2011年麦肯锡大数据
2011年，麦肯锡公司曾以2010年度各国新增的存储器为基准，对全世界大数据的分布做了一个研究，结果发现中国这一年新增数据量约为250拍，不及日本的400拍、欧洲的2000拍，和美国的3500拍相比，则连十分之一都不到。
与此相对应的另一个数据是，中国拥有4.8亿互联网用户，几乎是美国的两倍；拥有近9亿部手机，是美国的3倍，而互联网和手机正是产生数据的重要来源。
在涂子沛看来，这意味着中国并不缺乏可供收集的数据，而是缺乏收集数据的意识。
他回忆起，还在卡内基•梅隆大学读书时，有一回师门聚会，大家相约每个人都要贡献一个拿手菜。
一位来自中国的博士生以一道卤牛肉赢得满堂彩，但当他公布自己的烹饪配方时，却令一位美国教授不知所措。
原来，这位教授不太能理解“盐少许”、“酒若干”、“醋一勺”这样的表述到底是什么意思。
涂子沛记得，在国内做程序员的时候，要是做一个数据系统供本单位使用，那么上级和下级单位一般都无法登录这个系统。
还有人告诉他，国内有些城市会把环境监测点刻意设在人工湖畔的柳树林中，或湖中心的小亭子里。
这些都让他想起美国《数据质量法》中的严苛规定：任何联邦政府部门收集的数据，必须无偿与其他部门共享。
而在发布数据时，必须同时发布一系列的文档，说明数据的来源、产生的方法，以及用户复制过程当中可能出现的问题和错误。
收集、开放和使用数据是中国人面对的挑战
涂子沛把他的乡愁写进了书的尾声，题为：《挑战中国，摘下“差不多先生”的标签》。
他在文中提到胡适对于中国人“凡事差不多、凡事只讲大致如此”的判断，也引用了史学家黄仁宇认为中国在历史上缺乏“数目字管理”这种现代治国手段的观点。
“数据不是任人打扮的小姑娘，漠视精确就是不尊重事实。
”回国时，他还以“用数据说话，而不是用数据说谎”为主题进行了演讲。
前不久，国内一位学者针对一项社会调查，得出了“科学主义一定会导致严重的偏颇，其具体弊端就是迷信数据”的观点。
涂子沛第一时间完成了一篇专栏文章。
他反驳道：中国社会治理领域的问题恰恰不是数据迷信。
相反，现实情况往往是，决策者没有合理使用数据，同时又受制于错综复杂的理念和利益之争，导致数据意识形态化，在中国缺乏公信力。
他的观点是，收集数据，使用数据，开放数据，都是大数据时代我们中国人需要一一面对的挑战。
“如果前两者是文化和习惯，那后者则是一种态度。
”涂子沛强调，一个真正的信息社会是一个信息自由流动而不受操纵的社会，这种开放意味着信息与每一个公民之间都是等距的，当然，也意味着公平与正义。
大数据与云计算的关系及其对通信行业的影响解析
大数据与云计算的关系及其对通信行业的影响以 2011年 5月麦肯锡发布《大数据的下一个前沿：创新、竞争和生产力》为起点，大数据概念开始持续发酵. 2012年，大数据从技术圈进入主流市场,得到许多国家、社会组织和企业的看好和广泛应用. 2012年 1月, 达沃斯世界经济论坛发布了一份题为《大数据, 大影响》 (Big Data， Big Impact的报告， 3月,美国政府发布《大数据开发倡议》 ,之后英国、日本、德国、加拿大等国纷纷效仿，推出与大数据应用相关的战略研究,自此一场关于“大数据" 的战略争夺已经拉开战幕……那么，到底什么是大数据?它与云计算是什么关系? 对通信行业又意味着什么呢?一、认识大数据1.大数据的含义与特征地球上的煤炭、石油、天然气等自然资源在消耗中不断减少, 面临枯竭; 而数据随着应用的不断创新, 在使用中生长和丰富。
大数据的出现，就是数据的快速增长带来质的变化的结果。
对于大数据还没有一个正式的定义，目前最为普遍的定义就是“用传统方法或工具不能处理或分析的数据" .大数据具有大量、速度快和多样性三大特征,这些特征是传统数据处理方法和工具所无法胜任的.大量 (V olume 是指数据量非常庞大, 主要体现在数据存储量大和计算量大. 根据 IDC 《数字宇宙膨胀:到 2010年全球信息增长预测》中统计的数据， 2006年全球每年制造、复制出的数字信息量共计 16。
1万 PB , 当年信息产生量大约是历史上图书信息总量的 3000倍; 至 2010年，数字信息总量达 98.8万 PB 。
专家指出，2020年年度数据将增加 43倍.因此，大数据中的数据不再以几个 GB 或几个 TB 为单位来衡量，而是以 PB （1千个 T 、 EB (1百万个 T 或 ZB (10亿个 T 为计量单位.速度 (Velocity 一方面是指数据在不断更新，增长的速度快，另一方面是指数据存储、传输等处理速度很快。
大数据概念最初起源于美国
大数据概念最初起源于美国，是由思科、威睿、甲骨文、IBM 等公司倡议发展起来的。
大约从2009年始，“大数据”成为互联网信息技术行业的流行词汇。
事实上，大数据产业是指建立在对互联网、物联网、云计算等渠道广泛、大量数据资源收集基础上的数据存储、价值提炼、智能处理和分发的信息服务业，大数据企业大多致力于让所有用户几乎能够从任何数据中获得可转换为业务执行的洞察力，包括之前隐藏在非结构化数据中的洞察力。
最早提出“大数据时代已经到来”的机构是全球知名咨询公司麦肯锡。
2011 年，麦肯锡在题为《海量数据，创新、竞争和提高生成率的下一个新领域》的研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。
大数据是一个不断演变的概念，当前的兴起，是因为从IT技术到数据积累，都已经发生重大变化。
仅仅数年时间，大数据就从大型互联网公司高管嘴里的专业术语，演变成决定我们未来数字生活方式的重大技术命题。
2012年，联合国发表大数据政务白皮书《大数据促发展：挑战与机遇》；EMC、IBM、Oracle 等跨国IT 巨头纷纷发布大数据战略及产品；几乎所有世界级的互联网企业，都将业务触角延伸至大数据产业；无论社交平台逐鹿、电商价格大战还是门户网站竞争，都有它的影子；美国政府投资2亿美元启动“大数据研究和发展计划”，更将大数据上升到国家战略层面。
2013年，大数据正由技术热词变成一股社会浪潮，将影响社会生活的方方面面。
关于“大数据”概念产生的来龙去脉1.“大数据”的名称来自于未来学家托夫勒所著的《第三次浪潮》尽管“大数据”这个词直到最近才受到人们的高度关注，但早在1980年，著名未来学家托夫勒在其所著的《第三次浪潮》中就热情地将“大数据”称颂为“第三次浪潮的华彩乐章”。
《自然》杂志在2008年9月推出了名为“大数据”的封面专栏。
从2009年开始“大数据”才成为互联网技术行业中的热门词汇。
大数据与营销案例
在休闲零食行业， 按照地域、年龄、 性别的不同，解码 消费者的口味、偏 好、购买习惯，是 通用打法。但在良 品铺子看来，这只 是“Level1”。
除了基础的客户属性，良品铺 子电商将数据维度延展至顾客 的收藏、加购、浏览等行为。 这些行为意味着潜在的购买 力。举个例子，当顾客将一款 产品加入收藏夹，却迟迟不下 单，可能是在价格上犹豫，此 时，系统推送一张优惠券，就 有可能帮他们下了决心。这 是”Level2”。
大数据的意义
因此，“用数据说话”、“让数据发声”，已成为人类认知世 界的一种全新方法。”
规模性Volume 多样性Variety 价值性Value 高速性Velocity
2016年，脉动通过支付宝口碑 的“支付即会员“ 服务，让脉 动在短短的5天内销量提升了 3.45 倍。 不仅如此，每笔销 售的背后能够沉淀品牌会员， 让品牌能够使用会员数据，更 了解自己的用户。同时，支付 宝口碑更向品牌商提供了一个 获取精准即时数据报告的渠 道，让品牌商第一次体验到了 互联网的线下零售魅力。
在支付即会员里，口碑可 以在支付宝支付时将顾客 沉淀为商家会员。商家通 过数据分析可以知道顾客 群整体的年龄分布、消费 习惯和购买能力分布。在 此基础上，商家就可以针 对不同顾客群进行精准的 会员营销。
精准择时 精物兼体验中心的朝阳大悦城， 通过“布局大数据”分析顾客购 买行为、商家销售行为总结并推 导出零售商业演变规律，以此提 升购物体验和销售业绩。2012年 销售额近15亿元，同比增长40%， 开业不足三年便实现了盈利，其 经营模式受到业界普遍关注。
通过对车流数据的采集分析和 数据监测，朝阳大悦城发现平 均每部车带来的消费客单超过 700元，商场销售额的变化与车 流变化幅度有将近92%的相关 度。
第1章 大数据介绍
非结构化数据
另一类称为非结构化数据，是指数据结构不规则或不完整，甚至没有预定义的
文本数据比结构化数据要占用更多的内存，比如“hello！”这样一个简单的 单词，计算机用二进制表示出来，会看到一长串数字。那么可想而知，大量的 文本将占用更多的存储空间，表示起来也更加复杂。
图像是另一种非结构化数据。一张标有数字8的图像，大家看到它可能会想到 马路上各种各样的广告牌和数字显示LED屏。这个图像是由很多小方格组成的， 小方格被称为像素点。
（2）非结构化数据常指不规则或不完整的数据，包括所有格式的办公文档、 XML、HTML、各类报表、图片、图像以及咅频、视频信息等。企业中80%的数 据都是非结构化数据，这些数据每年都按指数增长60%。相对于以往便于存储的
语音是第三种非结构化数据形式。例如人说话的声音、唱歌，都是由于空气 震动而产生的声波。除了空气以外，在固体和液体中声音也是可以传播的。
第四类非结构化数据是视频，它是由一系列的静态影像与声音组合而成的。 视频按照一定的刷新频率进行刷新和播放，利用了人眼的视觉暂留原理，当播 放的速率超过每秒24帧以上时，可以给人一种平滑连续变化的动态视觉效果。
“大数据”一词在1980年未来学家阿尔文·托夫勒著的《第三次浪潮》书中将 “大数据”称为“第三次浪潮的华彩乐章”。
1997年美国宇航局研究员迈克尔·考克斯和大卫·埃尔斯沃斯首次使用“大数据” 这一术语来描述20世纪90年代的挑战。
2007–2008年随着社交网络的激增，技术博客和专业人士为“大数据” 概念注 入新的生机。
将大数据提升为国家战略
将大数据提升为国家战略作者：***来源：《中国经济报告》2014年第01期在信息社会，随着社交网站、微博、微信等互联网应用不断加快，海量数据正在行政管理、生产经营、商务活动等众多领域不断产生、积累、变化和发展，大数据由此也从概念走向实践。
数据资源正和土地、劳动力、资本等生产要素一样，成为促进经济增长的基本要素。
大数据引领新经济革命浪潮2010年，美国总统科学技术顾问委员会呈给奥巴马总统和国会的报告——《规划数字化的未来》是全球首次在政府层面将大数据作为国家战略的里程碑事件。
2011年5月，全球知名咨询公司麦肯锡全球研究院发布了一份题为《大数据：创新、竞争和生产力的下一个新领域》的报告。
该报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素，人们对于海量数据的运用将预示着新一波生产率增长浪潮的到来。
大数据即将带来一场颠覆性的革命，它将推动社会生产取得全面进步，助推医疗、零售业、制造业、金融、能源等各行各业产生根本性变革。
大数据在临床诊断、研发、付款和定价、新运营模式等方面发挥了显著效果；零售行业中，在市场分析、销售规划、运营以及供应链等方面利用大数据进行分析优化；制造业中，大数据可以有助于了解客户的需求，全面提升产品设计、研发和销售等；金融行业中，大数据发挥处理海量数据时快速、准确的优势，在较短的时间内构建准确的、实时的、贴切市场需求的模型；能源行业中，随着传感器的广泛引入，大数据对传感器创造的海量数据进行快速、及时地分析。
中国发展大数据的现实意义1.大数据有助于破解中国社会转型中的难题。
中国经济已进入转型期，社会进入矛盾凸显期，改革进入攻坚期，增长进入换档期。
宏观经济形势错综复杂、各种社会改革盘根错节、群体性事件频发等突出问题，仅仅依靠现有的管理手段与方法已明显落后。
大数据能高效处理瞬息万变的海量信息，能有效破解转型中的社会难题。
比如，2008年马云利用淘宝网的海量数据早半年成功地预测到了金融危机，大数据可以提高宏观经济预测的准确性。
大数据：技术与应用实践指南
赵刚 博士 北京赛智时代信息技术咨询有限公司（CIOManage ） 总经理
作者简介
赵刚，博士。北京赛智时代信息技术咨询有限公司创始人。 历任国内著名信息化咨询公司赛迪顾问股份有限公司高级副总裁、首 席信息化咨询顾问，国内计算机系统集成一级资质企业北京赛迪时代 信息产业股份有限公司总经理、首席架构师，2012年获得中国电子 信息产业发展研究院十大“赛迪学者”称号，兼任中国信息化推进联 盟专家、中国电子学会高级会员。 近2年，主持和参与过的信息化咨询和集成项目有：国家新 一代信息技术应用战略研究、亚太地区智慧城市指标体系研究、中国 －欧盟信息社会研究、天津市智慧城市规划、国土资源部分布式国土 资源信息共享服务平台、国家图书馆文津馆智能搜索集群平台、公安 部虚拟化数据平台、中海油企业级数据中心和灾备中心规划、国药集 团私有云计算平台规划、北京市物联网应用示范项目初步设计、鄂尔 多斯市人口基础数据库建设等。 在信息化领域耕耘10余年，服务的政府、企业客户超过100 家，发表文章若干篇，著有专著《IT管理体系－战略、管理和服务》， 参与编写《智慧城市：规划、建设和评估》、《信息化基本知识》、 《信息系统审计》等。
社交网络等多方面应用。指出大
数据对于联合国和各国政府来说 是一个历史性的机遇，联合国还
探讨了如何利用包括社交网络在
内大数据资源造福人类。
/sites/default/files/BigDataforDevelopment-GlobalPulseMay2012.pdf
1. Volume 2. Variety
数据量巨大
全球在2010 年正式进入ZB 时代， IDC预计到2020 年，全球将总共拥有 35ZB 的数据量。
大数据是重要生产力
大数据是重要生产力在互联网经济时代，数据是新的生产要素，是基础性资源和战略性资源，也是重要生产力。
信息经济阶段将迎来大数据时代，数据的收集、挖掘、连接、分析和运用，成为国家综合竞争力的新标志。
■欧阳日辉5月26日在贵阳开幕的国际大数据产业博览会，把已经火了很久的大数据及其产业推向一个新高潮，成为继“互联网+”之后社会各界热议的话题。
李克强总理专门为大会发去贺信，提出“数据是基础性资源，也是重要生产力”的重要论断，强调中国“发展大数据产业空间无限”。
那么，为什么数据会成为重要生产力？大数据到底如何改变我们的生活？其未来在哪里？数据是基础性资源，也是重要生产力数据是基础性资源。
伴随着多媒体、社会媒体以及物联网的发展，大数据规模及其存储容量正在呈指数级增长。
“大数据”包括以公众互联网、社交媒体、政府数据库、地理空间数据、电子商务等方式形成的商业数据库、电子文献、各类调查以及其他富有洞察力和具有即时性的数据源。
据国际数据资讯公司统计，2013年全球产生的数据达到3.5ZB，到2020年产生的数量将增至44ZB，超出存储空间6ZB（1ZB相当于343.6亿部32GB智能手机的存储容量）。
数据已经成为可以与土地、资金、物质资产和人力资本相提并论的重要基础性资源，可以提高企业和公共部门的生产率和竞争力，并大幅提高消费者福利。
2011年麦肯锡的研究显示，充分利用大数据的零售商能够将营业利润率提高60%以上；如果欧洲发达国家政府行政管理利用大数据，将节省至少1000亿欧元的成本，而利用个人位置数据提供的服务，将可以创造6000亿美元的消费者经济剩余。
数据是战略性资源。
人类文明经历农业经济和工业经济之后，将进入一种新的社会经济发展形态——互联网经济。
当前，“互联网+”就是依托移动互联网、云计算、大数据、物联网等信息网络技术的渗透和扩散，以信息互联互通和信息能源的开发利用为核心，促进信息网络技术与传统产业的深度融合，优化重组设计、生产、流通、消费全过程，创新生产方式和企业组织形式，推动传统产业转型升级和经济发展方式转变。
大数据--下一个创新、竞争和生产力的前沿
低I类型（误报）和II
类型（假阴性）错误
的可能性。
从一组训练数据集推
断一个函数或关系的
分类和支持向量机。
机器学习技术。
用于找到未标记数据 中的隐形结构的机器 学习技术。
聚类分析属于无监督 式学习。
‐ 10 ‐
名称
定义
示例
备注
模拟
例如，蒙特卡罗模拟，
为复杂系统的行为建 估计不同措施在不确 是一类依赖重复随机
成一系列的趋势，季
系列的时间序列值来 预测未来的模型。
预测销售规模或传染 性病人就诊的数量。
节性和剩余组件，可 以用于识别数据的周
这些技术被经常描述 为监督式学习，因为
上，识别新的数据点 属于哪种类别的一组
测（例如购买决策、流 失率、消费率等），有 一个明确的假设或客
有一个训练集的存 在，他们与聚类分析
技术。
观的结果。
形成对比，聚类分析 是一类无监督学习。
数据聚类
划分对象的统计学方
法，将不同的集群划 分成有相似属性的小 群体，而这些相似属
（三）现有趋势将继续推动数据增长 在各部门和地区之间，企业正在加快收集数据的步 伐，推动了传统的事务数据库的增长；医疗卫生等面向消 费者的行业中，多媒体的广泛使用刺激了大数据的持续扩 张；社交媒体的广泛普及以及物联网中应用的不断创新都 进一步推动了大数据不断增长……这些相互交叉的动力 刺激了数据的增长，并将继续推动数据池的迅速扩张。
网 络与 不同的 地理 位 址或纬度/经度坐标。
置结合起来）。
统计技术经常用于判
断变量之间发生关系
的概率（“零假设”），
收集、组织和说明数 据的科学，包括设计
通过A/B测试判断哪种 类型的营销材料会最
商业银行应用大数据优化经营管理相关问题分析
商业银行应用大数据优化经营管理相关问题分析①摘要：银行业已步入大数据的初级阶段，对数据的分析和利用能力将逐步成为商业银行的核心竞争力之一。
大数据在商业银行经营管理中的运用全面涵盖客户营销、产品创新和精细化管理等领域。
商业银行在利用大数据优化经营管理方面，对于数据分析的思维，数据的存储，数据的分析技术和人才储备等方面仍然存在一定的问题，需要及时改进以提高数据分析运用的成效，并最终进一步提高商业银行的经营管理水平。
关键词：商业银行；大数据；经营管理随着信息技术、存储技术的进步，人类社会已步入大数据时代。
大数据的发展趋势不可逆转，数据是重要资产的理念已基本在社会各界达成共识，通过大数据分析发现事物的内部规律并以此服务于经营管理，将成为商业银行的核心竞争力之一。
对此，商业银行有必要认真研究大数据给银行业经营管理所带来的变化，大数据在银行业经营管理中运用的领域，分析目前利用大数据所存在的问题并采取积极的应对措施，从而获得更好的发展。
基于以上考虑，本文主要分析讨论大数据对商业银行经营管理的相关影响，并提出商业银行在大数据时代优化经营管理的相关建议。
一、大数据的内涵及特点2011年5月，麦肯锡首次提出大数据（柴洪峰，2013）。
一般认为，大数据就是规模巨大、结构复杂，采用传统数据处理方法无法很好地在合理的时间和成本范围内进行存储和处理的数据。
大数据的产生主要源于数据的爆发式增长，其核心理念是一切皆可数据化。
国际数据公司（IDC）将大数据的特点归纳为4V，即数据规模大(volume)，数据量通常都是PB（1PB=250字节）级别的；数据类型多(variety)，既包括结构化数据，也包括半结构化和非结构化数据；数据增长快(velocity)，数据量较大且增速快，需要有较高的数据处理技术及时处理；数据价值大(value)，虽然数据的①原文发表于《南方金融》，2014年第5期，第92-95、26页。
价值密度较低，特别是非结构化数据，但通过大数据分析可以发现极具价值的信息（周林，2012）。
高校图书馆大数据应用的SWOT分析与对策研究
高校图书馆大数据应用的SWOT分析与对策研究作者：李寅来源：《河南图书馆学刊》 2017年第11期1 高校图书馆大数据应用概况2011年5月，麦肯锡首次提出“大数据”的概念。
2012年3月，美国奥巴马政府推出的“大数据的研究和发展计划”掀起了大数据应用和研究的热潮。
英国哈德斯菲尔德大学图书馆、澳大利亚卧龙岗大学图书馆、美国哈佛大学图书馆等高校图书馆先后对大数据展开了深浅不一、角度各异的尝试和探索。
我国的清华大学图书馆、复旦大学图书馆、厦门大学图书馆等高校图书馆也开始关注并应用大数据开展服务。
2 高校图书馆大数据应用的SWOT分析2.1优势2.1.1 初具大数据特征。
当前，大数据虽无统一、标准的定义，却具有公认的“4V”特征：①数据(Vol-ume)规模大。
高校图书馆的新购纸质文献、新增数据库及各类音视频数据、传感器数据、交互数据、体验数据等数据量激增，以TB甚至PB为单位。
②数据类型( Variety)多。
随着微博、微信、博客等社交平台的广泛应用，半结构化、非结构化数据日益增多，高校图书馆的数据类型已由单一的结构化数据向全数据转化。
③时效性( Velocity)强。
专家、学者、教师及学生借助社交网络交流时迸发的某些新思想或新观点可能对学科发展具有重要意义，若不及时处理就会失去价值。
④价值密度( Value)低。
智能手机、平板电脑等移动终端的普及在方便图书馆与用户、用户与用户交流的同时，也会导致数据急剧增长，从而使真正有价值的数据被海量、无用、甚至是错误的数据淹没。
2.1.2 良好的基础条件。
随着我国高等教育事业的快速发展及“985工程”“211工程”、本科教学评估等项目的不断推进，高校图书馆初步具备大数据应用所需的人才、设备及技术。
大数据与移动互联网、物联网、云计算等技术密切相关，而这些技术在高校图书馆早已被广泛应用。
如：2003年，北京理T大学图书馆开通了移动图书馆服务；2006年，集美大学诚毅学院图书馆建设了国内首家“RFID智能馆藏系统”并投入运行；2010年，中国高等教育文献保障系统( CALIS)构建的分布式的数字图书馆云服务平台投入使用。