如何对互联网企业做基本面分析?以“去哪儿”为例!
2015-06-18周密金融
企业版微信平台“密金融”,微信号:zmjinrong_com,敬请关注!
对于如何对最近火热的TMT产业进行估值和分析的问题,伦敦交易员在此推荐大家看看下面这则短文,该文由德克萨斯大学会计学博士长江商学院会计学助理教授张维宁撰写。
首先,讨论一下互联网生态的问题,每天大家都看到很多关于互联网生态的观点和评论,我今天跟大家分享一些我所理解的互联网生态的内在逻辑。
以交易为核心▼
首先,如何达成“交易”是整个生态的核心。换言之,所有的生态活动应该最终指向交易。2013年,这个观点争论挺大的,当时很多人都认为,互联网是流量为王,以流量为核心。但现在认可我这个观点的人越来越多了。
那么,哪些是交易呢?在我的理论框架中广告不属于交易。我认为,交易可分为这三大类:实物交易、服务交易和金融交易。金融虽然也是服务的一种,但是因为金融业的盈利模式和风险控制和一般的服务很不一样,并且受到严格监管,所以我把它单列出来。
1
实物交易也包括两种形式:一种是线下交易,比如一家汽车制造厂商,找新浪
做广告,然后指向线下卖车交易;另一种我们谈论更多的、跟互联网有关的方
式是电商。
2
服务也分线上和线下。现已盈利的线上服务主要有两种,一种是游戏,另一种
是交友或者是婚恋。线下服务就是现在最火的O2O服务。
而实现交易有一个巨大的壁垒,就是信息。交易本身附带着大量的信息,信息的丰裕凸显出注意力的价值。为了达成特定交易,就需要获得用户的注意力,就必须通过“导流”,所以,信息的导流对于交易的最终达成至关重要。
就像一个水库的导流,导流首先要有水库,然后要有渠道。信息的导流也是一样的,既要有“人群”,还要有“渠道”。
以人群为基础▼
人群有四种分类:
1
全人群,即所有人都要使用。比如谷歌在评价新项目的时候,会依据“牙刷原
则”,即公司做出来的产品,能够让全世界一半的人每天使用两次。这意味
着,Google将自己产品定位于全人群。
2
基于社交工具的聚合人群,比如我们通过微博、微信朋友圈,以及各种各样的微信群分享内容来导流。
3
线上社区,就是用户根据自身兴趣或者特点,而形成的各种线上社区。
4
线下社区。我们家小区里好多的朋友,就是通过微信经常组织一些活动,形成线下社区。了解了不同的人群之后,我们就要考虑通过哪些渠道将这些人群导向交易。
以渠道为纽带▼
渠道有三种方式:
1
用户主动模式,是指用户自己主动去寻找信息,也就是“搜索模式”。百度和
谷歌都是成功的通过全人群的搜索导向交易的商业模式。
2
用户被动模式,就是交易信息并不是用户有意识想要的,而是不经意间被推送的。最传统用户被动模式的就是广告。另一种用户被动模式是“导购”。现在
出现了大量的垂直导购网站,最火的比如母婴系列导购网站,就是通过向妈妈
们推荐给小孩和妈妈自身需要的产品,将流量导给电商,从而收取佣金或广告费。
(1导购模式先将线上线下的人群进行纵横的分类。可以依据人所处的不同
生命阶段来将人群进行垂直分类;也可以对人群进行横向分类,比如说爱好旅
游的人群、打高尔夫球的人群。无论是纵向还是横向,做线上社区都需要对人群进行重度细分。
(2 然后形成渠道内容。有三种内容形成的方式:UGC(User- generatedContent, 用户生成内容,这是大量传统社区使用的方式;PGC (Professional-generatedContent,达人推荐内容,这种方式是以达人为
主导,比如说穷游网;但我我认为未来一定会走到DGC(Data- generatedContent,数字匹配内容模式,通过人群信息的采集来匹配平台
自由数据库,以生成用户所需内容。
3
用户互动平台。它通过用户参与来形成一个广泛互动的交流平台,连接人群端和交易端。这是传统制造业能成功升级的关键所在。通过打造一个用户互动参与的平台,将人群需求与生产能力连接起来,打通从人群到交易的整个过程。
虽然目前已出现了一些企业级的互动平台,如小米,但非常可惜的是,市场仍
然缺乏一个平台级应用,一个可以适用于各类公司及场景、可以定制的用户互
动参与平台。
基本运行机制▼
我们下面进一步来说明人群、渠道和交易这三者之间的运行机制。一般来说,一个交易是从人群的需求开始,通过渠道的信息导引,最终到交易端的交易完成,我们把这个过程称为从信息到交易的交易促成机制。
另外,在交易完成之后,交易信息、渠道信息及其交易体验会返回来影响人群端的行为,这个过程叫做信息反馈机制。在这两个机制的共同作用下,会形成大量的数据,在数据层形成人群、渠道和交易端的有机融合。
关键与趋势▼
面对人群端、渠道端、交易端的众多应用,如何评价是否是一个好的应用,处于不同环节应用的成功关键是什么?我认为,做人群的产品一定要实现“高频”,做渠道的追求“精准”,做交易场景的追求“便捷”。目前中国的互联网企业中已有这样的基因代表:人群端的基因代表是腾讯,渠道端的基因代表是百度,交易端是阿里。BAT各占一头,他们把自己的环节经营好了,就能做到的千亿级以上的公司。
如何做好这些不同类型的应用?做人群端的,关键是要懂得人性,做渠道端的关键认识到数据的重要性,做交易端的关键是设计用户友好的场景来促成交易和支付。
各端应用的收入模式是什么?人群端主要是靠广告及增值服务,渠道主要是靠广告、佣金和导流费用,只有交易端能够形成利润。我们再进一步分析就会发现,在整个生态里面,如果没有交易环节,整个生态就没有收入。而在人群端和渠道端实现的收入,本质上说都是交易利润分配的。换句话说,在交易端能够赚1元钱,才可能有机会分给渠道2角钱,分给人群3角钱,但如果没有在交易端赚的1元,前面环节是无法获得收入的,整个生态就会崩溃。这就是为什么我说所有的产品最终必须指向交易的原因。
未来做人群的,最核心的就是要了解用户的模糊需求,即使用户不主动提出需求,但是公司仍然能知道。例如通过人群画像、通过数据采集的各种方式,能够分辨出用户的模糊需求,然后在渠道端把不同人群的信息给融合起来,达到数据链匹配,最终导向柔性生产。我觉得这是未来的一个大方向。
现在很多人都说以后若没有技术,估计很难创业了。我觉得大家都有创业机会,做人群的人,未必需要有很多技术,但一定是有情怀的人,比如文青就是很有情怀的一类人;
但如果做渠道和数据,最好是工程师,最好懂技术;而做交易的可能是个商人,有商人的特质。
比如BAT,做微信的张小龙确实是一个很有情怀的人,李彦宏就是一个工程师。马云肯定是一个商人,能细致地考虑并安排好各个方面的利益关系。所以,大家都有机会,只不过要挑适合你们做的事情。
“互联网+”下的产业链整合▼
刚才我讲的是一个二维层面的状况,未来我们需要从立体的角度来考虑这个问题,就是不仅从一个简单的端,而是从一个层面来考虑。
在人群层,我们最重要的考虑是,做的产品能多大程度聚合社群。在全人群的空间里面,每个人或者人群都是一个信息采集点,这个人不仅是指自然人,也可以是公司,是法人。这些人和人群会有大量的行为和信息,我们需要把他们聚合在某一个社群里面。
举个简单例子,许多人都喜欢旅游,我们有没有办法把这些喜欢旅游的人给聚合在一起?这就需要有一帮有情怀的人,通过一些讲故事的方法,将这样的社群聚合并构建好。在有了社群后,我们就可以采集到各种各样的信息,并进行数据画像,然后这些信息就会归结到渠道层,以进一步进行大数据的融合。
大数据融合的关键是,在这个社群,或许只能采集到一部分信息。而另一个社群里,也许能采集到另一部分信息,这两部分信息一叠加起来就可能是一个很有价值的数据点,就可以拿来促成交易了。在数据层融合了很多大数据之后,就可以指向下面的很多具体交易。
有了大数据融合的支持,未来的产业链整合可能完全不同于传统方法。以前产业链的整合都是这么做的:比如说我是卖轮胎的,为了把轮胎做好,我就去买一个橡胶厂,这就是纵向的业务整合。另一种整合是比如我在深圳做超市的,看到东莞也有做超市的,就把它合并了,这种是横向的业务链条整合。
而未来可能未必如此。在未来,也许会将卖汽车、卖豪宅、卖高端的医疗产品,这三个原本非常不相关的业务放在一个集团里面。因为当这个集团掌握了大量高净值人群的核心数据,就可以通过这个数据点来映射可以由这个数据点所涵盖的各种业务,以此进行产业链整合。这不再是以前所说的业务之间的协同效应,而是要进一步考虑数据层映射下来的数据“融合效应”和“溢出效应”。
所谓溢出效应是指,我卖豪车的可能有一堆高净值人群的数据,我有这堆数据之后,下一步的扩展不仅仅是开更多的4S店,我还有可能会买一家高端医院,专门来服务这些人群。并且我知道他们有什么样的需求,还可以跟房地产商合作,根据这些人的具体偏好来做设计产品。
所以在未来,产业链整合的制高点其实是数据归结点的控制。你控制了多少数据,就意味着你可以整合多少产业链。所以,信息采集点的铺设就成为了一个非常重要的关键。现在,我们数据采集点的铺设做得还不够好,但其实这也给大家留下了巨大的创业空间。大家可以想想,如果有一个好办法,能采集不同的信息,并且聚集起来,这绝对是一门好生意,会吸引到很多投资。
根本原则▼
讲完了互联网生态基本情况,我们可以总结出一个评估公司价值的根本原则:站在哪里,朝哪个方向,离什么交易最近。
“站在哪里”是指,所做的是人群端,渠道端,还是交易端。公司是站在什么细分市场里面做什么样的事情。
“朝哪个方向”是指朝向哪个具体的交易,应该跟谁合作才能够让交易能够最快的促成。
“离什么交易”是指所朝向的交易的市场规模。我们要看所指向的交易是十亿的市场规模,还是万亿的市场规模。还要判断这个交易是高毛利还是低毛利,是一个很累的交易还是一个很简单的交易。所以离什么样的交易最近非常重要。
“最近”是一个关键词,我们在互联网思维里面,经常会听到“唯快不破”,“唯快不破”以前更多谈的是速度上的迭代。但什么是最快的,直线是最快的。所以,我想说的是如何能够以最快的速度实现闭环,就是要找了一个好的方式,离所需要的交易最近。
互联网平台公司财务报表分析▼
基于我们以上对互联网生态的理解,如何提升我们的财务分析能力呢?我举几个例子,这是2013年年报,这是最新的季报。去哪儿去年亏了1.9个亿,今年一个季度就亏了4.2个亿。优酷、京东、微博也是巨亏。很不幸,我们很多互联网公司都亏损,那该怎么看?是公司盈利能力不行,还是公司其实不错,但我们的财务信息有重大缺陷,没办法去体现它的价值?如果是后一个原因,我们就改变和提高我们的方法,发掘公司价值。
网络效应▼
传统的许多行业是线性关系。但互联网平台公司是另一种形式,存在网络效应。平台公司通常有超过两边的市场。举一个双边市场的例子,比如淘宝就连接了卖家和买家。
网络效应是指某一个单位增加,会引起其它单位的增加。举个例子,比如微信,越多人用微信,就有更多的人会使用,这就是一种“同边网络效应”。另外还有一种网络
效应,当买家越多,就会有更多的卖家出现,接着就会有更多的买家,这种被称为“跨边网络效应”。无论是同边网络效应,还是跨边网络效应,都是一家互联网公司最重要的价值所在。
财务目标▼
有了对互联网平台的一点基本知识后,我们来谈一下财务分析。首先谈财务目标。一家公司一定是有财务目标的,互联网公司和传统公司的财务目标有极大的不同。比如我要投资做一家发廊或小卖铺,第一句话我就会问,什么时候回本?什么时候开始赚钱?传统行业追求的是“短期赢利”。
互联网公司不一样,互联网追求的是“我要活着”。因为在每一个细分领域,往往不会有超过两家公司,“赢家通吃”。传统市场就好多了,能允许多方共同分享。如空调就有格力、长虹、奥克斯等等。既然财务目标不一样,那么我们做财务分析也就不一样,对于一家公司估值的方式也不一致了。
以“去哪儿”为例▼
接下来我来讲互联网平台公司财务分析的具体方法。我们以“去哪儿”公司为例,这个公司的盈利情况很差,其财报显示,2011年亏损了4100万,2012年亏损7500百万,2013年是亏损1.5个亿,就是说这家公司亏的越来越多。
“收入结构”决定赢利模式▼
我们第一步是看收入结构,收入结构决定赢利模式。去哪儿最大的一块叫P4P
收入,即用户每点击一次去哪儿网的点击,去哪儿就会收取旅游服务提供商一定比例的费用。所以本质上,去哪儿是一个广告公司,它就是导流量的。刚有同学跟我说它跟携程很像,我们再看携程,携程赚的是酒店预订和机票预订,它赚的是佣金。去哪儿卖的是广告,携程赚的是佣金,这显然是不一样的。
去哪儿把这种模式称为比价搜索平台,来收取点击服务费,这跟百度很像。携程实际上是把线下的旅行社搬到了线上了,将原来要线下填单子或者靠打电话订机票
的服务方式,改变为线上买机票订旅馆,所以携程仍然是以传统的旅行社模式来赚钱。所以我们不分析这个结构的话,有可能以为他们是一样的,其实他们的内核是完全不同的。
“成本结构”决定平台延展性▼
我们第二步是看成本结构,成本结构决定平台延展性。成本包括固定成本和变动成本,如果固定成本比较高,那就意味着平台的延展性比较好,收入越增长,毛利率就越高。简单
点说,我如果投了一笔钱进去,再也不需要投钱,那么我多卖一个人,我的平均成本就会更低一点,毛利率就更高一点。平台延展性对一家公司能够持续,并且对某些不可预料的爆发点能作出快速反应,有决定意义。
从图7看出,优酷的收入在2011年到2012年收入增加了100%,但宽带成本增加了
61.5%,所以宽带成本的固定性很强,而内容成本增加了203.3%,所以内容成本的变动性很强。进一步讲,如果我们要给优酷提建议,那很重要的一条就是变动成本增速远高于收入增速。如果你们去一家公司做尽调,要把固定成本和变动成本分析清楚,看它的平台延展性怎么样。总成本一定,固定成本比例越高的话,延展性就越好。
调整毛利率▼
会计有一个重要原则叫配比原则,就是收入和成本要匹配,若公司一年发生100万的收入,要弄清楚需要多少成本以匹配。但是互联网平台公司和传统公司的成本配比是不一样的,我们对毛利的概念就要去拓展一下。一家互联网公司为了达成交易,引流是一件非常重要的事情。也就是说你的用户数量和收入往往是和你的营销费用紧密相关的。
如果哪一天营销费用下降了,用户数也跟着下降,根据配比原则,由于是用营销费用来驱动收入,那么营销费用就应该进入毛利率的计算中。传统的毛利率计算方法是收入减去成
本,除以收入,我们发展出了一个指标叫做“调整后毛利”,即收入在减去成本后,还要再减去营销费用,除以收入。
我们来对比去哪儿和携程(见图8。去哪儿的调整前毛利率在80%以上,高于携程的毛利率。但调整后发现,携程的毛利率都在在50%以上,而去哪儿只有30%多,从这个指标我们可以看出去哪儿较携程要差一些。这说明去哪儿需要大量的流量购买来实现交易,而携程整体竞争力更高。
网络效应的计量▼
我们可以通过三个指标来计算网络效应。
1
单位活跃用户价值(营业收入/活跃用户总数:它体现的是单位活跃用户带
来的收入,网络效益越好的话,它用户价值就应该越高。
2
用户活跃度(活跃用户数/用户总数:体现的是总用户中活跃用户所占的比
率,如果是一个好的平台,这个指标肯定要更高一些。
3
单位营销效果(用户总数/(营业成本+营销费用:就是我每花一块钱能
带来几个用户。在极端情况下,我什么钱都不用花,用户就纷纷而来,我们把
这种流量叫做自然流量,不然的话我就要购买流量,就要做营销了。我们要拿
用户总数除以我们所有的投入,即营销费用加上营业成本。
分解模型▼
我自己做了一个指标,现在也有越来越多人在用,叫做“投入毛利率”(调整后毛利/(营业成本+营销费用。资产负债表在互联网公司不好用,因为它每有一块钱都要用掉,用掉了还不能确认为别的资产。比方说现在投了500万进来,我这500万拿来买车了,我就有500万资产,但我用来招了一堆人来写代码,我就1分钱资产都剩不下,但我确实投了500万。因为它最终形成的资产可能非常的小,但投入可能非常的大,所以资产负债表就不好用了。因此,我们在考虑一家公司实际的经营业绩的时候,应该考虑它是投入多少,投入能带来多少毛利。所以我发展出了“投入毛利率”的概念,而不是资产负债表的资产或者所有者权益。
见图9,投入毛利率可以分解成四个指标,它等于调整后毛利率,乘以单位活跃用户价值,乘以用户活跃度,乘以单位营销效果。
见图10,根据去哪儿2010年到2013年的数据,调整后毛利率从44.8%现在提升到了2013年的53%,这好像跟我们一开始看财务报表的感觉不太一样,我们之前看到的财务情况是越来越差。但其实我们分析越来越差的原因是加大研发,还有一部分股权溢价之后记录到了管理费用,后者是一次性的。在我们进行调整后,发现其实这家公司的状况是越来越好了。所以研究公司,用什么角度来看,是非常重要的一个问题。
在将这个调整后毛利率分解后,我们发现去哪儿最重要的改进是单位活跃用户价值提升了。2010年的时候,单位活跃用户才花9.8元,2013年花了14.6元,这个很好。但是单位营销效果越来越差了。2010年的时候花1元钱还能带来0.84个
人,2013年我只能带来一个0.52个人,这说明该行业竞争越来越激烈,流量越来越贵了。
下一个问题,我们是否可以根据上述分析来给去哪儿提一个建议?我个人觉得,其实去哪儿稍微提高用户活跃度是不是比较简单,我个人不太喜欢去哪儿,我觉得第一
是客服确实太差,第二是里面报价太混乱,所以很多人用完一次就不用了。去哪儿如果能够将用户留住,将用户活跃度提升30%,那么利润就会提升50%,那多好了。
一个好的财务分析方法,第一能够用一种新的角度看一家公司的报表;第二,我们是要发现他公司价值增长的原因在哪;第三,为公司进一步发展提出建议。
调整研发费用▼
如何对互联网企业做基本面分析？以“去哪儿”为例！ Page 16 of 19 此外研发费用也是一个问题。财务会计有一个缺陷，为什么买一辆车可以说是资产，但找人写代码就是费用？这种道理在互联网的时代里是站不住脚的。我们要考虑，能不能用某种财务报表分析的方法将支出的研发费用调整为资产？根据多年的会计、金融的研究，大家都觉得研发费用应先资本化，后费用化。我们先把过去三年所有的研发费用资本化，然后再摊销，其实更符合公司价值。见图11，数据显示去哪儿原来2010年亏损了4100百万，2012年亏损7500百万，2013年是亏损1.5个亿。但如果我们调整了去哪儿研发费用后发现，2012年公司其实是赢利 1190万，2013年就亏了3000万左右。这个亏损主要是因为公司2013年上市，高管手上所持有的股份溢价，计入了管理费用而造成的。这家公司并没有想象中的那么差，并非如我们之前所说的每一年都亏损，并且亏损越来越大。公司在生态圈中的地位▼ 从财务报表中，我们还可以分析出公司在生态圈中所处的地位。如果公司在生态圈里是有话语权的，最简单的是公司能欠别人钱，别人不欠公司钱。如果别人谁都能欠公司的钱，公司什么钱都收不回来，那确实没有江湖地位。公司的应收账款比较小，其话语权就比较大；若应付账款比较小，则话语权就比较小。
https://www.doczj.com/doc/6b18245540.html,/s?__biz=MjM5MjU3MjAzMw==&mid=206984780&idx=7&... 2015/6/18
如何对互联网企业做基本面分析？以“去哪儿”为例！ Page 17 of 19 2012年，去哪儿无法预收别人的钱；但是携程每做1元钱生意，就要预收3分钱，有预收
款说明很不错。2013年，去哪儿做1元钱生意，别人会拖欠它2角钱，携程则预收别人9 分钱。去哪儿基本不拖欠别人的钱，但2012年携程每做1元钱的生意就
能拖欠别人0.12 元，2013年可以拖欠别人0.23元。总体来说，携程在整个生态圈里的话语权是要高于去哪儿。我们小结一下：第一，去哪儿大量的流量都是买来的，调整后的毛利率是远低于携程的。第二，通过应收应付的分析，去哪儿在生态圈里面的话语权也很差。投资与平台布局▼ 我们再进一步分析公司的投资与平台布局。通过从年报中看到一家公司的子公司和关联方情况，从而了解其平台布局。我们可以分析出它的子公司和关联方是提供流量还是提供收入。去哪儿的子公司都是提供技术和广告服务的，能带来收入，但不能带来流量。像去哪儿这样的公司，是别人实现交易的通道，它肯定要找一个流量靠山。财报显示，它最大的关联方就是百度，其51%的流量都来自于百度，并且百度收购了它大量的股票，还经常对其提供低息借款。我们由此分析出，去哪儿在整个产业布局的战略很明确，公司通过建立一堆收入型的、小环的子公司，为本公司提供收入，然后再去找一个关联方——百
https://www.doczj.com/doc/6b18245540.html,/s?__biz=MjM5MjU3MjAzMw==&mid=206984780&idx=7&... 2015/6/18
如何对互联网企业做基本面分析？以“去哪儿”为例！ Page 18 of 19 度来提供流量。可以看出，去哪儿的整体战略目标就是做别的大流量平台（百度）的一环。一个评估公司价值的根本原则：站在哪里，朝哪个方向，离什么交易最近。“站在哪里”是指，所做的是人群端，渠道端，还是交易端。“朝哪个方向”是指朝向哪个具体的交易，应该跟谁合作才能够让交易能够最快的促成。“离什么交易”是指所朝向的交易的市场规模。“最近”是如何能够以最快的速度实现闭环。来源互联网作者未知欢迎认领【关于版权：本平台致力于寻找金融行业至关重要的文章，以提高全民金融意识，促进金融交流，如涉及文章版权问题，请及时联系我们，我们会及时删除或附上稿费。联系方式：137******** 微信号：zmjinrong】【3G版“密金融”，读文章更方便，海量金融资讯，行业相关信息，招聘，活动，要啥有啥，这不是一个神奇的网站，这里只是金融信息的中转站！速速点击底部“阅读原文”体验吧！】
https://www.doczj.com/doc/6b18245540.html,/s?__biz=MjM5MjU3MjAzMw==&mid=206984780&idx=7&... 2015/6/18
如何对互联网企业做基本面分析？以“去哪儿”为例！ Page 19 of 19 阅读原文微信扫一扫关注该公众号
https://www.doczj.com/doc/6b18245540.html,/s?__biz=MjM5MjU3MjAzMw==&mid=206984780&idx=7&... 2015/6/18
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，
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。
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
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/6b18245540.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
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。
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。
大数据的大价值：大数据五大成功案例深度解析
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）
大数据应用案例：改善人们生活 大数据现在正在逐渐地升温，因为它确实能给人们的生产生活带来便利，现在就带大家看看大数据应用在哪些方面。 大数据应用的几个典型案例 什么是大数据？不要再举例说啤酒和尿布的例子了，Gartner的分析师Doug Laney在讲解大数据案例时提到过几个更有新意更典型的案例，可帮助更清晰的理解大数据时代的到来。 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。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.doczj.com/doc/6b18245540.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。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。查看原文 大数据应用的领域 大数据应用在生活中可以帮助我们获取到有用的价值。 随着大数据的应用越来越广泛，应用的行业也越来越低，我们每日都可以看到大数据的一些新颖的应用，从而帮助人们从中获取到真正有用的价值。许多组织或者个人都会受到大数据的剖析影响，但是
在工业制造业等领域的大数据的成功应用案例分享 随着国际社会在工业现代化、工业4.0以及国内在中国制造2025战略等方面的不断演进，使得大数据技术在工业行业以及制造业方面也进行了比较深度的技术融合和应用融合，下面我们小编就来给大家介绍一下在工业制造业等领域的大数据应用。 近年来出现的人力短缺、工资上涨、产品交付期短和市场需求变动大等问题，使得制造业正面临新一波转型挑战。如何在控制生产成本的同时，还能提高生产力与效率，则是转型的主要目的。在这样的背景下，德国、美国等制造业发达国家无不积极推动“工业4.0”。“工业4.0”本质上是通过信息物理系统实现工厂的设备传感和控制层的数据与企业信息系统融合，使得生产大数据传到云计算数据中心进行存储、分析，形成决策并反过来指导生产。大数据的作用不仅局限于此，它可以渗透到制造业的各个环节发挥作用，如产品设计、原料采购、产品制造、仓储运输、订单处理、批发经营和终端零售。数网星云平台-基于云平台构建的制造企业的大数据的意义 产品营销：大数据分析结果为制造企业提供针对性推销、定向研发、智能维保等服务。 设备远程故障诊断分析：大数据预测设备未来可能出现故障的时间，提供避免风险的解决方案，消除设备故障停机给客户带来的损失。客户体验：在移动端建立企业宣传平台，以场景化方式让客户参与
产品的认知，增加品牌的传播效果。 技术创新：借助平台的专家经验共享、智能决策库的建立，提高运维领域的装备管理水平，降低行业运营成本。 节约效能：通过数据集的切分和规律查找，帮助找到最优化的数据集，实现人员投入及控制过程的节能提效。 大数据改善订单处理方式 我们都知道，大数据技术不管是在哪个行业当中进行应用，其最为根本的优势就是预测能力，用户利用大数据的预测能力可以精准的了解市场发展趋势，用户需求以及行业走向等多方面的数据，从而为用户自身企业的发展制定更适合的战略和规划。企业通过大数据的预测结果，便可以得到潜在订单的数量，然后直接进入产品的设计和制造以及后续环节。 也就是说，企业可以通过大数据技术，在客户下单之前进行订单处理。而传统企业通过市场调研与分析，得到粗略的客户需求量，然后开始生产加工产品，等到客户下单后，才开始订单处理。这大大延长了产品的生产周期。现在已经有很多制造业行业的企业用户开始利用大数据技术来对销售数据进行大数据分析，这对于提升企业利润方面是非常有利的。 大数据击败传统仓储运输 由于大数据能够精准预测出个体消费者的需求以及消费者对于产
大数据营销的成功案例
大数据营销的成功案例 【篇一：大数据营销的成功案例】 随着的来临，越来越多的企业开始玩起的数字游戏，从海量的数据中挖掘有效的信息，研究用户消费习惯，利用挖掘出来的有效数据进行用户行为分析，从而做到精准的营销。 下面就来看看2个时代下运用数据营销的案例： 一、趣多多：依靠大数据玩转愚人节营销 趣多多在愚人节的这次营销活动，创造了6亿多次页面浏览并影响到近1,500万独立用户，品牌被提及的次数增长了270%。可以说这是一次成功的品牌营销活动，广泛的发声，让趣多多的用户关注度得到了一次巨大的提升，诙谐幽默的品牌基因更加深入的进入到用户的意识层面。不知道今年愚人节趣多多还会有怎样惊艳的表现。 趣多多到底做了些什么呢? 1、利用社交大数据的敏锐洞察，趣多多精准锁定了以18-30岁的年轻人为主流消费群体。 2、聚焦于他们乐于并习惯使用的主流社交和网络平台，如新浪微博、腾讯微博、百度大搜、社交移动app以及优酷视频等。 3、在愚人节当日进行全天集中性投放，围绕品牌的口号展开话题，全面贯彻实时且广泛的与用户沟通机制并深度渗透，使品牌在最佳时机得到有效曝光，也令目标消费者在当天能得到有趣和幽默的体验。 4、今年，趣多多更是联合今晚80后脱口秀，将趣多多以有趣为主题的品牌定位进一步加以强化。多支短片在趣多多官方微博亮相，主持人王自健和网友的互动也在第一时间和活动主题相呼应。 二、纸牌屋：依靠大进行营销
一部《纸牌屋》，让全世界的文化产业界都意识到了大数据的力量。《纸牌屋》的出品方兼播放平台netflix在一季度新增超300万流媒体用户，第一季财报公布后股价狂飙26%，达到每股217美元，较去年8月的低谷价格累计涨幅超三倍。这一切，都源于《纸牌屋》的诞生是从3000万付费用户的数据中总结收视习惯，并根据对用户喜好的精准分析进行创作。 《纸牌屋》的数据库包含了3000万用户的收视选择、400万条评论、300万次主题搜索。最终，拍什么、谁来拍、谁来演、怎么播，都由数千万观众的客观喜好统计决定。从受众洞察、受众定位、受众接触到受众转化，每一步都由精准细致高效经济的数据引导，从而实现大众创造的c2b，即由用户需求决定生产。 如今，互联网以及社交媒体的发展让人们在网络上留下的数据越来越多，海量数据再通过多维度的信息重组使得企业都在谋求各平台间的内容、用户、广告投放的全面打通，以期通过用户关系链的融合，网络媒体的社会化重构，在大数据时代下为广告用户带来更好的精准社会化营销效果。 【篇二：大数据营销的成功案例】 每次我跟很多企业家在沟通的时候，总会说到一个问题，就是现在生意难做，为什么生意难做?我们看到几点：第一，我们整个中国是制造业大国，但是我们产能高度过剩; 第二，我们的产成品库存积压周转也不够灵活，在交易过程中，不能将经济效益更大化地提高? 每次我跟很多企业家在沟通的时候，总会说到一个问题，就是现在生意难做，为什么生意难做?我们看到几点： 第一，我们整个中国是制造业大国，但是我们产能高度过剩; 第二，我们的产成品库存积压周转也不够灵活，在交易过程中，不能将经济效益更大化地提高?
永洪科技大数据实时分析 Big Data大数据，谈的不仅仅是数据量，其实包含了数据量(Volume)、时效性(Velocity)、多样性(Variety)、可疑性(Veracity)。 Hadoop具备低廉的硬件成本、开源的软件体系、较强的灵活性、允许用户自己修改代码等特点，同时能支持海量数据存储和计算任务。Hadoop Map Reduce适合通过批处理方式访问海量数据，但无法满足海量数据的实时处理的需求。 永洪科技基于自有技术研发的一款数据存储、数据处理的软件Yonghong Z-Data Mart是一款专业的数据集市软件。实时商业智能建设的主要目标是支持实时决策，这就对海量数据处理的即时、快速、稳定提出了更高的要求。Yonghong Z-Suite Map Reduce解决方案更好的实现了这些特点： 完全放弃了心跳机制，采用实时信息交换底层，进行实时的Map-Reduce任务分配与执行。这一信息交换底层能够保障几十甚至上百个节点之间的高效信息交换，使得实时的Map-Reduce 任务分配与执行能够在毫秒级完成任务分解与派发工作。 Map Reduce任务服务于海量数据处理，任务清晰。通过在Map Node中预先部署Map的数据处理和数据分析功能的代码文件集，在Reduce节点中预先部署Reduce的数据处理和数据分析功能的代码文件集，在运行Job之前，每个Map和Reduce节点已经具备了相应的数据处理和分析能力。这种方式极大地减少了实时传输和部署的时长。 直接在各节点之间传输中间结果和最终结果(Stream Computing)。由于Map-Reduce采用了具有自主知识产权的高效率的实时信息交换底层，这一底层保障了大量传输Map的中间结果、Reduce的中间结果及最终结果的实效性。 本文档主要介绍两个案例，一个是互联网行业大数据案例，一个是电信行业的大数据案例。互联网大数据案例 案例背景 某著名咨询公司用户行为分析系统面临问题：实时分析的数据量大，基于Hive 的分析系统不够实时，但预算有限。 问题解决步骤 1. 首先提出了测试方案： 90 天细节数据约50 亿条导入Yonghong?DM，再定制Dashboard 分析。 2. 简单测试： 先通过5 台PC?Server，导入1-2 天的数据，演示如何ETL，如何做简单应用。 3. 按照提出的测试方案开始导入90 天的数据，在导入数据中解决了如下问题： 解决步长问题，有效访问次数，?在几个分组内，停留时间大于30 分钟。 解决HBase 数据和SQL?Server 数据的关联问题。 解决分组太多，Span 过多的问题。
山西大学研究生项目设计报告（2015 ---- 2016学年第1学期） 学院（中心、所）：计算机与信息技术学院 专业名称：软件工程(专硕) 课程名称：大数据处理 论文题目：网站用户行为分析 授课教师（职称）：杜亮 研究生姓名：温杰 年级：2016级 学号：201622405011 成绩： 评阅日期： 山西大学研究生学院 2016年12月20日
大数据实例：网站用户行为分析 大数据实例：网站用户行为分析 (2) 一、案例简介 (4) 二、案例目的 (4) 三、软件工具 (4) 四、案例任务 (4) 五、实验步骤 (5) 5.1、实验步骤一：实验环境准备 (5) 5.1.1、linux系统的安装 (5) 5.1.2、Hadoop的安装 (6) 5.1.3、MySQL的安装 (6) 5.1.4、HBase的安装 (8) 5.1.5、Hive的安装 (8) 5.1.6、Sqoop的安装 (10) 5.1.7、Eclipse安装 (12) 5.2、实验步骤二：本地数据集上传到数据参考Hive (12) 5.2.1、实验数据集的下载 (12) 5.2.2、解压下载得到的数据集到指定目录 (12) 5.2.3、数据集的预处理 (13) 5.3、实验步骤三：Hive数据分析 (15) 5.4、实验步骤四：Hive、MySQL、HBase数据互导 (19) 5.4.1、Hive预操作 (19)
5.4.2、使用Sqoop将数据从Hive导入MySQL (20) 5.4.3、使用Sqoop将数据从MySQL导入HBase (21) 5.5、实验步骤五：利用R进行数据可视化分析 (22) 5.5.1、R安装 (22) 5.5.2、可视化分析MySQL中的数据 (23)