这是一个很多人都比较关心的问题，作为一名计算机领域的科研、教育工作者，我来回答一下。

首先，当前大数据技术正处在落地应用的初期，目前除了互联网领域之外，传统行业领域还没有开始大面积应用大数据技术，但是在工业互联网的推动下，目前大量的企业已经开始了上云计划，企业上云之后，大数据技术将逐渐开始落地应用，大数据与普通人的关联也会越来越多。

从当前大数据的落地应用情况来看，目前与互联网相关的业务或多或少都在应用大数据技术，比如电子商务领域应用大数据技术就比较普遍，推荐系统就是一个非常普遍的应用，基于推荐系统也会给用户带来更好的购物体验。从大的发展趋势来看，未来大数据的应用空间是非常大的，而且大数据的价值空间同样非常大。

除了电子商务领域之外，大数据在出行、医药健康、教育、金融等领域的应用也在不断增加，而这些领域当前与互联网的结合也走在了诸多传统行业的前面，相信在工业互联网时代，更多的行业领域都会逐渐网络化、智能化，这个过程也会推动大数据的落地应用。

相对于大数据技术来说，云计算的落地应用目前要多一些，而且企业要想借助于工业互联网来实现创新发展，往往都需要借助于云计算的支撑，所以也把云计算称为打开工业互联网大门的钥匙。目前云计算已经成为了大量互联网计算服务的支撑，尤其是与用户相关的互联网应用，所以普通用户只要在使用网络服务，包括各种App，几乎都离不开云计算。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！

大数据应用有很多，比如精准营销，比如舆情分析。当然，最大的用处还是“预测”。下面就从大数据的应用行业、应用场景和成功应用案例三个方面来具体介绍一下大数据应用：

应用行业

大数据的应用可以说是遍布各个行业，举几个典型的应用行业：

• 金融行业
  
• 医疗行业
  
• 农牧业
  
• 零售行业
  
• 大数据技术产业
  
• 物流行业
  
• 房地产业
  
• 娱乐产业
  
• 制造业
  
• 互联网广告业
  

应用场景

同样，大数据的具体应用场景也很多，下面列举出了大数据的9个主要的应用场景：

• 客户分析（Customer analytics）
  
• 营销分析（Sales and marketing analytics）
  
• 社交媒体分析（Social media analytics）
  
• 网络安全（Cybersecurity）
  
• 设备管理（Plant and facility management）
  
• 管道管理（Pipeline management）
  
• 供应链和渠道分析（Supply chain and channel analytics）
  
• 价格优化（Price optimization）
  
• 欺诈行为检测（Fraud detection）
  

应用案例

每个行业每个场景的大数据成功案例很多，本文以《纸牌屋》为例。Netflix的《纸牌屋》是基于大数据做出来的。毫无疑问，在我们喜爱的电视节目背后，有很多辛勤付出的创作天才，但这些电视节目流行的背后是否也有数据分析的功劳？更具体地说，我们是否可以使用大数据来制作一档非常流行的电视节目？慕尼黑的数据科学家Sebastian Wernicke潜心研究了这个问题，并在在TED 做了演讲。

Netflix充分利用了已经获得的观看数据（收视率、观看历史等）。他们利用这些数据来挖掘用户喜欢的点点滴滴，并且满怀信心地制作了关于一位美国参议员的电视剧。Wernicke从事计算遗传学领域的工作，该领域需要使用数据分析来做出一些非常重要的决定，例如癌症的治疗和药物的研发等。他从自身经历出发，总结出了一个非常可信的模式，该模式能将以数据为基础的成功决定和非成功决定相分离。事实上，该过程设计到两个步骤：（1）将数据分离以便进行分析；（2）将数据重新组合从而进行充分利用。关键是数据和数据分析只对第一部分有用……将这些已被碎片化的数据再重新组合到一起来做决策是很不合理的。

「还有另外一个所有人都有，能完成这项工作的工具，即我们的大脑。如果大脑对一件事情非常擅长，则可将一些零零散散的片段信息结合起来，形成完整信息、得出结论，专家的大脑则更擅长于此，这也是为什么Netflix会获得如此大成功的原因。他们在整个过程的不同阶段正确运用了数据和大脑的功能，将两者完美地结合起来，因此获得了成功。」

大数据可以和物联网协同工作。比如从物联网设备提取的数据提供设备互连的映射，媒体行业、公司和政府已经利用这种映射更准确地瞄准他们的受众并提高媒体效率。物联网也越来越多地被用作收集感官数据的手段，而这种感官数据已被用于医疗和制造业。

数字创新专家凯文·阿什顿（Kevin Ashton）以创造这个词为名，在这句话中定义了物联网：“如果我们有知道所有事情的计算机，就可以了解事物，使用它们收集的数据，而不需要我们帮助 ，我们将能够跟踪和统计所有事情，并大大减少浪费，损失和成本。我们会知道什么时候需要更换，修理或回收，以及它们是新鲜的还是过时的。”

而自2015年以来，大数据已经成为商业运营中突出的一个工具，可帮助员工更高效地工作，并简化信息技术（IT）的收集和分配。使用大数据解决企业内的IT和数据收集问题称为IT运营分析（ITOA）。通过将大数据原理应用于机器智能和深度计算的概念，IT部门可以预测潜在问题并在问题发生之前提供解决方案。在这段时间内，ITOA企业也开始在系统管理中发挥重要作用，提供将单个数据孤岛整合在一起的平台，并从整个系统获得洞察，而不是从孤立的数据包中获取洞察。

内容媒体方面，Nick Couldry 和 Joseph Turow 提出，媒体和广告从业者将大数据视为关于数百万人的许多可操作信息点。这个行业似乎正在摆脱使用特定媒体环境（如报纸，杂志或电视节目）的传统方式，转而采用在最佳位置以最佳时间覆盖目标人群的技术。最终的目标是服务或传达一种符合消费者心态的（统计上）消息或内容。例如，发布环境越来越剪裁消息（广告）和内容（文章）以吸引消费者，消费者通过各种数据挖掘活动专门搜集消息。

了解更多硅谷前沿深度讯息请看 硅发布 微信公众号

凡是有数据的地方，就会有统计。互联网信息时代，使得数据暴增：人们在联网的过程中，所留下的文本、图像、语音、足迹，成为海量数据，即人们所谓的“大数据”。

我知道的具体成功应用用：

• 商品推荐：电商领域(比如淘宝)、视频领域（比如爱奇艺）、音乐领域（比如虾米）等，都会用到个性化推荐系统，用来提高用户体验，用来提高营业收入。凡是互联网公司，凡是用户群体巨大的，肯定会用到的基于大数据的推荐系统。还有头条中的文章推荐，也类似。
  

• 营销领域：有时候为了防止客户流失，会有千人千"价"，当然此处的价格，可能是类似优惠券的优惠价格。基于大数据分析，如果你流失的概率大，可能你获得的优惠就更大。
  

• 信用体系：淘宝的信用分，也是根据用户的消费、还款等数据，通过机器学习计算出来的分数，来衡量一个人的信用
  

• 文本领域：机器翻译，基于大量的翻译语料和深度学习的端到端的算法，机器翻译领域的水平近几年也在快速提高
  

• 客服领域：基于NLP的对话系统和知识图谱，现在很多客服机器人，也能解决一部分问题，省一部分人力。
  

• 图像领域：自动驾驶、车牌检测、OCR识别、视频分析、电影拍摄中的换脸等，都是基于大数据和深度学习的算法，来完成的
  

还有一些对用户体验而言，可能不是成功的，但是对某些“商家”可能是成功的一些应用，比如大数据杀熟、自动电话营销、数据贩卖等。

大数据是双刃剑，隐私方面需要法律法规的制订，这样会避免被滥用，才更有利大数据长期更加健康的发展。

大数据应用范围很广，其实在我们日常生活中应用都有很多，不过，我们一般不会注意到，这方面的相关介绍有很多，我就不说了，我说一个在生产加工制造型企业中的应用，这个在我们开发的软件产品中做了开发的规划和设计，目前还没最终完成。

我们知道，对于大型制造型企业来说，比如生产大型化工机械的，可能有成千上万种零部件，这些零部件根据不同的配置，颜色、材质、长度等等也可能不同，因为企业在设计产品图纸的时候，每隔一段时间也会推出新的版本，这些新版本有的使用原来的零部件，有的会使用新的，而且同样一种产品，会根据要求生产不同的配置，这样以来，企业就有可能要管理十几万种零部件。

这些零部件，在企业里都会给他们编码，进行相应的采购、库存、维护、售后等活动，但是，可以肯定的是，这些零部件里一定会存在相似件，比如编号为88765和36000的零部件其实是同一个零部件，但是当时做设计的人没意识到，直接给重新设计了一个零部件，这种情况是很常见的，估计如果有十万种零部件，至少有几千种是相似件。

假如我们通过大数据，把这些零部件的特征都收集起来，然后对任意两个零部件做相似性分析，然后计算出相似度，根据我们设计的相似度阈值，超过这个阈值的，就认为疑似相似件，然后交给人工进行最终确认，最终找出所有的相似件，这样就可以把相似件合并起来，企业就可以减少大量的成本。

这个只是工业应用的一个例子，类似的还有很多。

大数据的应用已经开始爆发，比较成熟的部分应用主要有：1、精准营销；2、征信；3、智慧舆情；4、智慧选点（店）；5、智慧交通路线规划；6、智慧旅游大数据；7、智慧疫情大数据；8、智慧农业大数据；9、工业大数据的预测大数据；10、人员热力图大数据；11、用户失联修复大数据；12、医疗大数据；13、数据中台；14、用户画像；15、展会大数据；16、环保大数据；17、其他。应该说大数据技术越来越成熟，应用在各行各业都在落地，只是深浅的问题，上面列举的应用应该是九牛一毛，总之，未来已来。

答案来自探码科技官网

大数据应用经典案例TOP50详细剖析

1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。

3. 沃尔玛的搜索。这家零售业寡头为其网站Walmart.com自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。

4. 快餐业的视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。

5. Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提供晚餐。

6. PredPol Inc.。PredPol公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。

7. Tesco PLC（特易购）和运营效率。这家超市连锁在其数据仓库中收集了700万部冰箱的数据。通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。

8. American Express（美国运通，AmEx）和商业智能。以往，AmEx只能实现事后诸葛式的报告和滞后的预测。“传统的BI已经无法满足业务发展的需要。”Laney认为。于是，AmEx开始构建真正能够预测忠诚度的模型，基于历史交易数据，用115个变量来进行分析预测。该公司表示，对于澳大利亚将于之后四个月中流失的客户，已经能够识别出其中的24%。

9、Espresso作为一个事务一致性文件存储。 LinkedIn建成的一个最重要的数据库是Espresso，通过对整个公司的网络操作将取代遗留的Oracle数据库。它最初的设计就是为了提供LinkedIn InMail消息服务的可用性。

10、Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。

11、Express Scripts药物管理服务。通过一些复杂模型来检测虚假药品，这些模型还能及时提醒人们何时应该停止用药。

12、保险行业基于MongoDB的应用程序。MongoDB汇聚了来自70多个遗留系统的数据，并将它合并成一个单一的记录。它运行在两个数据中心的6个服务器上，目前存储了24TB的数据。这包括MetLife的全部美国客户，尽管它的目标是扩大它的国际客户和多种语言，同时也可能创建一个面向客户的版本。它的更新几乎是实时的，当新客户的数据输入时，就好像Facebook墙一样。

13、职业篮球赛。来自Krossover团队根据教练上传的每场比赛过后的视频将其分解，等到第二天教练再看昨晚的比赛时，他只需检查任何他想要的——数据统计、比赛中的个人表现、比赛反应等等。通过分析比赛视频，毫不夸张地分析所有的可量化的数据。

14、中医智慧养生。基于探码大数据的中医智慧养生平台是研究开发一套中医药特色的养生智能自助系统，该系统通过计算机信息技术、模糊数学理论和中医药理论，结合中医证型和中医体质学，通过智能养生系统，整合中医界著名专家的研究和临床经验，收录海量的各种中医体质信息和调试调理方式。用户输入自己的当前状态，系统根据这些输入信息，判断用户属于哪种不同的证型和体质，对用户给出中医药为主的包括，心理调适，运动养生，音乐调理，药食药膳，生活起居等各方面建议和初期诊断。

15、维斯塔斯风力系统。依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。

16、印度Satyamev jayate电视节目。该节目整理并分析社会民众关于争议话题的各种意见，包括女性堕胎、种姓歧视和虐待儿童等社会热点问题，并使用这些数据来推进政治改革。

17、Facebook。Facebook联合创始人，克里斯•休斯就建议扎克伯格在网站上推出相关服务，帮助总统候选人在Facebook上建立个人主页，以便他们进行形象推广。

18、MailChimp的电子邮件服务。MailChimp的一个重要任务就是搞清楚如何帮助客户更好地了解他们所发送的信息。考虑到这一点，该公司建立了一个服务叫Wavelength，向客户展示了与他们相似的其他讯息。这个系统使得Wavelength能够储存公司数据库中每个邮件地址发生的互动。这意味着告诉了你,用户打开了什么样的邮件，何时打开，他们点击了什么链接，还有订阅了什么邮件。

19、音乐元数据公司Gracenote。　Gracenote拥有数百万首歌曲的音频和元数据，因而可以快速识别歌曲信息，并按音乐风格、歌手、地理位置等分类。

20、全球零售业巨头沃尔玛啤酒+尿布。全球零售业巨头沃尔玛在对消费者购物行为分析时发现，男性顾客在购买婴儿尿片时，常常会顺便搭配几瓶啤酒来犒劳自己，于是尝试推出了将啤酒和尿布摆在一起的促销手段。没想到这个举措居然使尿布和啤酒的销量都大幅增加了。如今，“啤酒+尿布”的数据分析成果早已成了大数据技术应用的经典案例，被人津津乐道。

21、数据新闻让英国撤军。2010年10月23日《卫报》利用维基解密的数据做了一篇“数据新闻”。将伊拉克战争中所有的人员伤亡情况均标注于地图之上。地图上一个红点便代表一次死伤事件，鼠标点击红点后弹出的窗口则有详细的说明：伤亡人数、时间，造成伤亡的具体原因。密布的红点多达39万，显得格外触目惊心。一经刊出立即引起朝野震动，推动英国最终做出撤出驻伊拉克军队的决定。

22、QQ圈子把前女友推荐给未婚妻。2012年3月腾讯推出QQ圈子，按共同好友的连锁反应摊开用户的人际关系网，把用户的前女友推荐给未婚妻，把同学同事朋友圈子分门别类，利用大数据处理能力给人带来“震撼”。

23、Google成功预测冬季流感。2009年，Google通过分析5000万条美国人最频繁检索的词汇，将之和美国疾病中心在2003年到2008年间季节性流感传播时期的数据进行比较，并建立一个特定的数学模型。最终google成功预测了2009冬季流感的传播甚至可以具体到特定的地区和州。

24、XO Communications通过使用IBM SPSS预测分析软件，减少了将近一半的客户流失率。XO现在可以预测客户的行为，发现行为趋势，并找出存在缺陷的环节，从而帮助公司及时采取措施，保留客户。此外，IBM新的Netezza网络分析加速器，将通过提供单个端到端网络、服务、客户分析视图的可扩展平台，帮助通信企业制定更科学、合理决策。

25、电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。

26、中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。

27、NTT docomo把手机位置信息和互联网上的信息结合起来，为顾客提供附近的餐饮店信息，接近末班车时间时，提供末班车信息服务。

28、浪潮GS助力广安集团一猪一ID强化食品安全。作为辐射全国的农牧企业集团，多年来广安集团一直企业信息化进程与企业发展需求不匹配的问题。2013年，广安集团引入浪潮GS，采用单件管理系统，通过一猪一ID对其成长周期进行全过程监控，促使食品安全可追溯，实现饲养流程精细化、集约化管理，使每年饲料节约了2成左右，为广安的智慧企业养成之路奠定了基础。

29、济南借力IBM 加快”智慧旅游”。济南正在推进智慧化旅游公共服务平台建设，借助IBM创建的智慧旅游成熟度评估模型，根据自身旅游业所处的发展阶段，以及济南旅游业实现跨越式发展所需要采取的具体行动，加快济南打造国际旅游名城的脚步。IBM正是利用大数据平台实现各旅游部门的信息共享，为行业管理、规范市场运作提供数据支撑。在对游客数据进行分析的基础上对游客群体进行细分，针对每一群体制定有针对性的营销策略。

30、Informatica帮助紫金农商银行深挖数据价值。紫金农商银行ODS数据仓库项目建设使用Informatica产品完成数据的加载、清洗、转换工作显得尤为简单，图形化、流程化设计使维护人员能够快速、顺畅的操作，即使数据源结构发生变化，也不会像以前必须修改大量的程序代码，只需要在PowerCenter中配置一下即可。

31、华为大数据方案在福建移动的应用。为进一步提升外呼成功率，从2014年初开始，福建移动联合华为公司开展基于大数据的精准营销工作，采用大数据分析的方法选择外呼目标价值用户。基于大数据分析方法和传统外呼方法分别提供20万目标客户清单，在前台无感知下进行对比验证，确保对比效果不受人为因素影响，经过外呼验证，基于大数据分析方法较传统方法外呼成功率提升50%以上，有效支撑了福建移动4G用户发展战略。

32、神州数码助张家港市更”智慧”。在张家港实践的城市案例中，市民登录这款”神州数码”研发的市民公共信息服务平台后，市民只要凭借自己的身份证和密码，即可通过该系统平台进行240余项”在线预审”服务、130余项”网上办事”服务等，还可通过手机及时查看办事状态。相比于以前来说，市民办事的时间最少可以节省一半以上。

33、软通动力大数据平台为政府以及企业提供舆情监控服务。基于大数据、云计算等新兴技术手段，软通动力信息技术（集团）有限公司于2014年推出了大数据舆情监测平台产品，为政府以及企业提供舆情监控服务。大数据舆情监测平台提供的”企业画像”功能，是专为企业打造的一个便捷智能分析产品。”企业画像”通过对企业市场、客户、产品、业务等海量信息出发，通过多角度分析和智能挖掘来构建一系列可视化数据，致力于帮助企业发现大数据中隐藏的价值和商机。

34、宜信宜人贷用大数据突破”极速模式”。利用大数据技术，宜信金融云能够解决金融领域海量数据的存储、查询优化，及声音、影像等非结构化数据的处理。一方面对数据进行可视化，构建客户画像，便于专家分析；另一方面结合专家知识和机器学习模型，实现规则引擎、授信引擎和反欺诈引擎等模块，有效地支持了宜信的在线和离线业务，完成对用户的实时授信。宜信宜人贷”极速模式”可以做到在手机端和PC端提交资料之后，10分钟内反馈审核结果，最低月费率0.78%，最高额度为10万元，最快在一天内资金到账。如此快速审核的背后，就是大数据金融云的功劳

35、星环TDH助力山东交警办案更高效。公安部无锡所帮助山东交警部署的新缉查系统底层采用了星环科技的分布式大数据处理平台Transwarp Data Hub（TDH）。

36、农夫山泉运用SAP HANA实时处理海量数据。利用SAPHANA的触发机制，农夫山泉实现了真正的实时数据转移及数据同步。这样的实时数据同步使得数据分析能够更及时，也为业务人员带来极大的便利，使得他们所做出的分析及市场反应能够更及时准确，也能减少错误的发生。

37、京东用大数据技术勾勒用户画像。用户画像提供统一数据服务接口供网站其他产品调用，提高与用户间的沟通效率、提升用户体验。比如提供给推荐搜索调用，针对不同用户属性特征、性格特点或行为习惯在他搜索或点击时展示符合该用户特点和偏好的商品，给用户以友好舒适的购买体验，能很大程度上提高用户的购买转化率甚至重复购买，对提高用户忠诚度和用户黏性有很大帮助；再比如数据接口提供给网站智能机器人JIMI，可以基于用户画像的用户量身定做咨询应答策略，如快速理解用户意图、针对性商品评测或商品推荐、个性化关怀等，大幅提升JIMI 智能水平和服务力度，赢得用户欢迎和肯定。

38、Oracle零售解决方案助北京华联集团优化运营管理。作为中国商务部重点扶持的最大零售企业之一，北京华联集团通过部署Oracle 零售应用解决方案，以优化运营管理，进而提高商业敏捷性，并提升关键货物、定价、存货、供应链和交易流程的管理和实施。全面支持其旗下各项业务的不断增长，包括大卖场、综合超市、百货公司以及商业地产等。

39、IBM助广州中医药大学第一附属医院开启智能化数据分析。利用IBM大数据分析工具，广州中医药大学第一附属医院实现了医院在日常运营监控、阳光用药监察、医保费用监控、科室目标管理四大方面的有效提升。利用IBM大数据分析工具Cognos和数据挖掘工具Datastage构建的医院智能运营平台，能够帮助医院进行日常运营信息的整合，对复杂的数据源进行数据抽取、清洗和转换，为数据的智能化分析利用打好基础。

40、美特斯邦威借SQL Server优化管理与运营。美特斯邦威作为中国销售量最大的服饰品牌之一，其集团也在积极寻求如何利用大数据在线上线下实现零售业务增长。借助微软SQL Server 2012商业解决方案，美特斯邦威能够掌握客户店内走动情况以及与商品的互动，将丰富的输入数据与交易记录相结合开展实验，以便指导销售哪些商品、摆放货品以及如何以及何时调整售价与优化库存。

41、安徽农信采用IBM i平台有效控制金融风险。安徽省农村信用社联合社采用IBM i平台，通过规模化经营提升竞争力并有效控制金融风险。i平台在稳定性、安全性方面的优势，整体虚拟化设计和面向云、智能化的设计能为安徽农信带来更多的投资回报，并提供了面向未来应用需求的IT基础架构。

42.腾讯大数据发布世界杯报告《移动端上的世界杯》腾讯大数据发布巴西世界杯主题报告《移动端上的世界杯》。报告从足球迷使用机型、移动端活跃用户数分布、性别、年龄、地域等多个维度进行了分析。并且移动端互动性良好，热度很高。报告指出，世界杯期间用户主要通过小米手机、苹果手机和三星手机了解世界杯的最新消息。并且玩家通过微信邀请好友移动猜球、选择球迷最喜爱的球员和球队，用户活跃度高于平时。

43.爱奇艺大数据分析工具绿镜通过收集、分析用户对于《高科技少女喵》每一分钟收视喜好乃至用户对每个内容片段的不同反应，协助创作方对剧集进行优化，也让网络播放量直线飙升。新鲜创意的不断尝试给观众带来了与众不同的体验，用户对此类剧的热忱正与日俱增。

44.韩国观光公社与百度合作利用大数据吸引中国游客。由于最近几年的韩流袭来，韩国成为越来越多中国游客的旅游目的地。韩国观光公社将与百度合作，利用百度关于旅游交通的移动流量数据来吸引更多中国的游客。百度将会提供给韩国观光公社以与旅游相关的数据，来帮助其对需求进行科学分析，并据此结果制定市场策略。

45.软通动力助推成都智慧旅游数据中心建设。软通动力在充分借鉴国内外旅游数据中心建设的成功经验的基础上，结合成都旅游信息化发展现状和未来智慧旅游对数据支撑的要求，提供定制化的解决方案，并最终成功开发建设了标准统一、资源共享、接口开放、与旅游产业发展相适应的数据中心管理系统，使得成都市的旅游服务、旅游营销及旅游管理达到了一个全新的境界，让城市旅游更加智慧化、个性化和便捷化。

46.华为ICT助力海南建设国际化的智慧旅游岛。华为企业ICT解决方案在海南各行业已广泛应用，服务于包括海南省委、海南省政府、海南省公安厅、海南电网、海南省气象局、工商银行和农业银行等银行在海南省的分行等多家客户。华为携手海南蓝点计算机网络工程有限公司共同为海南智慧旅游岛的建设，提供更优质的产品和服务，助力海南提高信息化核心竞争力。

47.汉庭酒店成功实施全面预算解决方案。利用IBM大数据分析工具，汉庭酒店成功实施全面预算解决方案，帮助企业财务部门将预算周期缩短了60%，年度战略规划的工作时间缩短了90%，推动了集团业务创新拓展。IBM Cognos能够灵活地调整动态预测信息分析和实现即时分析计算，提升了预算业务流程的效率和数据质量；使得汉庭财务部门能够加强预算编制、调整流程控制，缩短工作周期时间，从而更好地发挥部门智能；通过高效准确、以业务为导向的预算规划，为集团业务的快速拓展提供强大支持。

48、阿迪达斯的“黄金罗盘”。阿迪达斯每天都会收集门店的销售数据，并将它们上传至阿迪达斯。收到数据后，阿迪达斯对数据做整合、分析，再用于指导经销商卖货。研究这些数据，让阿迪达斯和经销商们可以更准确了解当地消费者对商品颜色、款式、功能的偏好，同时知道什么价位的产品更容易被接受。

49、数据权之争。最近几年，随着移动互联网的兴起，一类关于航班动态的应用程序开始出现。飞友网络通过一套算法，数据工程师们将机场航班实时动态转换成直观的信息，再传递给用户，让后者能够及时了解到航班的起飞、到达、延误、取消、返航、备降等状态，从而帮助用户更高效地安排行程计划。

50、精准扶贫项目。探码大数据平台通过对数据的提取分析，“扶贫大平台”还能展示贫困人口的致贫原因，包括：因病、因残、因学、因灾、缺土地、缺水、缺技术、缺劳力、缺资金、交通条件落后、自身发展动力不足等，通过致贫原因分析，协助制定精准的扶贫措施。 平台旨在通过大数据技术，扩大信息采集的渠道，提高数据加工能力和效率，深度挖掘数据的价值，为扶贫工作提供真实可靠、及时全面的决策数据，为最终实现精准扶贫和精准脱贫保驾护航。

发表评论

大数据的应用已经是相当广泛了，我们日常生活中都有见到。

1、现在很多大城市的信号灯都是智能的，时间长短是利用了交通大数据测算出来的。

2、我们每天用的支付宝中的芝麻信用也是用大数据测算出来的，包括你的借款额度。

3、我们在今日头条浏览新闻，在淘宝购物，你看到的内容都是通过大数据分析推荐的。

4、我们的天气预报的预测有很大程度也是基于大数据分析，结合当前观测结果，对未来天气做出预测。

5、我们的股市同样利用大数据来保障交易的稳定有序。

6、就是我们最常看的NBA、足球欧洲联赛都会用大数据来预测赛事结果。

7、大型商场利用商圈客流大数据分析，来确定精准顾客群体，实现用户画像，开展很精准营销。

8、很多人工智能的应用都是基于大数据的分析，从而实现智能化。

真正应用远不止这些，基本各行各业都有大数据的应用场景，未来也会用的越来越广泛。

Netflix 在线上租赁和在线视频服务时期积累了宝贵的用户数据资料。这些数据不仅让 Netflix 知道在线视频市场如何发展，更让他们可以很精准地了解市场走向。Netflix 内容团队从大数据中发现了用户的收视习惯：①用户更经常看的是电视剧，而不是电影。一部电影只能让用户花 2-3 小时使用 Netflix，而电视剧则可以产生 10 小时左右的观看时间；②刷剧模式（Binge watch），网络时代的用户喜欢一次性观看多集作品，而不是像以前电视机时代那样，每周等一集新作品。

Netflix 通过分析用户数据所得到的收视习惯，让企业实现了成功转型，从一家线上 DVD 租赁公司发展为当前世界上最成功的流媒体平台之一。这家数据为导向的公司不仅在推荐系统设计上体现了大数据的作用，而且在原创内容的全球化创作与制作上也得到了大数据的强力支持。但是，大数据究竟对影视内容创作的介入度有多深？技术是否终有一天会凌驾于艺术创作之上呢？我们将从大数据对影视立项、电视剧播放传统、内容工业化发展三个方面的作用来分析上述问题。

数据指导项目决策

用户品味集群数据影响影视内容立项

Netflix 将每个用户的观看喜好类型进行符合数据库逻辑（database logic）（数据库逻辑是列夫·曼诺维奇（Lev Manovich）在《新媒体语言》中提出的概念，新媒体语言使用的是符合数据库逻辑的表现方式，图像、音频、影像、文字等在新媒体中都以数据的形式平等地存在并且可供编辑，用户的观看喜好类型也一样，成为可供分类、整理、分析的数据。）整合，梳理出了大约 2000 个被称为“品味集群”（Taste Cluster）的用户相似口味交集区域，例如平台将会观看《暮光之城》（Twillight）和《吸血鬼日记》（The Vampire Diaries）的用户归类到超自然力量与浪漫爱情两个类型相交叉出的口味集群中。这样的集群不仅有助于向用户推荐相应视听内容，更直接影响内容立项决策。无论是在 Netflix 高层的采访中，还是在媒体研究专家们的文章中，在论及 Netflix 时经常提到品味集群这个关键词。

传统电视网会让自己制作出来的影视内容尽可能符合绝大多数观众需求，所以美国公共电视网的犯罪类剧集、情景喜剧、职业剧这些类型的长寿剧最为常见，每年出新剧时类型也多集中在上述类型。Netflix 考虑的视角与传统电视网不同，他们考虑的问题是——如何打造出可以吸引更多品味相交集用户的视听内容？

让 Netflix 在流媒体视频网站上一战成名的原创剧《纸牌屋》，就体现了 Netflix 对品味集群的成功使用。这部政治惊悚剧集曾经将拍摄方案递交给 HBO、Showtime、AMC 等美国顶尖有线电视网，但是资深制片人们都认为一部改编自英国的政治惊悚题材在美国市场成功率不高。Netflix 的首席内容官泰德萨兰多斯（Ted Sarandos）与团队在分析自家网站用户观看流媒体习惯的数据，发现了三个事实：

①英国版的《纸牌屋》拥有大量的观众群；

②大量用户观看并非常喜欢大卫芬奇（David Finch）的《返老还童》（The Curious case of Benjamin Button）、《社交网络》（Social Network）；

③会看英版《纸牌屋》的用户同样也喜欢看凯文史派西（Kevin Spacey）的电影或者大卫芬奇执导的电影。

正是因为有大量的用户数据表明《纸牌屋》在流媒体平台上有高成功几率，所以 Netflix 果断用一亿美元高价跳过传统首播集试水模式，直接预订《纸牌屋》两季的制作。

数据优化消费体验：用户习惯培育，

流媒体平台颠覆传统播放策略

数据导向让流媒体成为了传统影视产业播放模式的改革者。在《纸牌屋》之前，无论是美国的公共电视网还是有线电视网，都遵守着秋季或春季推出新一季美剧，一周播出一集的传统。不一样的是公共电视网受到广告商的限制更多，所以一般只会先预定一季的前 1-12 集不等，有线电视网因为更重视收费用户，所以会一次预订一部剧集的一整季。

2013 年 2 月 1 日，Netflix 一次性推出《纸牌屋》（House of Cards）第一季 13 集，从此开启了线上美剧观看模式的新时代。Netflix 从线上租赁 DVD 时期的用户数据就发现，许多用户会租借一整季的剧集，用一两天的时间“刷”完。所以一次性推出一季剧集的做法虽然看似具有颠覆性，实则是更符合用户需求。2019 年 7 月 9 日，Netflix 在 Twitter 官博上宣布，《怪奇物语》（Stranger Things）第三季在上线 4 天收获 4007 万用户的观看，并且已经有 1820 万用户在 4 天内看完第三季全季。第三方数据平台http://OnBuy.com也发现有超过 800 万的 Netflix 用户会在一部剧新上线的头 24 个小时内看完一整季。根据 2018 年的一项调查，受调查的美国流媒体用户中有 60%表示自己每周至少会“刷剧”（一次性观看两集及以上集数的内容）一次，15%的人表示每天都在“刷剧”，28%的人表示每周会“刷剧”好几次。所以，Netflix 通过租赁 DVD 时期的数据发现了用户有“刷剧”的潜在心理需求，并且通过大量一次性推出一整季的优质视听内容培养了让这种心理需求逐渐显性化，培养出越来越多乐于“刷剧”的用户。

除了“刷剧”这一颠覆性模式之外，Netflix 在推荐系统上充分体现了对用户数字体验的重视。Netflix 在首页设计上采用基于行的两级排名系统（two-tiered row-based ranking system）：1.每一行的最左边是最强烈推荐的；2.页面从上往下每一行的推荐级别呈递减状态。

这种基于行的两级排名系统中的具体排序规则来源自 Netfilx 极为复杂的推荐算法。

首先，Netflix 不仅会根据用户观看喜好推荐同类型内容，而且会使用 Top-N 视频排序算法（Top-N Video Ranker），在内容库的所有类型中找到用户最可能喜欢的内容；

其次，因为当下全球或者地区的热门事件、流行趋势会潜移默化地影响用户潜在的观影需求，但是用户可能并不知道自己想针对这些公共事件、流行趋势去观看什么。所以，Netflix 采用趋势排序算法（Continue Watching Rnaker）根据现在流行事件为用户推荐内容，例如在新冠疫情期间，Netflix 就会向用户在显著位置推荐纪录片《流感大流行》（Pandemic: How to Prevent an Outbreak）《冠状病毒解密》（Coronavirus，Explained）；

最后，Netflix 使用继续观看排序算法（Continue Watching Ranker）分析用户还未看完的内容，并同时使用相似视频排序算法（Video-Video Similarity Ranker）对用户其他内容的观看信息进行分析，预测用户是否会继续观看未完成的内容。如果在两个算法的分析下得出肯定的结果，Netflix 就会在用户自己的首页显著位置为其推荐还未观看完的历史内容。

Netflix 还会利用其强大的算法来实现部分剧集的实验性质创新。2019 年，Netflix 推出了动画短片集《爱，死亡和机器人》（Love, Death & Robots）。这一剧集由 18 个时长 5-15 分钟的动画短片组成，剧集顺序并不如传统那样固定，而是会根据近期用户观看数据来为用户推荐一个观看顺序。这样的创新就是基于上述趋势排序算法、相似视频排序算法等共同推导而来的。

大数据下的“球土化”

全球类型创作新标准化进程

当前以数字文化平台为代表的内容全球化已经成为趋势，平台方需要在全球化和本地化的融合开放与多元共生中寻求认同和接受。Netflix 在全球内容布局上就体现出了“球土化”（美国文化社会学家罗兰·罗伯逊教授曾提出了“球土化”概念(glocalization )，将全球化与本土化概念融合，是对于全球化引发的世界文化多元发展的深入思考——孔朝蓬、刘婷，2014）趋势，在全球各地区的内容创新上采用好莱坞经典类型与叙事方法，和不同地区当地传统、流行文化相结合的方式，即一种互联网时代全球化内容与本土化内容融合创新发展的模式。

在 Netflix 进军韩国市场之初，通过市场调研和数据分析，结合自身平台的品味集群数据，以及《大长今》《釜山行》等韩国影视作品的成功经验，将韩国本土历史文化与当下东亚时兴的丧尸文化相结合，加上具有国际影响力的演员阵容，打造出了非常成功的电视剧《王朝》。这样的类型融合方式，不仅对平台上的用户群体有极强的吸引力，而且有助于增加更多喜欢这一类型的非用户成为平台新用户。

这部剧的成功，让 Netflix 更有自信地将不同的文化元素进行根茎式的串联创新。由日本漫画改编的《弥留之国的爱丽丝》、韩国网络漫画改编的《甜蜜家园》，都以在亚洲地区非常受欢迎的漫画为改编对象，将魔幻、悬疑、动作等全球化热门影视类型与原漫画内容进行整合创新，并投入了大规模资金保证内容质量的作品。这样的策略让上述作品在 2020 年一推出，立刻成为 Netflix 平台上的口碑之作。

Netflix 在欧洲也采取将全球流行叙事类型，例如青春、悬疑、动作等，与欧洲各国的历史文化元素相结合的方式，例如《暗黑》（Dark）将好莱坞科幻、悬疑的叙事方法与德国文学元素相结合。

Netflix 打破传统内容市场纯粹依靠创作着灵感、影视公司制作经验和市场调研的方法，以大数据为切入口，找到了一条流媒体平台全球化战略中的内容创新与价值生成的新路径。

数据赋能与内容加持

流媒体 IP 内容战略

Netflix 利用数据达成对内容项目决策、增强数字体验、助力全球内容布局的目的，但其对数据的运用至今为止也仅限于在内容布局、采买中让 IP 的生成更具有效率，而并不能依靠数据直接创造出优质 IP。

Netflix 在预定了《纸牌屋》两季之后，将创作的大权交给了创作团队。《纸牌屋》制片人大卫·芬奇（David Finch）在接受采访时称赞 Netflix 给予创作者很大的自由度。《怪奇物语》的出品人达弗兄弟（Duffer Brothers）也表示《怪奇物语》这个项目曾因他们俩名气不足、青少年科幻题材在传统电视网眼中没有商业价值等原因，被超过 15 个电视网拒绝过。Netflix 作为一家数据导向的公司，没有太多内容创作经验，他们更愿意在数据分析做出购买项目决策后，将创作主动权交还给创作者。

Netflix 在内容战略上，不仅向影视人才开出丰厚合作条件，而且积极主动地购买内容版权。一方面复活已有观众基础的影视作品，例如购买《发展受阻》(Arrested Development)《我本坚强》（The Unbreakable Kimmy Schmidt）《黑镜》（Black Mirror）的版权继续拍摄制作；另一方面在全球范围内购买优质内容的流媒体播放权，例如《巴比伦柏林》（Babylon Berlin）《爱的迫降》等。Netflix 在采买的过程中也利用了数据来指导他们的决策，但是大量购买已有 IP 的做法也说明大数据并不能直接、大量地生产创作影视内容。Netflix 虽然是一家数据为导向的公司，在内容创作上仍然十分依赖创作者。

在这个新旧媒体交锋的时代，不仅有 Netflix 这样依靠大数据改变了世界娱乐公司固定已久格局的新公司，也有像迪士尼、华纳这样积极地拥抱大数据时代的传统影视巨头。

迪士尼不仅是流媒体平台 Hulu 的大股东，而且在 2019 年 11 月 12 日推出了自己的流媒体平台 Disney+。Disney+ 一方面背靠着迪士尼公司丰富的 IP 资源库，另一方面积极使用大数据助力公司的未来发展。Disney+ 的数据团队用机器学习的方式来理解用户观看时行为与所观看内容之间的内在关系，通过大量数据来分析用户对台词的情感弧度，试图总结出用户会对什么样的台词产生什么样情感的不同模式。迪士尼近年来频繁被诟病创作上的退缩和保守，依靠数据有助于在未来让算法更好地帮助平台方进行创作创新，并根据用户不断变化地需求及时调整创作规律。

大数据助力

内容工业化的未来展望

Netflix 以 DVD 线上租赁起家，通过大数据建立起一套崭新的影视内容制作模式，打破传统影视公司的权威，并在这一过程中逐渐成为一种以标准化、数据化为核心特点的内容工业化形态。

工业化的进程有助于上升期的流媒体公司更为有效地获取商业价值，较快速地储备足够多的优质 IP。Netflix 在 2020 年第四季度财报中，首次宣布了目前的营收能力足以覆盖大量内容制作需求，而不需要像此前一样依靠筹集外部资金来制作内容，证明了他们的商业模式的可行性。

大数据与算法是流媒体在当代形成有效的媒体商业模式的重要原因，也是解放劳动力、提高人类生活品质、增进人类艺术审美便捷性的重要路径。但是我们必须清醒认识到，科技的力量应该是服务于人类生产与生活。人类如果被数据、算法等科学技术所控制，会造成创造原动力的丧失，进而影响未来人类创造力的形成与发挥。

流媒体的工业化生产在现阶段有助于平台内容扩容，但是长期来看，或许存在使内容同质化的风险。数据与算法在发现内容创作的规律的同时，也逐渐形成新型的内容标准化生产模式。若是让这样的标准化产品过多地充斥于我们的媒体环境中，反而会限制人类的想象力与审美水平。

总而言之，大数据与算法对创作的介入度应以保证人类创作的主动性为前提。无论是影视创作还是艺术创造中，最动人的部分，是那些无法被数字量化，不能为规则所束缚的创意光韵。借助科技的力量增强人类的创造力，与此同时保护好人类创造力相对的独立自主性，才是真正推动未来人类文明进步的正确路径。

大数据培训专业的学习，目前一般的都说从编程开发基础学起的，需要先学习Java编程语言或者的Python编程语言做为一个大数据学习的基础进行的，因为，目前的大数据开发的一些相关框架组件都是用Java语言进行底层开发的，所以，现在把Java做为基础进行学习的大数据培训机构还是比较多的。

首先，大数据做为一个一个朝阳行业学习，通过大数据培训毕业后这个方向应该还是处于一个好的发展阶段，只要学好了找工作还是不错的。