生命线，从金融电子化到金融网络化，金融机构的信息化始终没有落后。但问题一样存在，历史悠久的金融机构束缚也很大，影响着其大数据应用的进程。以银行为例，尽管他们很早就实现了网上银行，但因为网点才是银行存款的主要来源，线下的大企业才是银行信贷的大客户，网上银行仅仅被当作一个新业务渠道，如同ATM设备一样。信息化水平发达的银行某种程度上轻视了互联网引发的业务革命，因此也忽略了对网上大数据的采集和分析。相反，依托互联网，拥有大量网民和大数据资源的阿里支付宝、腾讯微信等互联网金融企业却能够异军突起，将支付、理财、代收费等中间业务做得风生水起，并向银行核心业务步步紧逼。微信支付的优势就在于其真实的海量用户群，鲜活海量的客户大数据，通过这些大数据分析，能够了解客户的行为、忠诚度、喜好和价值，并有针对性地提供精准的个性化服务。阿里的信用贷款则是通过掌握中小企业交易和运营数据，借助大数据技术自动分析判定是否给予企业贷款。发放贷款300多亿元，坏账率仅约0.3%，大大低于商业银行。
在传统的物流行业，货车司机从一个地方拉货到另外一个地方，返回时通常不能空载而回，他们就需要花钱从代理手中买一条信息，但这种信息不是随时都有，需要等很长时间，买到了也未必正好是自己满意的路线。这就是传统货运代理的生意。互联网公司也看到了其中的商机，他们建立起一个物流电商平台，类似于货车界的滴滴打车，在这个物流电商平台上，货车司机可以发布空车数据，货主可以发布货运数据，平台帮助撮合空车配货的交易。传统的货运公司就这样被大数据所取代了。
这样的事例发生在各行各业，这就是我国大数据应用的现状。像一个天平，在一端，很多传统企业依然我行我素，与互联网和大数据隔绝，占了近1/2的比例。在另一端，众多新兴企业，依托互联网和大数据应用，改变传统行业的商业模式和管理模式，迅速做强做大，占了约1/10。很多企业则站在中间，它们看到了大数据的价值，积极尝试采集大数据、分析大数据、应用大数据，用大数据去创新业务模式，用大数据去改善营销、产品设计、供应链管理和售后服务，占了近2/5。传统企业应用大数据有了很多标杆，它们迅速成为了行业领先者，比如零售行业的大悦城、制造行业的海尔、金融行业的招商银行、物流行业的顺丰、旅游行业的中青旅、健康行业的爱康国宾、家居行业的尚品宅配、服装行业的红领西服等，一大批这样的企业正在积极应用大数据，从而获得新的竞争力。
大数据提升业务决策和管理能力的策略
主动推进互联网+，建立企业大数据的闭环
互联网+时代是一个相互联接、开放和互动的时代，企业要主动接触互联网，将自身的业务与管理环节融入互联网中，通过互联网低成本建立有效的大数据收集、传递和分析系统，覆盖网络营销、社区营销、电子商务、网上客服、供应链电子商务、工业互联网等各个环节，主动积累海量数据资源，形成企业大数据闭环。只有形成大数据闭环，这些数据资源才能更有价值，真正转化成企业的数据资产。
树立大数据思维，追求经营管理的精准化
大数据是对企业生产经营活动和市场变化的真实记录，它能够还原事实的本质，能够发现和预测客户的真实需求，能够追溯出质量问题的根源，能够探寻出产品的关联性，能够展示出物流和资金链运行全景。这就是大数据的魅力和精髓。因此，企业要从战略上重视大数据，全员树立大数据思维，要一切生产经营活动用数据说话，追求生产经营与管理的精益化、精确化和精准化。
建立分析模型，让大数据为提升业务决策与管理能力服务
大数据的价值体现要看企业怎么使用它？就像一块矿石，有人用它来做石斧，有人则把它提炼成了一块钻石。数据分析的模型决定了对大数据进行加工清洗的方法和模式。分析模型做得好坏，分析模型对业务管理的理解程度，直接决定了企业大数据分析的价值。好的数据分析师，就是好的分析模型设计师。数据分析模型是从业务需求出发的，模型是业务相关的，需要对业务有透彻的理解和感悟。企业数据分析模型，可以按照企业的职能进行划定，比如营销领域的客户忠诚度分析、客户喜好分析等；考核领域的KPI分析；客户服务领域的客户满意度分析；风险管理领域的客户流失度分析，等等。通过建立这些分析模型，企业能够让大数据分析大幅提升业务决策与管理能力。
大胆变革，用大数据实现业务和管理模式创新
在大数据时代，数据是企业的血液，一个高效运作的企业就是一个数据驱动的企业。大数据具有开放、共享、多元和实时的特点，对大数据驱动的企业而言，需要建立与之相适应的组织结构、管理模式和商业模式。首先是企业组织结构的社区化。企业的组织结构将是开放互动的，企业、客户、合作伙伴相互连接在一起，共同组成一个开放社区，客户从消费者转变为产销者，客户将自身的需求向社区传达，并借助企业来得以实现，产品能够在社区互动中进行快速迭代，持续地满足客户的个性化需求。其次是企业经营管理体系的平台化。互联网将成为企业共享的商业基础设施，企业的业务和管理体系将整体构筑在互联网基础设施上，成为互联网基础设施上的一朵“企业业务管理云”，大数据资源将成为企业的基本生产要素之一。再次是商业模式的多元化。企业可以通过服务或产品直接向客户收费，也可以是基础服务或产品免费但从增值业务或数据资产变现来进行收费。各种商业模式都会出现，变现的方式，不仅仅是产品、服务，也包括数据资产，如何变现将取决于企业的战略目标，是利润最大化还是快速规模化，是个性化订制还是大规模生产。最后是产品和服务的精益化、精准化。从营销、研发、生产、供应链到售后服务，所有环节都有数据的采集、数据的加工和分析、基于数据分析的预测和调度，真正实现精准营销、精确研发、精益制造、精准物流和精细服务。
总之，大数据将注定成为企业业务创新与管理提升的新动力！
（责任编辑：陈海峰）
作者简介：
赵刚 北京赛智时代信息技术咨询有限公司创始人、博士学历。主要从事信息产业、信息化、大数据、企业战略咨询工作。历任赛迪顾问股份有限公司高级副总裁、北京赛迪时代信息产业股份有限公司总裁、中国电子信息产业发展研究院“赛迪学者”。兼任中国信息化推进联盟专家、中国电子学会高级会员、中关村大数据产业联盟专家、中关村大数据交易产业联盟专家。
在信息化领域耕耘已17年，服务的政府、企业客户超过100家。长期致力于信息化和新一代信息技术的研究、咨询和工程建设。先后参与了国家金融信息化、中欧信息社会、新一代信息技术战略等国家级项目，承担了北京、天津、贵阳、南宁、佛山、广州、鄂尔多斯等地信息化、智慧城市、信息产业、大数据等课题，主持并参与了中国人保、中国海油、中国有色、福建海峡银行、长城电脑、广汽集团等企业的战略、信息化和互联网咨询项目。
