大數據時代

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇大數據時代范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

大數據時代范文第1篇

新聞回放：

2012年，大數據成為國內軟件和信息服務產業最熱門的話題。無論是各大IT廠商、還是企業用戶，都將大數據作為未來的重要發展方向之一。另外，中國政府和國內科研教育機構對于大數據的重視程度也上升到了一個新的高度。

 

2012年4月，中國移動、中國聯通、中國電信三大運營商不約而同地落戶西安西咸大數據處理與服務產業園，這是中國首家以大數據業務為中心的高新園區。

2102年9月，北京航空航天大學成立大數據科學與工程國際研究中心。之后，北京航空航天大學又設立了國內首個“大數據技術與應用”軟件工程碩士項目。

2012年12月，在2012中國軟件大會上，賽迪集團軟件與信息服務業研究所、軟件和信息服務雜志社聯合了國內首份大數據發展藍皮書。

科研和人才培養方面的啟動，標志著大數據市場已經進入發展期。

而從用戶層面來看，2012年，大數據在國內銀行、電信、零售以及快消品等行業都已經有成功應用案例出現。可以看到，一個大數據時代的雛形已經清晰地浮現在我們眼前。

 

新聞點評： IT應用的價值發生質變

2012年，被很多人稱為是大數據元年。之所以這樣說，是因為在2012年，大數據真正從概念走向了實踐應用，開始落地。

事實上，大數據這一概念并不是憑空產生的，用戶關于數據分析、處理的需求一直未曾停止過。那么，為什么在2012年，這一需求突然爆發呢？

催生這一需求爆發的原因以下幾點：

一是圖像、語音、視頻等非結構化數據的迅猛增長，使得用戶所面臨的數據量越來越大、越來越復雜，此時，用戶迫切需要對這些海量數據進行處理和分析；

二是數據處理分析技術的進步。最近兩年，隨著HANA、Hadoop、列式數據庫等一批新技術的出現，使得大數據的分析和處理不再可怕。

三是企業市場競爭的需要。

以上幾個因素交織在一起，使大數據在2012年顯得異常火爆，同時也加速了大數據的落地進程。

在2012年，我們可以看到，大數據已經在很多行業開始得到成功應用。例如，農夫山泉公司通過應用大數據技術，取代了企業原來的數據集市，對大量的數據進行實時的分析，這樣企業可以得到實時的業務信息，并及時對市場做出快速反應，這使農夫山泉在激烈的市場競爭中占得先機。

 

另外，在公共衛生、經濟發展和經濟預測、互聯網等多個領域，大數據的實踐應用也開始逐漸涌現。可以說，大數據時代的雛形已經逐步呈現。

在很多人看來，大數據是一項IT技術。但事實上，大數據的更大意義在于，它早已超越了IT技術的范疇，并且將會對一些傳統的商業思維進行顛覆。而其中對于企業而言，最重要的就是，要將數據作為一項重要的資產。未來，對于大數據的分析和處理能力，將成為企業的核心競爭力之一。

 

IDC在其關于大數據的報告中就曾指出，未來領軍企業與其他企業之間最大的差別在于新數據類型的引入。那些沒有引入新的分析技術和新的數據類型的企業，不太可能成為其行業的領軍者。

 

這意味著，IT應用的價值將發生質的改變：IT技術將真正和企業的業務融合到一起，而不僅僅只是一種支持工具。這對于整個IT產業的發展而言，都具有十分重要的意義。

大數據時代范文第2篇

數據就像一個神奇的磚石礦，當它的首要價值被發掘后仍能不斷給予。我們看到的只是冰山一角。就像一些特殊類型的信息也早已經在市場上交易，如書籍、文章、音樂、電影等，這些在過去的幾十年中已經通過個人的數據加入數據庫當中，同時隨著社交平臺的出現，我們的人脈關系、想法、喜好和日常生活模式也逐漸被加入到巨大的個人信息庫中。在數字化的時代，數據的作用被掩蓋，數據只是被交易的對象。被視為附屬于企業經營核心業務的一部分，或者被歸入知識產權或個人信息中相對局限的類別，但是在大數據時代，事情發生了變化，數據的價值從他最基本的用途轉變為未來的潛在用途，這一轉變意義重大，它影響了企業評估其原有的數據和訪問者的形式，促使甚至是迫使公司改變他們的商業模式，同時也改變了組織看待和使用數據的方式了。

銷售企業為了核算和分析而收集銷售數據，制造企業為了確保產品符合質量標準而監控輸出，互聯網為了分析和優化其呈現給訪問者的內容而記錄訪問痕跡。電子商務記錄顧客購買的書籍為了給顧客提供個性化的建議，所以數據的價值不是因為使用而減少或增加，而是不斷的因為需求而持續地被處理。這也意味著即使首次或之后的每次使用都能只帶來了少量的價值，但是只要數據被多次使用過，企業仍然可以對數據加以有效利用。數據的大小和沉寂不是大數據時代的重要標志，數據創新和數據掘金才是大數據時代重要的標志。

數據如何創新首要在于數據的重組，因為處于休眠狀態的數據的價值只能通過與另一個截然不同的數據集結合才能釋放出來。隨著大數據的出現，數據的總和比部分更有價值，當我們完成數據的重組，其數據總和本身的價值比單個總和更大。比如將商家信息與電子地圖相結合，微社交平臺與傳統的電子商務結合，移動平臺與傳統的銷售相結合。這些應用都給了我們指導性意義，通過這種數據的重組，使得我們對數據更加親和，能夠更加簡單地接觸。

大數據時代范文第3篇

關鍵詞：大數據 數據挖掘 營銷

中圖分類號：F49 文獻標識碼：A 文章編號：1007-9416（2015）030-0209-01

近幾年，大數據（big data）一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。2012 年3 月，奧巴馬公布了美國《大數據研究和發展計劃》，標志著大數據已經成為國家戰略，上升為國家意志。從硅谷到北京，大數據的話題傳播迅速。

1 大數據時代

隨著計算機技術全面融入社會生活，經過半個多世紀的發展，信息爆炸已經積累到了一個開始引發變革的程度。它不僅使世界充斥著比以往更多的信息，而且其增長速度也在加快。最先經歷信息爆炸的學科，如天文學和基因學，創造出了“大數據”這個概念。

1.1 大數據時代產生的背景

最早提出“大數據”時代到來的是全球知名咨詢公司麥肯錫，麥肯錫稱：“數據，已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。人們對于海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來?！贝笠幠Ｉa、分享和應用海量數據的時代之所以能夠開啟，源于信息科技的進步、互聯網與云計算技術和物聯網的發展。

（1）信息科技的進步。信息處理、信息存儲和信息傳遞是信息科技的三個主要支撐，存儲設備性價比不斷提升、網絡帶寬的持續增加，為大數據的存儲和傳播提供了物質基礎。

（2）互聯網與云計算技術?；ヂ摼W時代，電子商務、社交網絡和移動通信產生了大量結構化和非結構化的數據，以云計算為基礎的信息存儲、分享和挖掘手段，可以便宜、有效地將這些大量、高速、多變化的終端數據存儲下來，并隨時進行分析與計算?；ヂ摼W領域的公司最早重視數據資產的價值，他們從大數據中淘金，并且引領著大數據的發展趨勢。

（3）物聯網的發展。眾所周知，物聯網時代所創造的數據不是互聯網時代所能比擬的，而且物聯網的數據是異構的、多樣性的、非結構和有噪聲的，最顯著的特點是是它的高增長率。大數據是物聯網中的關鍵技術，物聯網對大數據技術的要求更高，它的發展離不開大數據。

1.2 大數據與數據挖掘

Google、Amazon、Facebook、Twitter，這些稱霸全球互聯網的企業，它們的成功都具備一個共同的因素，就是收集分析海量的各種類型的數據，并能夠快速獲取影響未來的信息的能力。“購買了此商品的顧客還購買了這些商品”，這恐怕是世界上最廣為人知的一種商品推薦系統了，而創造出這個系統的正是Amazon。Amazon 通過分析商品的購買記錄、瀏覽歷史記錄等龐大的用戶行為歷史數據，并與行為模式相似的其他用戶的歷史數據進行對照，提供出最適合的商品推薦信息。Facebook 可以為用戶提供類似“也許你還認識這些人”的提示，這種提示可以準確到令人恐怖的程度，而這正是對龐大的數據進行分析而得到的結果。這種以數據分析為核心的技術就是數據挖掘（data mining）。

從技術角度看，數據挖掘是從大量的、復雜的、不規則的、隨機的、模糊的數據中獲取隱含的、人們事先沒有發覺的、有潛在價值的信息和知識的過程。從商業角度來說，數據挖掘是從龐大的數據庫中抽取、轉換、分析一些潛在規律和價值，從中獲取輔助商業決策的關鍵信息和有用知識。大數據概念的提出，將為數據挖掘技術的發展和應用帶來一個很大的機遇。

2 數據挖掘

數據挖掘旨在從大數據中提取隱藏的預測性信息，用便于理解和觀察的方式反映給用戶，作為決策的依據。

2.1 數據挖掘原理

數據挖掘又稱為數據庫中的知識發現（Knowledge Diseoveryin Databases，KDD），是一個從數據庫或數據倉庫中發現并抽取隱含的、明顯未知的、具有潛在用處的信息的過程。數據挖掘一般流程主要包括三個階段：數據準備、數據挖掘、結果解釋和評價。在數據挖掘的處理過程中，數據挖掘分析方法是最為關鍵的。

（1）數據準備。數據準備是從海量數據源得到數據挖掘所用的數據，將數據集成到一起的過程。由于數據收集階段得到的數據可能有一定的污染，即數據可能存在不一致，或有缺失數據、臟數據的存在，因此需通過數據整理，對數據進行清洗及預處理。

（2）數據挖掘。是數據挖掘中最關鍵的一步，使用智能的方法提取數據模式，例如決策樹、分類和聚類、關聯規則和神經網絡等。首先決定要提取什么樣的模型，然后選取相應的算法參數，分析數據從而得到可能形成知識的模式模型。

（3）結果解釋和評價。數據挖掘后的結果需要轉換成用戶能夠理解的規則或模式，并根據其是否對決策問題具有實際意義進行評價。

2.2 數據挖掘技術在營銷中的應用

無差別的大眾媒體營銷已經無法滿足零和的市場環境下的競爭要求。精準營銷是企業現在及未來的發展方向，在精準營銷領域，最常用的數據挖掘分析方法包括分類、聚類和關聯三類。

（1）關聯規則。挖掘關聯規則就是發現存在于大量數據集中的關聯性或相關性，例如空間關聯挖掘出啤酒與尿布效應；時間關聯挖掘出孕嬰用品與家居裝修關系；時間關聯挖掘出調味品、紙巾與化妝品的消費等。

此外，關聯規則發現也可用于序列模式發現。序列模式發現的側重點在于分析數據項集在時間上或序列上的前后（因果）規律，可以看作是一種特定的關聯規則。例如顧客在購買了打印機后在一段時間內是否會購買墨盒。

（2）分類分析。分類是假定數據庫中的每個對象屬于一個預先給定的類，從而將數據庫中的數據分配到給定的類中。它屬于預測性模型，例如在銀行業，事先定義用戶的信用狀況分為兩類：信用好和信用壞，對于一個信用狀態未知的用戶，如果需要確定其信用度，可以采用“決策樹”法構建一個分類模型，決策樹方法著眼于從一組無次序、無規則的客戶數據庫中推理出決策樹表現形式的分類規則。決策樹的非葉子節點均是客戶的一些基本特征，葉子節點是客戶分類標識，由根節點至上而下，到每個葉子節點，就生成了一條規則，由該決策樹可以得到很多規則，構成了一個規則集合，從而進行數據分析。

（3）聚類分析。聚類是將物理或抽象對象的集合進行分組，然后組成為由類似或相似的對象組成的多個分類的分析過程，其目的就是通過相似的方法來收集數據分類。為品牌找客戶，回答品牌“誰來賣”是精準營銷首先要解決的問題，科學細分客戶是解決這一問題的有效手段。聚類可以將目標客戶分成多個類，同一個類中的客戶有很大的相似性，表現在購買行為的高度一致，不同類間的客戶有很大的相異性，表現在購買行為的截然不同。

3 結語

大數據時代背景下“數據成為資產”，數據挖掘技術作為支撐精準營銷的重要手段，將它應用于營銷行業的決策中，不僅拓展了數據挖掘技術的應用范圍，而且大數據時代的數據挖掘技術可以幫助企業獲得突破性回報。

參考文獻

[1]維克托?邁爾―舍恩伯格；肯尼思?庫克耶.大數據時代：生活、工作與思維的大變革[M].周濤譯.杭州：浙江人民出版社，2013.

[2]王偉玲.大數據產業的戰略價值研究與思考.技術經濟與管理研究[J]，2015（1）.

[3]俞立平.大數據與大數據經濟學[J].中國軟科學，2013（7）：177-183.

大數據時代范文第4篇

更要跨越“數據鴻溝”

云計算上，一個較為悲觀的觀點是，中國企業已經沒有多少機會。由于云計算基礎設施建設需要巨大的資金投入，長時間、大范圍的部署和持續的更新維護，有足夠的資源、實力去構建大規模云計算平臺的企業并不多。

“當時我說，縱觀全球，也不會有太多的公司有資格成為云平臺的掌控者，如今看來，微軟、亞馬遜、谷歌等少數公司位于第一軍團?！蔽④浌救蛸Y深副總裁、微軟亞太研發集團主席張亞勤博士說，到大數據階段，大數據是信息化一個很重要的推動力。大數據就像黃金，它對于社會、企業和個人，都是一種核心的競爭力。

工業和信息化部軟件司副司長陳英認為，大數據所蘊含的價值如今正在逐步釋放，大數據的挖掘利用對提升政府管理職能和企業的決策能力、創新發展模式都將產生深遠影響。發展我國的大數據產業對于推動經濟由粗放型向集約型發展，加速經濟發展轉型會起到至關重要的作用。

陳英表示，目前發達國家已開始了大數據的戰略部署，我國要加快這方面的探索，依托自主創新，掌握自主的大數據技術與裝備，務實推動大數據產業發展。

目前國內相關企業正加快在這一領域的投入。中關村在大數據領域具有良好的發展潛力，技術發展被認為與美國硅谷同步，海量數據挖掘等技術處于國內領先地位，云基地內聚集了一批掌握大數據尖端技術的領先企業。目前，由企業、高校共同發起的中關村大數據產業聯盟已經成立，以進一步加快中關村大數據產業生態環境的構建，力爭引領未來大數據產業發展方向。同時，大數據產業已經納入《中關村戰略性新興產業集群創新引領工程（20132015年）》，將開展大規模云運營服務和大數據挖掘服務。

去年末，陜西省西咸新區灃西新城規劃了國內首家大數據處理與服務專業園區，目標是到2017年建成以西咸新區為核心的國家級大數據處理和服務產業集群。騰訊公司也在近日表示，將把下一代騰訊網打造成“大數據”時代的智慧門戶。

“云計算和大數據的結合，將產生難以估量的影響。數據已經被認為是寶貴資源，任何一家有雄心、渴望獲取洞察力的企業，都應及早制定大數據戰略和方案?！睆垇喦谡f，否則，所有的機會將被“數據鴻溝”所延宕。

大數據時代

對小企業意義非凡

對于原本就十分龐大的IT巨頭來說，大數據是不是只是它們的機會？

來自百度的專家說，“擁有大數據的企業，它在數據的處理能力方面，肯定有先天的優勢，但是在移動互聯網，用戶的要求是豐富多彩的。作為一家企業，哪怕你是百度這樣的企業，也滿足不了所有用戶的要求。貼近社會、貼近用戶這樣的一些中小開發者，甚至是一些個體開發者，他們了解用戶的需求，開發出豐富多彩、很多、很小的應用，有些是大公司想不到的?！?/p>

實際上，大數據的擁有者和第三方開發者之間可以有著很好的結合點。比如百度地圖中的定位技術開放出去，第三方開發者可以調用這個技術，使其開發的應用功能更強大、更好地滿足用戶的需求。“可以這樣講，擁有大數據的企業，它對整個產業鏈的拉動應該發揮了更大的作用”。

對于那些擁有行業經驗，并熟練掌握云計算開發和應用技能的小型企業，尤其是初創企業來說，則更是意義非凡。張亞勤說，最近幾年，我們看到的一些明星初創公司，人員規模只在數十人，但對某個行業擁有深厚知識，并能通過云和大數據的技術手段，快速解決該行業的共性需求。在未來數年，這樣的“小而美”、“快而精”的企業會越來越多，并做出有可能改變世界的顛覆性產品。

“現在最火的做數據分析的公司，都是小公司，十幾個人、幾十個人?！睆垇喦诮榻B說，中關村有一個扶持小企業的微軟“云加速器”項目，第一期大部分都是做消費者社交、手機的，到第二期，有2/3的公司是做大數據分析工具，石油、農業、企業社交、教育等各行各業都有。

專家認為，由于數據分散在各行各業，大數據時代可能不會出現“數據壟斷”現象，但是要讓數據真正發揮作用，需要數據的開放，甚至讓數據可以像商品和貨幣一樣互相交換流通。除了互聯網領域，我國金融、電信、工商、交通衛生等行業已積累大量的數據資產，如何喚醒這些數據，是推動大數據在行業中應用的關鍵。

大數據時代

對依法管理互聯網提出更高要求

大數據時代的來臨，對依法管理互聯網提出了更高的要求。

“當數據量越來越大，當個性化、隱私性的數據越來越多，怎樣去使用這個數據，是很有爭議性的?！睆垇喦谡f。

由于相關的法律界限不清晰，有些企業可能會利用數據做一些讓用戶不高興的事。對廣大的網民而言，無論是電商、搜索還是微博等互聯網服務商，盡管是對用戶群體行為數據的挖掘，得出一些趨勢性的報告，但如果這些報告被用來獲取商業利益，依然有一種隱私被窺視的感覺。

最近有上千家公司寫信抗議微軟，緣于在最新版的微軟IE瀏覽器中，增加了一個私密瀏覽的可選功能，用戶在這一模式下用瀏覽器干了什么事，別人都無法看到。典型的應用就是當用戶選擇開啟這個功能，如果瀏覽淘寶網，包括點擊感興趣的商品、下單、購買等，淘寶網都無法跟蹤和搜集用戶的一系列在線行為，也分析不到相關的數據信息。對那些不喜歡預先告知用戶，直接進行后臺數據抓取的互聯網服務商來說，是非常不歡迎這個功能的。

與此同時，信息安全的問題仍然存在。張亞勤認為，大數據本身的一些安全性問題，實際上也正是云計算所具有的。服務器被黑客攻擊之后，存儲在云上的數據有可能包含著個人用戶和企業用戶的敏感信息，這些信息就可能會被黑客所利用，造成安全隱患。要解決大數據所帶來的信息安全問題，需要更完善的法律，更清晰的商業規范，以及更好的獎懲制度。

大數據時代范文第5篇

1.從基于經驗的管理轉變到基于量化的管理是商業銀行業務經營模式變化的重要特征。目前，國內外各大商業銀行早已步入量化經營的時代，在開拓某一項新業務時，需要充分依據業務數據判斷潛在市場的規模，在進行客戶風險及價值的判斷環節，要遵循嚴格的數據及規則構建科學的評價模型。如果沒有足夠的數據基礎，業務開拓及管理的不確定性增大，風險也會增加。但同時，目前量化管理的特點是基于高度結構化、嚴格定義和大量清洗后的歷史交易數據，更多是用于報告已經發生過的事情。因此，其利用的數據不夠大，挖掘的程度不夠深，應用的領域不夠廣。國外先進金融機構已意識到相關問題，開始應用海量的客戶交易和行為等數據，基于新的數據分析技術支持經營管理。例如，美國銀行構建的反洗錢模型、富國銀行進行的交叉銷售等。

2.在實施新資本協議過程中，數據的挑戰貫穿整個過程。2012年，巴塞爾委員會“有效風險數據整合和風險報告的原則”，對新協議實施中數據的要求進行了概括總結。委員會指出，2009年金融危機的一個最重要教訓，就是銀行的IT和數據架構不足以支持金融風險管理的要求，很多銀行無法及時、準確地在集團、跨業務條線、子公司間匯總風險暴露和風險集中度。因此，委員會明確要求銀行高層治理結構中必須包括良好的數據整合能力，并采取措施建立一個良好的、有前瞻性的數據庫，幫助銀行及監管者預測未來可能發生的風險?；诖?，各國銀行業新協議實施的評估過程中，最重要的工作之一，就是評估該國商業銀行的數據管理水平。2011年，我國銀監會“監管統計數據質量管理良好標準”，確定了數據管理的15項原則、61條標準，要求建立定期評估工作機制，并將標準實施情況作為銀行高級計量方法驗收的重要條件。從銀監會現場評估結果來看，我國銀行業數據質量管理仍有較大提升空間，領先銀行也僅處于“大體不符合”到“大體符合”的中間階段。監管機構之所以對數據如此重視，主要有四個原因：一是高級計量模型對數據依賴性強，模型越精細，數據質量對模型結果準確性的影響就越大；二是數據質量的高低直接關系到資本計量的準確性，進而影響風險管理、監管的有效性；三是隨著風險管理量化水平的提高，需要采集、處理的風險管理基礎數據范圍越來越大；四是委員會強調監管者和銀行具有對風險的預測能力，現有的數據、計量體系離這個要求差距較大。

3.大數據契合新資本協議實施對數據的要求。新資本協議實施的本質是提升資本對風險的敏感程度，要求銀行能夠準確地識別、度量風險，并將計量結果貫穿到業務經營管理的全流程之中。從資本協議發展的歷程看，BaselI作為標準法體系，僅在風險資產的標準分類基礎上賦予統一的權重，而BaselII則更加依賴對客戶PD、債項LGD/EAD等風險參數的估計，在風險度量方面向前走了一大步。新資本協議的實施及標準的不斷提升，表面上是針對資本充足率，使用更高級的方法有助于節約資本，但這不是實施新協議的主要目的，其根本目的是建立完整的風險識別、度量、預測和管理體系，進而通過資本覆蓋非預期損失。從目前我國商業銀行實施資本計量高級方法的情況看，主要存在三方面的數據問題：一是數據范圍不夠，很多數據尚未得到有效利用。目前資本計量高級方法中主要依賴的數據是客戶財務信息、交易數據、區域及行業數據、宏觀經濟數據，客戶的定性變量。這些數據往往是依據設計好的表單結構進行采集，數據大多是靜態的、滯后的，而大量的客戶行為數據，例如客戶的網點交易記錄、客戶訪問記錄、通話記錄等，都沒有得到有效考慮，相比而言這些數據雖然價值密度低，但代表了客戶的具體想法和行為，反映了客戶要做的事情和所需的服務；二是數據質量不高。由于我國商業銀行業務數據積累歷史較短，信息化程度較低等原因，數據短缺、奇異值較多、時間長度不夠等問題普遍存在，因此在資本計量模型建設過程中，由于要遵循一定的準則和假設，需要進行大量的數據清洗，并基于業務合理性的判斷進一步篩選，在這個過程中被動損失了很多數據和變量；三是商業銀行跨業務領域、跨子公司間相關數據未得到有效整合，也對風險計量的準確性及風險識別的時效性產生一定影響，例如，通過對小企業主的信用卡交易情況與所屬企業貸款的關聯性分析可以發現，在企業貸款違約之前，往往存在企業主信用卡嚴重的透支情況，而這些風險特征的發現，均需要各業務領域、子公司間數據的高度融合和關聯。因此，采用大數據技術可以很好的解決上述問題，并能夠從看似沒有任何規律的數據中挖掘出風險特征和潛在的風險點。

二、大數據是商業銀行零售業務量化經營變革的重要機遇

大數據產生于新一代信息技術融合發展過程，是新一代信息技術中最有顛覆性的變革力量。就如《第三次浪潮》作者托夫勒所說：“如果說IBM主機拉開了信息化革命的大幕，那么大數據則是第三次浪潮的華彩樂章”。

1.零售業務是商業銀行最能體現大數據優勢的領域。未來銀行業的競爭將集中在對客戶相關數據的收集和分析環節，銀行需要成功地通過各種渠道收集客戶數據，精確分析客戶的意愿，為客戶提供個性化服務。大數據技術必將成為銀行實現一體化客戶關系管理，有效增強自身盈利能力的有力工具和核心競爭力。從商業銀行業務經營的情況看，零售業務由于需要面對成千上億的客戶，涉及存款、貸款、匯款、理財等方方面面業務，例如，僅信用卡交易類數據，一天的數據量就有近百萬筆，而其又會衍變出大量的消費習慣、投資偏好、日常生活規律等消費信息。因此其涵蓋的數據和信息是十分巨大的，可以從中挖掘出很多有規律、有價值的信息，是最能體現出大數據優勢的業務領域。就如國外學者所言：“未來屬于能將數據轉化成產品的人或公司”。因此，哪家商業銀行能夠領先一步，積極探索大數據技術在零售業務領域的應用，就必然能在日后的業務競爭中取得先機。

2.大數據技術可以應用于零售業務的全生命周期領域。在產品設計階段，可以通過對群體客戶的行為特征進行分析。一是可以綜合分析多種服務交付渠道，包括網點、網絡、移動終端等的大量客戶行為數據，建立預測分析模型，發現客戶行為模式，提高客戶服務價值；二是構建客戶理財洞悉渠道，采用移動理財收集的數據能對不同地域的花銷和節約習慣等方面形成深刻洞悉，制定差異化的理財產品和營銷方式。在客戶營銷階段，可以利用其每月的存款額和支用額反映客戶不同的收入特征，再結合其網頁瀏覽記錄、信用卡消費記錄、投資記錄等，就能很好地把握其消費習慣和風險偏好，為其制定個性化的產品配置和服務。在貸款申請階段，可以利用其收入、學歷、消費習慣等特征，在較短的時間內預測業務發展趨勢、客戶信用變動等情況，支持業務審批。在貸后預警及反欺詐階段，可以對現在的銀行交易記錄包括非直接交易的數據，如郵件、語音、視頻等進行處理、分析，構建客戶行為檔案，收集該客戶的基本信息以及所有歷史交易信息，進行特征的分析與歸納，通過比對本次交易信息和歷史行為信息，找出正常和異常的信息，實現實時偵測功能。

3.各種硬件、軟件設施的快速發展能夠支持大數據在零售業務領域的有效應用。隨著信息傳輸、儲存技術的迅速發展以及物聯網技術的逐步應用，成千上萬的網絡傳感器、二維碼、視頻采集器等設備嵌入到現實世界中，產生了大量的實時信息和機讀數據。同時，云計算技術的逐步成熟，將為物聯網等信息獲取端產生的海量數據提供巨大的存儲空間，并能夠利用超級計算機進行高效化、智能化和多元化的計算、分析，使在線處理、實時處理變為可能。隨著各類數據呈現爆炸式增長，商業銀行不應再滿足于簡單的數據處理，而應該通過各種新技術、新設備進行數據分析，把握未來發展的規律，使相關部門做出更好的決策。因此，大數據可以讓零售業務的海量數據產生價值、并讓數據真正成為商業銀行寶貴的資產資源。

4.不同產業領域已進行的大數據實踐，為商業銀行大數據應用提供了豐富經驗。大數據不僅給信息處理技術、軟硬件開發等方面的企業帶來新的發展機會，還對醫療、零售、金融、制造、能源等領域的發展帶來新的沖擊，直接推動這些領域的產業升級。大數據分析已在不同領域得到了廣泛應用，美國總統奧巴馬競選時就擁有一個幾十人的數據分析與挖掘團隊，進行大規模、深入的數據挖掘，幫助奧巴馬在獲取有效選民、投放廣告、募集資金方面提高工作的有效性，就像奧巴馬成功競選后媒體指出的那樣：華盛頓那些基于直覺與經驗決策的競選人士的優勢在急劇下降，取而代之的是數量分析專家與電腦程序員的工作，他們可以在大數據中獲取洞察。在公共衛生領域，2009年GOOGLE利用特定檢索詞的使用頻率及流感在時間和空間上傳播間的關系，在不需要知道搜索詞和流感間的關系，也不需要醫生確認的情況下，純粹依賴于大數據處理了4.5億個不同的數字模型，最終發現一個由45條檢索詞組合構成的數學模型，其預測能力高達97%，與疾控中心的統計數據相比，時效性大大提前。在投資領域，GOOGLE日本公司基于用戶的搜索詞，將大數據技術應用于實時預測股價走勢。其利用搜索關鍵詞和股價實時信息，構建了數萬個數學模型，從中發現最可能的模式，用于預測未來股價變動情況。一些對沖基金（如DerwentCapital和MarketPsych）通過分析微博的文本數據，尋找股市投資信號。現在，微博中的信息甚至被用于預測好萊塢的票房收入。在保險領域，不同于傳統保險行業將數據分析集中于保單、被保險人、服務提供商、人、保險利益、產品、核保和銷售賣點、理賠、市場營銷等領域，保險公司開始嘗試引入先進的數據記錄系統，將汽車加速計、剎車頻率和力度、每次行使里程和駕駛時間、駕駛位置、安全帶使用情況等納入分析，以求更準確地預測保險人行為，合理計算不同保險人的保費。目前，國際大型金融機構已開始逐步嘗試在零售業務領域進行大數據技術的應用，積極向強調“基于數據（事實）”的方向前進。例如，在風險管理領域，過去商業銀行可能要花費幾個小時（甚至幾天）才能分析出相關數據特征，輸出風險管理報告，而通過整合多渠道（如分支行、網絡、移動終端、外部數據庫等）的海量數據，利用大數據分析技術，能實時得出相關趨勢特征，顯著提高風險報告的獲取速度，預測風險事件的發生。

5.各大商業銀行已逐步嘗試進行大數據分析及業務應用。隨著大數據技術的逐步成熟，各大商業銀行已開始逐步利用大數據技術進行風險管理、客戶營銷等方面的業務活動。例如，花旗銀行利用大數據分析獲取客戶信息，并且分析預測客戶的下一步需求，進而向客戶營銷相關金融產品，如某客戶為自己的孩子辦理了一張信用卡，其后花旗銀行根據此信用卡的消費情況、還款情況以及持卡人的各種金融產品消費行為，再結合持卡人的不同年齡及職業，提前預判分析出這位客戶可能需要的金融產品，達到有效的精準營銷。目前，國內各大商業銀行也逐步嘗試利用大數據技術進行相關業務的拓展活動。如建設銀行利用客戶業務數據，將客戶劃分為長期負債族、活躍結算族、基本需求族等八類客戶群，然后根據客戶的金融產品購買行為、宏觀市場因素、客戶生命周期等變化因素，進行更加準確的目標客戶篩選，同時其由專業的業務和數據分析人員適時調整和修正客戶劃分的數據模型，從而進一步提高客戶營銷的精準性。營銷結果顯示，通過系統篩選的客戶產品購買意向達成率是隨機抽取客戶的1.5倍，實際購買率是隨機抽取客戶的6倍。

三、我國商業銀行適應大數據時代的行動

1.高度重視大數據帶來的機遇和挑戰，樹立基于數據的量化管理理念。商業銀行各級管理層要充分意識到大數據發展的特征和趨勢，采取措施加強數據管理和應用水平，推動全行各級機構和部門數據分析能力的提升。

2.高度重視各種數據的積累。大數據時代的數據包含了方方面面的屬性信息，可以理解為“信息即數據”。因此，商業銀行除了要積累各種傳統意義上的經營交易數據外，還要重視其它類型的非結構化數據積累，例如網點交易記錄、電子渠道交易記錄、網頁瀏覽記錄、外部數據等，都應得到有效的采集、積累和應用。

3.強化對制度等文本數據的標準化。每一家商業銀行的各級機構均有大量的制度、流程和規定等文本數據，但尚未進行有效組織。因此，要按一定的分類標準對之進行梳理，使之與其它數據得到有效整合，有利于數據挖掘工作的開展。

4.積極搭建大數據技術應用的各種資源條件。在現有數據庫基礎上，積極探索引進適應大數據要求的分析平臺和工具，培養大數據分析人才，建立適應管理要求的數據分析管理機制。