数据新能源驱动智慧新世界：大数据应用从互联网向传统
互联网+数据”的创新创业模式成为“互联网++创新创业的主要方向之一，为经济创新带来新增量。
不同行业大数据应用进程的速度，与行业的信息化水平、行业与消费者的距离、行业的数据拥有程度最为相关。总起来看，可以分为四类：
第一类是互联网和营销行业。互联网行业本身就是离消费者最近的行业，同时拥有大量实时产生的数据，在线化是其企业运营的基本要素，因此大数据应用的程度是最高的。与之相伴的营销行业，是围绕着互联网用户行为分析、为消费者提供个性化营销服务为主要目标的行业。
第二类是信息化水平比较高的行业。比如金融、电信这两类行业，它们是比较早进行信息化建设，内部业务系统的信息化相对比较完善，对内部数据有大量的历史积累，并且有一些深层次的分析类应用，目前正走在内外部数据结合起来共同为业务服务的阶段。
第三类是政府及公用事业行业。不同部门的信息化程度和数据化程度差异较大，比如交通行业目前已经有了不少大数据应用案例，但有些行业还处在数据采集和积累阶段，但政府将会是未来整个大数据产业快速发展的关键，通过政府及公用数据开放可以使政府数据在线化走得更快，从而激发数据类创新创业的大发展。
第四类是制造业、物流、医疗、农业等行业。它们的大数据应用水平还处在初级阶段，但未来消费者驱动的C2B模式会倒逼着这些行业的大数据应用进程逐步加快。
具体来说，不同行业的大数据应用呈现出以下的显着特点：
互联网公司数据业务化加速
互联网公司拥有大量的线上数据，而且数据量的增长速度是非常惊人的，除了利用大数据提升自己业务之外，如何实现数据业务化，利用大数据发现新的商业价值对于大家来说，依然处在不断尝试过程之中。以阿里巴巴为例，从个性化推荐、千人千面这种面向消费者的大数据应用加强之外，智能客户服务利用大数据的力度也在不断加强，这种应用场景会逐渐从内部应用到外部很多企业的呼叫中心之中，面向商家的大数据应用以生意参谋为例，超过600万商家在利用生意参谋提升自己的电商店面运营水平等。除了面向自己的生态之外，阿里巴巴数据业务化在不断加速，芝麻信用这种基于收集的个人数据进行个人信用评估的应用获得长足发展，应用场景从阿里巴巴的内部延展到越来越多的外部场景，比如租车、酒店、签证等。
大数据营销实现精准触达
全域大数据营销成新方向
营销的实质是从消费者出发，第一，需要找到消费者内心深处很清晰、或者不那么清晰但潜意识中对于商品的喜好;第二，以数据为驱动，使商品能够精准的触达用户，并不断在实施过程中进行优化;第三，让老客户的营销能获得社会化的传播。效果营销和品牌在大数据驱动下需要把整个串联起来。
DMP(数据管理平台)平台在从早期广告服务平台逐步演变为企业客户营销的核心引擎，DMP服务商在不断把更多的数据整合进统一平台，并对这些数据进行标准化、标签化和细分，为客户提供更精准的数字化营销服务。
程序化营销的概念得到了普及和发展，正在向更精细化方向发展，利用大数据实现更精准的受众，营销效果及ROI透明化成为主要方向。如何收集消费者更多元化的数据，对消费者给出更全方位的画像成为营销大数据应用的重要方向。比如，通过收集消费者的消费、所属行业、搜索行为、品牌喜好、兴趣等行为数据以及社交、位置等数据，通过可视化的标签，可以帮助企业更方便直观的选择、触达到目标人群。
利用大数据推动内容营销，并分析不同内容模式的效果，就可以更敏锐地洞察到，哪些内容能够将潜在客户转化为客户;利用大数据创造更有意义的个性化，并且选择在适合的时间以适合的渠道向潜在客户自动发送适合的内容;融合线上线下数据、内部外部数据，尤其是重视移动端和社交数据的整合，通过统一的全域大数据平台对消费者或最终用户进行全方位分析和展示，才能利用大数据实现营销效果最大化，实现营销应用的闭环。
金融大数据应用
从点到面，逐渐深化
金融行业数据类型丰富，数据质量好，信息化程度高，数据商业应用较早。金融行业的大数据商业应用较为成熟，一直是传统行业中走在大数据商业应用前列的行业。传统金融行业的数据源非常丰富，以银行为例，银行的交易系统每天产生数亿笔交易信息，这些数据以结构化数据为主。在其业务处理过程中，产生了大量日志数据，网上银行业务的频繁使得消费者的金融消费行为数据变得丰富，还有越来越多的移动端和社交媒体数据等。金融业是传统软硬件的重度用户，越来越多的银行业用户开始引入开源平台，不少银行已经采用
Hadoop平台建立的大数据应用主要用于查询历史记录类应用。
金融业的应用场景变得更丰富多彩：从最受关注的反欺诈和风险控制类应用来看，金融业互联网业务的出现在为大家带来便利的同时，也增加了出现风险的渠道。因此无论是传统金融业还是新兴的互联网金融企业，都在利用大数据搭建更加精准的信用风险评估模型，以降低金融服务的风险，同时对一些不合规行为提前进行预警;金融行业的大数据营销应用方面开始把社交和移动端数据结合进营销类应用，对消费者进行更为精准地分析，为后续的新产品服务开发奠定基础;在客户关系管理领域，金融企业开始利用大数据刻画消费者的行为，进行客户流失率分析、客户体验分析以及客户分类优化分析等细分类应用。
运营商大数据应用
从自身发展到跨行业
运营商的大数据应用场景主要还是围绕着自己的传统业务，在网络运营、
精准营销以及客户服务等方面开展应用，提高运营效率，比如根据用户的使用习惯进行用户群体划分，从而对用户个性化推荐合理的套餐等营销类应用;比如根据网络故障以及网络拥堵的状况所积累下来的日志数据进行网络优化，合理部署网络资源，提高网络效率，为客户提供差异化服务;根据用户投诉或者客户服务水平的评估，分析离网客户的
特征，制定挽留潜在离网用户的措施。
最近两年的变化在于，第一是运营商拥有大量的用户移动互联网使用数据、支付数据以及GPS数据等，开始通过将经过脱敏后的数据资源开放给数据需求方或者通过交换的方式获取自己所需的数据;第二是开始将依据已有数据的分析服务对外输出给其他行业客户，比如有交通行业用户利用运营商信令数据进行交通状况的预测。
交通大数据应用突破：
从交通管理发展到智慧交通
作为直接为市民提供公共服务的管理部门，交通状况的好坏是一个城市或区域城市管理水平的直接体现。交通大数据的应用从以往的交通数据收集和管理，朝智慧交通的方向发展。开始利用物联网技术全面感知交通状况，实现不同来源数据的融合，用
云计算和大数据来服务和决策，通过数据的实时、科学分析和建模做出预测和预判，通过多元化的服务渠道主动传递。
智慧交通成为很多智慧城市重要的切入点。我们看到有不少城市在利用大数据进行交通状况预测和统筹管理方面有了实际的进展，比如，浙江交通利用来自运营商的信令
数据分析，实现了对未来1个小时路况的预测，准确率达到90%以上，使得交通管理部门可以依此进行决策;贵州交警则对海量交通数据进行全库关联，通过对车辆图片进行结构化处理并与原有真实车辆图片进行对比，实现了对套牌车的精准识别，并依此开始建立重点驾驶人征信系统。以高德交通大数据应用为例，高德通过交通大数据云平台支撑使得交通数据的采集、生产、发布到用户反馈形成了完整闭环，不仅为用户提供实时路况查询，还可以根据信息在导航过程中调整路线规划躲避拥堵路段。
CDA数据分析师考试相关入口一览（建议收藏）：
▷ 想报名CDA认证考试，点击>>>
“CDA报名”
了解CDA考试详情；
▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；
▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；
▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；
▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；
▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；
