年报数据分析案例 This manuscript was revised by the office on December 10, 2020.
统计教学案例二
上市公司年报数据分析案例
经统计调查取得数据后，需要通过统计整理、综合指标计算与相关回归分析等方法技术对总体数据进行处理，以认识总体变量分布状态（如正态分布）、特征表现（如结构相对数、平均数和标准差）、相关关系（如相关系数）和变化规律（如回归模型），从而了解事物或现象的本质及其依存因素。其中统计整理技术包括总量指标、相对指标、平均指标和标志变异指标的揭示，他们的计算既是对总体基本特征的描述，又是对事物或现象进一步定量研究的基础；相关和回归是研究总体各事物或现象间相互关系的定量分析，用以测定不同特征相互联系的紧密程度，揭示变化形式和规律。本章案例主要通过对总体静态数据处理过程的介绍，帮助读者掌握统计整理、指标描述和相关回归分析技术结合运用的技术与经验。
本章由1个大型案例构成，案例以沪深股市制造业上市公司为对象，系统介绍了静态数据总体的统计处理过程，包括分布描述、分类研究和相关因素分析。
上市公司年报数据分析案例的教学目的：数据整理是统计分析的基础工作，在总体规模很大，数据量浩瀚、分布未知的情况下，如何对总体数据进行整理分类，描述总体分布及进一步分析总体各特征间的相互关系是对总体正确认识的关键。由于具体的工作过程与教科书的知识点讲授顺序并不完全一致，因此本案例通过对1999年沪深股市制造业上市公司年报数据分析过程的介绍，给读者以处理总体静态数据的思路和技巧，从而训练读者解决实际问题的能力。
案例的背景分析与数据资料
一、案例的现实意义
上市公司的经营业绩与其股票价格、市场价值息息相关，因此反映上市公司经营业绩的定期公开披露的中期会计报告、年度会计报告就成为社会各界密切关注的重要信息之一。对所有上市公司的财务报告进行统计整理和分析，把握上市公司整体的经营状况、经营业绩的水平和变化趋势，无论是对投资选择，还是政府的决策与监督，都是不可或缺的。
本案例探讨的就是面对大量的财务报告数据信息如何进行统计整理与分析，这对于投资者、投资咨询人员或是理论界研究者，都具有实际的指导意义。通过本案例的学习讨论，有助于大家掌握统计描述和相关回归分析的方法，同时积累应用这些方法的实际经验和教训。
二、案例所依托的总体及其现状与研究目的
（一）案例所依托的客体
本案例所依托的客体是1999年上市公司年报中的有关财务指标。1999年末，沪、深两市共有上市公司949家。这些上市公司分布在13个行业部门。根据中国证监会的《上市公司分类指引》中规定的分类方法，其中制造业共有578家，占%。总股本1938亿元，占%，制造业是上市公司最集中的行业。截止2000年4月30日，已公布年报的有560家。所以本案例研究的总体范围确定为如期公布年报的制造业560家上市公司。
（二）案例研究的目的与任务
1．上市公司年报财务数据统计分析的目的
通过对制造业1999年报有关数据进行系统的统计整理、描述和回归分析，揭示1999年制造业上市公司主要财务指标的总体分布、分行业的经营业绩水平和重要特征，从中掌握认识总体分布特征和数量变化的技巧和方法，提高用统计思想和方法解决实际问题的能力。
2．上市公司年报财务数据统计分析的任务
对纷繁的数据进行不同的分类、分组、汇总、综合、分析、归纳、推断，显示上市公司财务报告中的主要财务指标的分布形态和主要特性，寻找财务指标之间的相互关系和表现规律。
3．上市公司年报财务数据统计分析的对象
本案例所引用资料取自《上海证券报》，包括了制造业560家上市公司。共选有8个财务指标：总资产、净利润、主营业务收入、股东权益、每股收益、每股净资产和股东权益比率。其中，前4个为反映资产、收益方面的总量指标，后4个为反映盈利能力、业绩水平的相对指标。
4．数据的初步分析——制造业上市公司行业结构
在制造业中，生产不同产品的企业或公司，具有不同的规模，占有不等的资源要素，他们的总股本、净利润、净资产收益率必然存在很大的差异。为了深入认识总体，首先要对制造业按其经济活动的特点进行行业分类。根据《上市公司分类指引》，制造业进一步分为10个行业种类，编码为C0、C1、C2、…、C9。分类统计属于定名测定。从上述资料经计数整理后即可得到如表一的分布数列。
表2—1 制造业上市公司行业分布
这是一个品质标志分组的分布数列。从该数列中可以知道上市公司的行业结构。1999年560个制造业上市公司中，27%是机械、仪表、设备制造业（包括汽车、船舶、摩托车、家电等）；23%是石化类行业；而冶金、钢铁等金属非金属类公司占17%；通讯电子章9%。所以，制造业上市公司中传统产业占了较大比重。这些行业中大部分是国有或国有控股企业，是国企改革中率先建立现代企业制度进入资本市场的排头兵。行业的分布也体现了国家的产业政策导向，在1999年新发行的A股中，大盘股和高科技股明显增多，有力地支持了国企改革和高科技企业的发展，推动了上市公司的行业结构优化。
方案设计
一、案例设计的思路
本案例研究的总体对象是某一特定时间的静态数据集，为了对它有一个全面和透彻的认识，一般应对其进行基本的特征描述和揭示各特征间主要的相互关系。根据这一目的，本案例按照如下顺序对数据进行处理：
1．分别对总体个单位的数量标志按值的大小作升序排列，以大概认识个变量的变化范围及其一般水平。
2．分别计算总体个变量的特征值，进一步抽象认识个变量的分布特征，包括算术平均数、众数、方差、峰度度、偏度等。
3．分别根据特征指标绘制各变量的分布图，以形成对各变量分布的直观认识。 4．分别按品质标志和数量标志对总体进行分类，通过计算派生指标，以深入认识总体各指标在不同类别间的差异，包括总体结构、强度，比例关系等。
5．分别对总体各指标进行相关分析，了解各指标间的依存关系，在相关关系成立的基础上进行回归分析，从而更深层次地认识总体的规律与特征。
6．在上述研究分析的基础上给出关于对对象的定性认识结论。 二、案例设计的工作过程 （一）数据整理与描述
1．编制按各财务指标的变量数列 （1） 将数据顺序排列。 （2） 计算描述统计指标。
在Excel “工具”的“数据分析”中，“描述统计”提供了所分析数据的主要描述指标和有关信息。其内容是；
平均——算术平均数，即x =
n
x ∑
标准误差——抽样平均误差，即
n
σ
中值——中位数，即Me ； 模式——众数，即Mo ； 标准偏差——标准差，即σ； 样本方差——方差，即2
σ
峰值——峰度，即
4
4
σ
m
偏斜度——偏度，即
3
3
σm ；
区域——全距，即最大值减最小值； 求和——标志总量； 计数——总体单位总数； 最大（K ）——第K 个最大值； 最小（K ）——第K 个最小值；
置信度——“数据分析”中默认概率为95%（也可自行选择）的1/2误差范围。 （3）分析描述统计指标——比较平均数、众数、中位数的大小；偏度系数的大小、方向等。
（4）确定组数和组距——当偏度系数不大时，用斯特吉斯经验公式确定组数；偏度系数较大、分布明显偏态时，以平均数为中心，以K 倍标准差为组距。
（5）整理成频数分布和直方图（或其他图形），显示总体分布特征。 2．制造业公司主要财务指标的分布 （1）总资产分布数列和直方图
总资产描述统计1
总资产描述统计2
从描述统计1看，560家公司的总资产呈高度偏态。总资产最大值是上海石化219亿元，最小值是ST 黔凯涤亿元，相差近200倍。将6个总资产100亿和7个2亿元以下的数据作为极值舍去，计算得到描述统计2，此时的标准差和偏度系数都降低了，说明数据间的差异小了。但仍呈偏态，不能用斯特吉斯经验确定组数。
不论何种分布，均值和方差其分布的两个主要特征值。根据切比雪夫定理，可以平均数为
中心，以K 倍的标准差为组距，因为此时平均数 K 倍的标准差所涵盖的数据范围不小于1－1/2
K 。
本例中，均值亿元，中位数亿元，标准差15亿元，说明560家公司的总资产分布为右偏态。若以1个标准差为组距，则中位数以下部分的描述势必过于概括。所以考虑用1/2标准差，即亿元为组距，由于100亿元以上只有7家，将105亿元以上并为一组，组数=15。分组后变量数列及直方图如表二和图一所示。
表2—2 560家上市公司总资产分组统计
从图表中可以知道，制造业中，总资产8866亿元，平均规模在15亿元左右。82%的上市公司总姿产在亿元以下，100亿元以上的只有1%。在各行业中，总资产规模最大的是C8——通信电子行业亿元，最低的是C2——木材家具业亿元，另外，C4——石油化工、C5——橡胶塑料、C6——金属非金属的总资产规模在平均之上。
图2—1 560家制造业公司总资产分布
（2）净利润分布数列和直方图
净利润描述统计
净利润分布呈右偏态。以1/2标准差6500万元为组距，可分17组。分组后亿元以上各组不仅频数少，而且有两组频数为0。这种情况下可考虑合并这些组，因为合并后的数列并未影响总体特征的描述。见表2—3和图2—2。
表2—3 560家上市公司净利润分布
净利润分组（万元）
图2—2 560家上市公司净利润分布
将亏损亿元以下的公司合并为一组，亿元以上的公司合并为一组，组数减少到9组，总体仍为右偏态。
从整理后的净利润的资料我们注意到：
第一，制造业中，1999年度46家公司亏损，亏损面%，最多的亏损亿元。
第二，制造业1999年度净利润总额亿元，受亏损公司的影响，560家公司总体平均利润只有6500万元。79%的上市公司净利润在70万~亿元之间。
第三，上海汽车、邯郸钢铁、上海石化、仪征化纤、首钢股份等大型国企全年利润均在7亿元以上；年净利润在亿元以上的公司有16个，不足总数的3%，但它们的净利润占到制造业全行业的%，充分体现了大型国企确实是国民经济的脊梁。
第四，进一步研究各行业的利润水平，可以看到有三个行业高与总体水平；C0——食品饮料净利闰亿元；C6——金属非金属净利闰亿元；C8——通信电子净利闰1亿元。
（3）每股收益分布数列和直方图
每股收益描述统计 1
每股收益描述统计2
每股收益是一强度相对指标。从描述统计指标看，舍弃一个最大值后，均值、中位数、众数比较接近，偏度系数也不很大。尝试按经验公式确定组数：
组数=1+×㏒560=10；
组距=2/10=，极值用开口组处理。见表2—4 和图2—3。
表2—4 560家上市公司每股收益分组统计
每股收益分组（元）
图2—3 560家上市公司每股收益分布
每股收益是按总股本平均的净利润，它排除了股本规模大小对净利润水平高低影响，反映了上市公司经营业绩水平。不仅在行业之间，而且可以在公司之间进行比较。从表2—4图2—3看560家公司每股收益的特点：
第一，1999年制造业的每股收益的分布略乘左偏态，即平均数为元，但是相对多数的公司每股收益高于元。
第二，35%的公司在~元的微利水平，52%的公司盈利水平再~元之间。26家公司盈利水平较高，在元以上，但只占%。1999年的改制表状元是五粮液，达到每股收益元。
第三，分行也看，经营业绩差别的行业因素非常明显：最高的是C0——食品饮料，达到每股收益元；大于等于每股收益元的还有C1—纺织、服装，C5——橡胶塑料， C8 ——同新点子，C9——其他；最低的事C2——木材家具，只有元。
（4）净资产收益率分布数列和直方图
净资产收益率1
净资产收益率2
由于资料中两个公司（0515PT渝钛白和600818ST永久）的净利润净资产为负值，所以此处只有58个公司的数据。
558个公司的净资产旅呈高度左偏态。净资产收益率过高或过低，都数不正常情况。
舍弃40%以上和－40%以下的18个极端值后，描述指标基本正常。以1倍标准差8%为组距、48%以上和－48%一下合并各1组，共分14组。表2——5和图2——4显示，集中趋势非常明显。
表2——5 560家公司净资产收益率分组统计
净资产收益率分组（%）
图2—4 560家上市公司净资产收益率分布
净资产收益率是评价净资产盈利能力的综合指标，他代表了总体的或行业的盈利水平。从统计资料看到：
第一，1999年度，制造业的总体净资产收益率9%（这里采用了中位数，因为忽略极值厚中位数没有变化，但平均数却差了几倍，而净资产收益率极端值时有个别特殊原因所致）。
第二，8%的公司亏损，与每股收益分析的结论一致；并且有两个公司净资产为负数，以资不抵债。
第三，34%的公司净资产收益率在%～8%之间；48%的公司在%～16%之间。
第四，8%的公司净资产在16%～32%的高水平上，从行业看，这些公司集中在生物制药、通信电子、汽车等高新技术产业，显示出发展最快、盈利水平最强的势头。
3．制造业各行业主要财务指标的分布
接下来利用符合分组表统计表的形式，总体分组的划分，展示制造业内部各行业的净利润、每股收益、净资产收益率的分布特征。
（1）制造业各行业净利润分布频数统计表和频率统计表
合计栏显示的是总体的净利润分布频数或频率，其他各栏显示的是个行业的分布（见表2—6、表2—5）。
表2—6 制造业各行业净利润分布统计（频数）
从表2—6、2—7中可以看到：
第一，总共45个亏损公司，占全部公司的8%，他们的行业间分布是：C7——机械、仪表、设备行业亏损面最大，有16家，占行业%；其次是C8、C6和C1——分别为%、%、%；C2——木材家具仅有2家公司，亏损1家。
第二，C5——橡胶、塑料和C9——其他行业无亏损企业，且净利润水均衡，集中在0～19500万元。
第三，净利润绝对水平的高低与行业类别有关联，3亿元以上净利润集中在酿酒、石化、冶金、电子通信设备等行业；利润水平较低的有纺织、木材家具及印刷、造纸行业。
表2—7 制造业各行业净利润分布统计（频率%）
（2）制造业各行业每股净收益分布频数统计和频率统计
表2—8、2—9显示的是不同行业每股收益的不同水平的分布。在%的盈利公司中，若每股收益元以上为绩优股，则绩优股的比率%。绩优股的行业特征也非常明显：食品行业最高，为%，其后依次是通信电子行业%、机械仪表设备%。从表面上看其他行业最高（%），但是其他行业属于主营收入不明显的“收容”类，其较高的每股收益得益于多元化经营，因此在比较时，应予以忽略。
表2—8 制造业各行业每股收益分布统计（频数）
表2—9 制造业各行业每股收益分布统计（频率%
）
（二）相关和回归分析
本案例相关和回归分析研究主要是8个财务指标间的相互关系问题。各财务指标分别说明上市公司的财务状况的某一侧面。那么这些指标之间有无关系若有关系，是什么样的关系通过本案例的探讨，可以帮助我们筛选主要个财务指标作为分析公司业绩变动的因素。
1．制造业业绩指标之间的关系研究
表2—10是8个财务指标的两两指标间的线性相关系数。
表2—10 制造业有关业绩指标相关系数矩阵
从相关系数矩阵看，可以得到以下几点共性的结论：
（1）主营业务收入与总资产、净资产、净利润这些总量指标显着相关，其中与总资产高度正相关。总资产比较大时，主营业务收入也倾向于比较大，而主营业务收入比较大时，净资产、净利润也比较高。这从实际情况看是可以理解的。在正常情况下，制造业的净资产除了货币资金外，主要就存货和厂房、设备等固定资产。尤其是固定资产，使生产活动的物质技术基础，其数量的多少、技术的高低决定了产品的方向及生产方式，从而决定了收入水平，并且决定了净资产的水平。
（2）虽然净资产收益率等于净利润除以净资产，但是净资产除了与净利润微弱相关外，与其他总量指标几乎不相关，也就是说，净资产收益率与资产规模、主营业务收入没有线性关系。主营业务收入水平高低并不决定盈利能力。
（3）几个相对指标之间，净资产收益率和每股收益显着正相关。在绝大多数行业中，这种相关程度均高于制造业总体的相关系数。这一点告诉我们，在说明上市公司经营业绩时，净资产收益率和每股收益两个指标选择其中之一就够了。
（4）每股收益、每股净资产作为总量指标的派生指标，除每股收益与净利润外，其他均与净利润、净资产和总资产微弱相关，说明他们抽象了投入规模的不同，可载的行业、各类型的上市公司之间比较。
（5）一般地，派生指标与他们的分子指标相关系数要高于与它们的分母指标之间的相关系数。例如：净资产收益率与净利润的相关关系属要高于与净资产的相关系数。
（6）就不同行业来看，各指标之间的相关系数均有所差别，表2—11显示：不论从整个制造业还是个行业，主营业务收入、净资产与总资产高度正相关是一致的；在相对指标上产生了分化。其他行业由于主业不明，指标之间相关也很微弱。除此之外，净资产收益率与净利润和每股收益呈现不同程度的相关，机械行业表现得最明显。
表2—11 制造业上市公司行业有关指标的相关系数
2．制造业业绩指标间的回归分析
回归分析是用函数关系近似描述相关关系的表现形式，它反映的是变量之间的一种变动规律。一般地，选择哪种形式的回归模型可以通过：观察散点图；根据专业知识和经验判断。本案例中，除以上两点外，还可以根据相关系数判断，由于皮尔生积矩相关系数是对两变量线性相关程度的侧度，所以对显着相关程度以上的变量可建立线性回归函数来模拟变量间的关系，即：
ε
++++= 22110X B X B B Y
（1）主营业务收入与总资产的回归分析
由于主营业务收入与总资产的线性相关系数最大，以主营业务收入为因变量Y, 总资产为自变量X ，用560家制造业公司数据建立一元线性回归方程：
ε++=110X B B Y
Excel “工具”栏中“数据分析”的“回归”提供了相关和回归分析的结果： Multiple R ——相关系数；
R Square ——判定系数；
Adjusted R Square ——调整的判定系数 t
e
SS SS p n n ?----
11
1
标准误差——估计标准误xy S ； 观测值——X 、Y 变量的对数。 方差分析有关指标含义见表2—12。
表2—12
Intercept ——截距a ；
X Variable ——一元回归的回归系数b ；
标准误差——截距a 的标准差为a σ
?；回归系数b 的标准误差为b σ?； T 统计量——对a 和b 检验时采用的统计量； P-value —— P 值；
Lower95%, Uooer95%；——截距a 或回归系数b 的95%置信峡县、置信上限；此为墨任值，若选择其他置信水平，相应的置信下限、置信上限在后面列出。
回归统计
方差分析
主营业务收入对总资产的一元线性方程: Y = -13975+
回归系数说明, 总资产每增加1万元, 制造业主营业务收入平均增加万元. 从判定系数看,在总资产对主营业务收入的影响中, 有83%可以由该线性回归方程解释, 从t 检验看,回归系数是显着的.
回归分析中, 对随机误差, 我们要求它均值为0, 并假定其服从正态分布. 从F 检验看,假定成立, 从残差分布图看, 其分布是”杂乱无章”的, 回归方程是合适的.
建立回归方程, 不仅为我们描述了主营业务收入和总资产这两个指标间的联系形式,我们利用它还可以进行预报和控制.
给定总资产, 可以对主营业务收入水平作区间估计. 本案例样本较大, 当X=X 0时，Y 的1-a 置信区间:
Y=XY S Z Y
?α±
这里的S XY 是残差平均平方和MS 的平方根, 即”回归统计”表中的”标准误差”或从”方差分
析”表资料中可以计算得到; Y ?是X=X 0
时回归方程得到的点估计值; 2
αZ 是给定a 时的临界值。
例如, 我们想知道, 当X=20万元时, 主营业务收入95%置信区间:
点估计值是Y
? =－13975+×200000=122025(万元) 估计值标准误差是残差MS
2
1 =(00)1/2=65879
主营业务收入置信区间:×65879≤Y ≤122025+×65879=-7098~251148
即总资产为20亿元规模时, 估计主营业务收入的上限为25亿元,下限可能是亏损的. (2) 净利润与主营业务收入和每股收益的二元回归分析
由于指标间的关系在不同行业表现各异, 本案例仅研究了C8----通信电子行业. 通信电子行业相关系数矩阵见表2—12
表2—12 通信电子有关业绩指标相关系数矩阵
从定性分析角度知道, 净利润与主营业务收入、总资产、净资产有密切关系,其相关系数又从定量角度给予证明. 另外, 从表中还看到, 净利润与每股收益、每股净资产也表现出了显着正相关的关系, 可能的解释在于: 财务指标不是孤立的,它们之间彼此有直接关系的影响, 同时包含了间接关系的影响. 可以用多元回归研究净利润和其他指标的关系. 但是, 在主营业务收入、总资产、净资产之间存在着高度关系, 研究净利润与多个指标的关系时它们或者可以相互替代, 或者必须删去以避免多重共线性对回归模型的影响. 因此, 这里选择主营业务收入和每股收益(它们之间的相关系数,小于, 建立净利润与主营业务收入和每股收益的二元线性回归方程.
计算结果如下:
回归统计
方差分析
净利润Y 与主营业务收入X 1和每股收益X 2的线性回归方程为: Y=+1+2
大数据应用案例分析 1、中信银行信用卡营销 实施背景：中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也是国内具有竞争力的股份制商业银行信用卡中心之一。近年来，中信银行信用卡中心的发卡量迅速增长，2008年银行向消费者发卡约500万张，而这个数字在2010年增加了一倍。随着业务的迅猛增长，业务数据规模也急剧膨胀。中信银行信用卡中心无论在数据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。 中信银行信用卡中心迫切需要一个可扩展、高性能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据仓库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，比如卡、账户、客户、交易等主题的业务统计和OLAP（联机分析处理）多维分析等，提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。 技术方案：从2010年4月到2011年5月，中信银行信用卡中心实施了EMC Greenplum数据仓库解决方案。实施EMC Greenplum解决方案之后，中信银行信用卡中心实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。 图表中信银行大数据应用技术架构图
Greenplum解决方案的一个核心的功能是，它采用了“无共享”的开放平台的MPP架构，此架构是为BI和海量数据分析处理而设计。目前，最普遍的关系数据库管理系统（如Oracle 或Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处理，会牺牲单个查询性能和并行性能。而使用Greenplum 数据库提供的MPP架构，数据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。Greenplum数据库提供的MPP架构为磁盘的每一个环节提供了一个专门的、独立的高带宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段之间有效地移动数据，因此，相比普通的数据库系统，该系统提供了更高的可扩展性。 效益提升：2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，
大数据智慧旅游案例分析 来源：时间：2016-03-07 11:57:38作者： 随着“互联网+”被写入政府工作报告、国家旅游局局长李金早对于“旅游+” 发展战略的提出，酝酿多年的“互联网+”和“大数据思维”以“旅游+大数据”的智慧旅游形式开始在全国范围内推进，并逐渐在一些地区形成了“政府主导、企业运作、产业化推进”的发展模式。大数据智慧旅游服务具有充分收集、分析、整合 大数据，以调配旅游服务资源的功能。旅游业相关主体依据搜集到的游客消费 动向、旅游资源状况、自然环境变化等数据进行量化分析，并及时调整、制定 相应的策略，可为游客提供更好的服务。 收集、分析、整合大数据 小编觉得大数据智慧旅在需要搜集到的游客消费动向、通讯数据，互联网 数据，自然环境变化等数据进行量化分析的同时，也会用大数据理念重新审视一些东西。例如： 以大数据理念重新审视公共WIFI：可以获取游客的手机号码，可以针对游 客进行线上市场调研问卷，可以推送旅游APP资讯。免费WIFI服务不再只是一个营销卖点;以大数据理念重新审视一卡通：可以将旅游一卡通服务看做是最直接获得旅游消费清单的工具，一种便捷的游客旅游消费轨迹数据采集方式。而 不只是促销手段;以大数据理念重新审视旅游手机应用：它是游客信息关注行为、 游客旅行轨迹数据采集平台和进行游客满意度调研与促进反馈的途径之一。而 不仅仅是传统智慧旅游倡导的为游客导游、导览、导购、导航服务的移动终端; 以大数据理念重新审视旅游资讯网，高效的消费者旅游信息关注数据采集、高 效的旅游网络营销效果评估工具、智慧化的旅游信息服务提供平台。而传统意 义上的旅游资讯网是旅游目的地品牌形象，旅游信息服务平台。 旅游资讯网只能宣传推广旅游目的地;以大数据理念重新审视旅游呼叫中心，高效的游客需求数据采集工具、高效的旅游CRM维护平台、高效的旅游新产品
1.1 成功案例1-汤姆森路透(Thomson Reuters) 利用Oracle 大 数据解决方案实现互联网资讯和社交媒体分析 Oracle Customer: Thomson Reuters Location: USA Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17 日，是由加拿大汤姆森 公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专 业智能信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100 个国家和地区。 汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。 在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。 因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance 大 数据机、Exadata 数据库云服务器和Exalytics 商业智能云服务器搭建了互联网资讯 和社交媒体大数据分析平台，实时采集5 万个新闻网站和400 万社交媒体渠道的资 讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机
1.1成功案例1-汤姆森路透(Thomson Reuters)利用Oracle大 数据解决方案实现互联网资讯和社交媒体分析 ?Oracle Customer: Thomson Reuters ?Location: USA ?Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17日，是由加拿大汤姆森公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专业智能 信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100个国家和地区。 汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。 在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。 因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance大数据机、Exadata数据库云服务器和Exalytics商业智能云服务器搭建了互联网资讯和社交媒体大数据分析平台，实时采集5万个新闻网站和400万社交媒体渠道的资讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机构客户的交易、投资和风险管理。
智慧旅游大数据行业监管平台 一、需求分析 近年来，以信息化为代表的科技进步以及现代商业模式的创新，将直接推动旅游业转型升级。随着信息技术和知识经济的发展，用现代化的新技术、新装备改造和提升旅游业，正在成为新时期旅游业发展的新趋势。今后一段时期，信息技术将会更加广泛地运用到旅游业发展的方方面面。 该系统通过采集汇总客户相关数据，综合分析景区旅游游客来源及行程轨迹 特征，并实时统计游客流量信息，进而分析出游客来源，景区热度排名等相关数据；同时通过景区景点系统，并设置游客上限阈值，实现景区景点客流量实时监控预警机制，对景区管理做出调度决策提供实时数据依据； 二、解决方案描述 智慧旅游监管系统主要包含以下几项功能：景区大数据分析、视频会议调度、景区出入口视频监管。 2.1 大数据分析 2.1.1今日一览 用户成功登陆后显示的即是该功能，它从归属地及时间两个维度展示了今日 与昨日客流量对比图标，详细展示了流量趋势。 若选择只查看某一条折线数据，可点击图标下方的时间标识按钮进行选择。 通过点击今日一览折线图中的某一点可跳转至历史数据查询页面，可选择日期进行对比查询。 2.1.2本周一览 该功能从归属地及时间两个维度展示了本周与上周客流量环比图标，显示展示了流量趋势。 2.1.3本月一览
该功能从归属地及时间两个维度展示本月与上月客流量环比图标，详细展示了流量趋势。点击本月一览中折线图中的某一点可跳转至自定义查询页面。 2.2本日客源 该功能从归属地的维度对客流数据进行分析统计，主要对今天实时客源进行 人数统计，数据以及归属地来进行分配，此功能主要让使用者对客源的人口区域 分布有直观的感受。 点击某一省的块状图可跳转下钻至相应省下属的地市柱状图，其中山东省可以下钻至街道，其他省份可下钻至地市。 2.3游客归属地 该功能从归属地的维度对流量数据进行分析统计；此功能主要将游客总入园 人数以饼图方式进行显示，让园区管理员有很直观的感受。 对于查询的结果还可以做导出处理。 2.4本日客流 本日客流分析主要是今天实时客流量的曲线趋势图分析，让景区管理员对景 区实时人流量的趋势进行有非常直观的了解。可按小时查看图表统计。 2.5本周客流 本周客流分析主要是本周实时客流量的曲线趋势图分析，让景区管理员对景 区本周实时人流量的趋势进行有非常直观的了解。 2.6本月客流 本月客流分析主要是本月实时客流量的曲线趋势图分析，让景区管理对景区 本月实时人流量的趋势有非常直观的了解。 2.7自定义查询 自定义查询分析主要是客流数据的统一对比查询分析，让用户可以自由的选 择任意时期进行对比查询。此功能实现了分时段的比较。灵活性很大。 2.8区域实时监控 景区实时监控分析主要实时显示各景点的人数，以及占景区总人数的统计分析。 2.9热力图 热力图分析主要以颜色来对基站所覆盖范围的游客密度进行标注，由蓝到红，
数据分析方法、数据处理流程实战案例 大数据时代，我们人人都逐渐开始用数据的眼光来看待每一个事情、事物。确实，数据的直观明了传达出来的信息让人一下子就能领略且毫无疑点，不过前提是数据本身的真实性和准确度要有保证。今天就来和大家分享一下关于数据分析方法、数据处理流程的实战案例，让大家对于数据分析师这个岗位的工作内容有更多的理解和认识，让可以趁机了解了解咱们平时看似轻松便捷的数据可视化的背后都是有多专业的流程在支撑着。 一、大数据思维 在2011年、2012年大数据概念火了之后，可以说这几年许多传统企业也好，互联网企业也好，都把自己的业务给大数据靠一靠，并且提的比较多的大数据思维。
那么大数据思维是怎么回事我们来看两个例子： 案例1：输入法 首先，我们来看一下输入法的例子。 我2001年上大学，那时用的输入法比较多的是智能ABC，还有微软拼音，还有五笔。那时候的输入法比现在来说要慢的很多，许多时候输一个词都要选好几次，去选词还是调整才能把这个字打出来，效率是非常低的。
到了2002年，2003年出了一种新的输出法——紫光拼音，感觉真的很快，键盘没有按下去字就已经跳出来了。但是，后来很快发现紫光拼音输入法也有它的问题，比如当时互联网发展已经比较快了，
会经常出现一些新的词汇，这些词汇在它的词库里没有的话，就很难敲出来这个词。 在2006年左右，搜狗输入法出现了。搜狗输入法基于搜狗本身是一个搜索，它积累了一些用户输入的检索词这些数据，用户用输入法时候产生的这些词的信息，将它们进行统计分析，把一些新的词汇逐步添加到词库里去，通过云的方式进行管理。 比如，去年流行一个词叫“然并卵”，这样的一个词如果用传统的方式，因为它是一个重新构造的词，在输入法是没办法通过拼音“ran bing luan”直接把它找出来的。然而，在大数据思维下那就不一样了，换句话说，我们先不知道有这么一个词汇，但是我们发现有许多人在输入了这个词汇，于是，我们可以通过统计发现最近新出现的一个高频词汇，把它加到司库里面并更新给所有人，大家在使用的时候可以直接找到这个词了。 案例2：地图
智慧景区大数据智能分析系统建设详细设计方案智能视频监控系统，与传统的监控系统相比，具有更优的有效性和持久性。它能够识别不同的运动物体，能够实现7x24全天“不知疲劳”的实时工作，大大减轻视频监控中人工劳动的强度，发现监控画面中的异常情况，并能够以最快和最佳的方式发出警报和提供有用信息，提高报警处理的及时性，从而能够更加有效的协助安全人员处理危机，并最大限度的降低误报和漏报现象。 智能分析技术的应用，将传统的被动监控转化为主动监控，由系统通过先进的分析算法，按照一定的规则进行实时的分析和判断，对可疑事件和行为进行告警，能够极大的提高视频的利用效率，提升监控系统的整体性能。 海康威视智能视频监控产品融合了视频处理、计算机视觉以及人工智能等多个领域的先进技术，将图像与事件之间建立了一种映射关系，使计算机从纷繁的视频图像中分辨、识别出关键目标物体并分析理解其行为。智能视频分析产品对输入的视频流采用对运动目标的检测、跟踪、分类技术，将视频内的目标经背景建模、目标分割、跟踪及分类等图像识别算法，完成由图像到事件参数的转变，从而实现对各种突发事件的实时检测。 海康威视智能视频分析模块，支持多种异常事件的检测
功能，包括入侵检测、徘徊检测、物品拿取检测、物品放置检测、停车检测和人群密度检测等，并支持快球摄像机的自动跟踪功能。 视频大数据应用是智慧景区建设的一个发展方向，而将海量视频数据结构化又是视频大数据应用的基础条件。“猎鹰”系列产品是海康威视专门推出的高端智能结构化分析设备，具有高并发视频结构化处理能力，适用于景区视频监控的结构化应用。在景区中，因为人员拥挤、游客众多，经常有老人或小孩走失，可通过视频全域结构化分析，提取人物特征，用于寻找走失人员，同时，对于游客属性统计分析、游客及车辆特征识别分析等可提供科学的基础分析数据。该设备集视频结构化分析、数据存储、平台应用等功能于一体，能够为用户提供整体解决方案。系统采用了视频智能分析、分布式集群、大数据检索等多项前沿技术，可广泛应用于传统监控场景的视频结构化。 1.1.1 智能分析系统架构 “猎鹰”可广泛应用于非主干道的监控场景，通过对实时视频资源或录像视频的结构化处理，从监控视频数据中分析提取出活动目标的特征信息或车辆信息等，并将提取到的结构化数据做存储，相关人员可以在系统中实现目标的快速检索，提高视频资源的整体利用效率。
大数据应用分析案例分析大数据应用与案例分析当下，”大数据"几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势,也是革命技术的创新.大数据对于行业的用户也越来越重要。掌握了核心数据,不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体.大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用,帮助人们真正从中获益.大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。...感谢聆听... 大数据应用的关键，也是其必要条件,就在于＂IT”与”经营"的融合,当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业,不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。
一、大数据应用案例之：医疗行业 ＳetｏｎＨｅaｌｔhcare是采用ＩBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息,通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过30０0次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施,避免早产婴儿夭折. ...感谢聆听... 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类Apｐ。也许未来数年后,它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药. 二、大数据应用案例之:能源行业 智能电网现在欧洲已经做到了终端,也就是所谓的智能电表。在德国,为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来.通过电网收集每隔五分钟或十分钟收集一次数据,收集来的这些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。有了这个预测后，就可以向发电或者供电企业购买一定数量的电.因为电有点像期货一样，如果提前买就会比较便
如有人问你什么是大数据？不妨说说这10个典型的大数据案例(-from 互联网) 在听Gartner的分析师Doug Laney用55分钟讲述55个大数据应用案例之前，你可能对于大数据是否落地还心存疑虑。Laney的演讲如同莎士比亚的全集一样，不过可能“缺乏娱乐性而更具信息量”（也许对于技术人员来说是这样的）。这个演讲是对大数据3v 特性的全面阐释：variety（类型）、velocity（产生速度）和volume（规模）。术语的发明者就是用这种方式来描述大数据的–可以追溯到2001年。 这55个例子不是用来虚张声势，Laney的意图是说明大数据的实际应用前景，听众们应该思考如何在自己公司里让大数据落地并促进业务的发展。“也许有些例子并非来自于你当前所处的行业，但是你需要考虑如何做到他山之石可以攻玉。”Laney表示。 下面是其中的10个典型案例： 1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。 2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。“SAP想通过这次收购来扭转其长久以来在预测分析方面的劣势。”Laney分析到。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.doczj.com/doc/5512211016.html,自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。 4. 快餐业的视频分析（Laney没有说出这家公司的名字）。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。 5. Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提
阅读提示 智慧景区大数据智能分析系统方案
目录 系统概述 (1) 背景及现状 (1) 总体目标 (1) 设计原则 (2) 设计标准 (3) 系统总体设计 (5) 需求分析 (5) 总体规划 (6) 系统架构 (7) 系统详细设计 (11) 大数据智能分析系统 (11) 智能分析系统架构 (12) 组成单元 (12) 智能分析功能设计 (13) 应用场景 (17)
系统概述 背景及现状 国家十三五规划纲要中明确地提出大力发展旅游产业，意味着在接下来的五年当中，旅游产业的发展将作为国家重要的发展战略。在社会经济中高速增长中，旅游行业将成为新的引擎，旅游消费也将成为整个社会最重要的“消费侧”。 当前，景区的保护、发展已进入一个新的历史时期，要实现景区新一轮的大发展和新超越，必须依靠科技的手段，着力打造智慧旅游，通过智慧景区的建设，实现智慧旅游服务、智慧旅游管理、智慧旅游营销的目标，并为旅游业的可持续发展奠定扎实基础。 为贯彻落实《国务院关于加快发展旅游业的意见》精神，积极引导和推动全国智慧旅游发展，国家旅游局先后批复了33个国家智慧旅游试点城市、22个智慧旅游试点景区。在此新形势下，开展智慧景区建设也必将成为风景名胜区打造更高端景区的重要契机与保障。 为了响应国家建设智慧旅游的号召，同时，景区内确实有建设完整安防及信息化系统和智慧景区的应用需求，实现视频监控、报警、卡口、停车场、出入口、森林防火等系统并实现多系统统一管理，结合GIS电子地图、公共广播、自动导览等系统，打造智慧型景区，同时加强对景区的管理力度、提升游客的体验服务，以满足景区游客数量暴涨及随之带来的安全及信息化服务的强烈需求。 总体目标 景区综合安防管理系统建设要求以新一代宽带网络、云计算、人工智能等新兴信息技术为支撑，实现视频监控、客流统计、消防系统、停车场管理、卡口系统等各系统的跨平台、跨网络、跨终端，并支持大量用户并发访问、海量数据的综合应用、多系统之间的综合化管理，在现有景区信息化的基础上，实现风景名胜区信息资源的共享，提供综合信息资源利用和应用支撑服务的能力，同时提升风景名胜区的管理与服务水平。
在如今这个大数据的时代里，人人都希望能够借助大数据的力量：电商希望能够借助大数据进一步获悉用户的消费需求，实现更为精准的营销;网络安全从业者希望通过大数据更早洞悉恶意攻击者的意图，实现主动、超前的安全防护;而骇客们也在利用大数据，更加详尽的挖掘出被攻击目标信息，降低攻击发起的难度。 大数据应用最为典型的案例是国外某著名零售商，通过对用户购买物品等数据的分析，向该用户——一位少女寄送了婴儿床和衣服的优惠券，而少女的家人在此前对少女怀孕的事情一无所知。大数据的威力正在逐步显现，银行、保险公司、医院、零售商等等诸多企业都愈发动力十足的开始搜集整理自己用户的各类数据资料。但与之相比极度落后的数据安全防护措施，却让骇客们乐了：如此重要的数据不仅可以轻松偷盗，而且还是整理好的，凭借这些数据骇客能够发起更具“真实性”的欺诈攻击。好在安全防御者们也开始发现利用大数据抵抗各类恶意攻击的方法了。 扰动安全的大数据 2014年IDC在“未来全球安全行业的展望报告”中指出，预计到2020年信息安全市场规模将达到500亿美元。与此同时，安全威胁的不断变化、IT交付模式的多样性、复杂性以及数据量的剧增，针对信息安全的传统以控制为中心的方法将站不住脚。预计到2020年，60%的企业信息化安全预算将会分配到以大数据分析为基础的快速检测和响应的产品上。 瀚思(HanSight)联合创始人董昕认为，借助大数据技术网络安全即将开启“上帝之眼”模式。“你不能保护你所不知道的”已经成为安全圈的一句名言，即使部署再多的安全防御设备仍然会产生“不为人知”的信息，在各种不同设备产生的海量日志中发现安全事件的蛛丝马迹非常困难。而大数据技术能将不同设备产生的海量日志进行集中存储，通过数据格式的统一规整、自动归并、关联分析、机器学习等方法，自动发现威胁和异常行为，让安全分析更简单。同时通过丰富的可视化技术，将威胁及异常行为可视化呈现出来，让安全看得见。 爱加密CEO高磊提出，基于大数据技术能够从海量数据中分析已经发生的安全问题、病毒样本、攻击策略等，对于安全问题的分析能够以宏观角度和微观思路双管齐下找到问题根本的存在。所以，在安全领域使用大数据技术，可以使原
大数据智慧旅游案例分析 来源：数据观?时间：2016-03-07 11:57:38?作者： 随着“互联网+”被写入政府工作报告、国家旅游局局长李金早对于“旅游+” 发展战略的提出，酝酿多年的“互联网+”和“大数据思维”以“旅游+大数据”的智慧旅游形式开始在全国范围内推进，并逐渐在一些地区形成了“政府主导、企业运作、产业化推进”的发展模式。大数据智慧旅游服务具有充分收集、分析、整合 大数据，以调配旅游服务资源的功能。旅游业相关主体依据搜集到的游客消费 动向、旅游资源状况、自然环境变化等数据进行量化分析，并及时调整、制定 相应的策略，可为游客提供更好的服务。 收集、分析、整合大数据 小编觉得大数据智慧旅在需要搜集到的游客消费动向、通讯数据，互联网 数据，自然环境变化等数据进行量化分析的同时，也会用大数据理念重新审视一些东西。例如： 以大数据理念重新审视公共WIFI：可以获取游客的手机号码，可以针对游 客进行线上市场调研问卷，可以推送旅游APP资讯。免费WIFI服务不再只是一个营销卖点;以大数据理念重新审视一卡通：可以将旅游一卡通服务看做是最直接获得旅游消费清单的工具，一种便捷的游客旅游消费轨迹数据采集方式。而 不只是促销手段;以大数据理念重新审视旅游手机应用：它是游客信息关注行为、 游客旅行轨迹数据采集平台和进行游客满意度调研与促进反馈的途径之一。而 不仅仅是传统智慧旅游倡导的为游客导游、导览、导购、导航服务的移动终端; 以大数据理念重新审视旅游资讯网，高效的消费者旅游信息关注数据采集、高 效的旅游网络营销效果评估工具、智慧化的旅游信息服务提供平台。而传统意 义上的旅游资讯网是旅游目的地品牌形象，旅游信息服务平台。 旅游资讯网只能宣传推广旅游目的地;以大数据理念重新审视旅游呼叫中心，高效的游客需求数据采集工具、高效的旅游CRM维护平台、高效的旅游新产品
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。 一、大数据应用案例之：医疗行业 Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，
通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。 二、大数据应用案例之：能源行业 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些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。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。 维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。
大数据应用分析案例分 析 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。 一、大数据应用案例之：医疗行业 SetonHealthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
大数据的大价值：大数据五大成功案例 深度解析 作者：Cashcow 星期四, 四月11, 2013 大数据,航空,零售 暂无评论 大数据的热潮并未有消褪迹象，相反，包括航空、金融、电商、政府、电信、电力甚至F1赛车等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。但是在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的杀手应用，但是关于大数据中国企业的成功案例的报道却出奇地少。 最近《中国企业家》的“大数据专题”特别报道采访了农夫山泉、阿迪达斯中国和数家航班信息移动服务商（前两家为SAP客户），为我们带来了详实的大数据案例报道，非常有参考价值，原文转载如下：就在制作这期“大数据专题”时，编辑部发生热烈讨论：什么是大数据？编辑记者们旁征博引，试图将数据堆砌的商业案例剔除，真正的、实用性强的数据挖掘故事留下。
我们报道的是伪大数据公司？我们是否成为《驾驭大数据》一书的作者Bill Franks所称的“大数据骗局”中的一股力量？同样的质疑发生在阿里巴巴身上。有消息称，3月23日，阿里巴巴以7000万美元收购了一家移动开发者数据统计平台。这引发了专家们热烈讨论，它收购的真是一家大数据公司吗？ 这些质疑并非没有道理。 中国确实没有大数据的土壤。“差不多先生”、“大概齐”的文化标签一直存在。很多时候，各级政府不太需 要“大数据”，形成决策的关键性数据只有一个数字比率（GDP）而已；其二，对于行业主管机构来说，它们拥有大量原始数据，但它们还在试探、摸索数据开放的尺度，比如说，是开放原始数据，还是开放经过 各种加工的数据？是转让给拥有更高级计算和储存能力的大型数据公司，还是将数据开源，与各种各样 的企业共享？其三，数据挖掘的工具价值并没有完全被认同。在这个领域，硬件和软件的发展并不十分 成熟。 即便如此，没有人否认数据革命的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为战略方向，百度的李彦宏用“框计算”来谋划未来。即便是CBA（中国男子篮球职业联赛）也学起了NBA（美国男篮职业联赛）五花八门的数据统计、分析与挖掘。 在过去两年间，大量的资本投资一些新型数据工具公司，根据美国道琼斯风险资源（Dow Jones VentureSource）的数据，在过去的两年时间里，11.7亿美元流向了119家数据库软件公司。去年，SAP 市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的 商业化，去年一年时间里HANA带给SAP3.92亿欧元的收入，增长了142%。 但是，大数据还没法分析、挖掘出自己的直接变现能力。在截稿日时，我们再重新读维克托·迈尔-舍恩伯格（Viktor Mayer-Sch鰊berger）的《大数据时代：生活、工作与思维的大变革》一书，作者相信，未来，数据会成为有价值的资产。假以时日，它会大摇大摆地进入资产负债表里。 案例1：农夫山泉用大数据卖矿泉水
数据可视化常用的五种方式及案例分析 概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。数据可视化一般会具备以下几个特点：准确性、创新性和简洁性。 常用五种可视化方法 下面从最常用和实用的维度总结了如下5种数据可视化方法，让我们来一一看一下： 一、面积&尺寸可视化对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。 这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。 a: 天猫的店铺动态评分天猫店铺动态评分模块右侧的条状图按精确的比例清晰的表达了不同评分用户的占比。从下图中我们第一眼就可以强烈的感知到5分动态评分的用户占绝对的比例。 b: 联邦预算图如下图，在美国联邦预算剖面图里，用不同高度的货币流清晰的表达了资金的来源去向，及每一项所占金额的比重。
c: 公司黄页-企业能力模型蜘蛛图如下图，通过蜘蛛图的表现，公司综合实力与同行平均水平的对比便一目了然。 二、颜色可视化
通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。a: 点击频次热力图比如下面这张眼球热力图，通过颜色的差异，我们可以直观的看到用户的关注点。 b: 2013年美国失业率统计在图中可以看到，通过对美国地图以州为单位的划分，用不同的颜色来代表不同的失业率等级范围，整个的全美失业率状况便尽收眼底了。
1 【单选】下列关于智慧旅游的描述，正确的是( ) A. 智慧旅游是旅游信息化不断发展的高级别阶段 B. 智慧旅游主要指景区的全面信息化 C. 智慧旅游主要指新一代信息网络技术和装备的运用 D. 智慧旅游包括旅游服务、旅游管理、旅游营销、旅游运营的智能化正确答案：A 2 【单选】大数据助力智慧旅游营销、服务、体验都会用到( )技术 A. 物联网感知 B. 人工智能 C. 互联网 D. 大数据画像 正确答案：D 3 【单选】下列选项中，首次提出旅游业成为战略性支柱产业的是( ) A. 《国务院关于促进旅游业改革发展的若干意见》 B. 《国务院关于印发“十三五”旅游业发展规划的通知》 C. 国务院旅游工作部际联席会议第五次全体会议 D. 《关于促进智慧旅游发展的指导意见》 正确答案：B 4 【多选】新时代旅游人才的特点包括( ) A. 素养高 B. 知识多元跨界 C. 能力高 D. 有激情 正确答案：A B C D 5 【多选】大数据助力智慧旅游管理的内容有( ) A. 景区的规划及实时监控 B. 旅行社产品开发 C. 酒店的运营管理 D. 大数据挖掘和分析 正确答案：A B C 6 【多选】大数据时代旅游产业创新应用包括( ) A. 旅游监管 B. 旅游营销 C. 景区管理 D. 酒店管理 正确答案：A B C D 7 【判断】人工智能是以大数据为基础的( )
A. 正确 B. 错误 正确答案：正确 8 【判断】智慧旅游是智慧城市的组成部分( ) A. 正确 B. 错误 正确答案：正确 9 【判断】首次提出国家大数据战略的是：《中国中央十九大报告》( ) A. 正确 B. 错误 正确答案：错误
大数据分析案例 一：大数据分析在商业上的应用 1、体育赛事预测 世界杯期间，谷歌、百度、微软和高盛等公司都推出了比赛结果预测平台。百度预测结果最为亮眼，预测全程64场比赛，准确率为67%，进入淘汰赛后准确率为94%。现在互联网公司取代章鱼保罗试水赛事预测也意味着未来的体育赛事会被大数据预测所掌控。 “在百度对世界杯的预测中，我们一共考虑了团队实力、主场优势、最近表现、世界杯整体表现和博彩公司的赔率等五个因素，这些数据的来源基本都是互联网，随后我们再利用一个由搜索专家设计的机器学习模型来对这些数据进行汇总和分析，进而做出预测结果。”---百度北京大数据实验室的负责人张桐 2、股票市场预测 去年英国华威商学院和美国波士顿大学物理系的研究发现，用户通过谷歌搜索的金融关键词或许可以金融市场的走向，相应的投资战略收益高达326%。此前则有专家尝试通过Twitter博文情绪来预测股市波动。 理论上来讲股市预测更加适合美国。中国股票市场无法做到双向盈利，只有股票涨才能盈利，这会吸引一些游资利用信息不对称等情况人为改变股票市场规律，因此中国股市没有相对稳定的规律则很难被预测，且一些对结果产生决定性影响的变量数据根本无法被监控。 和传统量化投资类似，大数据投资也是依靠模型，但模型里的数据变量几何倍地增加了，在原有的金融结构化数据基础上，增加了社交言论、地理信息、卫星监测等非结构化数据，
并且将这些非结构化数据进行量化，从而让模型可以吸收。 由于大数据模型对成本要求极高，业内人士认为，大数据将成为共享平台化的服务，数据和技术相当于食材和锅，基金经理和分析师可以通过平台制作自己的策略。 3、市场物价预测 CPI表征已经发生的物价浮动情况，但统计局数据并不权威。但大数据则可能帮助人们了解未来物价走向，提前预知通货膨胀或经济危机。最典型的案例莫过于马云通过阿里B2B 大数据提前知晓亚洲金融危机，当然这是阿里数据团队的功劳。 4、用户行为预测 基于用户搜索行为、浏览行为、评论历史和个人资料等数据，互联网业务可以洞察消费者的整体需求，进而进行针对性的产品生产、改进和营销。《纸牌屋》选择演员和剧情、百度基于用户喜好进行精准广告营销、阿里根据天猫用户特征包下生产线定制产品、亚马逊预测用户点击行为提前发货均是受益于互联网用户行为预测。 购买前的行为信息，可以深度地反映出潜在客户的购买心理和购买意向：例如，客户A 连续浏览了5 款电视机，其中4 款来自国内品牌S，1 款来自国外品牌T；4 款为LED 技术，1 款为LCD 技术；5 款的价格分别为4599 元、5199 元、5499 元、5999 元、7999 元；这些行为某种程度上反映了客户A 对品牌认可度及倾向性，如偏向国产品牌、中等价位的LED 电视。而客户B 连续浏览了6 款电视机，其中2 款是国外品牌T，2 款是另一国外品牌V，2 款是国产品牌S；4 款为LED 技术，2 款为LCD 技术；6 款的价格分别为5999 元、7999 元、8300 元、9200 元、9999 元、11050 元；类似地，这些行为某种程度上反映了客户B 对品牌认可度及倾向性，如偏向进口品牌、高价位的LED 电视等。
考试：大数据与智慧旅游 1 【单选】下列关于智慧旅游的描述，正确的是( ) ? A. 智慧旅游是旅游信息化不断发展的高级别阶段 ? B. 智慧旅游主要指景区的全面信息化 ? C. 智慧旅游主要指新一代信息网络技术和装备的运用 ? D. 智慧旅游包括旅游服务、旅游管理、旅游营销、旅游运营的智能化 ?正确答案：A 2 【单选】大数据助力智慧旅游营销、服务、体验都会用到( )技术 ? A. 物联网感知 ? B. 人工智能 ? C. 互联网 ? D. 大数据画像 ?正确答案：D 3 【单选】下列选项中，首次提出旅游业成为战略性支柱产业的是( ) ? A. 《国务院关于促进旅游业改革发展的若干意见》 ? B. 《国务院关于印发“十三五”旅游业发展规划的通知》
? C. 国务院旅游工作部际联席会议第五次全体会议? D. 《关于促进智慧旅游发展的指导意见》 ?正确答案：B 4 【多选】新时代旅游人才的特点包括( ) ? A. 素养高 ? B. 知识多元跨界 ? C. 能力高 ? D. 有激情 ?正确答案：A B C D 5 【多选】大数据助力智慧旅游管理的内容有( ) ? A. 景区的规划及实时监控 ? B. 旅行社产品开发 ? C. 酒店的运营管理 ? D. 大数据挖掘和分析 ?正确答案：A B C 6 【多选】大数据时代旅游产业创新应用包括( )
? A. 旅游监管 ? B. 旅游营销 ? C. 景区管理 ? D. 酒店管理 ?正确答案：A B C D 7 【判断】人工智能是以大数据为基础的( ) ? A. 正确 ? B. 错误 ?正确答案：正确 8 【判断】智慧旅游是智慧城市的组成部分( ) ? A. 正确 ? B. 错误 ?正确答案：正确 9 【判断】首次提出国家大数据战略的是：《中国中央十九大报告》( ) ? A. 正确 ? B. 错误