近日，中國管理科學(xué)學(xué)會(huì)大數(shù)據(jù)管理專委會(huì)、國務(wù)院發(fā)展研究中心產(chǎn)業(yè)互聯(lián)網(wǎng)課題組、社會(huì)科學(xué)文獻(xiàn)出版社共同舉辦的《大數(shù)據(jù)應(yīng)用藍(lán)皮書：中國大數(shù)據(jù)應(yīng)用發(fā)展報(bào)告No.1(2017)》發(fā)布會(huì)在北京舉行。本書是國內(nèi)首本研究大數(shù)據(jù)應(yīng)用的藍(lán)皮書。

藍(lán)皮書旨在描述當(dāng)前中國大數(shù)據(jù)在相關(guān)行業(yè)及典型代表企業(yè)應(yīng)用的狀況，分析當(dāng)前大數(shù)據(jù)應(yīng)用中存在的問題和制約其發(fā)展的因素，并根據(jù)當(dāng)前大數(shù)據(jù)應(yīng)用的實(shí)際情況，對(duì)其未來發(fā)展趨勢(shì)做出研判。

藍(lán)皮書認(rèn)為，從應(yīng)用的角度看，大數(shù)據(jù)并非一個(gè)全新的產(chǎn)業(yè)，而是與已有產(chǎn)業(yè)融合，對(duì)已有模式的改造、升級(jí)和替代。制約大數(shù)據(jù)發(fā)展的往往并不是大數(shù)據(jù)本身，而是大數(shù)據(jù)所應(yīng)用的行業(yè)和領(lǐng)域原本存在的問題，如行業(yè)管制、行政壟斷、要素不能自由流動(dòng)，等等。因此，推動(dòng)大數(shù)據(jù)應(yīng)用的發(fā)展，需對(duì)不當(dāng)?shù)男袠I(yè)管理模式進(jìn)行改革，對(duì)既有利益格局進(jìn)行調(diào)整。即便在企業(yè)內(nèi)部，大數(shù)據(jù)應(yīng)用也不僅僅是個(gè)技術(shù)問題，而且是涉及業(yè)務(wù)流程重組和管理模式變革的問題，是對(duì)企業(yè)管理能力的一個(gè)考驗(yàn)。

大數(shù)據(jù)應(yīng)用的三個(gè)關(guān)鍵點(diǎn)

大數(shù)據(jù)應(yīng)用的三個(gè)關(guān)鍵點(diǎn)是數(shù)據(jù)從哪里來 數(shù)據(jù)怎么用 成果誰買單 

數(shù)據(jù)從哪里來 

關(guān)于數(shù)據(jù)來源，普遍認(rèn)為互聯(lián)網(wǎng)及物聯(lián)網(wǎng)是產(chǎn)生并承載大數(shù)據(jù)的基地?；ヂ?lián)網(wǎng)公司是天生的大數(shù)據(jù)公司，在搜索、社交、媒體、交易等各自核心業(yè)務(wù)領(lǐng)域，積累并持續(xù)產(chǎn)生海量數(shù)據(jù)。物聯(lián)網(wǎng)設(shè)備每時(shí)每刻都在采集數(shù)據(jù)，設(shè)備數(shù)量和數(shù)據(jù)量都與日俱增。這兩類數(shù)據(jù)資源作為大數(shù)據(jù)金礦，正在不斷產(chǎn)生各類應(yīng)用。國外關(guān)于大數(shù)據(jù)的成功經(jīng)驗(yàn)介紹，大多是這類數(shù)據(jù)資源應(yīng)用的經(jīng)典案例。還有一些企業(yè)，在業(yè)務(wù)中也積累了許多數(shù)據(jù)，如房地產(chǎn)交易、大宗商品價(jià)格、特定群體消費(fèi)信息，等等。從嚴(yán)格意義上說，這些數(shù)據(jù)資源還算不上大數(shù)據(jù)，但對(duì)商業(yè)應(yīng)用而言，卻是最易獲得和比較容易加工處理的數(shù)據(jù)資源，也是當(dāng)前在國內(nèi)比較常見的應(yīng)用資源。

在國內(nèi)還有一類是政府部門掌握的數(shù)據(jù)資源，普遍認(rèn)為質(zhì)量好、價(jià)值高，但開放程度差。許多官方統(tǒng)計(jì)數(shù)據(jù)通過灰色渠道流通出來，經(jīng)過加工成為各種數(shù)據(jù)產(chǎn)品?！洞髷?shù)據(jù)綱要》把公共數(shù)據(jù)互聯(lián)開放共享作為努力方向，認(rèn)為大數(shù)據(jù)技術(shù)可以實(shí)現(xiàn)這個(gè)目標(biāo)。實(shí)際上，長期以來政府部門間信息數(shù)據(jù)相互封閉割裂是治理問題而不是技術(shù)問題。面向社會(huì)的公共數(shù)據(jù)開放愿望雖十分美好，但恐怕一段時(shí)間內(nèi)可望而不可即。在數(shù)據(jù)資源方面，國內(nèi)“小數(shù)據(jù)”、“中數(shù)據(jù)”應(yīng)用并不充分，試圖一步跨入大數(shù)據(jù)時(shí)代，借機(jī)一并解決前期信息化過程中沒能解決的問題，前景并不樂觀。另外，由于中國互聯(lián)網(wǎng)公司業(yè)務(wù)主要在國內(nèi)，其大數(shù)據(jù)資源也不是全球性的。

藍(lán)皮書分析指出，數(shù)據(jù)從哪里來是我們?cè)u(píng)價(jià)大數(shù)據(jù)應(yīng)用的第一個(gè)關(guān)注點(diǎn)。一是要看這個(gè)應(yīng)用是否真有數(shù)據(jù)支撐，數(shù)據(jù)資源是否可持續(xù)，來源渠道是否可控，數(shù)據(jù)安全和隱私保護(hù)方面是否有隱患。二是要看這個(gè)應(yīng)用的數(shù)據(jù)資源質(zhì)量如何，是“富礦”還是“貧礦”，能否保障這個(gè)應(yīng)用的實(shí)效。對(duì)于來自自身業(yè)務(wù)的數(shù)據(jù)資源，具有較好的可控性，數(shù)據(jù)質(zhì)量一般也有保證，但數(shù)據(jù)覆蓋范圍可能有限，需要借助其他資源渠道。對(duì)于從互聯(lián)網(wǎng)抓取的數(shù)據(jù)，技術(shù)能力是關(guān)鍵，既要有能力獲得足夠大的量，又要有能力篩選出有用的內(nèi)容。對(duì)于從第三方獲取的數(shù)據(jù)，需要特別關(guān)注數(shù)據(jù)交易的穩(wěn)定性。數(shù)據(jù)從哪里來是分析大數(shù)據(jù)應(yīng)用的起點(diǎn)，如果一個(gè)應(yīng)用沒有可靠的數(shù)據(jù)來源，再好、再高超的數(shù)據(jù)分析技術(shù)都是無本之木。

數(shù)據(jù)怎么用 

數(shù)據(jù)怎么用是我們?cè)u(píng)價(jià)大數(shù)據(jù)應(yīng)用的第二個(gè)關(guān)注點(diǎn)?！洞髷?shù)據(jù)綱要》規(guī)劃了許多大數(shù)據(jù)應(yīng)用領(lǐng)域和方向，包括公共部門和產(chǎn)業(yè)領(lǐng)域，實(shí)際上是提出了許多需要大數(shù)據(jù)解決的問題或期待大數(shù)據(jù)完成的任務(wù)。如何解決這些問題，如何把數(shù)據(jù)資源轉(zhuǎn)化為解決方案，實(shí)現(xiàn)產(chǎn)品化，這是我們特別關(guān)注的問題。大數(shù)據(jù)只是一種手段，并不能無所不包、無所不用。我們關(guān)注大數(shù)據(jù)能做什么、不能做什么，現(xiàn)在看來，大數(shù)據(jù)主要有以下幾種較為常用的功能。

追蹤?；ヂ?lián)網(wǎng)和物聯(lián)網(wǎng)無時(shí)無刻不在記錄，大數(shù)據(jù)可以追蹤、追溯任何一個(gè)記錄，形成真實(shí)的歷史軌跡。追蹤是許多大數(shù)據(jù)應(yīng)用的起點(diǎn)，包括消費(fèi)者購買行為、購買偏好、支付手段、搜索和瀏覽歷史、位置信息，等等。

識(shí)別。在對(duì)各種因素全面追蹤的基礎(chǔ)上，通過定位、比對(duì)、篩選，可以實(shí)現(xiàn)精準(zhǔn)識(shí)別，尤其是對(duì)語音、圖像、視頻進(jìn)行識(shí)別，使可分析內(nèi)容大大豐富，得到的結(jié)果更為精準(zhǔn)。

畫像。通過對(duì)同一主體不同數(shù)據(jù)源的追蹤、識(shí)別、匹配，形成更立體的刻畫和更全面的認(rèn)識(shí)。對(duì)消費(fèi)者畫像，可以精準(zhǔn)推送廣告和產(chǎn)品;對(duì)企業(yè)畫像，可以準(zhǔn)確判斷其信用及面臨的風(fēng)險(xiǎn)。

提示。在歷史軌跡、識(shí)別和畫像基礎(chǔ)上，對(duì)未來趨勢(shì)及重復(fù)出現(xiàn)的可能性進(jìn)行預(yù)測(cè)，當(dāng)某些指標(biāo)出現(xiàn)預(yù)期變化或超預(yù)期變化時(shí)給予提示、預(yù)警。以前也有基于統(tǒng)計(jì)的預(yù)測(cè)，大數(shù)據(jù)大大豐富了預(yù)測(cè)手段，對(duì)建立風(fēng)險(xiǎn)控制模型有深刻意義。

匹配。在海量信息中精準(zhǔn)追蹤和識(shí)別，利用相關(guān)性、接近性等進(jìn)行篩選比對(duì)，更有效率地實(shí)現(xiàn)產(chǎn)品搭售和供需匹配。大數(shù)據(jù)匹配功能是互聯(lián)網(wǎng)約車、租房、金融等共享經(jīng)濟(jì)新商業(yè)模式的基礎(chǔ)。

優(yōu)化。按距離最短、成本最低等給定的原則，通過各種算法對(duì)路徑、資源等進(jìn)行優(yōu)化配置。對(duì)企業(yè)而言，提高服務(wù)水平、提升內(nèi)部效率;對(duì)公共部門而言，節(jié)約公共資源、提升公共服務(wù)能力。

上述概括并不一定完備，大數(shù)據(jù)肯定還有其他更好的功能。當(dāng)前許多貌似復(fù)雜的應(yīng)用，大都可以細(xì)分成以上幾種類型。例如，貴州推行的“大數(shù)據(jù)精準(zhǔn)扶貧項(xiàng)目”，從大數(shù)據(jù)應(yīng)用角度，通過識(shí)別、畫像，可以對(duì)貧困戶實(shí)現(xiàn)精準(zhǔn)篩選和界定，找對(duì)扶貧對(duì)象;通過追蹤、提示，可以對(duì)扶貧資金、扶貧行為和扶貧效果進(jìn)行監(jiān)控和評(píng)估;通過配對(duì)、優(yōu)化，可以更好發(fā)揮扶貧資源的作用。這些功能也并不都是大數(shù)據(jù)所特有的，只是大數(shù)據(jù)遠(yuǎn)遠(yuǎn)超出以前的技術(shù)，可以做得更精準(zhǔn)、更快、更好。當(dāng)然，技術(shù)無法左右利益，貴州扶貧目標(biāo)的完成，并不是有了大數(shù)據(jù)就萬事大吉了。

成果誰買單 

成果誰買單是我們?cè)u(píng)價(jià)大數(shù)據(jù)應(yīng)用的第三個(gè)也是最后一個(gè)關(guān)注點(diǎn)。道理很簡(jiǎn)單，不創(chuàng)造價(jià)值的應(yīng)用不是好應(yīng)用。能不能創(chuàng)造價(jià)值，關(guān)鍵看誰買單。我們不需要那些靡費(fèi)公帑的“樣板”工程、“面子”工程，也不需要那些炫耀神技、制造概念的創(chuàng)富故事。我們關(guān)注大數(shù)據(jù)的應(yīng)用是否實(shí)實(shí)在在提升能力、改善績效。如果大數(shù)據(jù)用于自身的產(chǎn)品設(shè)計(jì)、營銷推廣、資源配置，那就看企業(yè)競(jìng)爭(zhēng)力是不是提升了，看企業(yè)最終是不是比以前更賺錢了。如果大數(shù)據(jù)用于為第三方提供服務(wù)，那就看是不是有人愿意付費(fèi)、愿意持續(xù)付費(fèi)。但如果是用于公共領(lǐng)域，還要看政府或公共部門的付費(fèi)值不值，不僅僅是從出資方的視角看值不值，還要從老百姓的視角看值不值。

當(dāng)我們面對(duì)一項(xiàng)大數(shù)據(jù)應(yīng)用時(shí)，只要簡(jiǎn)單問一問上面三個(gè)問題——數(shù)據(jù)哪里來、數(shù)據(jù)怎么用、成果誰買單——就能揭開許多“偽裝”。比如，許多應(yīng)用并沒有可靠的數(shù)據(jù)來源，或者數(shù)據(jù)來源不具備可持續(xù)性;還有些應(yīng)用并沒有技術(shù)或市場(chǎng)支撐，只是借助大數(shù)據(jù)風(fēng)口套取政府部門或一些投資者的“傻錢”罷了。當(dāng)然，如果經(jīng)得起上述“大數(shù)據(jù)三問”，也并不一定算得上優(yōu)秀，但也離優(yōu)秀的大數(shù)據(jù)應(yīng)用不遠(yuǎn)了。表1列舉了本書中收集的幾個(gè)案例，從數(shù)據(jù)來源、應(yīng)用方式和創(chuàng)值空間三個(gè)角度，可以清晰揭示大數(shù)據(jù)是如何應(yīng)用的。當(dāng)然，這些案例反映的大數(shù)據(jù)應(yīng)用既非面面俱到，也不是盡善盡美。我們希望通過這些實(shí)際的案例表明大數(shù)據(jù)應(yīng)用躊躇前行的步伐和未來發(fā)展的前景。

工業(yè)大數(shù)據(jù)面臨三大制約因素

1.工業(yè)大數(shù)據(jù)安全和開放體系亟待建立

數(shù)據(jù)安全和數(shù)據(jù)開放體系建立是工業(yè)大數(shù)據(jù)大規(guī)模應(yīng)用的兩個(gè)重要前提。如前所述，我國多數(shù)工業(yè)企業(yè)的信息化建設(shè)基本上均是由業(yè)務(wù)部門在業(yè)務(wù)開展過程中根據(jù)自身的局部需求出發(fā)，開展建設(shè)，缺少統(tǒng)一規(guī)劃，形成了部門割據(jù)的信息化煙囪，導(dǎo)致數(shù)據(jù)編碼不一致，系統(tǒng)之間不能相互通信，業(yè)務(wù)流程不能貫通。因此，我國工業(yè)企業(yè)無論在數(shù)據(jù)的總量上，還是數(shù)據(jù)的質(zhì)量上，均和歐美發(fā)達(dá)國家制造企業(yè)存在較大差距，且由于行業(yè)壟斷或商業(yè)利益等原因，數(shù)據(jù)的開放程度也不高。

另一個(gè)制約我國工業(yè)大數(shù)據(jù)應(yīng)用發(fā)展的重要因素是政策法規(guī)體系不健全。工業(yè)大數(shù)據(jù)的開發(fā)和利用既要滿足工業(yè)企業(yè)典型應(yīng)用場(chǎng)景的業(yè)務(wù)發(fā)展需求，也要防止涉及國家、企業(yè)秘密的數(shù)據(jù)發(fā)生泄露。而目前，我國在工業(yè)大數(shù)據(jù)的利用、評(píng)價(jià)、交換以及信息安全保護(hù)方面的法律法規(guī)尚有待進(jìn)一步健全，這在很大程度上抑制了工業(yè)大數(shù)據(jù)應(yīng)用的廣度和深度，不利于工業(yè)大數(shù)據(jù)生態(tài)系統(tǒng)的建設(shè)和培育。

2.基于工業(yè)大數(shù)據(jù)的企業(yè)管理理念和運(yùn)作模式變革

隨著智能設(shè)備、物聯(lián)網(wǎng)技術(shù)、智能傳感器、工業(yè)軟件以及工業(yè)企業(yè)管理信息系統(tǒng)等在工業(yè)企業(yè)的廣泛應(yīng)用，綜合利用各種感知、互聯(lián)、分析以及決策技術(shù)，通過實(shí)時(shí)感知、采集、監(jiān)控現(xiàn)場(chǎng)制造加工狀況、物流情況、生產(chǎn)準(zhǔn)備情況、技術(shù)狀態(tài)管理情況，并開展數(shù)據(jù)挖掘分析，急需工業(yè)大數(shù)據(jù)平臺(tái)和相關(guān)技術(shù)的支撐。

工業(yè)大數(shù)據(jù)應(yīng)用目的是推動(dòng)工業(yè)企業(yè)基于對(duì)內(nèi)外部環(huán)境相關(guān)數(shù)據(jù)的采集、存儲(chǔ)和分析，實(shí)現(xiàn)企業(yè)與內(nèi)外部關(guān)聯(lián)環(huán)境的感知和互聯(lián)，并利用工業(yè)大數(shù)據(jù)分析技術(shù)開展挖掘分析，支撐工業(yè)企業(yè)基于數(shù)據(jù)進(jìn)行決策管控，提升企業(yè)決策管控的針對(duì)性、有效性。

3.工業(yè)大數(shù)據(jù)人才缺乏制約產(chǎn)業(yè)發(fā)展

工業(yè)大數(shù)據(jù)技術(shù)應(yīng)用的關(guān)鍵是揭示各種典型工業(yè)應(yīng)用場(chǎng)景下，各種數(shù)據(jù)的內(nèi)在關(guān)聯(lián)關(guān)系，因此，工業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用者不但要掌握工業(yè)大數(shù)據(jù)的相關(guān)知識(shí)和工具，還需要深刻了解制造業(yè)典型業(yè)務(wù)場(chǎng)景，并結(jié)合工業(yè)大數(shù)據(jù)的分析和可視化展示情況，結(jié)合業(yè)務(wù)場(chǎng)景進(jìn)行合理解讀，此外，還需要結(jié)合業(yè)務(wù)場(chǎng)景進(jìn)行解決方案的制訂和管理決策，以上工業(yè)大數(shù)據(jù)人才的要求將大大制約工業(yè)大數(shù)據(jù)產(chǎn)業(yè)發(fā)展進(jìn)程。

整體上，工業(yè)大數(shù)據(jù)對(duì)復(fù)合型人才的能力需求更強(qiáng)烈，目前我國工業(yè)大數(shù)據(jù)的高級(jí)管理決策人才、數(shù)據(jù)分析人才、平臺(tái)架構(gòu)人員、數(shù)據(jù)開發(fā)工程師、算法工程師等多個(gè)方向均存在較大缺口，極大阻礙了工業(yè)大數(shù)據(jù)產(chǎn)業(yè)的發(fā)展。

工業(yè)大數(shù)據(jù)技術(shù)和應(yīng)用的四大發(fā)展趨勢(shì)

1.工業(yè)大數(shù)據(jù)應(yīng)用的外部環(huán)境日益成熟

以工業(yè)4.0和工業(yè)互聯(lián)網(wǎng)為代表的智能化制造技術(shù)已成為制造業(yè)發(fā)展的趨勢(shì)，智能化制造技術(shù)的研究和應(yīng)用推動(dòng)了工業(yè)傳感器、控制器等軟硬件系統(tǒng)和先進(jìn)技術(shù)在工業(yè)領(lǐng)域的應(yīng)用，智能制造應(yīng)用不斷成熟，一方面正在逐步打破數(shù)據(jù)孤島壁壘，實(shí)現(xiàn)人與機(jī)器、機(jī)器與機(jī)器的互聯(lián)互通，為工業(yè)數(shù)據(jù)的自由匯聚奠定基礎(chǔ)，另一方面進(jìn)一步增強(qiáng)了工業(yè)大數(shù)據(jù)的應(yīng)用需求，使得工業(yè)大數(shù)據(jù)應(yīng)用的外部環(huán)境日益成熟。

2.人工智能和工業(yè)大數(shù)據(jù)融合加深

工業(yè)大數(shù)據(jù)的廣泛深入應(yīng)用，離不開機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識(shí)別、自然語言理解等人工智能技術(shù)清理數(shù)據(jù)、提升數(shù)據(jù)質(zhì)量和實(shí)現(xiàn)數(shù)據(jù)分析的智能化，工業(yè)大數(shù)據(jù)的應(yīng)用和安全保障都離不開人工智能技術(shù)，而人工智能的核心是數(shù)據(jù)支持，工業(yè)大數(shù)據(jù)反過來又促進(jìn)人工智能技術(shù)的應(yīng)用發(fā)展，兩者的深度融合成為發(fā)展的必然趨勢(shì)。

3.云平臺(tái)成為工業(yè)大數(shù)據(jù)發(fā)展的主要方向

工業(yè)大數(shù)據(jù)云平臺(tái)是推動(dòng)工業(yè)大數(shù)據(jù)發(fā)展的重要抓手。傳統(tǒng)的互聯(lián)網(wǎng)大數(shù)據(jù)處理方法、模型和工具難以直接使用，增加了工業(yè)大數(shù)據(jù)的技術(shù)壁壘，導(dǎo)致工業(yè)大數(shù)據(jù)解決方案非常昂貴，云平臺(tái)的出現(xiàn)，為工業(yè)企業(yè)特別是中小型工業(yè)企業(yè)隨時(shí)、按需、高效地使用工業(yè)大數(shù)據(jù)技術(shù)和工具提供了便宜、可擴(kuò)展、用戶友好的解決方案，大大降低了工業(yè)企業(yè)擁抱工業(yè)大數(shù)據(jù)的門檻和成本。

4.工業(yè)大數(shù)據(jù)將催生新的產(chǎn)業(yè)

除了云平臺(tái)，新的大數(shù)據(jù)可視化和自動(dòng)化軟件也能大大簡(jiǎn)化工業(yè)大數(shù)據(jù)的數(shù)據(jù)處理、分析過程，打破了大數(shù)據(jù)專家和外行之間的壁壘。這些軟件的出現(xiàn)使得企業(yè)可以自主利用工業(yè)大數(shù)據(jù)，做相對(duì)簡(jiǎn)單的工業(yè)大數(shù)據(jù)分析，以及外包復(fù)雜的工業(yè)大數(shù)據(jù)應(yīng)用需求給專業(yè)工業(yè)大數(shù)據(jù)服務(wù)公司，從而催生新產(chǎn)業(yè)，包括工業(yè)大數(shù)據(jù)存儲(chǔ)、清理、分析、可視化等相關(guān)的軟件開發(fā)、外包服務(wù)等。

國防大數(shù)據(jù)：搶占未來戰(zhàn)爭(zhēng)制高點(diǎn)的基石大數(shù)據(jù)時(shí)代的國防建設(shè)需要新的國防戰(zhàn)略思想體系來指導(dǎo)。未來作戰(zhàn)是各軍種一體化行動(dòng)的聯(lián)合作戰(zhàn)，國防大數(shù)據(jù)生之于此，并可以更好地為未來聯(lián)合作戰(zhàn)服務(wù)。

國防大數(shù)據(jù)是大數(shù)據(jù)在國防與軍事領(lǐng)域的應(yīng)用，是保衛(wèi)國家主權(quán)、統(tǒng)一，領(lǐng)土完整和安全而展開的軍事活動(dòng)所生成的各種數(shù)據(jù)資源，是綜合了國防和大數(shù)據(jù)的需求，表現(xiàn)了國防大數(shù)據(jù)主要的內(nèi)涵和特點(diǎn)。

國防大數(shù)據(jù)要求處理數(shù)據(jù)更高效、數(shù)據(jù)來源更可靠、數(shù)據(jù)安全系數(shù)更高，注重將重大國防和軍事任務(wù)進(jìn)行數(shù)據(jù)融合，注重信息防御和數(shù)據(jù)安全管理，例如國防動(dòng)員數(shù)據(jù)、軍事情報(bào)、戰(zhàn)場(chǎng)的實(shí)時(shí)動(dòng)態(tài)、武器使用維護(hù)數(shù)據(jù)等。掌握國防與軍事大數(shù)據(jù)的優(yōu)勢(shì)，才能打贏未來信息化戰(zhàn)爭(zhēng)，真正地把握未來戰(zhàn)場(chǎng)的主動(dòng)權(quán)。

與傳統(tǒng)的大數(shù)據(jù)概念相比，國防大數(shù)據(jù)綜合了大數(shù)據(jù)定義和國防應(yīng)用需求，它具有大數(shù)據(jù)的一般特征，又具有其獨(dú)特的軍事特性。歸納起來，它繼承了傳統(tǒng)大數(shù)據(jù)“4V”特點(diǎn)，又具有其獨(dú)特的“6S”特性。

從規(guī)模(Volume)上講，大量的國防大數(shù)據(jù)研發(fā)項(xiàng)目提供了豐富的情報(bào)來源，隨著現(xiàn)代數(shù)據(jù)獲取手段和能力的提高，國防數(shù)據(jù)已經(jīng)達(dá)到了PB級(jí)規(guī)模;

從種類(Variety)上說，國防數(shù)據(jù)包括國防戰(zhàn)略數(shù)據(jù)、國防動(dòng)員數(shù)據(jù)、國防科技數(shù)據(jù)、軍事訓(xùn)練數(shù)據(jù)、裝備保障數(shù)據(jù)等多種類型的數(shù)據(jù)，包含文本、圖像、視頻、音頻、光電信等多種表現(xiàn)形式，種類混雜、處理難度高;

從速度(Velocity)上看，各類傳感器、雷達(dá)、衛(wèi)星產(chǎn)生的高速數(shù)據(jù)流，相比當(dāng)前民用數(shù)據(jù)管理系統(tǒng)，寫入速度大大加快;從數(shù)據(jù)價(jià)值(Value)方面分析，國防大數(shù)據(jù)對(duì)于國家安全、作戰(zhàn)指揮、軍事訓(xùn)練、行動(dòng)決策、裝備保障、軍事人力資源管理等方面起著至關(guān)重要的作用。

一是超復(fù)雜性(SuperComplexity)，國防大數(shù)據(jù)涉及面廣、種類多樣、信息維度高、冗余度大，分析處理難度遠(yuǎn)大于民用大數(shù)據(jù);

二是超保密性(SuperSecrecy)，軍用數(shù)據(jù)直接關(guān)乎國家的安全，是敵方竊取的重點(diǎn)，需要更安全高效的保障;

三是高機(jī)動(dòng)性(SpeedDeployment)，當(dāng)前戰(zhàn)場(chǎng)形勢(shì)瞬息萬變，戰(zhàn)場(chǎng)環(huán)境復(fù)雜，國防大數(shù)據(jù)應(yīng)具備陸?？仗祀娋W(wǎng)空間靈活調(diào)配和互聯(lián)互通的能力;

四是高安全性(Security)，國防大數(shù)據(jù)在處理、存儲(chǔ)過程中更多地考慮是否遭受打擊等問題，因此其環(huán)境保障能力應(yīng)較強(qiáng);

五是強(qiáng)對(duì)抗性(StrongCountermeasures)，國防大數(shù)據(jù)在情報(bào)偵察、武器控制、軍事訓(xùn)練等方面體現(xiàn)了非合作的特征，也時(shí)常出現(xiàn)數(shù)據(jù)偽裝欺騙、數(shù)據(jù)非法竊取等現(xiàn)象;六是強(qiáng)實(shí)時(shí)性(Sooner)，戰(zhàn)場(chǎng)機(jī)會(huì)稍縱即逝，處理數(shù)據(jù)速度越快、指揮鏈越短，越能更快地?fù)屨枷葯C(jī)，贏得戰(zhàn)爭(zhēng)的勝利。

習(xí)近平主席曾在網(wǎng)絡(luò)安全和信息化會(huì)議上指出：沒有信息化就沒有現(xiàn)代化，沒有網(wǎng)絡(luò)安全就沒有國家安全，要制定實(shí)施國家網(wǎng)絡(luò)安全和信息化發(fā)展戰(zhàn)略、宏觀規(guī)劃和重大政策，不斷增強(qiáng)網(wǎng)絡(luò)安全保障能力，信息技術(shù)十分重要，在國防軍事領(lǐng)域運(yùn)用大數(shù)據(jù)技術(shù)勢(shì)在必行，也是實(shí)現(xiàn)中國夢(mèng)、強(qiáng)軍夢(mèng)的具體戰(zhàn)略舉措。因此，在數(shù)據(jù)日益開源的情況下，充分利用國防大數(shù)據(jù)的價(jià)值，對(duì)于國防和軍事現(xiàn)代化建設(shè)具有重大意義。

首先，大數(shù)據(jù)是制訂國防和軍事戰(zhàn)略計(jì)劃的基礎(chǔ)，構(gòu)建國防和軍事大數(shù)據(jù)技術(shù)平臺(tái)，是科學(xué)制定國家戰(zhàn)略的重要環(huán)節(jié)。大數(shù)據(jù)的重要特點(diǎn)之一是全數(shù)據(jù)，而不是樣本數(shù)據(jù)，建立國防大數(shù)據(jù)倉庫，可以詳細(xì)記錄和獲取國防和軍事領(lǐng)域所需要的全部數(shù)據(jù)，避免出現(xiàn)以偏概全的情況;通過對(duì)大量數(shù)據(jù)采集、分析、處理和配置，結(jié)合人工智能、計(jì)算分析等方法挖掘分析，可以發(fā)現(xiàn)有價(jià)值的規(guī)律，完成科學(xué)的預(yù)測(cè)，幫助制訂合理有效的國防戰(zhàn)略規(guī)劃。

其次，大數(shù)據(jù)是進(jìn)行信息化戰(zhàn)爭(zhēng)研究的重要手段，在戰(zhàn)場(chǎng)情報(bào)獲取、作戰(zhàn)指揮決策等方面能夠發(fā)揮重要作用。對(duì)戰(zhàn)爭(zhēng)的傳統(tǒng)研究模式可以感知交戰(zhàn)過程和作戰(zhàn)結(jié)果，卻無法模擬復(fù)雜多變的戰(zhàn)場(chǎng)態(tài)勢(shì)，無法呈現(xiàn)戰(zhàn)爭(zhēng)內(nèi)在的關(guān)聯(lián)和規(guī)律。運(yùn)用大數(shù)據(jù)分析技術(shù)可以對(duì)各渠道得來的海量信息進(jìn)行實(shí)時(shí)化、智能化處理和仿真模擬，更加科學(xué)地分配兵力兵器，形成高效的打擊方案。

最后，大數(shù)據(jù)是打破體系內(nèi)壁壘的有效方法。我軍剛剛進(jìn)行了一體化聯(lián)合作戰(zhàn)的改革，很多體制機(jī)制還不健全，原有的各軍兵種之間的差異和壁壘很大。此前，各軍兵種之間各自為戰(zhàn)，各自擁有自主的指揮平臺(tái)，沒有實(shí)現(xiàn)互聯(lián)互通，數(shù)據(jù)規(guī)模不等、格式不一、質(zhì)量各異，無法實(shí)現(xiàn)共享。通過大數(shù)據(jù)加強(qiáng)一體化指揮作戰(zhàn)平臺(tái)的建設(shè)和數(shù)據(jù)共享，加強(qiáng)各基層部隊(duì)搜集數(shù)據(jù)、存儲(chǔ)數(shù)據(jù)、共享數(shù)據(jù)的意識(shí)，可大大提高體系作戰(zhàn)能力。

當(dāng)前，依靠經(jīng)驗(yàn)直覺進(jìn)行作戰(zhàn)指揮的優(yōu)勢(shì)正在急劇下降，大多數(shù)軍事強(qiáng)國已經(jīng)認(rèn)識(shí)到利用國防大數(shù)據(jù)的意義，將大數(shù)據(jù)技術(shù)作為國防科技發(fā)展的重要方向。美軍投入巨額資金，確定了“數(shù)據(jù)支持決策、彈性系統(tǒng)設(shè)計(jì)、網(wǎng)絡(luò)空間戰(zhàn)、電子戰(zhàn)與電子防護(hù)、反大規(guī)模殺傷性武器、自主系統(tǒng)和人工系統(tǒng)”等重點(diǎn)研究領(lǐng)域。對(duì)于我國來說，加強(qiáng)國防軍事數(shù)據(jù)的發(fā)展建設(shè)也刻不容緩。充分利用國防大數(shù)據(jù)的潛在價(jià)值，樹立大數(shù)據(jù)理念、完善制度機(jī)制、加強(qiáng)數(shù)據(jù)專業(yè)技術(shù)人才培養(yǎng)、構(gòu)建大數(shù)據(jù)決策支持系統(tǒng)，對(duì)推動(dòng)我國國防和軍隊(duì)建設(shè)具有重要的戰(zhàn)略意義。

金融大數(shù)據(jù)將成為宏觀決策和監(jiān)管的新工具目前業(yè)內(nèi)的金融大數(shù)據(jù)強(qiáng)調(diào)在微觀層面的應(yīng)用，例如評(píng)價(jià)消費(fèi)者的信用風(fēng)險(xiǎn)、支持投資決策、識(shí)別金融主體的身份等。隨著大數(shù)據(jù)分析和挖掘技術(shù)的不斷提高，微觀的金融大數(shù)據(jù)可以經(jīng)過整合、匹配和建模，來支持宏觀的金融監(jiān)管和決策。傳統(tǒng)的金融監(jiān)管和決策以定性為主，輔助以簡(jiǎn)化的量化指標(biāo)，對(duì)實(shí)際情況缺乏充分的把握，而大數(shù)據(jù)技術(shù)可以充分利用底層的細(xì)粒度的微觀數(shù)據(jù)，整合分散的信息，融合不同維度的信息，帶來具有及時(shí)性、前瞻性和更為準(zhǔn)確的決策支持，提高監(jiān)管水平和決策能力。本節(jié)將以金融系統(tǒng)性風(fēng)險(xiǎn)管理、銀行存款保險(xiǎn)費(fèi)率的計(jì)算、對(duì)欺詐交易的檢測(cè)和經(jīng)濟(jì)結(jié)構(gòu)變化四個(gè)方面為例介紹金融大數(shù)據(jù)在宏觀金融決策和監(jiān)管中的應(yīng)用。

(一)金融關(guān)聯(lián)的系統(tǒng)性風(fēng)險(xiǎn)管理

金融危機(jī)之后，全球金融市場(chǎng)的關(guān)聯(lián)性遠(yuǎn)勝于過去。市場(chǎng)的互動(dòng)性一旦大大加強(qiáng)，就會(huì)導(dǎo)致流動(dòng)性風(fēng)險(xiǎn)和系統(tǒng)性風(fēng)險(xiǎn)，造成市場(chǎng)恐慌。國內(nèi)的信貸擔(dān)保圈(多家企業(yè)通過互相擔(dān)保或聯(lián)合擔(dān)保而產(chǎn)生的特殊利益群體)就是金融關(guān)聯(lián)的典型代表。由于信貸市場(chǎng)的發(fā)展，關(guān)聯(lián)的企業(yè)越來越多，互相形成擔(dān)保圈，甚至形成一張巨大的網(wǎng)。在經(jīng)濟(jì)平穩(wěn)增長期，擔(dān)保圈會(huì)降低中小企業(yè)融資的難度，推動(dòng)民營經(jīng)濟(jì)的發(fā)展。然而，一旦經(jīng)濟(jì)下行，擔(dān)保圈就會(huì)顯露其負(fù)面影響——加劇信貸風(fēng)險(xiǎn)。如若處理不當(dāng)，極易引發(fā)系統(tǒng)性金融風(fēng)險(xiǎn)。過去幾年，在南方企業(yè)擔(dān)保流行的省份，往往一家企業(yè)出現(xiàn)信貸不良，一群企業(yè)遭殃，一個(gè)行業(yè)陷入泥潭，整個(gè)地區(qū)面臨系統(tǒng)性風(fēng)險(xiǎn)，一些本來毫不相干，資金鏈正常，經(jīng)營良好的企業(yè)也由于擔(dān)保關(guān)聯(lián)，跌入破產(chǎn)的深淵。

信貸市場(chǎng)擔(dān)保圈問題一度愈演愈烈，傳統(tǒng)的擔(dān)保圈分析方法對(duì)理解、處理擔(dān)保圈問題作用有限。企業(yè)之間擔(dān)保貸款本來是一種中性的信用增進(jìn)方式，恰當(dāng)?shù)厥褂脮?huì)產(chǎn)生風(fēng)險(xiǎn)釋緩作用，由于擔(dān)保圈風(fēng)險(xiǎn)迭出，銀行和監(jiān)管部門把問題歸結(jié)到擔(dān)保貸款本身，目前各家銀行采取了比較嚴(yán)格的限制條款來避免擔(dān)保貸款的發(fā)生。

任何信貸產(chǎn)品都存在風(fēng)險(xiǎn)，金融機(jī)構(gòu)本身就是經(jīng)營風(fēng)險(xiǎn)的專業(yè)機(jī)構(gòu)。本文的研究認(rèn)為，從專業(yè)角度來說，擔(dān)保圈風(fēng)險(xiǎn)發(fā)生的根本原因，是缺乏合適的風(fēng)險(xiǎn)管理工具，沒有對(duì)擔(dān)保圈進(jìn)行正確的風(fēng)險(xiǎn)管理。

目前對(duì)于擔(dān)保圈的量化風(fēng)險(xiǎn)分析存在以下問題。

首先是缺乏擔(dān)保圈全量的大數(shù)據(jù)，沒有足夠的信息支撐。各家銀行和當(dāng)?shù)氐谋O(jiān)管機(jī)構(gòu)只有局部的企業(yè)擔(dān)保關(guān)聯(lián)數(shù)據(jù)，構(gòu)不成完整的擔(dān)保圈視圖，風(fēng)險(xiǎn)信息有缺漏。無法了解整個(gè)擔(dān)保圈相關(guān)企業(yè)的詳細(xì)信息，因此處理具有系統(tǒng)性風(fēng)險(xiǎn)特點(diǎn)的擔(dān)保圈風(fēng)險(xiǎn)具有很大的局限性。

其次是無法對(duì)擔(dān)保圈風(fēng)險(xiǎn)進(jìn)行建模，對(duì)風(fēng)險(xiǎn)進(jìn)行正確的量化描述。傳統(tǒng)的風(fēng)險(xiǎn)分析工具都是對(duì)單個(gè)企業(yè)進(jìn)行風(fēng)險(xiǎn)建模，適合對(duì)企業(yè)的貸款金額、貸款質(zhì)量以及信貸行為建模，對(duì)于企業(yè)之間的關(guān)聯(lián)關(guān)系無法進(jìn)行量化描述和風(fēng)險(xiǎn)分析。

因此我國有必要借助大數(shù)據(jù)的復(fù)雜系統(tǒng)分析方法，啟動(dòng)對(duì)擔(dān)保圈的深入分析，為化解因擔(dān)保圈引發(fā)的金融風(fēng)險(xiǎn)創(chuàng)造條件。要考慮到如下條件：一是央行征信系統(tǒng)已收集了大量豐富的企業(yè)擔(dān)保關(guān)系數(shù)據(jù)。截至2015年底，中國人民銀行征信中心為2146萬企業(yè)建立了信用檔案，有信貸記錄的企業(yè)超過596萬家，關(guān)聯(lián)關(guān)系信息(僅限于有貸款卡的用戶)超過2億條。二是復(fù)雜網(wǎng)絡(luò)技術(shù)已日趨成熟。復(fù)雜網(wǎng)絡(luò)是由數(shù)量巨大的節(jié)點(diǎn)(研究對(duì)象)和節(jié)點(diǎn)之間錯(cuò)綜復(fù)雜的關(guān)系(對(duì)象之間的關(guān)系)共同構(gòu)成的網(wǎng)絡(luò)結(jié)構(gòu)。復(fù)雜網(wǎng)絡(luò)分析技術(shù)針對(duì)越來越多、越來越復(fù)雜的事物之間的關(guān)聯(lián)關(guān)系進(jìn)行非線性建模，可以較好地解決大數(shù)據(jù)的數(shù)據(jù)量(Volume)、數(shù)據(jù)復(fù)雜程度(Variety)和處理速率(Velocity)等基本問題。

隨著金融市場(chǎng)的創(chuàng)新和發(fā)展，金融風(fēng)險(xiǎn)變得越來越復(fù)雜，需要更多的數(shù)據(jù)支撐和復(fù)雜的數(shù)學(xué)模型來量化描述，大數(shù)據(jù)技術(shù)將成為未來金融風(fēng)險(xiǎn)管理的利器。

(二)銀行存款保險(xiǎn)費(fèi)率的計(jì)算

2015年5月，作為金融市場(chǎng)化進(jìn)一步深入的重大舉措，銀行存款保險(xiǎn)制度正式開始實(shí)施，這不僅有利于穩(wěn)定宏觀金融，也對(duì)利率市場(chǎng)化后商業(yè)銀行的穩(wěn)健經(jīng)營和有序競(jìng)爭(zhēng)有利。存款保險(xiǎn)費(fèi)率的厘定是存款保險(xiǎn)制度的一個(gè)核心，而保費(fèi)的估算是設(shè)計(jì)存款保險(xiǎn)方案中的難題之一。保費(fèi)結(jié)構(gòu)的設(shè)計(jì)，在很大程度上決定了存款保險(xiǎn)對(duì)于參保銀行的可接受度。想降低道德風(fēng)險(xiǎn)并減少逆向選擇，取決于合理的保費(fèi)結(jié)構(gòu)。國內(nèi)對(duì)于銀行存款保險(xiǎn)的研究以定性為主，對(duì)保險(xiǎn)費(fèi)率計(jì)算的量化分析比較欠缺。

從國外信貸數(shù)據(jù)的應(yīng)用情況來看，信貸數(shù)據(jù)有助于銀行監(jiān)管者準(zhǔn)確評(píng)估監(jiān)管對(duì)象的信用風(fēng)險(xiǎn)狀況。對(duì)于建立了公共征信系統(tǒng)的國家來說，風(fēng)險(xiǎn)分析技術(shù)可以成為有效的監(jiān)管工具，由于銀行業(yè)的危機(jī)通常和高的不良貸款率相關(guān)，信貸數(shù)據(jù)常常用于信貸市場(chǎng)監(jiān)控和銀行監(jiān)管，是銀行監(jiān)管統(tǒng)計(jì)數(shù)據(jù)的補(bǔ)充。因此，央行信貸大數(shù)據(jù)不僅可以幫助商業(yè)銀行管理信用風(fēng)險(xiǎn)，還可以支持監(jiān)管和宏觀經(jīng)濟(jì)分析。未來的研究可以利用信貸大數(shù)據(jù)，基于預(yù)期損失模型來計(jì)算銀行存款保險(xiǎn)費(fèi)率，從最基礎(chǔ)的信貸數(shù)據(jù)單元開始計(jì)算，給保費(fèi)制定提供更加及時(shí)、準(zhǔn)確的決策支持。

(三)進(jìn)行精細(xì)化的金融監(jiān)管

技術(shù)進(jìn)步加上日益復(fù)雜的市場(chǎng)，會(huì)使得金融監(jiān)管機(jī)構(gòu)的工作變得艱難復(fù)雜，但大數(shù)據(jù)技術(shù)的發(fā)展提供了化解之道，讓金融市場(chǎng)維持良性運(yùn)轉(zhuǎn)成為可能。如金融監(jiān)管機(jī)構(gòu)正利用計(jì)算和“機(jī)器學(xué)習(xí)”算法的最新進(jìn)展，掃描金融市場(chǎng)信息和公司財(cái)報(bào)，從中找出欺詐或市場(chǎng)濫用行為的蛛絲馬跡。這些基于大數(shù)據(jù)分析技術(shù)的新型監(jiān)管工具是金融交易欺詐偵查的未來，有越多的數(shù)據(jù)積累，其功能就將越強(qiáng)大。美國證交會(huì)幾年前就推出了一個(gè)被稱為“機(jī)械戰(zhàn)警(Robocop)”的計(jì)算機(jī)程序(學(xué)名“會(huì)計(jì)質(zhì)量模型”)，用證交會(huì)的金融數(shù)據(jù)庫檢查企業(yè)利潤報(bào)告，從中搜尋可能隱藏的異常行為——激進(jìn)的會(huì)計(jì)手法或赤裸裸的欺詐。“機(jī)械戰(zhàn)警”的具體情況、手法，透露給外界的信息甚少，但其基本思路是：通過大數(shù)據(jù)分析，發(fā)現(xiàn)多個(gè)可能暗示著潛在會(huì)計(jì)問題的重要指標(biāo)。

(四)觀測(cè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的新角度

金融大數(shù)據(jù)的深入挖掘還可以反映宏觀經(jīng)濟(jì)變化的規(guī)律。例如，可以通過信貸大數(shù)據(jù)來觀測(cè)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整。截至2015年底，2146萬戶企業(yè)及其他組織被收錄進(jìn)企業(yè)征信系統(tǒng)，有596萬戶擁有信貸記錄，該系統(tǒng)累計(jì)提供信用報(bào)告查詢服務(wù)6.1億次。該系統(tǒng)數(shù)據(jù)有三大特點(diǎn)：

一、全面，數(shù)據(jù)采集覆蓋了國內(nèi)絕大部分金融機(jī)構(gòu);

二、真實(shí)，所采集數(shù)據(jù)來自金融機(jī)構(gòu)實(shí)際發(fā)生的每筆信貸業(yè)務(wù)，統(tǒng)計(jì)結(jié)果得自每筆業(yè)務(wù)數(shù)據(jù)匯總相加，數(shù)據(jù)可追溯從而可還原每筆明細(xì);

三、時(shí)間跨度長，企業(yè)征信系統(tǒng)始自銀行信貸登記咨詢系統(tǒng)，2005年起提供對(duì)外服務(wù)，已運(yùn)行了十年有余，意味著系統(tǒng)收集的數(shù)據(jù)超過十年，因此，對(duì)于分析國內(nèi)企業(yè)的行業(yè)行為和行業(yè)情況很有價(jià)值。例如可以將這些賬戶級(jí)的信貸數(shù)據(jù)，逐層整合成企業(yè)級(jí)和行業(yè)級(jí)，利用大數(shù)據(jù)挖掘、分析，從信貸市場(chǎng)角度剖析產(chǎn)業(yè)結(jié)構(gòu)的變化。

藍(lán)皮書指出，金融大數(shù)據(jù)分析可以成為宏觀金融決策和監(jiān)管的有力工具，可以在市場(chǎng)化金融發(fā)展的過程中發(fā)揮重要的作用。與微觀金融大數(shù)據(jù)的應(yīng)用方面很多金融科技公司沒有足夠的金融大數(shù)據(jù)的情況不同，國內(nèi)的金融大數(shù)據(jù)都掌握在政府和監(jiān)管部門的手中，金融大數(shù)據(jù)的宏觀應(yīng)用有著良好的數(shù)據(jù)條件，更容易見到成效。

旅游大數(shù)據(jù)將支持智慧旅游城市建設(shè)加快推進(jìn)藍(lán)皮書指出，大數(shù)據(jù)城市建設(shè)，核心是要打破信息壁壘，通過信息共享互通，提高效率，將一個(gè)個(gè)“信息孤島”有效地串聯(lián)起來，將信息高速公路轉(zhuǎn)化為現(xiàn)實(shí)的產(chǎn)業(yè)生態(tài)體系建設(shè)，形成“線上一條路，線下一個(gè)圈”的線上線下聯(lián)合發(fā)展模式，充分體現(xiàn)出“智慧”的特點(diǎn)。依托旅游大數(shù)據(jù)，形成以智慧城市基礎(chǔ)設(shè)施為依托，以各級(jí)旅游集散中心為樞紐，以旅游大數(shù)據(jù)平臺(tái)為信息中樞，以智慧旅游技術(shù)產(chǎn)品應(yīng)用為媒介的分析系統(tǒng)，為旅游者提供導(dǎo)航、導(dǎo)游、導(dǎo)覽、導(dǎo)購的全程式旅游服務(wù)。同時(shí)，通過基于大數(shù)據(jù)“云+端”的架構(gòu)處理，確保旅游監(jiān)管系統(tǒng)、旅游信息發(fā)布系統(tǒng)、景區(qū)管理系統(tǒng)數(shù)據(jù)的統(tǒng)一。例如遵義市重點(diǎn)開發(fā)了旅游資源基礎(chǔ)數(shù)據(jù)庫和旅游大數(shù)據(jù)分析系統(tǒng)，并在景區(qū)的游客中心、賓館飯店大堂、大型商場(chǎng)影院、機(jī)場(chǎng)、汽車站、火車站等客流密集區(qū)或重要節(jié)點(diǎn)安裝智慧旅游多媒體查詢顯示屏。通過這種面向市場(chǎng)一線的架構(gòu)處理，監(jiān)管部門可確保多種系統(tǒng)運(yùn)營的同步性、統(tǒng)一性和即時(shí)性。

旅游大數(shù)據(jù)平臺(tái)可以收集互聯(lián)網(wǎng)，例如論壇、博客、微博、微信、電商平臺(tái)、點(diǎn)評(píng)網(wǎng)等有關(guān)旅游評(píng)論數(shù)據(jù)，通過網(wǎng)評(píng)大數(shù)據(jù)庫進(jìn)行分詞、聚類、情感分析，了解游客的消費(fèi)習(xí)慣、價(jià)值取向，從而全面掌握旅游目的地的供需狀況及市場(chǎng)評(píng)價(jià)，為政府和涉旅企業(yè)做決策提供依據(jù)。如百度大數(shù)據(jù)產(chǎn)品百度預(yù)測(cè)已初步具備類似功能，可以預(yù)測(cè)景區(qū)未來兩日的人流及舒適度，為游客出行提供指導(dǎo)。

大數(shù)據(jù)為什么這么火 真相即簡(jiǎn)單又粗暴，因?yàn)槲覀內(nèi)硕?

一些業(yè)內(nèi)觀察人士認(rèn)為，龐大的人口基數(shù)與多樣化的智能終端才是中國人工智能(Artificial Intelligence，AI)領(lǐng)域的優(yōu)勢(shì)。也正因?yàn)槿绱?，大?shù)據(jù)、 智能制造、云計(jì)算、 智能金融、 模擬識(shí)別為中國AI市場(chǎng)最受關(guān)注的細(xì)分領(lǐng)域。

數(shù)據(jù)說明問題。2010年以來，國內(nèi)大數(shù)據(jù)領(lǐng)域共發(fā)生近400起投資事件。

海外市場(chǎng)沒人怎么辦 資本投什么 

答案也很有意思。海外市場(chǎng)中，最吸引VC/PE機(jī)構(gòu)的垂直細(xì)分領(lǐng)域是機(jī)器學(xué)習(xí)、智能機(jī)器人(21.95 +2.95%,診股)、自然語言處理等。它是人工智能的核心，也是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域。

國內(nèi)AI偏愛大數(shù)據(jù)

在AI領(lǐng)域，業(yè)界觀察人認(rèn)定，龐大的人口基數(shù)與多樣化的智能終端才是我們的優(yōu)勢(shì)。

也正因?yàn)槿绱?，大?shù)據(jù)、 智能制造、云計(jì)算、 智能金融、 模擬識(shí)別為中國AI市場(chǎng)最受關(guān)注的細(xì)分領(lǐng)域。根據(jù)清科集團(tuán)私募通統(tǒng)計(jì)2010年以來大數(shù)據(jù)領(lǐng)域共發(fā)生近400起投資事件。

除此之外，VC/PE機(jī)構(gòu)頗為關(guān)注的還包括智能制造(機(jī)器人，無人機(jī)等)、自動(dòng)駕駛汽車等等。

海外資本鐘情機(jī)器人學(xué)習(xí)

眾所周知，人工智能包含十分廣泛。自打誕生以來，其理論和技術(shù)日益純熟，應(yīng)用領(lǐng)域也不斷延展。那么信息技術(shù)不斷更迭的當(dāng)下，哪一項(xiàng)才是人工智能領(lǐng)域的最火分支 

清科集團(tuán)研究結(jié)果顯示，海外市場(chǎng)中，最吸引VC/PE機(jī)構(gòu)的垂直細(xì)分領(lǐng)域是機(jī)器學(xué)習(xí)、 智能機(jī)器人、自然語言處理等。其中，機(jī)器學(xué)習(xí)更是“熱中之熱”，2017年1~4月500余家與機(jī)器學(xué)習(xí)相關(guān)的企業(yè)獲得股權(quán)融資，涉及融資金額超過60億美元。

什么是機(jī)器學(xué)習(xí) 

通俗一點(diǎn)的理解是，“計(jì)算機(jī)有能力去學(xué)習(xí)，而不是通過預(yù)先準(zhǔn)確實(shí)現(xiàn)的代碼”。或者理解為，專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。

機(jī)器學(xué)習(xí)的熱度與其舉足輕重的地位相關(guān)。它是人工智能的核心，也是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域。

始于2015年的爆發(fā)

2015年是AI領(lǐng)域爆發(fā)式增長元年。

那一年，活躍在中國大陸的VC/PE機(jī)構(gòu)、互聯(lián)網(wǎng)巨頭公司開始不斷加碼對(duì)AI領(lǐng)域的資本布局，當(dāng)年全年投資案例從2014年的281起激增至719起，同比增長155.9%，投資總額從2014年的54.87億飆升至159.50億元(人民幣)，同比增長190.67%。

業(yè)界觀察人士表示，2015年人工智能爆發(fā)其背后的主要原因是人工智能從技術(shù)上突破了產(chǎn)業(yè)大規(guī)模應(yīng)用的瓶頸，如大數(shù)據(jù)、 云計(jì)算、 模擬識(shí)別技術(shù)(包括語音識(shí)別、 圖片識(shí)別等)以及一些人工智能應(yīng)用層在智能化進(jìn)程中取得了跨越式發(fā)展。

作為中國股權(quán)投資機(jī)構(gòu)最受關(guān)注的領(lǐng)域之一，大量資本的進(jìn)入必將進(jìn)一步加深和拓寬人工智能在各垂直細(xì)分領(lǐng)域的在深度和廣度，人工智能全面改變現(xiàn)實(shí)生活的即將成為現(xiàn)實(shí)。

觀察相關(guān)數(shù)據(jù)可以很清晰的看到，2016人工智能領(lǐng)域延續(xù)了2015年高漲的投資熱情，而這種趨勢(shì)在2017年更是有增無減。

如果從區(qū)域分布觀察，國內(nèi)AI企業(yè)也有集群效應(yīng)，北京、 上海、 浙江、江蘇和深圳成為我國人工智能企業(yè)的聚集地，2010年~2017年5月這五個(gè)地區(qū)的投資案例有多達(dá)1801起，占全國總數(shù)八成以上。

內(nèi)陸省份也有兩個(gè)小兄弟在努力追趕。已經(jīng)有諸多跡象和案例顯示，VC/PE機(jī)構(gòu)也對(duì)湖北和四川的人工智能企業(yè)很是認(rèn)可。

偽AI企業(yè)需要警惕

按照屬性，人工智能可大致分為基礎(chǔ)層、技術(shù)層、應(yīng)用層三類。

相對(duì)來講，AI技術(shù)層的投資周期長、成本高且風(fēng)險(xiǎn)大，所以投資機(jī)構(gòu)普遍對(duì)AI應(yīng)用層企業(yè)更有熱情，這類企業(yè)包括智能翻譯、醫(yī)療診斷、智能教育、智能投顧等，擁有著“看似低投入，變現(xiàn)快”的特征。

正如前文所講，2015年開始國內(nèi)AI金融熱度飆升，催生出來的大量人工智能企業(yè)也存在魚龍混雜的情況。打著AI旗號(hào)大舉融資，AI“ 偽應(yīng)用層” 蔓延滋生。

清科研究中心相關(guān)人士直言，國內(nèi)真正意義上的AI企業(yè)仍屬少數(shù)派，大量應(yīng)用層創(chuàng)業(yè)企業(yè)缺乏大數(shù)據(jù)、 云計(jì)算、 以及算法優(yōu)化的支撐，企業(yè)缺乏核心競(jìng)爭(zhēng)力。

來源：券商中國