论文部分内容阅读
中图分类号：DF75.2 文献标识码：A 文章编号：1009-914X（2016）29-0287-01
一、前言
近年来，大数据迅速发展成为工业界、学术界甚至世界各国政府高度关注的热点。在大数据时代，“数据即资产”的核心理念已成为各个行业的共识，大数据具有4V的特点：一是数据容量巨大（Volume），二是数据类型众多（Variety）；三是数据价值密度低（Value）；四是处理数据的速度要求非常快（Velocity）。相关研究预测标明，2015-2020年是大数据行业高速发展期，到2020年中国的大数据市场规模为454.33亿元，增长速度为20%。互联网行业、政府、金融、电信、零售等典型行业率先启动大数据产业布局，传统行业也积极收集行业数据，引入外部大数据，建设大数据平台，开展跨行业大数据创新应用实践，不仅使行业内部运行效率得到提升，加速传统行业转型升级，而且已经创造出巨大的经济价值和社会价值。2016年7月28日，《国家信息化发展战略纲要》发布，明确指出要促进工业经济向信息经济转型，大力推进数据资产化和资源化，优先开放政务和民生保障服务相关的数据，随着政策红利不断发放以及大数据共享机制的逐渐完善，毫无疑问，大数据将更加深刻地推动产业发展。
二、跨行业大数据应用场景和典型案例（图1）
电信行业通过将行业内部的B/O/M域数据、上网日志等和外部金融、旅游、政务等行业数据进行结合，已经实现了端到端网络分析优化、精准营销、用户体验提升、地理位置服务、智慧旅游、智慧城市、行业分析报告等场景应用。例如国内三大运营商基于上网日志分析和外部数据综合分析，解决用户上网流量投诉，提供行业指数，并与金融、公共服务、位置服务等在大数据应用进行合作。
金融保险行业整合个人特征数据、资产数据、保单数据等行业内部数据和互联网行为数据、地理位置信息、个人消费数据、征信数据等行业外部数据，形成基于大数据的客户洞察、互联网征信、投资预测、风险控制、极速放贷、电信诈骗拦截等创新应用场景。
医疗健康行业通过将个人体征数据、个人特征数据、基因检测数据、电子病历、遗传数据等医疗领域数据和互联网用户搜索数据、地理位置数据、气候数据、环境数据、人口流动数据等行业外数据融合和分析，可实现疾病预测、个人健康监测管理、癌症诊断和预测及早产儿病情诊断。
文化传媒行业通过将消费者数据库、影视基础数据、影视评分数据、用户视频播放行为数据、电视节目收看行為、剧集播放设备、剧集播放时间等行业数据与互联网搜索数据、社交网络数据、线上购物数据等进行融合，进行投资风险评估、受众定位、影视精准营销、票房预测。
旅游行业通过将个人特征数据、景区数据等行业内部数据与气候数据、地理位置数据、运营商移动用户数据等行业外数据结合，实现旅游指数、景区客源分析、个性化推荐、景区预警等。
能源行业作为典型的传统行业，也开始将行业内部的企业生产数据、勘探大数据、油气管道数据、风电场实时流体模型数据、光伏电站数据、气象数据、地理数据等和外部地理位置数据、环境数据、气候数据、风速数据、海拔数据、大气温度、日照数据、周边救援方案数据、地震数据、能源输送数据等进行结合，开展了自动化矿井值守、精准化油气开采、井位确定、安全监控和预警、油气管道腐蚀点预测、风电场自动化选址设计、风能发电量预测、光伏电站健康度检查、光伏电站精准运营等创新应用。
零售贸易行业通过运用大数据技术提高了生产数据的计算速度，还通过将销售数据、人力成本、物流数据等内部数据和突发事件、交通数据、气候数据等外部数据相结合，实现货品摆放营销设计、物流成本控制、销售数据分析、产品溯源等应用。
农林牧渔业通过将农业生产数据、养殖数据、质检数据、消费者评价数据、生产/设备监控数据、土壤数据、人力成本、物流数据、销售数据、农产品市场价格等内部数据和突发事件、交通数据、气象数据等外部数据相结合，实现可视化农场生产管理、农场耕作精细化管理、物流成本控制、肉类/乳品安全溯源体系、种植灌溉差异化、防灾预警等。
汽车行业通过内部汽车企业运营数据、汽车企业研发数据、汽车销售数据、车辆行驶状况数据、车联网传感数据、座椅压力数据、汽车配件数据等行业内部数据和互联网舆情数据、用户群体行为数据、实景地图数据等外部数据结合，实现产品人性化设计、无人驾驶、汽车网站用户导流、精准广告推送、汽车防盗、行驶安全预警。
化工行业通过将物流管理大数据、销售数据、人力成本数据、ERP系统数据、订货数据、加油站销售数据結合行业外部的气候数据、交通数据、网上支付数据、个人互联网用户行为、个人位置信息数据等，实现石脑油原料操作样本建模、石化产品结构优化、生产安全预警指挥、环境应急预警、客户识别、精准营销。
公共事业领域利用公共设施监测数据、维修记录、交通监测数据等进行公共设施危险预警和事故追踪；通过对患者数据、疾病数据和诊疗数据进行综合分析可帮助医院进行智能病症诊疗；公安部门基于交通信息、旅游数据、安防数据、地理位置、道路监控数据、用户真实信息等多方位数据结合，可以实现人流、车流的实时监控，以及异常人群聚集预警等。
此外，房地产、冶金、教育培训等领域也进行了非常多的行业大数据应用探索。可以看出，充分挖掘产业大数据的商业价值可大大促进产业服务质量和效能提升，加速传统行业的转型升级。
三、电信运营商跨行业合作方向建议
电信运营商拥有着海量真实的用户基础资料信息、用户全部上网日志以及通过基站切换收集用户实时行为轨迹等信息，基于这些大数据电信运营商已经在自身网络优化、精准营销、征信数据服务等内外部应用中获益。然而，电信大数据的价值远未被挖掘出来，更多的跨行业大数据创新商业模式还有待探索和实践。基于电信运营商用户的用户大数据信息结合各行业的业务特征和使用场景，实现对众多跨行业大数据应用进行研究，梳理出电信运营商可能的跨行业大数据合作方向，如表1所示。
电信运营商作为国家工业信息化的基础信息服务提供者，在用户静态信息和移动行为信息等方面的大数据具有其他行业无法替代的优势，相信在跨行业大数据融合的应用场景将被不断挖掘和应用。
一、前言
近年来，大数据迅速发展成为工业界、学术界甚至世界各国政府高度关注的热点。在大数据时代，“数据即资产”的核心理念已成为各个行业的共识，大数据具有4V的特点：一是数据容量巨大（Volume），二是数据类型众多（Variety）；三是数据价值密度低（Value）；四是处理数据的速度要求非常快（Velocity）。相关研究预测标明，2015-2020年是大数据行业高速发展期，到2020年中国的大数据市场规模为454.33亿元，增长速度为20%。互联网行业、政府、金融、电信、零售等典型行业率先启动大数据产业布局，传统行业也积极收集行业数据，引入外部大数据，建设大数据平台，开展跨行业大数据创新应用实践，不仅使行业内部运行效率得到提升，加速传统行业转型升级，而且已经创造出巨大的经济价值和社会价值。2016年7月28日，《国家信息化发展战略纲要》发布，明确指出要促进工业经济向信息经济转型，大力推进数据资产化和资源化，优先开放政务和民生保障服务相关的数据，随着政策红利不断发放以及大数据共享机制的逐渐完善，毫无疑问，大数据将更加深刻地推动产业发展。
二、跨行业大数据应用场景和典型案例（图1）
电信行业通过将行业内部的B/O/M域数据、上网日志等和外部金融、旅游、政务等行业数据进行结合，已经实现了端到端网络分析优化、精准营销、用户体验提升、地理位置服务、智慧旅游、智慧城市、行业分析报告等场景应用。例如国内三大运营商基于上网日志分析和外部数据综合分析，解决用户上网流量投诉，提供行业指数，并与金融、公共服务、位置服务等在大数据应用进行合作。
金融保险行业整合个人特征数据、资产数据、保单数据等行业内部数据和互联网行为数据、地理位置信息、个人消费数据、征信数据等行业外部数据，形成基于大数据的客户洞察、互联网征信、投资预测、风险控制、极速放贷、电信诈骗拦截等创新应用场景。
医疗健康行业通过将个人体征数据、个人特征数据、基因检测数据、电子病历、遗传数据等医疗领域数据和互联网用户搜索数据、地理位置数据、气候数据、环境数据、人口流动数据等行业外数据融合和分析，可实现疾病预测、个人健康监测管理、癌症诊断和预测及早产儿病情诊断。
文化传媒行业通过将消费者数据库、影视基础数据、影视评分数据、用户视频播放行为数据、电视节目收看行為、剧集播放设备、剧集播放时间等行业数据与互联网搜索数据、社交网络数据、线上购物数据等进行融合，进行投资风险评估、受众定位、影视精准营销、票房预测。
旅游行业通过将个人特征数据、景区数据等行业内部数据与气候数据、地理位置数据、运营商移动用户数据等行业外数据结合，实现旅游指数、景区客源分析、个性化推荐、景区预警等。
能源行业作为典型的传统行业，也开始将行业内部的企业生产数据、勘探大数据、油气管道数据、风电场实时流体模型数据、光伏电站数据、气象数据、地理数据等和外部地理位置数据、环境数据、气候数据、风速数据、海拔数据、大气温度、日照数据、周边救援方案数据、地震数据、能源输送数据等进行结合，开展了自动化矿井值守、精准化油气开采、井位确定、安全监控和预警、油气管道腐蚀点预测、风电场自动化选址设计、风能发电量预测、光伏电站健康度检查、光伏电站精准运营等创新应用。
零售贸易行业通过运用大数据技术提高了生产数据的计算速度，还通过将销售数据、人力成本、物流数据等内部数据和突发事件、交通数据、气候数据等外部数据相结合，实现货品摆放营销设计、物流成本控制、销售数据分析、产品溯源等应用。
农林牧渔业通过将农业生产数据、养殖数据、质检数据、消费者评价数据、生产/设备监控数据、土壤数据、人力成本、物流数据、销售数据、农产品市场价格等内部数据和突发事件、交通数据、气象数据等外部数据相结合，实现可视化农场生产管理、农场耕作精细化管理、物流成本控制、肉类/乳品安全溯源体系、种植灌溉差异化、防灾预警等。
汽车行业通过内部汽车企业运营数据、汽车企业研发数据、汽车销售数据、车辆行驶状况数据、车联网传感数据、座椅压力数据、汽车配件数据等行业内部数据和互联网舆情数据、用户群体行为数据、实景地图数据等外部数据结合，实现产品人性化设计、无人驾驶、汽车网站用户导流、精准广告推送、汽车防盗、行驶安全预警。
化工行业通过将物流管理大数据、销售数据、人力成本数据、ERP系统数据、订货数据、加油站销售数据結合行业外部的气候数据、交通数据、网上支付数据、个人互联网用户行为、个人位置信息数据等，实现石脑油原料操作样本建模、石化产品结构优化、生产安全预警指挥、环境应急预警、客户识别、精准营销。
公共事业领域利用公共设施监测数据、维修记录、交通监测数据等进行公共设施危险预警和事故追踪；通过对患者数据、疾病数据和诊疗数据进行综合分析可帮助医院进行智能病症诊疗；公安部门基于交通信息、旅游数据、安防数据、地理位置、道路监控数据、用户真实信息等多方位数据结合，可以实现人流、车流的实时监控，以及异常人群聚集预警等。
此外，房地产、冶金、教育培训等领域也进行了非常多的行业大数据应用探索。可以看出，充分挖掘产业大数据的商业价值可大大促进产业服务质量和效能提升，加速传统行业的转型升级。
三、电信运营商跨行业合作方向建议
电信运营商拥有着海量真实的用户基础资料信息、用户全部上网日志以及通过基站切换收集用户实时行为轨迹等信息，基于这些大数据电信运营商已经在自身网络优化、精准营销、征信数据服务等内外部应用中获益。然而，电信大数据的价值远未被挖掘出来，更多的跨行业大数据创新商业模式还有待探索和实践。基于电信运营商用户的用户大数据信息结合各行业的业务特征和使用场景，实现对众多跨行业大数据应用进行研究，梳理出电信运营商可能的跨行业大数据合作方向，如表1所示。
电信运营商作为国家工业信息化的基础信息服务提供者，在用户静态信息和移动行为信息等方面的大数据具有其他行业无法替代的优势，相信在跨行业大数据融合的应用场景将被不断挖掘和应用。