大数据行业应用现状与未来应用热点-丁震.ppt

1、大数据行业应用现状与未来应用热点大数据行业应用现状与未来应用热点目录目录中国大数据市场分析1.2企业大数据应用需求分析2.大数据应用案例分析3.大数据行业应用4.中国大数据市场分析中国大数据市场分析312011年-2016年中国大数据市场规模22012年各行业大数据市场规模l计世资讯预测，2012年政府、互联网、电信、金融的大数据市场规模较大，四个行业将占据一半市场份额。l由于各个行业都存在大数据应用需求，潜在市场空间非常可观。l计世资讯认为，2011年是中国大数据市场元年，一些大数据产品已经推出，部分行业也有大数据应用案例的产生。2012年-2016年，将迎来大数据市场的飞速发展。l计世资讯

2、预测，2012年中国大数据市场规模将达到4.7亿元，2013年大数据市场将迎来增速为138.3%的飞跃，到2016年，整个市场规模逼近百亿。目录目录中国大数据市场分析1.4企业大数据应用需求分析2.大数据应用案例分析3.大数据行业应用4.中国企业大数据现状中国企业大数据现状5半结构化半结构化半结构化半结构化数据数据数据数据结构化数据结构化数据结构化数据结构化数据非结构化非结构化非结构化非结构化数据数据数据数据企业非结构化数据越来越多企业非结构化数据越来越多中国中国500强企业日数据生成量强企业日数据生成量中国中国500强企业数据中心数据年增长率强企业数据中心数据年增长率中国企业级数据中心数据存

3、储量正在快速增长，中国企业级数据中心数据存储量正在快速增长，非结构化数据呈指数倍增长，如果能有效的处理非结构化数据呈指数倍增长，如果能有效的处理和分析，非结构数据中也富含了对企业非常有价和分析，非结构数据中也富含了对企业非常有价值的信息。值的信息。企业大数据应用需求分析企业大数据应用需求分析613各行业企业对大数据的关注程度目前企业的数据系统架构存在问题2目前企业数据分析处理面临的问题目录目录中国大数据市场分析1.7企业大数据应用需求分析2.大数据应用案例分析3.大数据行业应用4.大数据应用案例（中信银行信用卡中心）大数据应用案例（中信银行信用卡中心）8大数据大数据挑战挑战l l发卡量增长迅速

4、：发卡量增长迅速：20082008年发卡约年发卡约500500万张，万张，20102010年增加了一倍。年增加了一倍。l l业务数据增长迅速：业务数据增长迅速：随着业务的迅猛增长，业务数据规模也线性膨胀。l数据存储、系统维护、数据有效利用都面临巨大压力。需求需求可扩展、高性能的数据仓库解决方案可扩展、高性能的数据仓库解决方案能够实现业务数据的集中和整合；可以支持多样化和复杂化数据分析能够实现业务数据的集中和整合；可以支持多样化和复杂化数据分析提升信用卡中心的业务效率；提升信用卡中心的业务效率；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。采用大数采用大数据方案后据方案后价值体现价值体现

5、实时的商业智能实时的商业智能可以结合实时、历史数据进行全局分析,风险管理部门现在可以每天评估客户的行为，并决定对客户的信用额度在同一天进行调整；原有内部系统、模型整体性能显著提高秒级营销秒级营销秒级营销秒级营销Greenplum数据仓库解决方案提供了统一的客户视图，更有针对的进行营销。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，每个营销活动配置平均时间从2周缩短到2-3天。EMC Green-plum大数据应用案例（农夫山泉）大数据应用案例（农夫山泉）9大数据大数据挑战挑战l农夫山泉数据量变得越来越大，分销表中数据基数大，增速快，数据数据展现速度越来越慢；展现速

6、度越来越慢；l l数据运算速度越来越慢，已经让人无法忍受，影响业务的正常进行；数据运算速度越来越慢，已经让人无法忍受，影响业务的正常进行；l l数据更新慢，数据更新慢，采用传统的ETL(数据抽取、转换、装载)，农夫山泉的分析系统数据基本上一天才能更新一次。需求需求能够应对海量数据的挑战，实现高效的逻辑运算、实时的数据分析以及快速的数据展现的解决方案。采用大数采用大数据方案后据方案后价值体现价值体现实现了快速的数据展现实现了快速的数据展现与原有商业智能报表展现方案相比，新方案数据展现速度快25-30倍；形成了强大逻辑计算能力形成了强大逻辑计算能力测试了120多张已经上线的报表，基本上速度提升10

7、0150倍；SAP HANA和Business Objects 4.0组合只用了46秒就完成原来需要24小时才能完成的逻辑计算；实现了数据的实时、同步实现了数据的实时、同步HANA使得数据从业务系统中转换到HANA中时基本上没有任何延迟。SAPHANA大数据应用案例（大数据应用案例（“数字黄河数字黄河”）10大数据大数据挑战挑战l数据激增，IT系统负担加重；l地域分隔，信息孤岛拉低效能；l无法共享，数据同步成为难题；l标准各异，数据规范有待统一。需求需求制定短期和长期技术规划，以适应未来信息系统的发展。采用大数采用大数据方案后据方案后价值体现价值体现解决跨平台异构应用系统的数据共享与集成问题解

8、决跨平台异构应用系统的数据共享与集成问题黄河水利委员会各部门随时获取其权限范围内的最新数据，而无须将其存储在本部门系统中；消除信息孤岛，实现数据统一管理消除信息孤岛，实现数据统一管理有效消除了各业务系统和各组织结构之间的信息孤岛，简单获取黄河数据资源的单一视图，并确保了数据的完整性、及时性、准确性和一致性，同时首次实现元数据的可视化统一管理IBMInfo-Sphere目录目录中国大数据市场分析1.11企业大数据应用需求分析2.大数据应用案例分析3.大数据行业应用4.12互联网行业拥抱大数据的关键因素互联网行业拥抱大数据的关键因素网络终端网络终端设备设备网络技术的升级和终端设备的爆发，使今天的用

9、户能够使用多种设备、从不同位置、通过多种手段来接入互联网，并在这一过程中不断创造新内容在线应用在线应用和服务和服务越来越丰富的在线应用和服务，不断激励用户创造和分享信息，尤其是社会化媒体业务，带动图片、视频等非结构化数据飞速增长与各垂直与各垂直行业的融行业的融合合互联网作为一个高渗透力的行业，正在与各垂直行业发生深度的融合，原本隐藏于先下的孤岛信息，源源不断的输入到线上。l互联网行业对数据实时分析要求较高，例如广告监测、B2C业务，往往要求在数秒内返回上亿行数据的分析，从而达到不影响用户体验和快速准确营销的目的。l目前互联网企业面对大数据，会普遍感觉到实时分析能力差、海量数据处理效率低、缺少分

10、析方法、分析软件能力差等问题。互联网行业大数据分析面临的主要问题互联网行业大数据分析面临的主要问题互联网大数据技术的应用，会首先带动社会化媒体、互联网大数据技术的应用，会首先带动社会化媒体、电子商务的快速发展，其他的互联网分支也会紧追电子商务的快速发展，其他的互联网分支也会紧追其后，整个行业在大数据的推动下将会蓬勃发展。其后，整个行业在大数据的推动下将会蓬勃发展。互联网拥抱大数据互联网拥抱大数据13医疗大数据应用场景医疗大数据应用场景l医疗行业产生的数据量主要来自于PACS影像、B超、病理分析等业务所产生的非结构化数据。人体不同部位、不同专科影像的数据文件大小不一，PACS网络存储和传输要采取

11、不同策略。面对大数据，医疗行业遇到前所未有的挑战和机遇。l医疗行业大数据应用场景非常多，右图仅以临床操作和研发为例，展示医疗行业大数据应用场景。l对于公共卫生部门，可以通过过覆盖全国的患者电子病历数据库，快速检测传染病，进行全面的疫情监测，并通过集成疾病监测和响应程序，快速进行响应。比较效果研究比较效果研究临床操作临床操作临床决策支持系统临床决策支持系统医疗数据透明度医疗数据透明度远程病人监控远程病人监控研发研发预测建模预测建模提高临床试验设计的统计工具和提高临床试验设计的统计工具和算法算法疾病模式的分析疾病模式的分析14能源遇到大数据能源遇到大数据能源行业数据特征能源行业数据特征能源勘探开发

12、数据的类型众多，不同类型数据能源勘探开发数据的类型众多，不同类型数据包含的信息各具特点，综合各种数据所包含的包含的信息各具特点，综合各种数据所包含的信息才能得出地下真实的地质状况。信息才能得出地下真实的地质状况。能源行业面临的大数据问题能源行业面临的大数据问题能源行业企业对大数据产品和解决方案的需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。不同格式数据的分析方案。大数据行业应用大数据行业应用15应用可能性应用可能性电信政府（公共事业）交通金融医疗教育能源（电力/石油）纵轴契合度：纵轴契合度：表示该

13、用户的IT应用特点与大数据特性的契合程度；横轴应用可能性横轴应用可能性：表示该用户出于主客观因素在短期内投资大数据的可能性；注：注：该位置为分析师访谈的综合印象，为定性分析，图中位置不代表具体数值HighHighMidMidLowLowLowLowMidMidHighHigh优先关注行业用户应用特点与大数据技术有较高的契合度，在主客观条件上也有较高的应用可能性。值得关注行业用户应有特点与大数据的契合度及应用可能性综合较高适当关注行业用户两个维度暂时都不具备优势，可适当给予关注互联网（电子商务）契合度契合度流通零售制造1621互联网行业大数据主要应用在社交和网购方面互联网行业大数据主要应用在社交和网购方面结合位置数据、消费数据进行实时营销信息推送是电结合位置数据、消费数据进行实时营销信息推送是电信行业大数据应用主要场景信行业大数据应用主要场景3金融行业大数据应用场景主要集中在投资方面金融行业大数据应用场景主要集中在投资方面4制造行业具有多环节、多地域特色，各个环节的优制造行业具有多环节、多地域特色，各个环节的优化是制造行业最关注的大数据应用场景化是制造行业最关注的大数据应用场景大数据潜在应用大数据潜在应用谢谢谢谢！