互联网与大数据

1、互联网与大数据大数据概述01大数据分类（3种划分方式）0203大数据的价值大数据概述数据量 2013 年中国产生的数据总量超过0.8ZB（相当于8亿TB），2 倍于2012 年，相当于2009 年全球的数据总量。预计到2020 年，中国产生的数据总量将是2013年的10倍，超过8.5ZB。DNET数据中心2013：硬件重构与软件定义年度技术报告大数据概述01大数据分类（3种划分方式）0203大数据的价值大数据分类按产生主体划分最里层：少量企业应用产生的数据关系型数据库中的数据数据仓库中的数据微博、微信电子商务在线交易日志数据呼叫中心评论、留言或者电话投诉等企业应用的相关评论数据应用服务器日志传

2、感器数据（天气、水、智能电网等）图像和视频（摄像头监控数据等）RFID、二维码或条形码扫描数据次外层：大量人产生的数据最外层：巨量机器产生的数据大数据分类按数据来源划分 通过服务器和数据中心数量，以及各行业数据梳理，大致判断国内2013年一年产生的数据总量以及大致分布，数据主要分布在以下行业：1、BAT为代表的互联网公司。2、电信、金融、保险、电力、石化系统。3、公共安全、医疗、交通领域。4、气象、教育、地理、政务等。5、其他，商业销售、制造业、农业、物流和流通等领域。阿里巴巴目前保存的数据量为近百PB拥有90%以上的电商数据交易数据、用户浏览和点击网页数据、购物数据2013数据总量接近一千个

3、PB中文网页、百度推广、百度日志、UGC以70%以上的搜索市场份额坐拥庞大的搜索数据腾讯总存储数据量经压缩处理以后在100PB左右数据量月增10%大量社交、游戏等领域积累的文本、音频、视频和关系类数据添加标题百度BAT为代表的互联网公司大数据分类按数据来源划分电信行业用户上网记录、通话、信息、地理位置运营商拥有的数据数量都在10PB以上年度用户数据增长约数十PB开户信息数据，银行网点和在线交易数据、自身运营的数据金融系统每年产生数据达数十PB保险系统数据量也接近PB级别电力与石化仅国家电网采集获得的数据总量就上10个PB级别石油化工、智能水表等领域每年产生和保存下来的数据量也达到数十PB级别。

4、金融与保险电信、金融、保险、电力、石化系统大数据分类按数据来源划分公共安全北京：50万个监控摄像头，每天采集视频数据量约3PB整个视频监控每年保存下来的数据在数百PB以上仅广州中山大学医院2013年数据量为1000个TB整个医疗卫生行业一年能够保存下来的数据就可达到数百PB交通航班往返一次能产生数据就达到TB级别列车、水陆路运输产生的各种视频、文本类数据，每年保存下来的也达到数十PB。添加标题医疗卫生公共安全、医疗、交通领域大数据分类按数据来源划分气象与地理中国气象局保存的数据约45PB，每年约增数百个TB各种地图和地理位置信息每年约数十PB北京市政务数据资源网涵盖旅游、教育、交通、医疗等门类

5、，一年上线公布了余个数据包政务数据多为结构化数据政务与教育气象、教育、地理、政务等领域大数据分类按数据来源划分商业销售、制造业、农业、物流和流通等领域大数据分类按数据来源划分其他传统行业线下商业销售、农林牧渔业、线下餐饮、食品、科研、物流运输等行业数据量剧增行业数据量还处于积累期，整个体量都不算大，多则达到PB级别，少则百TB甚至数十TB级别。制造业制造业的存储数据类型：产品设计数据：以文件为主，非结构化，共享要求较高，保存时间较长。企业生产环节的业务数据：数据库结构化数据生产监控数据：数据量非常大大数据分类按存储形式划分 大数据不仅仅体现在数据量大，也体现在数据类型多。如此海量的数据中，仅有

6、20%左右属于结构化的数据，80%的数据属于广泛存在于社交网络、物联网、电子商务等领域的非结构化或半结构化的数据。大数据分类按存储形式划分结构化数据即行数据，可用二维表结构来逻辑表达实现主要存储在关系型数据库中先有结构再有数据，结构一般不变处理起来较方便大数据分类按存储形式划分非结构化数据相对于结构化数据而言，不方便用数据库二维逻辑表来表现非纯文本类数据，没有标准格式包括所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息存储在非结构数据库中非结构化WEB数据库：突破了关系数据库结构定义不易改变和数据定长的限制大数据分类按存储形式划分半结构化数据介于完全结构化数据和

7、完全无结构的数据之间格式较为规范，一般都是纯文本数据包括日志数据、XML、JSON等格式的数据一般是自描述的，数据的结构和内容混在一起，没有明显的区分数据模型主要为树和图的形式。作为国内新锐媒体代表的“新周刊”是新浪微博的第一批受益媒体，他们开通了新浪微博后，截止到2010年11月19日，粉丝数已经达到了878966人，发表微博6488条。封新城新周刊主编、媒体微博交相呼应截止到2010年11月，封新城的微博粉丝数已接近36万新周刊微博案例分享微博话题征集：都市快报通过在新浪微博上进行写给100岁新中国的信，并通过整版选取内容刊登，极富新意版面整体合作：推出微生活栏目，此栏目是都市快报和新浪网

8、合作推出的版面。微生活的内容来自新浪微博。微生活和读者分享的则是一周微博热议、微博语录、热文微议等精彩内容。 都市快报微博案例分享微博节省沟通成本，新闻发布更为便捷，让团队的协同工作更为快速南京零距离微博案例分享厕所没有纸了怎么办？谁最先报道了绵阳地震？11除70的商的小数点后面的第200位上的数字是几？大数据概述01大数据分类（3种划分方式）0203大数据的价值大数据在宏观经济管理领域的应用IBM日本公司建立了一个经济指标预测系统，它从互联网新闻中搜索出影响制造业的480项经济数据，再计算出PMI预测值，准确度相当高。印第安纳大学学者利用Google提供的心情分析工具，根据用户近千万条短信、

9、微博留言中预测道琼斯工业指数。准确率高达87%。淘宝网建立了“淘宝CPI”，它通过采集、编制淘宝网上390个类目的热门商品价格来统计CPI，它比国家统计局公布的CPI还提前半个月预测经济的走势。大数据在农业领域的应用Google前雇员创办Climate公司，从美国气象局等数据库中获得几十年的天气数据，将各地的降雨、气温和土壤状况及历年农作物产量做成精密图表，从而能够预测美国任一农场下一年的产量。任何一个农场主去他那里问明年种什么能卖出去、能赚钱，他能告诉你，说错了他保证赔偿，赔偿比保险公司还要高，到现在为止他还没有赔过。通过手机上农产品“移动支付”数据、“采购投入”数据和“补贴“数据分析，可准

10、确预测农产品生产趋势，政府可依此决定出台激励措施和确定合适的作物存储量，还可为农民提供服务。大数据在商业领域的应用沃尔玛基于每个月4500万的网络购物数据，并结合社交网络上有关产品的大众评分，开发机器学习语义搜索引擎“北极星“，方便浏览，在线购物者因此增加10%-15%，增加销售十多亿美元。当顾客在超市买东西时，通过手机定位，可以分析他们在货柜前停留时间的长短，从而判断顾客对什么感兴趣。不仅仅是通过手机定位，实际上美国有的超市在购物推车上也安装了位置传感器，根据顾客在不同货物前停留时间的长短来分析顾客可能的购物行为。在淘宝网上买东西时，消费者会在阿里的广告交易平台上留下记录，阿里不仅从交易平台

11、把消费记录拿来自己使用，还会把消费记录卖给其他商家。大数据在金融业的应用华尔街某公司通过分析全球3.4亿微博账户留言来判断民众情绪，人们高兴的时候会买股票，而焦虑的时候会抛售股票，它通过判断全世界高兴的人多还是焦虑的人多，依此决定公司股票的买入或卖出。阿里公司根据在淘宝网上中小企业的交易状况筛选出财务健康和诚信经营的企业，给他们提供贷款，并且不需要这些中小企业的担保。目前阿里公司已放贷上千亿元，坏帐率仅0.3%。2012年年底，四大商业银行的坏账率为1%左右，尽管四大银行要求有担保，但坏账率仍然比阿里高出3倍。大数据在银行业的应用实现方式第一步，利用移动互联网技术，定位功能确定商圈，目前已实际

12、覆盖全国161个商圈，累计服务千万人次。第二步，利用用户活动轨迹追踪，确定高价值商圈，设计业务。第三步，再利用大数据进行客户需求的体验分析，既包括客户的需要，也包括客户的体验（即用户需要相对于用户意义、目的、情感的关联），最终实现用户体验的LIKE曲线。中信银行将客户使用信用卡加油与吃饭的信息关联起来进行分析，通过数据的挖掘，卡中心发现，在周末18：00之前加油的客户，有60%会去吃饭；再结合LBS信息，分析客户就餐区域，发现其中70%有去中心城区吃饭的习惯。于是信用卡中心与中心城区的汉拿山烤肉店合作，在每个周末17：30的时候，向驶出加油站的客户，打出这样的手机广告：物超所值，美味、环境优雅

13、，价格适中，朋友聚会的理想场所，持中信卡可享五折优惠！信用卡服务大数据在保险领域的应用1、电话营销利用数据挖掘对过去电话访谈、成交记录建立预测模型，找出有购买意愿的潜在客户4、交叉销售美国保险公司利用数据挖掘技术对不同客户的消费特征进行分析，制定交叉销售策略，保证公司是在最能给公司创造收益的客户集中地地区运营2、欺诈分析利用历史数据，寻找影响保险欺诈最为显著的因素及量化取值区间，建立预测模型，快速将理赔案件依照欺诈可能性进行分类处理，协助无问题案件快速通过5、续保率维持澳大利亚的保险公司利用数据挖掘工具对客户忠诚度、客户细分和客户保持进行分析，以减少客户流失3、客户体验太平洋寿险发布大数据客户

14、体验指数（DEO指数）， 其基于客户与公司线上线下互动产生的全量数据，DEO指数根据销售、售后服务、理赔三大领域，诚信、品质、效率、期望值四个维度，选取保险监管部门确定的行业标准12个服务评价定量指标，以及公司重点关注的另外8个客户体验指标，以报告期积累的全量实际数据为基准值计算得出。2013年各渠道与客户交互数为2432万人次。电话和柜面两大传统服务渠道占比达81%，新兴移动渠道占比迅速攀升。客户关注的十大热点为退保利益、退保手续、分红利益、产品咨询、续期交费状态、生存金领取手续、出险报案、续期交费凭证、续期交费时间期次、理赔责任保险领域数据挖掘应用现状大数据在保险领域的应用保险领域应用方案

15、架构大数据在保险领域的应用保险领域应用方案示例：社交媒体信息交叉验证欺诈行为交叉验证大数据在医疗卫生领域的应用Google通过用户搜索与流感相关词汇的频率，判断某个地方可能会发生流感。2009年在甲型H1N1流感爆发的几周前，Google就做出预测，而且还判断出了流感是从哪里来的。大数据在医疗卫生领域的应用根据麦肯锡的报告，医疗大数据的分析将为美国产生3000亿美元的价值，减少8%的国家医疗保健支出。大数据在医疗卫生领域中的应用医疗服务的交付方式将发生重大变革，从患者对医生信息的获取，到医生对患者的诊疗，到出院后的康复和回访，数字医疗的冲击将贯穿整个过程诊疗过程也会有巨大变革，国外已经有公司在

16、运营专门的远程医疗医院。美国某医疗机构，完全通过远程的方式提供在线问诊服务。而移动医疗对诊疗过程带来的影响更是重大，通过可穿戴设备、植入式设备，方便获取病人实时体征信息，这个在以前是不可能或者成本高昂，对于病情诊断意义重大。而体征获取传感器与植入式治疗设备的配合对于部分疾病的治疗将有划时代的意义。移动网络、社交媒体会改变颠覆医疗活动中各角色的地位，现在病人已经可以通过多渠道信息，对医生处方提出质疑。未来基因技术的进展和消费级基因测序的普及也将对行业产生重大影响，基因测序的成本迅速下降，未来每个人只要愿意都可以拥有自己的基因测序结果。女星安吉丽娜-朱莉，通过检查发现自身携带致癌基因BRCA1，其

17、患上乳腺癌及卵巢癌概率为87%，通过乳腺切除降低概率到5%。移动医疗是推动健康管理的重要手段，近期大火的大姨吗便是抓住了女性群体的特定健康管理的需求。大数据在社会管理中的应用广东东莞通过统计当地食盐销售量与上年同期比较，判断农民工数量的变化。这与电信运营商根据活跃移动用户数的变化所推出的数据几乎相当。根据手机用户从这个路口到那个路口所花费的时间，可以判断马路上是不是流量比较多，是否拥堵。根据有多少个手机在同时移动，大致可以了解发生突发事件时的人流聚集情况，还可以通过手机的注册地进一步分析机主究竟是从哪里来的。腾讯为每个微博用户建立了档案，可以从微博帖子分析用户的性格，提前关注可能引起社会不稳定

18、的因素。大数据在智能搜索中的应用Web1.0信息分发技术连接信息Web2.0信息交互技术连接人Web3.0语义技术连接知识Web4.0智能应用技术连接智能19902000201020202030内容由网站专业人员产生 内容由网民产生内容还可由物件产生 自组织内容感知、自配置自治通信 Web浏览等 即时通信、 博客、微博等 语义搜索、语义图书馆、语义数据库等 分布搜索、 智能个人代理 在电影中加入Google 知识图谱的 Info Card后，当用户暂停了正在播放的影片之时，程序就会弹出在该在画面显示的人物个人信息，包括实名、出生地点、岁数、角色名称、他 / 她曾演出的电影，以及在 Google

19、 Play 上跟他 / 她相关的内容。大数据在电信运营管理中的应用据Sybase分析报告，在利用大数据挖掘提升企业销售额方面，电信业在所有行业中名列第一，人均产值提升达到17%，大数据正在成为运营商发展的新动力。Smartfren是印尼本土最大的CDMA运营商，2013年5月，Samrtfren大数据精准营销系统正式上线。在系统商用最初的两个月，依托新型的大数据营销平台，实现了对目标市场和目标客户群的精准细分，利用主动营销、事件营销、触点营销等丰富的营销手段，有效开展市场营销活动，使Smartfren的营销转化率提高到6.6%，月利润增长了3.1%，离网率降低到0.8%，运营效益显著提升。中国联通基于对用户上网数据的分析给出详细账单，避免了收费的纠纷，同时准确掌握基站的忙闲。 大数据在电信运营管理中的应用大数据在电子商务中的应用某用于为电子商务网站提供商品推荐服务的电商推荐系统。是一个基于大数据技术实现的软硬一体系统，它以数据挖掘、分析为基础，收集网站访客的点击信息，并结合消费者相似的群体行为，模拟传统卖场的销售人员向顾客提供商品推荐，一方面帮助访客找到所需信息，同时还可以通过推荐系统来提高网站的点击率和用户的忠诚度。兰缪内衣采用其商品推荐系统之