大数据在企业中的应用研究(一)

销售价格:TXW817728

一、大数据简介 2

（一）大数据的定义 2

（二）大数据的基本特征 2

二、大数据的应用情况 3

（一）能源行业 3

（二）医疗行业 3

（三）电视媒体 4

（四）物流行业 4

三、国内已有的大数据企业 4

（一）阿里巴巴 5

（二）百度 5

（三）腾讯 5

四、中小型企业施行大数据应用的难度 6

（一）中小型企业对大数据的认知偏差 6

（二）没有契合自身利益的真实数据样本 7

五、中小型企业施行大数据应用的若干建议 8

（一）针对自身业务，合理分析大数据需求 8

（二）可以信任数据结果，但不能依赖数据 8

六、总结 8

一、大数据简介

1.大数据的定义

在了解任何事物前，了解其定义，是准确有效地认知过程。这里先列举出网络上能查找到的有关“大数据”的定义。

①麦肯锡全球研究所：一种规模达到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低的特征。

②研究机构Gartner：“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

③在《大数据时代》一书中的定义：指不用随机分析法这样的捷径，而采用所有数据精选分析处理。

将上述定义中的关键部分提出并总结，可以粗略地提取以下几个特征：大量地数据、快速地计算、多样化地信息。

2.大数据的基本特征

大量（Volume）：这里提到的“大量”是指样本总量，是100%，而非单纯的数据量。从100万条数据中提取出10万条，单看这10万条会觉得量很大，但这只是抽样调查。而大数据里的“大量”必定是调查所有的样本量。

高速（Velocity）：因为是计算样本总量，所有就需要与之匹配的计算工具。以往人们的计算效率和精力有限，所以只能进行抽样调查，但抽样调查始终是“以偏概全”，它不能帮助人们更客观地了解一组数据背后所隐藏的信息。而计算机的运用，正好弥补了人类计算效率低下的短板。实现了短时间内高速高效处理数据的效果。

多样（Variety）：多样就是指多样化，在统计学中可以理解为多维度分析，也就是从多个角度、多个特征去分析数据。比如现在要去调查一组人平时是否健身，而这些健身的人又和什么因素有关联。那么就可以从年龄、性别、薪资收入、工作行业、居住地点等多个维度去分析。

真实性（Veracity）：大数据的真实性是只求结果不问原因。最著名的是“啤酒与尿不湿”的案例，从常理来讲这两者几乎毫无关联，但数据的结果却表明两者有潜在的关系，甚至这种关系从逻辑推导上并不成立。

低价值密度（Value）：庞大的数据量，多样化的信息特征，所带来的困扰就是降低获取有价值信息的效率。比如上面举例提到的那一组健身人员，现在要用“户口所在地”来对他们进行分析，从常理推断这一特征与是否健身是毫无关联的，但大数据的真实性这一特征又表明它是存在这种可能性的。所以就像沙里淘金，明知道很费时费力，但也只能从每一平米慢慢挖掘。

二、大数据的应用情况

1.能源行业——智能电网

智能电网是在集成的、高速双向通信网络的基础上，通过先进的传感和测量技术、先进的设备技术、先进的控制方法以及先进的决策系统技术的应用。实现电网的可靠、安全、经济、高效、环境友好和使用安全的目标，其特征包括自愈、激励和保护用户、抵御攻击、提供满足用户需求的电能质量、容许各种不同发电形式的接入、启动电力市场以及资产的优化高效运行。

它的关键技术则涉及到“通信”、“量测”、“设备”、“控制”四个方面。而大数据的应用体现的是“测量”方面。主要的应用场景包括：负荷预测能力、现场安全管理能力、能源调度管理能力、检修管理能力、用户用电行为的分析能力、业务关联分析能力和服务效率。

智能电网在德国已经做到了终端，即智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能。然后通过电网收集每隔五分钟或十分钟收集一次数据，收集来的数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测，就可以向发电或者供电企业购买较为精准的电量，实现成本的降低。

2.医疗行业——电子病历

首页上一页 1 2 3 4 下一页尾页 1/4/4