大数据的应用实例

大数据的应用实例（精选9篇）

大数据的应用实例 篇1

电信运营商的阳关大道

——大数据应用实例分析

09012208

黄文婷

摘要：

随着全球数据化、网络宽带化，基本的数据量越来越大，由此我们进入了大数据时代。本文探讨了大数据内涵与意义，从电信行业这一大数据应用实例进行分析，介绍了大数据在电信行业的应用、必要性及相关措施。

关键词：大数据

电信

应用

正文：

一、大数据的内涵与意义

（一）大数据的意义

大数据和云计算一样，近两年来越来越多的受到人们的关注。那么什么是大数据呢？ 大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中，大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据的方法)对于“大数据”（Big data），研究机构Gartner给出了这样的定义。“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的海量、高增长率和多样化的信息资产。

（二）大数据的特性

大数据有4V特点：Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。大数据的4个“V”，或者说特点有四个层面：第一，数据体量巨大。从TB级别，跃升到PB级别；第二，数据类型繁多。包括网络日志、视频、图片、地理位置信息等等。第三，数据的来源，直接导致分析结果的准确性和真实性。若数据来源是完整的并且真实，最终的分析结果以及决定将更加准确。第四，处理速度快，1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“V”。

（三）大数据的应用意义

大数据最核心的价值就是在于对于海量数据进行存储和分析。相比起现有的其他技术而言，大数据的“廉价、迅速、优化”这三方面的综合成本是最优的。

此外，大数据的潮流虽然依赖于信息通信技术的成熟，但它对整个世界的影响绝不仅限于技术层次。它借助信息技术的创新与发展，及数据的全面感知、收集、分析与共用，引导我们以全新的思维看待世界，养成决策思维行为须根据事实与数据的分析判断，舍去凭借经验和直觉的习惯作风。可预见，它将对惯于“差不多”的思维造成巨大的冲击。

很多人一提到大数据，就会不由自主想到那个关于啤酒和尿布的经典案例。事实上，随着移动互联网、智能终端、云计算、物联网技术以及电子商务、社交媒体等应用的飞速发展，大数据已经越来越多的渗透到生活方方面面，宣告着我们已经进入了信息爆炸的大数据时代。电信运营商历经语音、短信、数据三个发展浪潮，积累了大量如文本信息、音频、视频、图片等非结构化数据，在大数据时代无异于拥有了一条发展的阳关大道。而机智的电信运营商也致力于研究如何在这条道路上比别人跑得更快以获得更多的利益。

二、大数据在电信行业的应用

（一）电信行业大数据应用的四个方向

现阶段电信运营商利用其拥有的大数据进行全面、深入、实时的分析和应用，是应对新形势下的挑战、避免运营商沦为管道化的关键。从大数据的具体应用方向来看，当前应主要集中在四个方向：流量经营精细化、智能客服中心建设、基于个性化服务的客户体验提升以及对外数据服务。

1.流量经营精细化

在流量经营精细化上，大数据应用的价值主要体现在深入洞察客户、助力精准营销和指导网络优化三个方面。首先，基于客户终端信息、手机上网行为轨迹等丰富的数据，借助DPI(Deep Packet Inspection，深度数据包检测)技术等，建立客户超级细分模型，为各细分群组客户打上互联网行为标签，可以帮助运营商完善客户的360度画像，帮助运营商深入了解客户行为偏好和需求特征；其次，根据用户行为偏好，推送合适的业务，并根据对客户特征的深入理解，建立客户与业务、资费套餐、终端类型、在用网络的精准匹配，同时也能做到在推送渠道、推送时机、推送方式上满足客户的个性化需求，实现全程精准营销；再次，利用大数据技术实时采集处理网络信令数据、监控网络状况、识别价值小区和业务热点小区，更精准地指导网络优化，实现网络、应用和用户的智能指配。2.智能客服中心建设

作为运营商与客户接触的第一界面，客服中心(或称客户联络中心)拥有丰富的数据资源，可以称得上是客户信息的“聚宝盆”，利用好客服中心的客户接触数据对于建设智能化客服中心意义重大。利用大数据技术可以深入分析客服热线呼入客户IVR(Interactive Voice Response，互动式语音应答)行为特征、访问路径、等候时长等；同时结合客户历史接触信息、基本属性等可以建立热线呼入客户的智能识别模型；基于客户智能识别模型可以在某类客户下次呼入前预先推测其呼入的需求大体是什么，IVR接入后应该走什么样的节点和处理流程。这样，就可以基于呼入客户习惯与需求的事先预测而设计按键菜单、访问路径和处理流程，合理控制人工处理量，缩短梳理时限，为客户服务中心内部流程优化提供数据支撑，有助于提升热线服务管理水平，加速热线营销渠道资源整合，有效识别客户投诉风险，助力智能客服中心的建设。

3.基于个性化服务的客户体验提升

大数据时代对于运营商为客户提供服务来说更加侧重于“小”，即更加关注每个个体“小我”的个性化需求，而融合了电商、医疗、社交等方面信息的“大”数据正是为了更深入的理解“小我”、服务好“小我”。利用大数据技术，一方面可以建立更全面、丰满的客户画像，另一方面还可以量化分解客户接触信息，识别客户特征与习惯偏好，预测客户可能在何时手机会出现故障、何时会产生换机行为等，为客户提供定制化的服务，优化产品、套餐和定价机制，实现“一户一策”的差异化、个性化服务，提升客户体验与感知。由此可见，大数据将为移动互联网时代的客户服务带来一次变革，给客户服务带来极大的想象空间和无限的发展前景。4.对外数据服务

对外数据服务是大数据应用的高级阶段，这个阶段电信运营商不再局限于利用大数据来提升内部管理效益，而是更加注重数据资产的平台化运营。利用大数据资产优势，将数据封装成服务，提供给相关行业的企业用户，为合作伙伴提供数据分析开放能力。例如，Telefonica和Verizon已经成立专业化数据公司来运作对外数据售卖的服务。再如，如果将无线城市与物联网、电子政务等方面的信息结合起来，将能为电信运营商的数据和政府的政务数据增值，对于打造一个开放数据平台和民生服务平台有重大意义。让数据在不同行业之间流动起来，实现体外循环将能进一步释放数据的价值。当然，以简单的Data Seller模式售卖数据服务时，需要 注意保护客户隐私、打消隐私顾虑。

（二）电信行业大数据应用的效益

网络上的每笔搜索，网站上的每笔交易，敲打键盘、点击滑鼠的每一个动作，都在输入数据，经过整理分析后，它可能显示市场的脉络、甚至更具商业价值的开发着力点。曾有统计，运用大数据的分析，可以让公司增加50%的新客户，让政府减少30%的成本。这些如海潮般涌入的大量资料，正是云端时代的新金脉，已经创造出惊人的效益。

三、大数据在电信行业应用的必要性与措施

电信运营商拥有大量的数据资源，如网络信息、用户终端信息、用户位置信息等，只要对电信网络有深刻的理解和技术积累，具有敏锐的行业发展嗅觉和强大的产业研发能力，基于大数据进行深度挖掘分析，将丰富的网络、用户等数据资源加工抽取后封装为服务，将数据资源在一定程度上货币化，向大客户提供增值服务，就能增加新的盈利模式。这无疑是电信运营商发展盈利的一条阳关大道。

面向大数据时代，运营商的及时转型成为必然，否则将有被互联网企业超越的可能性。理论上讲，运营商拥有颇具优势的大数据资源并不是完全不可替代，例如，用户的位置信息就可以通过多种APP应用获得，用户的网络使用信息也可以通过多家互联网企业合作获取，互联网企业通过泛互联网化收集更多的大数据信息。另一方面，多行业的垂直整合将成为趋势，在数据应用层面，行业企业通过多种手段搜集大量的用户数据，将更贴近用户，更理解用户，为其提供更适当的服务，大数据将成为资产更具有战略意义，各个行业及单位都在关注大数据。

根据大数据数量大、时效性要求高、数据种类及来源多样化等特征，运营商首先获取更多有用的大数据资源，例如，很多的网络运行信息，包含大量有价值的用户行为和位置信息，这样的信息可以加以利用。有了资源应该加以利用，避免大数据资源的浪费。事实上，一些运营商拥有大数据这样的金山，却似乎无奈坐看并逐渐沦为管道，在不断强化传统市场的效益考核，却好像在忽视大数据价值的流失。

大数据在电信行业应用措施主要有三个方面：

1）梳理并整合业务部门对大数据的需求，立足分析需求，做好大数据的IT体系构架的规划。大数据相关技术条件的成熟、大数据分析能力及分析应用经验的积累等多方面因素，都是制约企业建设的建设IT系统的条件，要充分抓住大数据带来的机会并避免“心急吃不了热豆腐，反被热豆腐伤害”的问题。

2）落实基于品质管理资料的经营新模式。面对大数据时代的趋势潮流，学会既然无从抗拒，就积极响应，以共享大数据带来的潜在效益。

3）以职能部门提供整体IT支撑方式向嵌入业务流程实时数据的分散能力支撑方式转变。这种转变趋势又称IT支撑“消费化”趋势。在大数据时代，数据从支撑企业中高层运营管理决策普及到支撑企业的产品运营、市场运营、客户服务，甚至在智能管道运营全流程中涉及从企业中高层运营管理人员到基层生产执行人员，很明显，这种数据获取和分析能力如果集中在IT职能部门，而不是全体人员均结合自身业务需求而具备的话，大数据分析驱动的各项运营管理应用即成为不可能的任务。

四、结语 从电脑技术的演进来说，“大数据”是既资料探勘、云端计算之后一项革命性的趋势发展。庞大的数据资源迫使各个领域的运作造成量化的质变，目前全世界无论是学术界、企业界、产业界甚至是政府单位都在积极研究大数据分析。在这种背景下，电信行业也结合自身特征，进行相关的研究与应用，奔跑在大数据铺就的阳关大道上，成为激烈竞争中的新赢家。

参考文献：

[1]黄小刚．电信行业大数据应用的四个方向．业务与运营．2013(6)：26-28 [2]季鸿，张秀凤，柴林麟．大数据在电信行业的应用展望．通信企业管理．2014(1)：76-77 [3]卢云许．电信行业大数据应用浅析．信息工程系统．2013(12)：29-30 [4]潘海鹏．浅谈电信行业大数据的意义与应用．电子世界．2014(3)：21-23 [5]史斌，周双阳．电信行业如何应用大数据．新引擎．2013（7）：47

大数据的应用实例 篇2

1 数据库系统结构与逻辑设计

1.1 三级模式和二级映像结构的优点

数据库系统的标准结构为三级模式和二级映像。三级模式分别为内模式、模式和外模式, 二级映射为内模式/模式映像和模式/外模式映像。如图1所示:

模式即概念模式, 该模式是对数据的逻辑结构和特征的描述, 是对所有应用程序的数据综合抽象得到的全局数据视图;外模式是所有应用程序或用户访问数据的逻辑结构和特征的描述;内模式是数据的底层物理存储结构的描述。二级映像保证了各级数据在不破坏底层数据存储结构的基础上完成上层数据的所有操作任务, 保证了数据库中数据较高的逻辑独立性和物理独立性。

1.2 逻辑设计内容和方法

计算机处理客观应用问题的一般框架如图2所示:

在设计开发数据库时, 逻辑设计的内容有应用语义环境下如何设计表、定义表、定义表间关系、如何操作表等, 可通过文字或一套业务实体表格来描述。大致可通过两步来完成, 第一步:从应用问题中提取核心概念建立概念模型;概念模型可用实体—关系图 (E-R图) 来描述;第二步基于一定的转换原则建立关系数据模型。关系模型的表示形式为:R (U, F) , 其中, R为关系名, U为属性集, F为函数依赖关系。转换原则有以下七种[2,3]:

1) 一个实体型转换为一个关系模式, 通俗的说即一个实体对应一张二维表。

2) 一个1:1实体联系可转换为一个独立关系模式, 也可以与任意一端对应的关系合并。

3) 一个1:N实体联系可转换为一个独立关系模式, 也可以与任意一端对应的关系合并。

4) 一个M:N实体联系一定转换为一个独立的关系模式, 特别是带有属性的联系。

5) 三个以上实体间的多元联系可转换为一个关系模式。

6) 相同码的关系模式可以合并。

7) 同一实体集的实体间联系与对应的关系合并为一个关系模式。

除此之外, 数据库的设计不仅需考虑理论支持, 还需要结合实际的业务流程。

2 应用实例解析

本例以“学生选课”为背景, 分析设计数据库将学生在校的所有信息合理存储和管理。建立该实例相应的E-R图模型, 如图3所示:

其中, 实体“学生”、“课程”和“系别”分别转换为三个关系模式, 照应原则1;另外有两个联系, “所属”联系可以独立转换为一个关系模式, 也可以与“学生”和“系别”任意一个关系合并, 照应原则3;而“选课”联系自身具有特殊属性“成绩”, 特殊性体现在该属性既不能作为“学生”的属性存在, 也不能作为“课程”的属性存在, 故必须将该联系转换为一个独立的关系模式, 照应原则4。综上所述, E-R图可被转换为4个关系模式, 根据对该领域的认识和经验为每个关系添加属性描述其特征, 同时指定关系的主码、外码以及用户自定义完整性约束, 最终实现E-R图到关系模型合理正确的转换, 建立数据库同时进一步优化其性能[4]。

原则4实际应用的例子有很多, 又如销售商与供应商之间的供销关系问题。在该业务流程中三个主要的实体:供应商, 源材料和工厂。他们之间时刻有着密切的业务往来, 而在三个实体间共同存在“供销”联系, 而该联系具有属性“供应量”, 供应量就如同上述的“成绩”一样, 需转换为一个独立的关系模式来描述。

3 结束语

文中以关系数据库基本理论为依据展开阐述数据库逻辑设计的内容和方法, 并以简单实例来论证理论方法的指导意义和应用效果。

摘要：数据库技术重要且应用广泛, 文中介绍了数据库的三级模式和二级映像结构, 在该结构下关系数据库的逻辑设计内容和设计方法, 最后引入具体实例应用实践该方法并对实例作简单分析。

关键词：关系,E-R图,实体

参考文献

[1]萨师煊, 王珊.数据库系统概论[M].北京:高等教育出版社, 2000.

[2]袁国铭.关系数据库设计的总体原则[C].第七届中国通信学会学术年会论文集, 2010:168-171

[3]杨睿娜.数据库设计过程中E-R图向关系型的转换[J].硅谷, 2009 (11) .

大数据的应用实例 篇3

一、电力企业大数据的概述

1.内涵。舍恩伯格在《大数据时代》中提出智能电网是大数据在电力行业当中的应用，即将用户用电习惯等多方面信息借助网络传递到电网企业的信息中心做出分析与处理，为电网的规划与建设等创造了良好的依据。作为电力行业技术改革的必然产物，电力大数据并不只是简单的技术进步，而是涉及到整个电力系统发展理念、技术路径等各方面的革新，它将核心价值的重新塑造与发展方式的转变作为根本任务。一方面，大数据以个性化商业未来等作为核心价值，促进了电力企业对自身价值的重新审视；另一方面，电力大数据借助优化生产运行方法、引导社会树立节能减排思想、消纳间歇式可再生能源等来实现企业发展方式向节能降耗、绿色发展的转变。

2.特点。电力大数据的特点主要表现为：数据体量大，包括设备状态与资源使用等多方面的海量数据；数据类型多，包括流程记录、测电量等结构化数据、半结构化数据以及音频、文本、视频等非结构化数据；处理速度快，采集、分析及处理数据的效率有了极大的提升；可用性与可信性，大数据的爆发性增长使得数据质量参差不齐，使电力大数据可用、可信性的研究显得尤为关键；价值密度低，受到数据质量差异大的影响，电力大数据下特定时间内有价值的数据的密度相对较低。

二、大数据背景下电力行业的数据应用

（一）规划中的应用

配网规划业务覆盖面的扩大促使了TB级数据的不断累积，这就给电力行业的数据采集、分析、处理等工作提出了更高的要求。在用电预测方面，电力行业可以在海量历史电量数据的基础上结合区域的面积、人口、经济数据等来预测区域内的用电量，并给后续的规划与设计提供可靠的依据；在空间负荷预测方面，可在综合考虑全网小区用地类型、占地面积、年目标占地面积、总负荷值等数据的基础上来预测远景年负荷；在多指标关联分析方面，可以借助GIS、OMS、PMS等各个系统来对所需数据时间切片进行抓取而后实现综合分析与利用。

（二）检修中的应用

目前电力行业的电力设备大多都是借助各种类型的传感器来定期、实时捕获各类状态信息，而作为一种具有特殊性的传感器，视频成为了设备捕获信息时最为重要的工具，并且在智能分析技术不断完善的背景下逐渐能够对变电站的各表计、开关、读数等做出准确及时的识别，相比较其他类传感器具有十分显著的优势，而大数据技术的应用可以对其做出进一步的完善。首先，在状态分析方面，视频数据智能识别技术对设备状态等各项参数进行识别，并结合设备运行、检测等方面的数据建立起综合性的分析模型来对设备整体的健康状况进行分析；其次，在趋势分析方面，大数据技术结合历史数据趋势分析的算法建立起能够对设备状态做出准确反映的模型来分析故障趋势、设备风险；再次，在实时报警方面，大数据下的设备自动巡检、安防技术能够对表计与外观的变化、非法的入侵等隐患做出及时的辨别并发出警报，给设备的正常运行提供了良好的保障；最后，在检修与技改等方面，大数据技术在分析设备评价结果后对设备检修的策略做出优化，给检修工作提供了合理的决策支持。

（三）运行中的应用

作为电力行业中的一个必不可少的业务模块，设备状态的管理在校验各个计划性应用的同时能够对其提出进一步完善的合理建议，从而实现电网的安全、可靠运行。电力行业调度业务规范的日益健全要求设备状态模块做出必要的提升。大数据在设备状态管理方面的应用包括：历史时刻的查询，大数据技术在实现设备数据库存海量化的基础上为特定时刻下设备信息的查询提供了便利；数据质量的分析，在分析设备信息并得出状态的断面后对各设备的状态做出互检与对比以促使对其他系统、功能的检查；未来时刻断面的预测，大数据背景下能够基于任何时刻的断面来对设备信息做出自动的采集并做好智能编排，给特定时刻下电网设备断面情况的预测带来了方便。

（四）在监控中心的应用

一方面，大数据技术为电网运监中心构建了可适应日常监控、管理要求的在线监测、分析、计算的工作台，确保了电力行业在对在线监测的实时分析中及时发现问题并发出预警。另一方面，在大数据背景下促使了多业务模型的构建与各种算法的创新，这就推动了基于大数据的模型库、算法库的构建，通过聚类、模式识别等技术确保了多个运监业务之间的关联。除此之外，大数据技术在实时监控分析异构数据的基础上促进了数据质量与可用率的提升，形成了有效的数据质量诊断系统。

三、总结

综上所述，大数据时代的到来给当下的电力行业带来了新的机遇与挑战，电力行业在应用与发展大数据技术的过程中获取了更高的价值，本文在分析电力大数据内涵与特点的基础上结合电力行业的实际情况，探究了大数据在电力行业规划、检修、运行等环节以及监控中心当中的应用，得出了大数据技术的应用能够对电力企业现有平台对数据的储存、分析、计算、管理以及控制等多方面能够的提高都起到了有效的促进作用，并推动了电力行业生产、经营、管理质量与效率的全面提升。

大数据在培训领域的应用 篇4

随着信息技术的普及,人类社会进入到了大数据时代,数据已经渗入到我们生活的每一个角落,衣食住行都离不开数据。所谓的大数据在百度百科上的解释是:在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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。大数据具有数据容量巨大，数据种类繁多，数据获取速度快速，数据来源真实，数据具有价值性等特点。从大数据的应用来看，大数据包括横向和纵向两方面的大，可以从时间空间来说，可以从数量与质量来说，也可以主观客观来说，一切我们可视可闻可想的都包含在大数据里。正是有这一种大，才可以在精确定位的“小”行业中提现出大的价值。大数据使市场行业更加细分，人们的行为更佳细分，可以使企业更清晰的明白自己的定位，从时间的跨度上来讲，大数据这是由于这种资源的大量整合，可以使得市场具有前瞻性，而大数据的最终效果是使消费者得到最合理最高效价值最大化实现的满足。

20世纪90年代开始，培训行业在中国发展壮大，尽管现在已经到了一个全面发展的时期，但是培训行业依旧存在大量的问题。培训供求错位，培训没有建立在科学的需求分析上，培训没有针对性，培训项目设置不合理，导致培训效果事倍功半。培训定位模糊，对培训定位不清，致使培训与企业长期发展脱节，培训并没有真正为企业的经营战略做出贡献。培训主体错位，培训只是培训部的事，高层不重视，中层不支持，基层不理解，培训部角色尴尬。培训对象错位，许多企业尽管重视员工培训，却只是关注中基层员工的培训，忽视对高管层的培训。只对中基层员工培训，忽视对高层培训，或者笼统培训管理层，员工的素质愈来愈高，而管理者却没有得到应有的提升。培训方法不当，在培训方法上，企业大多运用传统的模式授课，培训师讲，学员听，从而产生枯燥、效果不好的弊病，使员工失去对培训的兴趣。许多培训师根本没分清培训与教育的界限，培训应是以学习和掌握知识和技能为中心，而关键在于改变学员的技能。

培训定义是一种有组织的知识传递、技能传递、标准传递、信息传递、信念传递、管理训诫行为，培训的目的也是使得这些传递能够实现。在大数据的发展应用之下，无疑为培训发展提供不少有效途径。在大数据时代，最常做的便是将数据产品化，通过对私家车数据的整合，出现了Uber，通过对英语教员的整合，有了现在VIPABC的发展模式，有数据走向产品的案例不胜枚举。在培训领域也可以通过数据实现产品化，比如开发一款可以使用的app，使参与培训的人可以随时随地的利用时间来培训，培训者也可以随时互动。然而这个的实现，必须要依靠大数据，需要前期非常庞大的数据支持，以数据来确定培训的主题，培训的内容，培训的风格，培训的人员，培训的课程等等，而这里大数据可以是通过对很多的学员的调查，对以往培训资料的整合，对同行业的调查，总而言之，离不开大量的数据支持。

在全球化的快速发展下，人才发展已经成为关键，培训的外延拓展到关键人才的界定，能力标准设定，人才评测以及系统性的发展领域，实现这一点必须要对人系统，有差别的培训。运用大数据增强培训针对性显然是不可或缺的，针对性是培训的基本要求，运用大数据，一方面，可以分析培训人员知识储备结构，了解到培训人员哪些方面的专业培训还欠缺，从而有针对性地开展重点专项培训，弥补其专业知识的缺陷；另一方面，可针对性地调训配置学员，改变以往“一锅煮”的方式，做到按需培训、有的放矢，实现组织需求与个体需求的有机统一。同时，通过运用大数据，使人员培训与培训者使用有机结合。通过建立起人员培训的电子档案，使培训管理数字化，通过查看培训档案和分析培训结果，可以动态了解培训人员在若干年内的培训知识储备。除了对被培训者的合理调控以及数据建档，达到学员最大化培训效果之外，通过对培训人员的数据整合，归纳培训人员的知识强项，性格特征，从而帮培训者挑选适合的学员，以及做好自身规划。

大数据的整合使得企业更加清楚自己的定位，明确自己在整个市场中的角色扮演，企业的明确定位又是企业培训的一个重要保证。市场何其之大，人才何其之多，知识何其之广，摆正自己的位置，培训才能有的放矢。运用大数据对公司现状的分析，公司的发展历程的回顾，公司在市场上的定位，才能预估公司未来的发展。公司的发展方向又决定了培训开展的方向，一切又要从自身的定位说起，所以大数据的整合可以使得培训的方向更加明确，企业未来大发展更加明确。

将来的培训的方式由被动向主动转变，培训的内容由普遍竞争向核心竞争转变。这既是对培训人员的要求，也是对企业的要求，而大数据就是这个转换工程中的一个一个媒介，传统的数据诠释宏观、整体的培训情况，用于影响培训的宏观政策与决策；大数据除分析宏观外，可以分析学员个体的课堂教学、实践调研等微观状况，对于调整学员培训行为，实现个体化培训、需求培训等具有重要现实意义，就是从原来的宏观到现在的微观，才实现了培训之间的可交流性，从而使一味的灌输与接收，到培训过程中改变与创新。以前的培训是哪里不会补哪里，但是面对知识经济的挑战和日益激烈的市场竞争，培训仅为补缺是远远不够的，应把挖掘潜力作为培训的重点，把思维变革、观念更新、潜能开发纳入培训的内容，而潜能的开发则是企业发展核心技术的关键，核心技术也是成为企业的核心竞争力，大数据利用将成为提高核心竞争力的关键因素。

运用大数据科学规范培训管理，将大数据技术运用到学员培训管理中，可以建立起立体化的员工培训管理系统，从而实现集中培训、专题培训、网络培训、涉外培训、高端培训等网络化管理目标，实现学员培训管理规范化和科学化。针对培训缺少技术支持，缺乏针对性，资源分配不合理等问题，大数据利用其数量大，范围广，处理速度快的特点，有效的对培训市场的资源进行精确分类，使得培训行业的一些看是杂乱的问题有规律的呈现，使行业再度细分，从而有效的分配资源，达到资源的最大化使用，整合无数微观数据形成的大数据来使得培训工作井井有条。

陈伟明

大数据的应用实例 篇5

大数据指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，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的海量、高增长率和多样化的信息资产。

其对物流企业发展带来的影响主要表现在一下几个方面：(1)信息对接，掌握企业运作信息

在信息化时代，网购呈现出一种不断增长的趋势，规模已经达到了空前巨大的地步，这给网购之后的物流带来了沉重的负担，对每一个节点的信息需求也越来越多。每一个环节产生的数据都是海量的，过去传统数据收集、分析处理方式已经不能满足物流企业对每一个节点的信息需求，这就需要通过大数据把信息对接起来，将每个节点的数据收集并且整合，通过数据中心分析、处理转化为有价值的信息，从而掌握物流企业的整体运作情况。(2)提供依据，帮助物流企业做出正确的决策

传统的根据市场调研和个人经验来进行决策已经不能适应这个数据化的时代，只有真实的、海量的数据才能真正反映市场的需求变化。通过对市场数据的收集、分析处理，物流企业可以了解到具体的业务运作情况，能够清楚地判断出哪些业务带来的利润率高、增长速度较快等，把主要精力放在真正能够给企业带来高额利润的业务上，避免无端的浪费。同时，通过对数据的实时掌控，物流企业还可以随时对业务进行调整，确保每个业务都可以带来赢利，从而实现高效的运营。

(3)培养客户粘性，避免客户流失 网购人群的急剧膨胀，使得客户越来越重视物流服务的体验，希望物流企业能够提供最好的服务，甚至掌控物流业务运作过程中商品配送的所有信息。这就需要物流企业以数据中心为支撑，通过对数据挖掘和分析，合理地运用这些分析成果，进一步巩固和客户之间的关系，增加客户的信赖，培养客户的粘性，避免客户流失。(4)数据“加工”从而实现数据“增值” 在物流企业运营的每个环节中，只有一小部分结构化数据是可以直接分析利用的，绝大部分非结构化数据必须要转化为结构化数据才能储存分析。这就造成了并不是所有的数据都是准确的、有效的，很大一部分数据都是延迟、无效、甚至是错误的。物流企业的数据中心必须要对这些数据进行“加工”，从而筛选出有价值的信息，实现数据的“增值”。，大数椐在物流企业中的应用主要包括以下几个方面。(1)市场预测

商品进入市场后，并不会一直保持最高的销量，是随着时间的推移，消费者行为和需求的变化而不断变化的。在过去，我们总是习惯于通过采用调查问卷和以往经验来寻找客户的来源。而当调查结果总结出来时，结果往往已经是过时的了，延迟、错误的调查结果只会让管理者对市场需求做出错误的信计。而大数据能够帮助企业完全勾勒出其客户的行为和需求信息，通过真实而有效的数据反映市场的需求变化，从而对产品进入市场后的各个阶段作出预测，进而合理的控制物流企业库存和安排运输方案。(2)物流中心的选址

物流中心选址问题要求物流企业在充分考虑到自身的经营特点、商品特点和交通状况等因素的基础上，使配送成本和匿定成本等之和达到最小。针对这一问题，可以利用大数据中分类树方法来解决。(3)优化配送线路

配送线路的优化是一个典型的非线性规划问题，它一直影响着物流企业的配送效率和配送成

本。物流企业运用大数据来分析商品的特性和规格、客户的不同需求（时间和金钱）等问题，从而用最快的速度对这些影响配送计划的因素做出反映（比如选择哪种运输方案、哪种运输线路等），制定最合理的配送线路。而且企业还可以通过配送过程中实时产生的数据，快速地分析出配送路线的交通状况，对事故多发路段的做出提前预警。精确分析配送整个过程的信息，使物流的配送管理智能化，提高了物流企业的信息化水平和可预见性。(4)仓库储位优化

合理的安排商品储存位置对于仓库利用率和搬运分拣的效率有着极为重要的意义。对于商品数量多、出货频率快的物流中心，储位优化就意味着工作效率和效益。哪些货物放在一起可以提高分拣率，哪些货物储存的时间较短，都可以通过大数据的关联模式法分析出商品数据间的相互关系来合理的安排仓库位置。

上海欧坚及其旗下仓储积极学习大数据，并将其运用到对仓库的日常管理当中。取得一定的成效。

大数据恰恰能对这些数据进行快速高效的处理，得到正确有用的信息，对物流行业发展具有重大意义。

（1）降低物流成本，提高配送效率

大数据涵盖了许多高新技术，主要包括大数据存储、管理和大数据检索使用（包括数据挖掘和智能分析）等技术。这些技术对物流行业发展的各个环节都有着重要的影响。如采集信息端中的识别、定位和感知，传输信息中的移动互联网技术，以及数据应用和开发方面，将会出现越来越多的数据中心。通过在这些环节中对大数据的充分利用，物流企业可以有效的管理公司员工，快速制定出高效合理的物流配送方案，确定物流配送的交通工具、最佳线路，进行实时监控，很大程度上降低物流配送的成本，大大提高物流配送的效率，给客户提供高效便捷是服务，实现与用户之间的双赢。

（2）从价格竞争转向价值竞争

随着近几年电商行业的飞速发展，物流的强大需求确实存在。但这并不意味着物流快递企业们能相安无事地一起分享大蛋糕。相反，目前我国物流快递行业竞争越来越激烈。要想在竞争中占据大的市场，获得更大的利益，各大企业必须要从价格竞争转向价值竞争，提升自己的服务质量。因而物流快递业应该加快引进大数据云计算等技术。

（3）推动“大物流”体系的形成——菜鸟网络

大数据时代的到来，有效推动“大物流”体系的形成，实现物流行业的巨大变革。所谓“大物流”是指企业的自有物流（人员、车队、仓库等）和第三方物流企业的配送信息与资源共享，以实现更大限度的利用各方面的资源，降低物流成本。社会“大物流”形成之后，企业可以和第三方物流公司合作，物流企业直接面对市场，它根据市场的需要来组织调控若干生产企业的大管家，既负责“后”勤，有负责“前”勤。这样物流企业才会充分合理有效地组织利用资源，既保证自己的经济效益，又保证生产企业的经济效益，从而避免各种问题的产生。

以菜鸟网络——阿里巴巴与多家快递公司成立新公司“中国智能骨干网”为例。菜鸟网络专注打造中国智

能物流骨干网将利用先进的物联网技术、云计算等各项互联网技术，建立开放、透明、共享的数据应用平

台，从而为物流公司、电商企业、仓储企业、第三方物流服务商、供应链服务商等各类企业提供优质服

大数据技术在精准营销中的应用 篇6

大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。对于海量数据数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程，某基础运营商一方面顺应大势，牢牢把握大数据技术快速发展的机遇，另一方面应势而动，充分释放前期IT集中化、一体化的红利，鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve(四方传媒)获客云混搭架构的大数据平台创建，以及目前朝开放式大数据服务平台迈进四个阶段。

sefve获客云拥有着精准化营销与维系系统，依托大数据精准定位支撑端到端多维度系体系，构建在大数据平台之上，面向客户、面向服务、面向管理，深化数据分析、数据挖掘能力、洞察客户、透视企业，是将大数据转化为实际生产力的重要云化应用之一。

大数据技术架构

MPP数据库

MPP（Massively Parallel Processing，大规模并行处理系统）由多个SMP（SymmetricMultiProcessing，对称多处理系统）服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器（每个SMP服务器称为一个节点）通过节点互联网络连接而成，每个节点只访问自己的本地资源（内存、存储等），节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP数据库有以下特点。

①一般存储为结构化数据，有明显的星型或雪花型结构，适用于大数据分析的应用；

②每个服务器都有自己独立的存储、内存和CPU，允许动态地增加或删除节点； ③数据分区划分到不同的物理节点上，通过分布式查询优化来提高系统整体性能；

④主要用在数据仓库和大规模的分析处理应用中。ETL技术

ETL是指将数据从源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程，该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。①消除数据错误并纠正缺失数据；

②对于数据可信度的评估提供文档化衡量； ③获取相互作用的数据流程来保护数据； ④整合多个源数据；

大数据的应用实例 篇7

1 工程概况

盟科时代小高层住宅为全现浇剪力墙结构, 地下一层地上16层, 建筑面积10.5万平方米, 于2003年5月1日开工建设。整个住宅小区规划共三排九栋楼, 分别由四家建筑公司承建。4#、5#楼位于南起第二排, 由于施工场地狭窄, 各家建筑公司布置臂长50m的塔吊以后, 塔吊回转半径相交, 严重影响施工效率, 通过建设单位协调, 在5#楼北侧设置塔吊1台, 4#楼仅设置物料提升机2台。由于没有塔吊就难以采用钢质大模板, 经多方考虑决定采用竹大模板支模的施工工法。

2 材料和设备

模板采用覆膜竹胶合板, 支撑体系采用工具式快拆钢支柱, 剪力墙模板采用Ф48钢管配合使用蝶形钢卡和Ф10对拉螺栓加固, 其余材料和设备同一般模板工程。

覆膜竹胶合板密度适中, 表面平整光滑, 吸水率低, 不易变形, 可用于对模板耐磨性和周转使用次数有较高要求的工程项目, 是一种既经济又实用的建筑模板。竹胶合板幅面大、拼缝少, 基本尺寸为2440mm×1220mm, 相当于6.5块P3015钢模板, 可以减少安装用工, 而且拆模快、混凝土表面观感质量好, 可以浇筑清水混凝土, 取消混凝土表面的抹灰作业, 缩短装修施工时间, 加快施工进度。

竹胶合板幅面大, 拼缝少;自重轻, 安装方便;对混凝土的吸附力仅为钢模的1/7~1/8, 容易脱模;保温性能好, 竹胶合板的导热系数为0.17W/ (m.K) , 是钢模板的1/360, 远小于钢模板, 有利于冬期施工混凝土的保温;竹胶合板可以两面倒用, 在我国目前的管理水平下, 可重复周转使用30次以上, 经济效益明显。

3 施工工艺

3.1 配板原则。根据施工图纸的具体尺寸要求, 剪力墙模板以2440×609mm条板为基本配板单元, 顶板模板以2440×1220mm整张板为配板单元, 不合模处补以适当尺寸的竹胶合板。

3.2 接缝处理。与基本尺寸模数不合的模板加工时的尺寸偏差应控制在+0~-2mm以内, 以保证模板能正确组拼。为保证模板之间接缝严密、不漏浆, 缝隙处应贴带自粘胶的海绵条。

3.3 构造作法。在非同一平面内的模板交接处, 视不同情况采取密封构造作法, 确保混凝土在拆模以后节点的线角清晰、整洁、观感美观。

3.4 剪力墙模板节点作法。

3.5 梁柱节点处模板拼接作法。梁柱节点拼接作法为:梁侧模和梁底模插入到柱模内一个模板厚度, 并在梁侧模和梁底模与柱模交接处加钉衬口方木, 如图2所示。

3.6 梁板节点处模板拼接作法。梁板节点交接处采用“压梆法”支模, 即顶板模板压在梁侧模上。在梁底处, 梁侧模夹住底模, 如图3所示。

3.7 门窗洞口处模板作法。门窗洞口处模板采用同墙宽的竹胶合板两侧钉60×100木方加强刚度, 同时起到便于固定连接和防止漏浆的作用。窗口底部模板为活动模板, 等其下部混凝土浇筑振捣完成后, 在混凝土初凝以前加入并固定。如图4所示。

3.8 剪力墙模板加固作法。剪力墙模板加固纵横方向均采用Φ48×3.5双钢管, 沿竖直方向布置的钢管在里层, 间距300mm一道, 左右端部悬臂部分长度不得大于200mm;沿水平方向上布置的钢管间距600mm一道, 上下端部悬臂部分长度不得大于200mm。

3.9 对拉螺栓。对拉螺栓直径为Φ12mm, 长度L当用于水平方向钢管加固时为 (L=墙厚b+200) mm, 当用于竖直方向钢管加固时为 (L=墙厚b+300) mm。对拉螺栓使用示意图见图5。

3.10 窗口处模板配板原则。配板时从窗口边开始配置标准板, 有非标准板时配置在墙体的阴 (阳) 角处。如下图6所示:

4 工艺流程

放线→抹板底找平层→支内横墙一侧模板→门窗洞口模板及水电预埋件固定、电线管、线盒敷设等→隐蔽验收→合横墙另一侧模板→内纵墙模板→外墙里侧模板→门窗洞口模板、预埋件等固定→隐蔽验收→支外墙外侧模→墙模板预检→支顶板模板→模板预检→下部工序

5 注意事项

5.1 配板锯裁竹胶板时不得出现正偏差, 即满足+0~-2mm的要求。

5.2 现场锯裁时应采取如下措施:锯片应采用锯齿锋利的硬质合金锯片;竹胶板下面要垫实;锯裁后竹模板周边的毛刺要打磨干净。

5.3 切割或钻孔后模板外露面要刷酚醛系列防水剂 (至少刷两遍) , 以防水浸后模板起层和变形。

5.4 顶板模板宜两面均衡交替使用, 防止单面湿胀产生永久变形。

5.5 模板水平存放, 底部用垫木垫平, 避免直接曝晒和雨淋。

6 放线和偏差调整

必须固定外墙轴线, 并以外墙的外皮为准, 层与层之间不得有错动。分轴线排尺时均由外向里排, 在允许范围内把排尺误差均匀调整在内墙各开间内。内墙轴线全部引至外墙, 作为外模调整的准线。外墙阳角要设轴线引测桩随层在大角两面弹出轴线, 作为安装外墙阳角模板的准线。在外墙外模下口100mm处弹出水平线, 作为外墙外模安装的标高基准线。

7 劳动组织

由于剪力墙结构多层住宅模板支设时具有相同性的特点, 劳力组织采用混合小组为宜, 每组9人, 其中木工5人, 架工2人, 壮工2人。水电预留、预埋工作由水暖工、电工、焊工配合完成。

8 质量要求

接缝严密、不漏浆;保证构件的形状尺寸和相互位置的正确;保证模板在施工过程中不变形、不破坏、不倒坍;保证模板刚度, 控制模板绝对挠度不得大于1mm;混凝土强度达到相应规定要求后方可拆模。

9 安全措施

9.1 严格遵守《建筑施工高处作业安全技术规范》JGJ80-91、《建筑机械使用安全技术规程》JGJ33-86、《施工现场临时用电安全技术规范》JGJ46-88三个规范、规程的有关条文。

9.2 拆模时要逐一拆除, 避免大面积脱落伤人。

9.3 拆模时要有足够的照明, 并采用有漏电保护装置的低压行灯照明, 防止触电伤人。

10 关于竹大模板施工工法的几点探讨

上面通过一个工程实例, 介绍了全现浇剪力墙结构采用竹大模板施工的具体方法, 覆膜竹大模板近些年来在混凝土顶板的工程实践中应用很广, 但在全现浇剪力墙结构中应用较少, 仍存在一些可商榷的地方。

10.1 由于剪力墙模板的配板单元尺寸为1220mm×609mm, 因此需把成品覆膜竹大模板1220mm×2440mm一分为二, 锯口如果不用防水漆料封闭好, 势必导致模板遭水浸后起层和变形。

10.2 覆膜竹大模板的刚度较差, 这就导致加固模板时要采用更多的钢管和配套使用的对拉螺栓及蝶形卡子, 所用的周转材料比较多。

10.3 竹模板在使用过程中要多次倒运, 导致模板的边角会受到磕碰, 在使用中要倍加小心, 万一发现模板边角损坏时, 需要及时修补。

结束语:

竹大模板施工工法成功应用哈尔滨盟科时代住宅小区住宅4#、5#楼, 剪力墙拆模后表面平整光滑, 线角清晰, 按照现行质量验收标准检验, 达到优良标准。根据工程实际情况, 本工程建筑面积42391.78m2, 按照每平米节约9.8元计算, 可节约装饰抹灰费用:9.8元/平方米×42391.78平方米=415439.44元。按周转5次计算, 可以净增利润:415439.44×5-1147121.54=930075.65元, 折合单位净增利润:21.94元/平方米。如果唐山市每年有100万平方米类似工程, 可净增利润:21.94×1000000=21940000元 (2194万元) 。

摘要：结合工程实例和实践经验, 讨论一下竹大模板的具体应用。

电信大数据的研究与应用 篇8

互联网+在大数据应用中的机遇与挑战在大数据浪潮中，电信运营商是率先开展大数据研究和应用的行业之一。通过利用运营商海量的网络大数据资源，各个运营商都构建大数据平台并开展大数据创新。对灯塔大数据定位于整合多源数据、打造能力平台、创新行业应用， 通过对800亿电信数据的脱敏、互联网数据（来自地产、金融和社交）的抓取和对第三方（如法院、银行、人力）数据的接入，形成庞大的相对基层的数据量；并对多源数据进行整合，控制数据质量，增强数据融合，同时对数据能力封装，由此开展数据行业应用创新。

在大数据应用到互联网+的过程中，目前发现还有大量的问题需要解决（见图），主要包括如下三个方面：

数据质量不高是常态，如何建立更加有效的分析方法？

数据的价值密度是关键，如何寻找价值高地？

用户的隐私保护日益重要，如何找到平衡点？

运营商大数据关键技术研究

为了有效的服务于互联网+，大数据需要在如下几个方面进行技术突破：

（1）数据拼接技术

（2）高阶深度标签技术

（3）行业知识建模技术

（4）基于场景的智能推荐技术

（5）海量模糊数据降维和关联分析技术

（6）大规模交互式数据可视化技术

（7）数据安全和隐私保护

文本对其中几个关键技术进行介绍。

数据拼接技术

大数据的一个特征是异构多维，只有将来自不同来源的异构数据进行有效的整合，才能真正发挥大数据的价值。犹如瞎子摸象，每个单一来源都只涉及一个单一的侧面，只有把不同的侧面重新组合并且关联起来，才能完整的拼出一只“大象”。但是这个工作远比想象的要难，原因有几个方面：数据格式不同；数据标识（ID）不同；数据覆盖不同；数据计量标准不同（特别是经过一定处理后数据）；大量的数据噪声（重复数据，错误数据）。这些因素导致将不同数据拼接成一个完整的立体数据具有非常大的挑战。

然而，在这方面，运营商有较大的资源优势。结合运营商数据广度覆盖的特点，有可能作为所有数据的基础数据而实现数据拼接功能。在技术上，我们开发了基于图的数据模型，进行数据拼接。

高阶深度标签技术

用户画像一直是大数据研究的重点方向。在DMP中，系统根据用户访问轨迹来打标签，但是DMP通常仅仅通过关键词提取来打标签。为了进一步满足行业大数据的应用需求，我们需要补充两类标签，一类是模糊标签；一类是抽象标签。模糊标签是因为数据缺失而需要通过算法来补全的标签，例如用户的性别属性，如果基础数据里面没有这个属性，我们就需要通过机器学习算法去预测这个值，而且这个值往往是一个概率。抽象标签是针对一类高阶的属性，例如用户购买力，用户购物模式，用户口味偏好等，去建立标签模型。在灯塔平台中，我们建立了一套相对比较完整的深度标签体系。

图3是分别用TAN和NBC算法进行标签计算的效果：

行业知识建模技术

在互联网+结合行业大数据的过程中，行业知识的获取和利用是关键的一环。只有将行业知识通过建模数据化，才能将行业知识和其他数据进行混合和关联处理。行业知识建模可以分为两个层次：第一个层次是行业字典，通过大规模爬虫，可以将行业信息转化为行业字典。目前，灯塔平台已经积累了超过三亿条行业字典，包括一亿条电商字典，五千万条视频字典；第二个层次是知识图谱，字典的缺点是信息之间缺乏关联性，我们通过构建知识图谱，去建立语义级的行业知识。

基于场景的智能推荐技术

推荐系统是非常成熟的大数据精准营销技术，目前已经在广告、电商、视频、阅读等领域得到了广泛的应用。但是，通常的推荐系统往往存在推荐效率不高，重复推荐，过度推荐等问题。在大数据的场景下，我们结合地理位置分析和场景识别技术，对推荐系统进行了优化。

大数据交互式可视化技术

数据可视化不仅仅是大数据分析结果的直观展现，更重要的是一种分析数据关联性的方法和手段。通过交互式数据可视化的方法，可以从不同的角度去分析数据，并直接得到结果。交互式可视化在技术上最大的难点在于针对大规模数据进行可视化操作的时候性能优化。例如基于地理的可视化数据分析，需要在不同的放大尺度下对数据进行实时的归并和关联性计算。图5是通过地理位置和人群信息模型进行交互式可视化，实现人口迁徙分析的案例。

中国电信大数据的探索与实践

通过在互联网+的大数据关键技术突破，灯塔大数据团队构建了面向互联网+的行业大数据平台。

在灯塔平台的基础之上，打造了一套完整的5+1+1大数据产品体系，即5个直客产品方向、1个流量入口、1个能力平台。中国电信面向行业垂直领域直接客户，结合灯塔平台的能力，开发5类细分产品并逐步商用，并且根据融合数据、整合深度标签、ID图谱、GIS、爬虫、行业字典等平台能力，面向行业和政府提供技术解决方案。

大数据在我国房地产中的应用 篇9

关键词：大数据，房地产企业，应用引言

电子计算机和互联网技术的迅速发展带来了数据量的爆发：百度每天约需处理几十拍字节的数据；淘宝网平均每天产生约20太字节的数据；平均每一秒钟就有一段长于1小时的视频发布在YouTube上；Facebook有超过10亿的注册用户，每天上传的照片数量约1000万张，点赞或评论次数高达几十亿。“如今，一个大规模生产、分享和应用数据的时代正在开启”。

麦肯锡公司最先提出大数据概念：“数据已经成为重要的生产因素渗透到当今各个行业和业务职能领域。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。牛津大学著名网络和数据科学家维克托·迈尔－舍恩伯格认为预测是大数据的核心；大数据时代应对纷繁复杂的数据进行取舍，构建积极而安全的未来。国际顶级期刊Nature和Science分别专刊了大数据，阐述了大数据的潜在价值及处理技术上的困难。我国“十二五”规划中重点强调了信息处理技术等四项与大数据概念密切相关的关键技术创新工程；著名学者李国杰和程学旗曾系统阐述了大数据的研究进展和实践应用中所面临的困难与挑战，探讨了大数据的科学问题和研究意义。

在大数据时代，数据资源的战略价值毋庸置疑，许多企业通过大数据挖掘出有效信息，提高了决策能力和经济效益，比如某些颇具胆识的房企已经在大数据应用方面取得了相当的成功。相较于已经开始实践应用的房地产企业而言，学术研究方面却相对滞后。陈大川等人以及严娟分别做了大数据技术在住房信息系统中的应用研究以及基于大数据的房地产企业精确营销研究。然而总体上，对房地产大数据的价值评估和应用研究仍有待进一步深入。大数据在我国房地产开发与营销中的应用

大数据时代的到来必将为一些掌握大数据资源并能充分挖掘其价值的产业带来更为广阔的发展空间。这种情况下，如何应用大数据做好开发运营是我国房地产企业提高自身竞争力的关键。

大数据纷繁复杂的特点使得无论是房地产开发企业还是房地产中介服务企业或者是物业管理企业，其业务范围都趋向于多样化和综合性，开发运营、中介服务和物业管理往往密不可分。本文主要从房地产开发和营销两方面分析大数据在我国房地产企业中的应用现状。

2.1 大数据在房地产开发中的应用分析

大数据为房地产企业理性开发提供了有力的数据支持；通过对现有数据潜在价值的挖掘，房地产企业还可以进行多元化投资；个人信息的数据化以及房地产业的思维变革，使得大数据条件下的创新性投资成为房地产企业新的利润增长点。

2.1.1 理性投资，多元化开发

我国不同地区房价不同，投资热度迥异。虽然近年来房地产业总体呈现或升或稳的良好势头，但也同样出现了“鬼城”、“空城”等背离开发商预期的情况。我国房地产业的兴起与繁荣已有相当长的时期，在开发投资方面拥有大量历史数据，包括城市地理位置，经济发展情况，城市规划和政策导向，投资在建和供地情况等。房地产企业可以定量分析这些大数据，预测未来的供需情况，评估项目投资价值，合理开发。Google公司就曾通过分析海量的搜索词，低成本高效率地预测了美国住房市场供需和价格等相关指数。

土地资源对房地产企业尤为重要，大数据的出现为土地市场的准确预测提供了可能。房地产企业要重视大数据背景下的土地市场，敏锐洞察土地资源市场走向。万科集团土地资源数据基本来自第三方，面对不断攀升的地价，万科集团借助于大数据分析，通过二手市场交易和“三旧”改造土地以及保障性住房用地来应对。

除了利用大数据进行住房供求分析、理性拿地之外，房地产企业在业务范围内的多样化投资也提高了盈利能力。万达和绿地等房地产企业已开始利用大数据先机，大力拓展旅游和酒店项目等多元化投资，发掘出住房市场以外的盈利空间。正如维克托所言，数据的再利用不会使数据的价值量折损，反而数据的价值就体现在潜在的收益中，大数据可以挖掘出计划外的收益空间。

2.1.2 创新性投资

对以往的投资和销售数据进行挖掘有利于企业合理开发，多元化投资；然而房地产企业所拥有的数据远不止这些，尤其是大型企业，他们所掌握的信息不再局限于户主姓名、家庭结构、收入情况以及购房意向等，计算机技术的发展和互联网的普及使得越来越多购房者的个人信息变得更易捕捉和存取。这些大数据经过专业分析，便可以从中发掘出一些看似与房地产企业不相关的信息，比如购房者的日常消费习惯或者是他们偏爱的出行路线等。多数情况下这些数据的结构性较差，但其潜在价值却很大，是房地产业开发投资的新机遇，是盈利的新突破点。

万科和花样年在应用大数据进行创新性投资方面的经验值得分析。上千万的购房者数据使得花样年具备充分的优势，从居民需求出发，以手机APP的形式将商户与居民联系起来，构建“社区电子商务”平台，在方便快捷的基础上实现精准营销。除了社区电商，花样年控股集团有限公司还构建了金融服务、酒店服务以及文化旅游等八大领域基于移动互联网的大数据业务布局，远远超越了传统意义上的房企业务范围。同样，万科集团日臻完善的大数据处理技术也为之带来了商机。通过对其所掌握的480万业主数据进行挖掘，将社区商业、社区物流、社区医疗和养老等与业主的大数据信息相结合，万科集团提出构建“城市配套服务商”的理念，应用大数据避免了危机。

相比较万科和花样年，世茂集团在投资方面的创新更值得关注。其经营理念认为，“未来购房者买的不仅是一幢房子，更是一种生活体验”；据此推出了向业主提供健康监控和咨询服务的“健康云”管理业务。通过手机、手表等一些移动设备，适时监控业主健康状况相关数据，并进行分析处理，构建健康方案，为业主做好疾病预防、保持身心健康提供咨询建议，或者为其直接链接实体医疗。其他一些房地产企业比如金地和绿地也开始利用大数据开拓新的业务，相继推出了“智慧城市”、“云服务”等概念；不再单纯为购房者提供一个遮风挡雨的地方，更侧重服务于消费者的心理需求和精神需求。

国外房地产企业运用自身数据优势进行业务创新的案例同样屡见不鲜。常被用来作为美国大学教学案例的Windermere房地产就是其中的经典之一。该公司通过分析近1亿名驾驶员行车GPS导航信息，为潜在购房者在不同时间段上下班行车线路和时间进行了缜密的规划，切实满足顾客需求，提升服务质量。表1呈现了相关企业利用大数据技术辅助房地产投资与开发决策情况。

2.2 大数据在房地产营销中的应用分析

近年来，在我国某些中小城市，俨然出现了房地产过度开发投资的情况。房屋本来是一种消费品，但是行业看似稳定而高昂的收益率使得大量投资者趋之若鹜。实际上这些城市的吸引力远不如一二线城市，大量开发的结果只能是空置。因此，对这些地方来说，房地产企业如何利用手中的数据促进库存消化才是关键。另外，由于电子商务的普及，人们消费方式的转变使得对商业地产的传统营销模式难以发挥作用。

要解决上述问题，关键是在大数据时代如何做好房地产营销。数据资源是房地产企业提升竞争力的关键之一，庞大的数据来源保证了精准的客户定位，为房地产企业成功营销提供了可能。首先房地产企业可以通过信息系统实现精确营销。凭借房地产商自身的数据优势，建立客户信息系统，将客户进行分类，通过挖掘大数据，提炼出客户信息，有针对性地实现精确营销（见图1）。

此外，也有些大型房企主动转向了电商，对营销模式进行变革。新峰地产规划了五个大数据应用系统，其中房谱网可以根据需求为客户筛选出中意的房产；自动评估系统通过大数据处理技术实现了对房产价格自动评估的功能，用户只需将房产相关数据输入系统，系统会自动评估出房价，并为用户提供相应的贷款和税费等信息。类似于万达集团的电商运营模式，新峰地产也同样采取线上线下相结合的方式，线下的营销部也会根据客户的线上信息与客户取得联系。这种营销方式需要企业自身既是大数据拥有者又是数据处理技术的领先者，对房地产企业的数据搜集、存储和数据挖掘能力要求很高。

上述营销方式，都是房地产商将原本的业务范围主动拓宽的做法，基本不需要第三方平台（见表2）。而维克托认为，如果房地产商共享数据资源，还可以通过与第三方合作的方式将开发商、家居服务等市场参与方与消费者联系起来，使得大数据的优势更加明显。比如CNFS房地产大数据系统中就包含了从政府到房地产开发商再到二手房交易市场覆盖中国289个城市的房地产数据，有些城市甚至记录了长达十年的庞大数据量。美国著名的众筹公司Realty Mogul也属于这样的第三方平台。Realty Mogul通过互联网众筹的方式搭建起房地产商和投资者之间的桥梁，为那些小规模投资者提供了机会；而它所提供给投资者的充分的房产信息和分析结果则来自于其掌握的大量数据。宜居中国是轻资产运营的典型代表，它最早提出中国的房地产流通服务商这一理念。借助先进的IT技术，易居推出了独立的“克而瑞房价分析系统”，为超过100万置业用户提供服务。好屋中国通过大量吸收个人购房者信息，整合建立起大数据资源库，通过一定的算法找到购房者需求与房产项目之间的匹配，进而提高房地产交易成交量。凤凰房产网拥有超过160万的访问量，通过对海量数据的有效分析，这些网站可以更好地了解到客户的需求，为房地产商的营销准确定位，以大数据的思维推动房地产业更好发展。自腾讯公司推出即时聊天工具以来，其用户数据量相当可观。去年3月份，腾讯大粤房产与碧桂园山河城的合作就是大数据时代房地产业成功营销的范例。而在此之前，依托于腾讯社交平台和大数据平台，碧桂园十里银滩成功营销，开盘当日即创下了3300套房源的奇迹。在营销方面类似的第三方平台还有很多，他们拥有先进的互联网和数据处理技术，为更好地利用大数据提供了保证。表2呈现了相关企业利用大数据技术来改变或发展营销的模式。大数据在我国房地产企业应用中的挑战

大数据虽然是新事物，但是房地产企业在运用大数据思维进行开发和营销的同时也不能忽略潜在的挑战和威胁：大数据出现在隐私保护上的问题总是难以协调，所要求的海量数据处理能力是目前许多房地产企业并不具备的；另外房地产企业本身具有的一些特点也使我们在发展大数据应用时面临的挑战。

3.1 来自大数据的问题和应对

房地产企业应用大数据为客户量身定制的服务，必然建立在对其资料充分了解的基础上，甚至当不包含个人信息的数据大到一定程度的时候，对个人身份的识别率也能达到99%以上。这些大量的信息不可避免地包含了许多个人隐私，以当前的道德伦理观不可能对之不予理会。应对这种情况，维克托提出可以通过让数据使用者承担隐私保护的责任，而不是遵循本人许可方可使用这种传统的方式来保护个人隐私；或者将个人信息数据进行模糊处理，牺牲掉一些精确性来保护个人隐私。这些方法在房地产业的大数据道路上究竟能否可行还有待进一步实践。

大数据的优势不仅仅是在数量上，而是在其涵盖的复杂多样的信息。庞大的非结构化数据在搜集、存储和处理上都不是常规算法或软件能够轻易实现的。大量数据持续快速生成，其价值密度却在降低，如何从中分离出有效的信息对每个房地产企业来讲都是一个不小的挑战。针对这种情况，一方面可以通过制定大数据国家战略，切实推进我国大数据学术研究进程，加快科技成果转化为生产力，增强我国房地产企业大数据处理能力；另一方面，房地产企业可以将数据委托给第三方处理。不同类型的企业在大数据时代的角色定位不同，目前有许多企业具备专门的大数据处理技术，房地产企业通过类似外包的形式将数据委托给专门的公司处理，而自身专注于信息的使用从而实现纵深发展。

大数据时代既要注重国际交流，又要避免国外先进的数据挖掘技术对我国大数据应用造成冲击。目前，已有一些做数据研究的国外公司看到了我国市场上的海量数据，希望进入中国市场做大数据业务，而目前我国还没有实力相当的企业能够与之抗衡。在这种情况下，可以先与国际企业进行友好合作，带动我国房地产企业大数据业务的发展继而走向国际化。但是在此过程中应注意盈利模式的选择和双方的角色定位。国外的公司应定位于数据中间商，而我国房地产业在数据授权时应注意保留所有权及其潜在价值。

3.2 房地产企业自身的困境和应对

房地产业既是实体经济的支柱又具有一些虚拟经济的特点，比如复杂性、介稳性和高风险性等。这些特点使得房地产企业在应用大数据时的未知数增多：虚拟经济体系对心理预期的变化较为敏感，大数据时代数据的公开和共享有可能影响人们对房地产业的心理预期，对投资需求造成冲击。考虑到房地产虚拟经济的介稳性，一旦受到冲击，房地产业的稳定性就会遭到破坏，影响国民经济发展。因此，房地产企业在应用大数据时既要抓住机遇，勇于创新，又要纵观全局，不能盲目变革。

相比电子商务，房地产业在大数据方面的优势并不突出，目前还存在严重的数据结构不平衡，信息不对称情况。因此，迫切需要一个房地产大数据共享平台，对房地产数据进行备案，并结合房产估价师的努力构建出一个庞大而真实的房地产大数据库。比如住房信息系统的建立和完善，可以对住房监测、公积金和住房保障等相关数据进行统一管理。通过对数据采集方案、数据库系统方案以及数据查询方案的设计，建立一个安全、完整、时效、独立的系统，实现政府部门、企事业单位和个人之间的数据共享。