大数据时代运营商的机遇与挑战“大数据”通过新处理模式而具有更强的决策力、洞察发现力和流程优化能力，对各个应用领域的创新发挥着重要作用，并正以一种戏剧性的方式改变数据管理的各个方面。
大数据发展现状
（一）大数据
麦肯锡在研究报告中指出，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”时代正式到来。麦肯锡对大数据的定义就是从个体数据集的大体量入手的：大数据是指那些很大的数据集，大到传统的数据库软件工具已经无法采集、存储、管理和分析。传统数据库有效工作的数据大小一般来说在10-100TB，因此10-100TB通常成为大数据的门槛，IDC在给大数据做定义时也把阈值设在100TB。
大数据具有4个V属性即Volume（体量大），Velocity（快速化），Variety（类型杂），Value（价值大）。因此从其属性出发，大数据可被定义为：由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于云计算的数据处理与应用模式，通过数据的整合共享，能够成为帮助企业经营决策更积极目的的资讯以及交叉复用形成的智力资源和知识服务能力。大数据，其显性特征是超出一般算法或一般硬件计算处理能力的“大”规模数据；其伴随的另一个特征，就是拥有足以刻画样本特征空间以外的“超额”样本。前者显性特征推动了并行/云计算的软硬件发展，后者则从商业模式和数据分析的方法论层面推动了行业变化。
IDC预测，全球数据在2015年将达到10万亿TB。IBM2012年研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的，而到了2020年，全世界所产生的数据规模将达到今天的44倍。在IDC另一研究中称，全球大数据技术和服务市场将在未来几年保持31.7%的年复合增长率，2016年的总规模有望达到238亿美元。照此计算，大数据市场的增速将达到同期整个信息和通信技术领域增速的7倍。该市场正在迅速从各种既有市场和新市场中吸收技术和服
务。虽然今后的情况仍有可能发生很多变化，需求与供给也仍不确定，但IDC 仍然预计，这一市场将在2012至2016年间实现强劲增长。如此巨大数据信息数量带来的将是大数据庞大的应用市场规模。
（二）大数据带来的创新冲击
1.大数据对信息产业的影响
大数据的热潮兴起于新一代信息技术的融合发展，物联网、移动互联网、数字家庭、社会化网络等应用使得数据规模快速扩大，对大数据的处理和分析的需求日益旺盛，推动了大数据领域的发展。反过来，大数据的分析、优化结果又反馈到这些应用中，进一步改善其使用体验，支撑和推动新一代信息技术产业的发展。
大数据将为信息产业带来新的增长点。IDC预测，全球数据在2015年将达到10万亿TB。面对爆发式增长的海量数据，基于传统架构的信息系统已难以应对，同时传统商业智能系统和数据分析软件面对以视频、图片、文字等非结构化数据为主的大数据时，也缺少有效的分析工具和方法。信息系统普遍面临升级换代的迫切需求为信息产业带来新的、更为广阔的增长点。
大数据将加速信息技术产品的创新融合发展。大数据面临着有效存储、实时分析等挑战，必将对芯片、存储产业产生重要影响，将推动一体化数据存储处理服务器、内存计算等产品的升级创新。对数据快速处理和分析的需求，将推动商业智能、数据挖掘等软件在企业级的信息系统中得到融合应用，成为业务创新的重要手段。
2.大数据对金融行业的影响
随着互联网和大数据的发展与普及，互联网企业跨界涉足金融业日趋常态，渗入范围不断扩大，并向金融业的核心领域拓展，打破了原有的竞争格局体系。数据大集中的背景下，大数据对金融行业产生的影响巨大，比如银行业的客户市场细分化程度日趋提高，对数据的集中管理、应用、安全的需求更加迫切。保险企业则大力向电子商务模式转变，而证券公司间的竞争则早已突破地域限制，网上证券交易发展迅猛。
首先，数据的挖掘整理，以及有效分析对于提升客户服务水平的价值日趋凸显。其次，大数据能够加强风险的可审性和管理力度，支持业务的精细化管理。当前中国银行业利率市场化改革已经起步，利率市场化必然会对银行业提出精细化管理的新要求。再次，大数据支持服务创新，能够更好地实现“以客户为中心”理念，通过对客户消费行为模式进行分析（比如事件关联性分析），提高客户转化率，开发出不同的产品以满足不同客户的市场需求，实现差异化竞争。
3.大数据对医疗行业的影响
麦肯锡在其报告中指出，排除体制障碍，大数据分析可以帮助美国的医疗服务业一年创造3000亿美元的附加价值。我国医疗行业早就遇到了海量数据和非结构化数据的挑战，近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。
在临床决策辅助方面，精准分析病人体征数据、费用数据和疗效数据在内的大型数据集，可以帮助医生确定临床上最有效和最具有成本效益的治疗方法。
在医疗质量监督方面，通过对医院内部数据的分析，可以充分地发挥医院自我评价的作用，促进医院内部“医疗质量和医疗安全”的持续改进。
在疾病预测方面，大量的数据可以分析出疾病、症状及实验室数据的相关性，从而帮助临床科研人员建立针对某一些典型疾病的预测模型，该模型具有动态自我学习的特点，会随着数据的更新而不断调整。
在临床试验分析方面，分析临床试验数据和病人记录可以确定药品更多的适应症和发现副作用。在对临床试验数据和病人记录进行分析后，可以对药物进行重新定位，或者实行针对其他适应症的营销。
在个性化治疗方面，通过对大型数据集(例如基因组数据)的分析发展个性化治疗。这一应用将考察遗传变异、对特定疾病的易感性和对特殊药物的反应关系，然后在药物研发和用药过程中考虑个人的遗传变异因素。目前个性化医疗还处在初期阶段。
4.大数据对电子商务行业的影响
电子商务公司通过多年的积累，对用户消费行为的分析，可以变成引导消费者与销售者的中介，促进精确化营销的开展，提升平台的价值和客户黏性。
目前，天猫80%以上的商家需求来自消费者行为分析，这些分析包括访问量、固定频率、偏好商品等浅层分析。随着技术的提高，在未来还会出现更多类型、更加精准的分析，甚至可以直接反应出商家销量高低的原因。另外，作为阿里巴巴为电子商务服务的数据平台聚石塔，其正通过大数据的应用，帮助电子商务的卖家提高运营管理效率。与此同时也被作为马云布下的第三枚关键棋子，将影响阿里巴巴下一步的发展。
5.大数据对城市管理的影响
在智慧城市架构中，由于物联网技术的深化应用，城市具有了多种数据采集的手段和感知终端，所以，智慧城市在信息获取的能力上取得的进步也是形成“大数据”的原因之一。
大数据下的政府服务，可以融合政府内部、互联网网民、民众舆论信息，甚至各种传感器所产生的海量数据，并且与历史情况相结合，从中提取出在政府工作中真正需要的信息，及时将民生情况及政府决策的影响反映出来。
大数据下的工业经济，通过ERP、MES、SCM、电子商务等各种信息系统，搜集与经济领域相关的企业、工业设备、原料、资金、交易、投资、诚信、节能等信息，对其进行数据分析及走势预测，形成资源合理利用、加工适时适度、投资有理有据的智慧型工业。
大数据在社会事业中，使人们在当今城市的快节奏生活更加舒适。例如电子医疗时代的来临，可以通过网上预约挂号，仅使用一张IC卡就能付费，病人的信息及时进入信息系统形成各类诊疗数据。通过将所有医疗机构的电子病历记录标准化，形成多方位多维度的大数据。
遍布城市各处的感应器搜集了城市各处的安全相关信息，每一通电话都被记录，并在地图上标记出来，形成大数据，以方便深入分析。通过大数据处理可以对数据进行分析，准确及时确定安全隐患信息，从而实现智慧城市的预知能力。
6.大数据对能源行业影响
随着数据总量的持续增长和急速膨胀，大数据时代已经来临，2013年电力、石油等能源细分行业纷纷拉开了大数据开发应用的序幕。大数据技术强调的是从海量数据中快速获取有价值信息的能力，如何从海量数据中高效获取数据，有效地深加工并最终得到有用的数据是能源企业涉足大数据的目的。能源行业企业对大数据产品和解决方案的需求集中体现在，可扩展存储、高带宽、可处理不同格式数据的分析方案。
7.大数据对网络广告行业影响
大数据时代下网络广告要求效果，要求效率。如何从海量数据信息中挖掘出用户感兴趣的信息，并把这些信息推送给用户，成为当下网络营销热议的话题。也就是说，大数据在驱动网络广告向更精准的方向前进，反过来讲，网络广告也成为推动互联网行业大数据发展的重要力量。
随着广告技术和"大数据"处理能力的提升，新型的、以用户行为跟踪进行定向广告投放的新型网络广告模式日益受到广告主的重视。首先要突出用户价值，消解媒体价值；其次要提高信息传播效率；再次要规模化运营，降低发布成本。
8.大数据对物流行业影响
来自于世界经济论坛的一份名为《连接世界：转型中的旅游、运输与供应链》的报告称，预计到2025年，大数据将与实时交通信息系统将逐步融合，到时人们将享受到更加方便、快捷、安全的旅游和运输服务。
大数据未来发展趋势
（1）数据资产作为企业的价值：随着时间的推移，企业将越来越多地使用“数据资产”作为企业的价值，就像他们在过去使用品牌资产一样。一家公司所具备的收集和利用大量的独家形式的数据的能力，将形成一个新的轴心，进而形成公司的长期价值。
（2）数据仓库转移到云：数据分析集逐步扩大，企业级数据仓库将成为主流，未来还将逐步纳入行业数据、政府公开数据等多来源数据，而较大的企业将保持他们的本地仓库，小公司和早期采用者将越来越多将数据资产转移到云。
（3）统一的“大数据架构”：大数据模型在许多大银行和互联网公司将成为日益重要的思想，而不是数据仓库孤岛之间痛苦的手动操作，这样的大数据模型能够让用户的所有有趣的数据复制到一个统一的基于Hadoop的仓库。
（4）嵌入式数据分析：当今企业面临的最大问题不是数据量不足，而是数据泛滥，并且缺乏正确的数据。为获得正确的数据，企业需要彻底改变新应用软件系统的设计理念应用思路，以及现有应用程序的配置、使用与更新方式，它们要为数据分析而生，即当代软件为功能性而设计，下一代软件将为分析而设计。
（5）数据加速：数据速度的重点是如何在待处理和分析数据量大幅增加且数据源日益丰富的情况下提升响应速度。新技术的涌现将帮助加快从分析到应用的数据周转速度，提升企业高速分析数据的能力。与此同时，新的低成本分析功能可以加快针对具体问题的探索速度。
（6）数据可视化：分析只是数据的一部分，另外比较重要的是，能够以可视化的形式（类似于信息图表）来展示数据的规模和数据点。
（7）大数据对话内容将转向：围绕大数据的讨论将从专注于庞大的数据和基础设施技术，转向利用大数据和新的应用程序/方法，以及利用大数据的具体用途。
（8）出现垂直排列的ApacheHadoop的“解决方案”：随着越来越多的企业获得成功，更多的模式和解决方案出现，在一个特定的行业找到适合的定制是一个挑战。但随着系统集成商日渐成为ApacheHadoop方面的专家，解决方案将打包，出现垂直解决方案。
（9）通过大数据来引领矩阵商：在矩阵商务中，来自网络的渠道、对大数据的需求、物流的供应链、付费技术的接口以及数字签名保证的流畅付费体验等等，这些都是未来的趋势。
（10）BI更加成熟：由于传统的BI厂商根据最新的SQL接口集成到Hadoop 的生产出他们的产品，像Datameer和Platfora这样的新厂商挑战极限，就会产生冲突，最终有利于消费者。除了基本的BI，厂商将支持更先进的可视化和大数据探索新的方式。
（11）网络广告更加智能：大数据正在改变整个市场营销行业的工作方式，理解消费者背后的海量数据，挖掘用户需求，提供跨平台的个性化营销解决方案。在社交媒体领域，智能广告不再是“广告”，而会变身为“故事”或者“游戏”。从形式上，智能广告正在变得更加无形与互动。更多的用户自发性的智慧是由大数据衍生出来的，并最终形成了营销上的创意。
（12）商业分布的Hadoop开始占据主导地位：随着越来越多的企业开始对Hadoop的重视，他们将要支付用于完全支持的商业版本。这些商业版本增益的成熟，使得我们已经会看到一些大数据企业并购与融资。同时也显现出Hadoop的挑战将开始出现，用户将达到一个挫折与性能的限制点，版本混乱，和各种不同的标准和接口。竞争对手的技术和平台将充分利用杠杆作用，而超越Hadoop的性能限制，因此，所有的大数据平台将迎来更多的创新。
最新资讯
1.大数据公司通过融资与企业间并购布局大数据分析蓝图
2013年2月，IBM收购自动服务业务分析软件制造商Star Analytics，增强大数据分析能力。Star Analytics是一家自动服务业务分析软件的制造商，其软件解决方案让用户机构更迅速地访问和实时了解专业的数据源。它能够按要求或在云计算环境下自动收集必要的信息，或者跨整个企业提供应用程序和业务智能工具的报告。2013年2月，IBM收购非结构化企业数据分析及管理公司StoredIQ，增强信息生命周期治理能力。StoredIQ是一家非结构化企业数据分析及管理公司，StoredIQ软件能够对不同的和分散的电子邮件以及文件共享和协作网站提供可伸缩的分析和治理。这些功能包括发现、分析、监视、保留、收集、删除重复和处理数据。此外，StoredIQ能够迅速分析大量的非结构化数据并且根据监管要求自动处理文件和电子邮件。在大数据分析领域，IBM可谓动作频频，从2006年到2013年初，在IBM收购的软件公司中分析领域的收购超过30家，可见IBM在大数据方面投入显著，步步为营。
数据库公司Actian收购了分析数据库供应商ParAccel。Actian是一家有点深藏不露的数据库公司，目前其年收入大约为1.5亿美元。对ParAccel的收购
已经是过去5个月中Actian进行的第四笔收购。在收购ParAccel之后，Actian 的数据库产品套件包因为引入了大数据能力而会变得更加丰富。现在Actian的产品包括关系式数据库Ingres、对象数据库Versant以及分析数据库Vectorwise。后者是一款单服务器产品，最适合于处理1-50TB规模的数据。相比之下，ParAccel可以运行在多台设备上，是真正的大数据处理技术，可处理的数据规模甚至达PB级。
据ATD报道，为企业级市场提供大数据系统处理的创业公司Cloudera已经获得由Accel Partner领投的6500万美元E轮融资，估值达7亿美元，总融资额1.4亿美元。Cloudera利用了Hadoop这一开源技术帮助公司搭建他们的大数据系统，Hadoop可以利用一些价格低廉的硬件就完成大量的数据分析，所以非常受企业欢迎。Cloudera的创始团队包括前Google、Facebook、Yahoo 以及Oracle的员工和高级工程师，于2008年成立。Cloudera透露，其销售额、客户、员工以及数据处理量都已经在去年基础上加倍，目前使用其整套系统的公司包括了像AOL、CBS、EBay、摩根斯坦利以及迪斯尼公司等。
致力于提高数据分析速度的大数据初创企业DataTorrent刚刚获得800万美元融资。这家初创企业声称可以将数据处理速度从实时提高到“现在时（now time）”。创始人Phu Hoang说该公司的系统每秒钟可以处理千万个数据项。企业可利用DataTorrent来处理、监控、分析持续生成大规模非结构数据并采取行动。DataTorrent拥有250家运营商的开源库，可促进快速的应用开发并培育开发社区。平台基于Hadoop2.0创建，在伸缩性、负载弹性方面均比前作有很大改善，而且不会出现数据损失。
大数据应用框架初创企业Concurrent在A轮融资中获400万美元。成立于2008年的Concurrent是一家主要面向企业的大数据应用平台开发商。创始人Chris K.Wensel是流行的开源项目Cascading的开发者。Cascading实际上是一个Java应用框架，利用它开发者无需关心底层的MapReduce即可方便地开发企业级的数据分析和数据管理应用，这些应用可以部署在不同的Apache Hadoop计算环境上。
帮助企业客户在微博大海中捞针的实时社交网络大数据分析初创企业
Dataminr刚刚在C轮融资中获3000万美元。Dataminr的软件试图解决的就是这个问题—它会在每天发出的数百万条微博构成的大海中进行搜寻，然后找出最重要的那些向客户发出警示。这样客户就不需要花时间盯住屏幕不放了。
成立于2009年的Dataminr是一家实时社交网络分析公司。其愿景是为进入和政府客户从社交媒体中析取价值。该公司与Twitter建立了战略合作伙伴关系，可以访问其海量的公共微博库Twitter Firehose of Public Tweets。该公司去年发布的产品可以让客户设定感兴趣的关键信息，然后返回经过定制的相关微博结果。Dataminr产品的功能包括仪表盘、截图、告警细节等，其算法综合考虑了Twitter用户的位置、信誉、新闻外部引用、市场容量、市场价格等因素来提供告警信息。
大数据公司Attivio获3400万美元投资，整合结构化及非结构化数据提供企业搜索服务。Attivio的核心产品是AIE(Active Intelligence Engine)，一个智能引擎。这个AIE将企业的结构化和非结构化的各类数据整合起来，形成统一的信息接入平台，让企业人员可以方便地检索和分析信息。这就弥补了原先企业商业智能只分析结构化数据而忽略非结构化数据（如邮件及各类商业文档）中大量有价值信息的缺憾。
2.手握大数据宝库，运营商开始出售用户数据
Verizon推出的Precision Market Insights。该服务已经开始向第三方售卖Verizon手上的用户数据，对商场、体育馆、广告牌业主等出售特定场所手机用户的活动和背景信息。尽管Google、Facebook、Amazon、腾讯、新浪等借助平台和应用的确可以抓住很大一部分的用户信息，但是谁都没有运营商的优势。因为深度数据包分析这种手段是与平台、应用无关的。同时，由于一般用户都是只使用一家运营商的宽带和手机业务。这意味着几乎用户所有的数据业务流量都要经过那家运营商那里，而且与用户具有很强的对应关系（用户在上班等场合使用公共接入网络，以及在家中由于家庭成员有多个而无法一一对应除外）。运营商对个人数据覆盖的广度是互联网平台和手机应用提供商难以匹敌的，其手上的数据资源也是很多互联网巨头可望不可及的。
为了实施新的信息出售计划，AT&T最近更新了隐私政策，以便向营销者、
广告商等相关方出售客户对其有线及无线网络使用情况的信息。AT&T在政策更新说明中煞费苦心地解释了这种做法是常见的业界实践，Google、Facebook，以及Verizon等都是这么干的。当然，这种说法没错，用户数据支撑着web的运转，它是定向广告的基础，也是同时提供免费和付费服务的公司额外的收入来源。
对于运营商来说，移动网络并非互联网黑洞，因为他们拥有各种流量监测工具和流量优化引擎（如AT&T就有可精确跟踪P2P共享内容并识别下载者的专利），这些工具和引擎用来执行运营商的移动数据策略，优化应用性能，并帮助解决网络问题。而这些事情均需要对用户使用的应用，访问的网站，观看的视频等有所了解。
这样看来，运营商坐拥的是一座名符其实的大数据宝库。设备厂商开始将分析引擎作为网络产品组合的一部分卖给运营商，而最近几年才开始成熟的大数据产品则给运营商实时处理海量数据的能力。最近AT&TAPI管理初创企业Apigee 的合作也许并非巧合，因为这样有助于运营商开放平台，提高数据的透明性。
3.大数据分析软件应用成为企业下一步大数据发展动向
IBM公布了在2013年一系列以软件创新为核心的在华策略，强调其在创新科技领域的持续投入：其中大数据和分析战略以及企业移动战略细节的曝光成为最大亮点，包括此前发布的业界最强大、最完整的大数据和分析解决方案，以及对业界最完整的企业移动平台解决方案MobileFirst在中国市场的首次解读。与此同时，2013年3月，IBM公布了一款基于开源OpenStack软件的私有云产品，极大的加速和简化企业级云环境的管理，帮助企业拥有一整套核心开源技术来构建企业级云服务，并能够在混合云环境中进行传输。
另外，在大数据安全应用领域，IBM推出了一项名为IBM大数据安全智能的新型安全工具，这一工具可以利用大数据来侦测企业内外部的安全威胁，甚至还可以扫描电子邮件和社交网络，并标示出明显心存不满的员工，以提醒企业注意，预防其泄露企业机密。此项工具可以扫描分析数十年以来的电子邮件、金融交易、网络流量，然后通过模式匹配来检测其中可能存在的安全威胁及欺诈。跟传统防威胁工具不同的是，这一新的工具平台依托的是Hadoop。利用计算机集
群来处理数据密集型的分析是Hadoop的特长。平台可以帮助CIO对员工邮件进行情绪分析，以帮助判断哪一位员工有可能泄露数据。工具会比较员工跟同事讨论工作与在社交网络上讨论工作时的不同表现，从而识别出哪些员工对公司心存积怨，因而具有更高的泄露公司信息倾向。
西安邮电大学 科研训练（论文）题目：大数据时代运营商的SWOT分析 院（系）：经济与管理学院（工商管理系） 专业：人力资源管理 班级：1102班 学生姓名：刘丹 导师姓名：尹丽英职称：讲师 起止时间：2013年9月16日至12月6日
科研训练（论文）成绩鉴定表 指导教师评语
目录 摘要........................................ 错误!未定义书签。Abstract......................................... 错误!未定义书签。 1 引言...................................... 错误!未定义书签。 2 大数据时代运营商的发展现状 (1) 2.1大数据的含义及特征............................... 错误!未定义书签。 2.2大数据的应用领域及其价值......................... 错误!未定义书签。 2.3大数据时代运营商的发展现状 (3) 2.4大数据时代运营商的发展趋势 (4) 3 大数据时代运营商的SWOT分析 (5) 3.1优势与劣势分析 (5) 3.2机会与威胁分析 (6) 4大数据时代运营商的经营策略 (8) 5结论 (10) 参考文献 (11)
摘要 近年来，大数据所带来的挑战推动了计算技术的快速发展，催生了分布式并行处理平台Hadoop、软硬件一体化数据库服务器Exadata等一批新产品。对于电信运营商这样的大型企业而言，需要思考如何应用这些新技术，解决在大数据时代背景下所面临的挑战，从而提升企业价值。本文立足于电信行业，通过分析大数据的现状及发展趋势，利用SWOT分析模型，阐述电信运营商在大数据时代背景下的优势与劣势，以及所面临的机遇与挑战，并提出相关应对策略，最后展望在大数据时代电信企业的发展及转变趋势。 关键词：大数据运营商 SWOT分析模型数据挖掘
企业级大数据平台架构 电信行业大数据应用案例分享 互联网+行业大数据应用案例分享 第一套题 1、哪个选项不属于大数据4V特点？（ B ） A、Volume B、Valid C、Variety D、Value 2、大数据的特点不包含（ B ） A、数据体量大 B、价值密度高 C、处理速度快 D、数据不统一 3、业界对大数据典型特征定义，一下哪像描述正确 ABC 4、Hadoop包括（ABC） A、Hadoop Distrbuted Filesystem（HDFS） B、HadoopMapReduce C、Hbase D、HadoopStreaming 5、有关HDFS文件系统说法正确的是以下那些？（AD） A、HDFS本身是个高可用系统架构 B、HDFS采取的是多NameNode、DataNode架构 C、HDFS数据副本的数量越大越好 D、HDFS NameNode分主备，主备不同时对外服务 6、关于大数据的理念的描述，以下哪些不正确（BD） A、相关性比因果更重要 B、要效率也要绝对精准 C、大数据的核心价值是预测 D、遵从隐私和法律并非大数据的风险 7、HDFS文件系统适用于以下哪些场景（AC） A、将单文件分割成很多小块存储 B、存储大量小文件 C、流式数据读取 D、实时数据读取 8、对海量大数据管理可能面临的难题包括（ABCD） A、如何实现快速查找，提升检索效率； B、如何保证数据真实性，防止数据诈骗； C、如何实现PB级不同类型数据的存储； D、如何降低数据产生数量，节约存储资源。 9、大数据应用大大方便教育资源的管理，彻底改变教育模式，特别是在科研领域，面向数据密集型科研发现，将成为继三大范式之后的第四范式，此处提到的科学发展领域的三大范式是指（ABC） A、理论 B、推演 C、模拟 D、计算
A. 变量代换 B. 离散化 海量数据挖掘技术及工程实践》题目 、单选题(共 80 题) 1) ( D ) 的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得 到 和原始数据相同的分析结果。 A. 数据清洗 B. 数据集成 C. 数据变换 D. 数据归约 2) 某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数 据挖 掘的哪类问题 (A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3) 以下两种描述分别对应哪两种对分类算法的评价标准 (A) (a) 警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b) 描述有多少比例的小偷给警察抓了的标准。 据相分离 (B) 哪一类任务 (C) A. 根据内容检索 B. 建模描述 7) 下面哪种不属于数据预处理的方法 (D) A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4) 将原始数据进行集成、 变换、维度规约、数值规约是在以下哪个步骤的任务 (C) 5) A. 频繁模式挖掘 C. 数据预处理 B. D. 当不知道数据所带标签时， 分类和预测 数据流挖掘 可以使用哪种技术促使带同类标签的数据与带其他标签的数 6) A. 分类 C. 关联分析 建立一个模型， B. D. 聚类 隐马尔可夫链 通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 C. 预测建模 D. 寻找模式和规则
C.聚集 D. 估计遗漏值 8) 假设12 个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频(等深)划分时，15 在第几个箱子内(B) A. 第一个 B. 第二个 C. 第三个 D. 第四个 9) 下面哪个不属于数据的属性类型：(D) A. 标称 B. 序数 C.区间 D. 相异 10) 只有非零值才重要的二元属性被称作：( C ) A. 计数属性 B. 离散属性 C.非对称的二元属性 D. 对称属性 11) 以下哪种方法不属于特征选择的标准方法：(D) A. 嵌入 B. 过滤 C.包装 D. 抽样 12) 下面不属于创建新属性的相关方法的是：(B) A. 特征提取 B. 特征修改 C. 映射数据到新的空间 D. 特征构造 13) 下面哪个属于映射数据到新的空间的方法(A) A. 傅立叶变换 B. 特征加权 C. 渐进抽样 D. 维归约 14) 假设属性income 的最大最小值分别是12000元和98000 元。利用最大最小规范化的方 法将属性的值映射到0 至 1 的范围内。对属性income 的73600 元将被转化为：(D) 15) 一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130 人，四年 级110 人。则年级属性的众数是：(A) A. 一年级 B. 二年级 C. 三年级 D. 四年级 16) 下列哪个不是专门用于可视化时间空间数据的技术：(B) A. 等高线图 B. 饼图
学士学位毕业论文 题目：大数据下的精准微博营销策略 学院：经济与管理学院 专业班级：工商管理 姓名：尹铭 指导教师：林彦新 完成日期：2017年3月31日
摘要 大数据时代的到来，改变生活的方方面面，并且数据正在以它独有的优势在各个领域内发挥重要的作用。虽然信息技术的变化对我们来说并不陌生，但是过去信息技术的改变重点往往在不那么被察觉的技术上，而不是更显而易见的“r（Information，信息）。大数据正是这个信息技术飞速发展的时代的产物。大数据时代下，精准的营销节省了时间，提高了效率，正逐渐成为营销市场最重要的发展方向。新浪微博作为一个大型服务类的社交网站，拥有庞大的用户量和信息量，这些用户量和信息量都为新浪微博作为一个庞大数据库的存在奠定了基础。大数据营销在新浪微博上的应用层面很广泛，越来越多的企业利用新浪微博这个大数据平台进行大数据营销。在这个互联网的时代，广告行业从以媒体主导转向以用户为主导，有了大数据平台的存在，以用户为主导的广告可以找出最合适的渠道和方式投放给目标受众。大数据营销的意义在于：突出了互联网广告的优势与目标受众进行互动式的交流，发现市场的新趋势从而改进自身，并且更节省投放广告的成本。本文将通过新浪微博，以具体案例进行分析，分析微博上的大数据营销的优劣处，总结微博大数据营销的意义所在。 通过本文的阐述可以进一步丰富有关企业微博营销的观点及思路。在现实上的意义来讲，希望可以通过本文对未来设想的可能性的思考，使得终端软件开发商可以将各种新媒体形式进行整合，将微博传播方式从目前的单一化变为多元化，以此来迎接4G 时代的大信息化，从而以更丰富的表现形式，更便捷的无障碍互动，将企业微博营销推入微时代营销。 关键词：大数据；精准营销策略；微博营销
运营商大数据应用解决方案
运营商大数据应用 解决方案
目录 1.大数据概述 (9) 1.1.概述 9 1.2.大数据定义 9 1.3.大数据技术发展 11 2.大数据应用 (14) 2.1.大数据应用阐述 14 2.2.大数据应用架构 16 2.3.大数据行业应用 16 2.3.1.医疗行业 16 2.3.2.能源行业 17 2.3.3.通信行业 17
2.3.4.零售业 18 3.大数据解决方案 (19) 3.1.大数据技术组成 19 3.1.1.分析技术 19 3.1.1.1.................. 可视化分析 19 3.1.1.2................. 数据挖掘算法 19 3.1.1.3................. 预测分析能力 19 3.1.1. 4................... 语义引擎 19 3.1.1.5............. 数据质量和数据管理 20 3.1.2.存储数据库 20 3.1.3.分布式计算技术 21 3.2.大数据处理过程 23 3.2.1.采集 23 3.2.2.导入/预处理
24 3.2.3.统计/分析 24 3.2. 4.挖掘 24 3.3.大数据处理的核心技术-Hadoop 25 3.3.1.Hadoop的组成 25 3.3.2.Hadoop的优点： 28 3.3.2.1.................. 高可靠性。 28 3.3.2.2.................. 高扩展性。 28 3.3.2.3................... 高效性。 29 3.3.2. 4.................. 高容错性。 29 3.3.3.Hadoop的不足 29 3.3. 4.主要商业性“大数据”处理方案 29 3.3.2.5....... IBM InfoSphere大数据分析平台 30 3.3.2.6...... Or a c l e Bi g Da t aApplianc 31
大数据时代的机遇与挑战 什么是大数据时代？ “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“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。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。” 大数据时代是怎样产生的？ 物联网、云计算、社交网络、社会媒体以及信息获取技术的飞速发展，数据正以前所未有的速度迅速增长和积累，数据是人类社会最重要的财富大数据时代的到来 大数据时代的特点? 1.数据量大（Volume） 第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。 2.类型繁多（Variety） 第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。 3.价值密度低（Value） 第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。 4.速度快、时效高（Velocity） 第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。 大数据时代的机遇 大数据技术通过对海量数据的快速收集与挖掘、及时研判与共享，成为支持社会治理科学决策和准确预判的有力手段，为社会转型期的社会治理创新带来了机遇。建立大数据中心，及时搜集、实时处理数据信息，为科学决策提供坚实基础。对社会大数据进行历时性和实时性分析，加强社会风险控制，提高政府预测预警能力和应急响应能力。
公需科目大数据培训考试 考试时间：120分钟 选择题中红色代表正确答案，判断题X为错，R为对。 1.根据涂子沛先生所讲，摩尔定律是在哪一年提出的？（单选题1分） A.1988年 B.2004年 C.1965年 D.1989年 2.2015年，贵阳市的呼叫服务产业达到（）坐席。（单选题1分） A.3万 B.5万 C.10万 D.20万 3.以下说法错误的是哪项？（单选题1分） A.大数据的思维方式遵循因果逻辑推理 B.摩尔定律是戈登?摩尔提出的 C.图灵测试是阿兰·图 D.ENIAC于1946年诞生 4.茂名PX事件发生后，下列哪个学校的化工系学生在网上进行了一场“PX词条保卫战”？（单选题1分） A.北大 B.清华 C.浙大 D.复旦 5.促进大数据发展部级联席会议在哪一年的4月13日召开了第一次会议？（单选题1分） A.2014年 B.2015年 C.2013年 D.2016年 6.根据涂子沛先生所讲，哪一年被称为大数据元年？（单选题1分） A.2012年 B.2010年 C.2008年 D.2006年 7.数据、信息与知识三者之间的变化趋势是（单选题1分） A.价值先增后减 B.价值递减 C.价值递增 D.价值不变 8.具体来说，摩尔定律就是每（）个月，产品的性能将提高一倍。（单选题1分） A.18 B.16 C.12 D.6 9.“（）大数据交易所”2015年4月14日正式运营，目前，交易所已有包括京东、华为、阿里巴巴等超过300家会员企业，交易总金额突破6000万元。（单选题1分）
A.毕节 B.安顺 C.贵阳 D.遵义 10.（）说明如果联网越多，从介入方式、技术上越来越突破，则网络规模越大、成本越低，网络的成本可能会趋向于零。（单选题1分） A.吉尔德定律 B.摩尔定律 C.梅特卡尔夫定律 D.新摩尔定律 11.以下说法错误的是哪项？（单选题1分） A.大数据会带来机器智能 B.大数据不仅仅是讲数据的体量大 C.大数据的英文名称是large data D.大数据是一种思维方式 12.美国首个联邦首席信息官是下列哪位总统任命的？（单选题1分） A.克林顿 B.奥巴马 C.小布什 D.老布什 13.截至2015年年底，全国电话用户总数达到（）。（单选题1分） A.13.37亿户 B.12.37亿户 C.14.37亿户 D.15.37亿户 14.2012年全国各城市支付宝人均支出排名中，位居第七位的是（）（单选题1分） A.嘉兴市 B.台中市 C.高雄市 D.嘉义市 15.吴军博士认为过去五十年是（）的时代。（单选题1分） A.科尔定律 B.艾尔定律 C.摩尔定律 D.拉尔定律 16.ENIAC诞生于哪一年？（单选题1分） A.1946年 B.1938年 C.1940年 D.1942年 17.梅特卡尔夫定律主要是描述信息网络，指出网络的价值在于网络的互联，联网的接点数与其价值呈现（）的方式，联网越多，系统的价值越大。（单选题1分） A.正比 B.对数 C.指数 D.反比 18.根据周琦老师所讲，高德交通报告针对全国（）个城市交通状态进行挖掘分析。（单选题1分） A.38 B.21 C.25 D.30 19.2012年全国各城市支付宝人均支出排名中，位居第三位的是（）（单选题1分） A.嘉义市 B.杭州市 C.嘉兴市 D.高雄市
大数据精准营销的五大弊端 高承远 在移动互联时代，猪也能被吹上天。这两年，各种各样的名词层出不群，刷新包括像我们这样专业营销从业者的认知。 这其中被吹上天的，就有大数据营销。 百科里面，是这样解释的：大数据营销是基于多平台的大量数据，依托大数据技术的基础上，应用于互联网广告行业的营销方式。 直白一点，大数据营销的核心在于让网络广告在合适的时间，通过合适的载体，以合适的方式，投给合适的人。 看上去很美好，实际操作过程中却乱想丛生，甚至是一地鸡毛。 首先，从法律法规的层面来看，大数据精准营销非常容易剑走偏锋，实为“不仁”。大数据作为一套分析理论及工具，本来无可厚非，各行各业，大到国家经济政策变动，小到一个马路口红路灯的时长，背后无不是大数据技术在支撑。但“匹夫无罪怀璧其罪”，掌握了大量个人信息之后，如果缺乏有效地管控，大数据的社会危害性极大。垃圾短信成堆、诈骗信息不断、魏则西之类的事件频繁爆发……这已经是活生生的事实。 其次，从经营的层面，大数据精准营销面临往往是对新顾客笑脸相迎，对老顾客不闻不问，此为“不义”。无论是笔者熟悉的运营商，还是滴滴打车等互联网企业，对客户分层分级、标签化的结果就是，对那些产生利润的老顾客，尽量少投入营销资源，对于新客户以及不稳定的老客户（存在流失风险的），反而花大力气营销，企业内部的说法叫“精准营销激活沉默用户、维稳存量客户”，说白了还不是“外来的和尚好念经”呗。 再次，从客户感知的角度，大数据精准营销往往有一种等着客户，守株待兔愿者上钩的感觉，很是“无礼”。传统广告，无论是电视、报纸还是户外广告，总是静静地等在那里，无论你是否看到，它都在那里，而且你也相信其他人也会看到这样的广告。但是大数据精准推送的广告，像影子一样跟踪着你在网络世界里的一举一动，你经常会心里嘀咕，是不是全世界只有你一个人收到了这个广告。而且，动不动就弹出的广告，对用户行为很是打扰。 同时，从传播效果的角度看，大数据精准营销广告由于传播的分散，缺乏
关于移动运营商在大数据方面的应用及策略 发表时间：2017-10-11T15:22:24.220Z 来源：《建筑学研究前沿》2017年第11期作者：白雪伟 [导读] 随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长。 中国移动通信集团广西有限公司 530000 摘要：随着信息技术、云计算技术的快速发展，移动运营商的用户数量和业务数据呈现指数式的增长，数据处理的复杂程度也达到了一个新的高峰。但随着大数据在移动运营商的广泛应用，促进了工作人员在处理数据方面更加的高效、精确，同时也促进了网络资源的优化，更好的为用户提供服务。本文从大数据的优势特征以及大数据在移动运营商尚存不足之处的角度入手，进而分析了移动运营商在大数据方面的应用，并针对性的提出了移动运营商大数据发展策略。 一、大数据的优势特征和不足之处 1.大数据优势特征 大数据对于互联网领域的价值是不可估量的，互联网企业的运行效率和生产力在大数据的影响下得以大幅度的提高，移动运营商在大数据应用方面的优势尤为明显其具体 主要体现在以下几方面： 第一，用户基数庞大随着通信技术的快速发展，消费者对移动运营业务的需求也在不断增长，迄今为止，三家运营商移动用户已达到约13亿人次，移动运营商拥有庞大的用户群体及海量的基础数据第二，数据的时效性4G时代的到来促使人们的日常生活与移动互联网紧密相关，移动运营商掌握着庞大的第一手用户行为数据，并保持数据的不间断更新，保证了数据的时效性第三，移动运营商转型契机为应对OTT的竞争，移动运营商巫需向数字化服务提供者转型借助大数据技术的兴起，移动运营商能加快转型的步伐，为用户提供更好的移动信息服务。 2.移动运营商在大数据应用方面面临的挑战 第一，数据来源广而杂，聚集较为困难系统数据形式不一，格式多样，而系统往往只支持单一的数据结构处理模式，无法全面覆盖各种类型的数据处理，进而无法满足互联网多样化的发展，同时也给大数据的技术人员在处理数据上造成一定的困难第二，商业模式尚未成熟移动运营商由于拥有的用户基数过于庞大，掌握的数据资源也非常多，但对于这些数据的处理上仍存在一定难题由于移动运营商尚未建立对外数据平台，大量的数据只能供内部人员使用，而不能使外部人员对其加以应用，从而造成这些数据没有得到有效利用，无法实现利益最大化第三，大数据运营存在风险人们的隐私关系到他们的自身利益、名誉，甚至生命安全等，因此，移动运营商在为客户提供服务时保证个人隐私不泄露至关重要对移动运营商而言，大数据安全策略的研究将会是重中之重 二、移动运营商在大数据方面的应用 1、提升网络服务 优化网络建设通过分析小区级数据流量，了解用户流量消费水平的分布情况，针对流量消费较高的区域重点优化4G网络建设；通过MR数据分析，辨别信号较差的区域，然后根据关联用户的相关信息，为用户进行网络优化服务；还可以根据用户的位置信息实现网络切换，优化网络性能，为用户提供更好的服务。 基于用户行为信息 为用户提供个性化服务基于用户数据为用户提供个性化服务的模式主要有两种，以用户手机号码为例，第一种是根据用户提供的相关信息，移动运营商先对用户的手机号码进行匿名处理后，即用伪码来代替真正的手机号码，然后第三方再根据用户提供的相关数据为伪码做标签处理，使其成为用户手机号码特有的标志；第二种与第一种的不同之处在于为用户打上标签的是移动运营商，而非第三方。 三、移动运营商在大数据应用上的发展策略 1.应用大数据协助内部运营 利用大数据来协助移动运营商的内部运营对于移动运营商具有非常重要的意义，具体措的施可从以下几方面做起：第一，运用大数据为用户服务通过对用户的位置定位，根据用户对网络信息的反馈，及时了解关联用户的网络质量，帮助用户解决网络问题第二，优化网络质量移动运营商通过对用户的爱好、位置等相关信息关联，分析用户所在的网络质量，为用户提供更好的网络服务，进而促进运营商的网络建设。 2.向大数据转型、开展新的业务模式 移动运营商向大数据转型的核心要点是合理规划大数据业务模式首先，借助大数据运营中心平台，通过分析海量基础数据，为用户提供个性化的优质服务，同时实现移动运营商利润的最大化其次，通过采集、分析大量数据，发挥大数据的真正价值构建完整的大数据运营中心，针对性的解决数据多而杂的问题除此之外，利用大数据开展新的业务模式，以进一步加强移动运营商的竟争力。 三、移动通信运营商营销平台的大数据应用案例 大数据精准营销应用，契合了移动通信公司流量转型的需要不同于终端、号卡销售时代，流量经营时代不仅依靠营销资源的投人，更需要精细化的运营平台以客户为中心，通过丰富的网络日志，智能识别消费场景和消费需求通过海量数据分析，描绘全方位的客户画像，分析其行为，深度细分客户群，关注客户需求，开展差异化营销；为精确和实时运营提供支撑，针对性地灵活支持资源分配策略。 广西某地市移动通信运营商基于LBS数据、客户消费能力数据、客户消费习惯数据的综合调用，建构客户“标签库”精准营销内部应用平台，利用大数据关联分析，在营销平台中组合调用，通过不同渠道接触客户，实现了精准营销实时化和差异化。 首先，采集LBS、客户消费能力、客户消费习惯三大类客户数据，并封装三大类数据的分析查询结果通过网络的无线定位技术获取LBS数据，基站信号获取手机终端所在的位置信息，采集在选定时间客户出现在何处的信息，指定区域在特定时段内的人流量信息，对LBS数据的时间、位置人流量三个基本属性进行分析，获取某个区域一天内的人流量变化情况，提供指定时间、位置的人流量查询能力通过BOSS系统获取客户消费能力数据，采集客户的缴费、套餐定制数据，对客户的缴费频度、金额、套餐消费情况等信息进行分析，得到
湖南农业大学课程论文学院：信息科学技术学院班级：计算机1班姓名：XXX 学号：2015XXXX 课程论文题目：浅谈大数据时代的机遇与挑战 课程名称： 评阅成绩： 评阅意见： 成绩评定教师签名： 日期：年月日
课程论文题目 ——浅谈大数据时代的机遇与挑战 学生：XXX (信息科学技术学院计算机1班) 摘要：随着时代的发展，大数据这个词慢慢进入了人们的视野的当中，而大数据也与我们的生活关联越来越紧密，对我们的影响也越来越大。怎么样才能把握住机遇，在大数据时代中脱颖而出，怎么样才能在大数据时代到来的挑战中稳步前行。 关键词：大数据;机遇与挑战；大数据时代分析 Abstract:with the development of The Times, the word big data slo wly into the people's horizons, and big data is linked to our life more and more closely, to our influence is growing. How to seize the opportunity, in the era of big data, how can ability in the er a of big data move steadily in the coming challenges. Key Words: Big data; Opportunities and challenges; The era of big da ta analysis
一、绪论 （一）什么是大数据？ “大数据”作为时下最火热的IT行业的词汇在互联网时代显得越来越重要。大数据究竟有多大？大数据能做些什么？在新互联网时代，这些词汇让我们应接不暇。大数据是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据还有四个特性分别是数据量大，种类多，速度快，价值大。大数据技术，是指从各种各样类型的数据中，快速获得有价值信息的能力。最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“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。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。”（二）大数据能做些什么？ 大数据的应用示例包括了大科学、传感设备网络、天文学、大气学、基因组学、生物学、大社会数据分析、互联网文件处理、制作互联网搜索引擎索引、通信记录明细、军事侦察、社交网络、通勤时间预测、医疗记录、照片图像和图像封存、大规模的电子商务等。仅仅十余年，现在越来越多的政府、企业等组织机构意识到数据正在成为组织最重要的资产，数据分析能力正在成为组织的核心竞争力。大数据不仅是一种海量的数据状态及其相应的数据处理技术，更是一种思维方式，一项重要的基础设施。这或是明天我们治理交通拥堵、雾霾天气、看病难、食品安全等“城市病”的利器，也会为政府打开了解社情民意的更大窗口。众所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的、深入的、有价值的信息。二、本论 (一)大数据的重要性 1.大数据的处理分析正成为新一代信息技术融合应用的结点 有专家指出，大数据及其分析，会在未来10年改变几乎每一个行业的业务功能，从科学研究到保险，从银行业到互联网，各个不同的领域都在遭遇爆发式增长的数据量。在美国的17个行业中，已经有15个行业大公司拥有大量的数据，其平均拥有的数据量已经远远超过了美国国会图书馆所拥有的数据量。在医疗与健康行业，根据数据预测，如果具备相关的IT设施，数据投资和分析能力等条
大数据时代题目及答案(三套试题仅供参考)
第一套试题 1、当前大数据技术的基础是由（C）首先提出的。（单选题，本题2分） A：微软 B：百度 C：谷歌 D：阿里巴巴 2、大数据的起源是（C ）。（单选题，本题2分） A：金融 B：电信 C：互联网 D：公共管理 3、根据不同的业务需求来建立数据模型，抽取最有意义的向量，决定选取哪种方法的数据分析角色人员是（C）。（单选题，本题2分） A：数据管理人员 B：数据分析员 C：研究科学家 D：软件开发工程师 4、（D ）反映数据的精细化程度，越细化的数据，价值越高。（单选题，本题2分） A：规模 B：活性 C：关联度 D：颗粒度 5、数据清洗的方法不包括（ D）。（单选题，本题2分） A：缺失值处理 B：噪声数据清除 C：一致性检查 D：重复数据记录处理 6、智能健康手环的应用开发，体现了（ D）的数据采集技术的应用。（单选题，本题2分） A：统计报表 B：网络爬虫 C：API接口 D：传感器 7、下列关于数据重组的说法中，错误的是（A）。（单选题，本题2分） A：数据重组是数据的重新生产和重新采集 B：数据重组能够使数据焕发新的光芒 C：数据重组实现的关键在于多源数据融合和数据集成 D：数据重组有利于实现新颖的数据模式创新 8、智慧城市的构建，不包含（ C）。（单选题，本题2分） A：数字城市 B：物联网 C：联网监控 D：云计算 9、大数据的最显著特征是（A）。（单选题，本题2分） A：数据规模大 B：数据类型多样 C：数据处理速度快 D：数据价值密度高10、美国海军军官莫里通过对前人航海日志的分析，绘制了新的航海路线图，标明了大风与洋流可能发生的地点。这体现了大数据分析理念中的（B ）。（单选题，本题2分） A：在数据基础上倾向于全体数据而不是抽样数据 B：在分析方法上更注重相关分析而不是因果分析 C：在分析效果上更追究效率而不是绝对精确 D：在数据规模上强调相对数据而不是绝对数据 11、下列关于舍恩伯格对大数据特点的说法中，错误的是（D）。（单选题，本题2分） A：数据规模大 B：数据类型多样 C：数据处理速度快 D：数据价值密度高12、当前社会中，最为突出的大数据环境是（A）。（单选题，本题2分） A：互联网 B：物联网 C：综合国力 D：自然资源 13、在数据生命周期管理实践中，（ B）是执行方法。（单选题，本题2分） A：数据存储和备份规范 B：数据管理和维护 C：数据价值发觉和利用 D：数据应用开发和管理 14、下列关于网络用户行为的说法中，错误的是（C）。（单选题，本题2分） A：网络公司能够捕捉到用户在其网站上的所有行为 B：用户离散的交互痕迹能够为企业提升服务质量提供参考 C：数字轨迹用完即自动删除 D：用户的隐私安全很难得以规范保护 15、下列关于计算机存储容量单位的说法中，错误的是（ C）。（单选题，本题2分） A：1KB＜1MB＜1GB B：基本单位是字节（Byte） C：一个汉字需要一个字节的存储空间 D：一个字节能够容纳一个英文字符， 16、下列关于聚类挖掘技术的说法中，错误的是（B）。（单选题，本题2分） A：不预先设定数据归类类目，完全根据数据本身性质将数据聚合成不同类别
大数据模式下的精准营销 于大部份营销者来说，网站再定向(onsite retargeting)是其中一个最重要的营销手段，所谓网站再定向的意思是对曾访问您网站的用户进行宣传，在他们浏览网络时向其展示广告。此手段之所以重要是因为在第一次接触中真正转化为购买的只占2%，而没有产生购买就离开网站的人群体高达98%。网站再定向的威力在于它能够帮助你吸引很多的潜在客户，由于这些用户之前已经访问了您的网站一次，这意味着他们确实对您的产品和服务感兴趣。当你不断向这些用户显示相关的广告，将能够吸引他们回访并完成购买。理论上，网站再定向技术听起来完美，但执行起来，却可能让很多广告主走入死胡同，因为它只能够覆盖到旧有的访客，而无法接触新访客。对于广告主来说，网站再定向是一把双刃刀，它虽然能带来绝佳的ROI，却由于覆盖度不足，会在无形中扼杀销售机会。 其实无论是广告数据或购买行为数据，网络都能记录下来，而网络的实时记录特性，让它成为当下广告主实现定位营销的不二之选。随着技术不断革新，广告主精细化定位的需求也不断得到满足。在随后的篇幅中，我们会简单地对比几大定位技术，并通过电商案例分析来讨论如何让这些数据技术协同起来，促成客户从浏览广告到掏钱购买的转化，实现广告主的收益最大化。 大数据—定向的基础 网络营销的精细化定位潜力只有在大数据的支持下才能完全发挥出来。图中的数据金字塔划分出了数据的四个层级。最底层是广告表现数据，是关于广告位置和其表现的信息。
具体而言，就是广告位的尺寸、在网页的位置、以往的点击率、可见曝光(viewable impr ession)等指标。 再上一层就是受众分类数据。如今，市场上的数据提供商可以通过用户的线上和线下的行为，来收集到广告受众的兴趣、需求等数据。这些不会涉及个人真实身份的信息会被分析，并划分为不同的群組，例如性价比追求者、网购达人等。有了受众分类数据，广告主可以在互联网上按自己的需求和品牌的特性来投放。受众分类数据的针对性更强，也能带来比单纯依赖广告表现数据更好的点击率与转换率，因为它提供了消费者行为和偏好等宝贵信息。 第三层是搜索动机数据。搜索再定向是个用于发掘新客户的技术。它的出现让我们能够发掘出那些很可能会购物的用户，因为他们已经开始搜索与广告主产品相关的信息了。那些具有高商业价值的数据可以进一步被筛选出来，广告主可以将具有高购买意愿的人们再定向到自己的产品信息上来。 而位居数据金字塔顶端的是站内客户数据，这指的是用户在广告主网站上的用户行为数据，包括了用户浏览的页面，下载的信息，以及加入购物车的商品等数据。网站用户通常是那些已经了解过品牌并且对公司也熟悉的一群人。 对于广告主来说，金字塔四层的数据都独具价值。举例而言，广告表现数据是每个广告主都首先会关注的信息，因为这些信息在大多数广告管理平台和广告交易平台都能轻易获得的。同时，那些与用户需求和偏好相关的数据，能够助力广告主更好地实现精细化营销。因此，要想针对性地影响消费者购买路径的每个过程，我们就需要把这四层的数据分析整合，才能制定一个更全面的营销方案。
三大电信运营商大数据平台发展分析 9月29日消息，如今我们处在一个无处不数据的时代，坐拥大数据这座富矿，国内无论是互联网企业还是运营商都在紧锣密鼓的建设大数据平台，企图将这座宝矿开发成为熠熠生辉的“钻石”。 目前，国内三大运营商迎接大数据时代的步伐和规划各自不同，中国电信的大数据平台已经扩展到31个省，基础平台建设基本完成；中国联通虽然起步晚一些，但是其大数据产品体系已经发展成为六大产品种类；相对于中国电信和中国联通的成熟，中国移动的数据中心资源略显不足，但是需求量不断递增，也在不断努力布局中。 中国电信：大数据平台扩展到31个省基础平台建设基本完成 中国电信所有的大数据都是在云平台和云设施之上搭建的，如今其大数据平台建设从原来的5个省现在扩展到31个省，数据的种类从开始的几类主要的数据扩展到十几类，实效性是原来一周到现在小时的延时。 中国电信云计算分公司大数据事业部首席数据分析师张宇中表示：“中国电信的大数据平台跟其它合作伙伴的模式不一样，中国电信主要是做节约化运营，将数据的汇聚、接入、存储、加工、输出整合在一起，这样前端的响应可以快速的传递到客户中去，并且可以持续的循环。同时，中国电信的平台开发还做了具体功能区分。” 目前中国电信已经完成了大数据基础平台的建设，正在继续完善行业的应用。依托云网融合，中国电信的大数据开放平台一直拥有强大的资源，中国电信有八大资源基地，还有内蒙和贵州两大数据中心，并且很多区域下沉的边界。 2015年11月28日，中国电信正式发布“天翼大数据”品牌，并推出精准
营销、风险防控、区域洞察、咨询报告四类数据型产品和大数据云平台型产品，重点服务于旅游、金融、广告、政府、交通等行业。这是中国电信运营商第一个大数据业务品牌。 据了解，中国电信推出的4+1产品模块，拥有15个子项。其中有面向个人拥护推出的风控的和精准营销产品；还有一部分是输出具体数据，形成相关报告；此外，中国电信还开发了PAAS的平台对价值链的某一方面具有专业特色的公司能够利用大数据平台做它所擅长的事情。可以说，中国电信通过多种手段为产业链打造了一个比较安全可靠的大数据平台。 此外，中国电信还和其它100家企业共同发起成立BDU中国企业大数据联盟，期望能够与产业链共同推进大数据生态的建设。 中国联通：大数据产品体系发展为六大类 中国联通从2013年开始发展大数据业务，如今其大数据产品体系已经发展成为六大产品种类。 据了解，这六大产品种类分别是：一征信产品，例如大数据最大的应用是在金融行业，金融行业需求电信运营商所拥有的大量用户的真实性数据；二沃指数，分析包括市场洞察和行业指数两个方面，行业指数涉及到金融、交通、旅游、APP，以及各类的各个垂直行业分析的指数；三精准营销产品，中国联通有很多用户资源和渠道，在保护用户隐私的前提下，可以做到针对不同的场景和不同的用户，进行内部和外部的精准营销；四用户标签；五能力开放平台；六智慧足迹。 特别需要指出的是去年底中国联通在第二届世界互联网大会上，首次发布了“沃指数”大数据产品体系。该产品体系以中国联通4亿用户数据为基础，具备海量、实时的数据处理能力，通过与政府、行业权威机构的数据进行整合、提炼、分析和挖掘，具有真实、全量、安全、实时、公正的特点。 据介绍，“沃指数”涵盖了3000余个用户标签，能够轻松识别3.8亿条URL、6万个互联网产品、约3000个手机品牌、8.2万个终端型号，据此可助力政府在城市规划、公共服务、交通出行、旅游监控、抢险救灾等方面提供决策依据；帮助企业在商业选址、广告投放、信用控制、产品设计等方面提供分析报告及经营决策指导；为公众提供交通出行、旅游选择、消费指南等生活服务。 目前中国联通对移动网和固网用户的数据采集、数据存储、分析和挖掘，形
1运营商大数据的价值与挑战 当前社会是一个信息大爆炸的社会，而运营商就是一个 典型的例子，用户每日的通信行为、用户基础资料、消费习 惯、上网行为等等都产生海量的数据。这些数据所承载的信 息蕴藏着不可估算的价值，数据已成为新时代最关键的生产 要素，而运营商的数据是一个巨型的金矿，等待着人类的不 断开采。 然而在国内，运营商大数据对外运营仍处于初期阶段， 没有成熟的业务模式和成功案例，当前还有不少问题需要解 决，这里只选两个较为关键的问题来分析。第一个问题是业务模式，即运营商应该选择何种业务模式；第二个问题是信 息安全，即如何解决客户的信息安全问题。2运营商大数据的业务模式研究大数据业务模式非常多，包括：咨询服务、运营分析、媒体广告、开发平台、精准营销等等。但从运营商角度出发，结合实际推广难度、用户接受度以及信息安全进行综合考虑，我们建议从“群体性数据服务”入手，优先开展以下业务。2.1提供用户基础特征分析服务面向咨询公司：针对城市规划、商业运营等大型咨询项目，基于多种维度准确描述区域内的人群分布特点及位置变化规律，辅助提升咨询项目数据质量。咨询公司针对政府行业分析的数据需求如图1。运营商提供的数据包括：人口属性数据：用户的基本属性信息，如性别、年龄、职业、消费能力等；人口分布数据：基于移动用户的位置信息、判断用户位置分布情况；人口流动数据：根据通信基站变化情况，获取人口流动数据。图1咨询公司针对政府行业分析的数据需求 2.2提供市场行业数据分析服务 面向行业分析机构：提供实时提供准确的业务数据支 撑，提升机构分析报告的实时性；提升数据获取效率，大大降低传统的数据调研成本。 运营商提供的数据包括： 终端类型情况：用户使用手机品牌、型号、价位、版本等 信息； 网购消费情况：用户所在的区域、网购的频率、购物的金额等信息； 上网行为分析：用户习惯购物的网址、时间段、喜欢的品 牌和款式等信息； 娱乐消费情况：用户喜欢的娱乐活动、场所、频率、额度等数据。 2.3提供用户行为习惯分析服务 面向商业或地产：基于用户的手机位置及基础属性，为商圈提供准确的客源分布分析、客流趋势分析、客流轨迹、竞 品分析、会员分析等数据。 运营商大数据对外运营的研究 邱俊东姚泽楠 （中国移动通信集团广东有限公司汕头分公司，广东汕头515000） [摘要]大数据是当前社会非常热门的话题，其价值已经被各行各业普遍接受。大数据时代已经到来，电信运营商也迎来了大数据时代的重大机遇。本文从运营商的角度综合分析大数据的价值与存在的挑战，结合市场与行业的需求，对大数据业务模式进行研究，提出以“群体类数据服务”为切入点的四种对外运营的业务模式，同时针对大数据的信息安全问题提出若干建设性意见。 [关键词]大数据；运营商大数据；对外运营；业务模式 中图分类号：F626文献标识码：A 文章编号：1008-6609(2015)07-0054- 02 ——————————————作者简介：邱俊东，男，广东潮州人，工学学士，助理工程师，研究方向：IT 系统架构，大数据应用。2015年第7期 学术探讨网络与通信 - - 54
浅谈基于大数据时代的机遇与挑战 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 随着信息时代的到来，大数据(Big Data)一词逐渐被人们认知和熟悉，其常被用于定义和描述“信息爆炸时代产生的海量数”。随着“大数据”时代的来临，在商业、经济及其他领域中，人们做出决策不仅仅依靠经验和直觉，常以数据分析作为决策依据，这种方式大大提高了决策的科学性，最大限度避免决策失误。用好大数据，必将对商业发展、科学研究和政府决策产生积极的影响。 1 大数据的基本概况 大数据(Big Data)是指那些超过传统数据库系统处理能力的数据，其具有以下四个基本特性，即海量性、多样性、易变性、高速性。同时数据类型繁多、数据价值密度相对较低、处理速度快、时效性要求高等也是其主要特征。 2 大数据的时代影响 大数据，对经济、政治、文化等方面都具有较为深远的影响，其可帮助人们进行量化管理，更具科学性和针对性，得数据者得天下。大数据对于时代的影
响主要包括以下几个方面： (1)“大数据决策”更加科学有效。如果人们以大数据分析作为基础进行决策，可全面获取相关决策信息，让数据主导决策，这种方法必将促进决策方式的创新和改变，彻底改变传统的决策方式，提高决策的科学性，并推动信息管理准则的重新定位。2009 年爆发的甲型H1N1 流感就是利用大数据的一个成功范例，谷歌公司通过分析网上搜索的大量记录，判断流感的传播源地，公共卫生机构官员通过这些有价值的数据信息采取了有针对性的行动决策。 (2)“大数据应用”促进行业融合。虽然大数据源于通信产业，但其影响绝不局限于通信产业，势必也将对其他产生较为深远的影响。目前，大数据正逐渐广泛应用于各个行业和领域，越来越多的企业开始以数据分析为辅助手段加强公司的日常管理和运营管理，如麦当劳、肯德基、苹果公司等旗舰专卖店的位置都是基于大数据分析完成选址的，另外数据分析技术在零售业也应用越来越广泛。 (3)“大数据开发”推动技术变革。大数据的应用需求，是大数据新技术开发的源泉。相信随着时代的不断发展，计算机系统的数据分析和数据挖掘功能将逐渐取代以往单纯依靠人们自身判断力的领域应用。借