通“堵点”连“断链”-税收大数据助力畅通产业链供应链

基于数据本身的公司：自身拥有大量的数据资源，比如政府机构；

基于技术的公司：比如勤智数码大数据处理平台；

基于思维的公司：可以依托大数据分析为企业提供战略方向，比如魔镜的大数据服务和勤智数码大数据咨询服务。按照以上的三种角色，对大数据的商业模式做了梳理和细分。

　“数据拥有者”的商业模式数据拥有者，这样的公司有三类：

1.大数据是业务核心，对大数据的重复利用是其发展的原动力，例如Google、Amazon、Inrix等；这种公司具有很强大的大数据技术能力，多数时候大数据技术本身主要用于自身的运作，具有三种产业链角色：数据+技术+服务；

2.大数据是作为提高生产效率、增加业务收入或者创造新的收入的使能器，非厂商的主流业务；例如运营商、银行等，运营商的主要业务是通过通信设备提供的各种网络语音和数据业务，目前运营商本身并不通过数据的重复利用为主要手段来盈利；

3.数据中间商，本身不具有创造数据的能力，从各种地方搜集数据进行整合，然后再提取有用的信息进行利用；它们的商业模式有：

2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如Inrix在交通信息领域，面向GPS生产商、和交通规划部门、 FedEX和UPS等物流公司等，出售完整的当前甚至未来的交通状况的模式图或者数据库；2C：面向个人，提供基于数据分析结果的服务。例如：Inrix提供一个免费的智能手机应用程序，一方面它可以为用户提供免费的交通信息，另一方面它自己就得到了同步的数据。

2D：租售数据/信息模

式（数据资产分享和交易平台），新的商业模式，把数据/信息作为资产直接进行销售；例如：Twitter把它的数据都通过两个独立的公司授权给别人使用；VISA和MasterCard收集和分析了来自210个国家的15亿信用卡用户的650亿条交易记录，用来预测商业发展和客户的消费趋势。然后，它把这些分析结果卖给其他公司；“技术提供者”的商业模式技术提供者的2B商业模式是目前的主流，有4种类型：提供单点技术，pure-play为主，例如：Teradata为沃尔玛和Pop-Tarts这两个零售商提供大数据分析技术，来获得营销点子；提供整体解决方案，IT厂商为主，例如：IBM提供软硬一体的大数据解决方案；华为基于IT基础设施领域在存储和计算的优势，提供整体大数据解决方案；大数据空间出租模式：大数据计算基础设施上（与云结合），通过出租一个虚拟空间，从简单的文件存储，逐步扩展到数据聚合平台，例如腾讯开放云战略为大数据创业者提供了廉价的数据基础设施，使中小企业也有机会在大数据领域创新业务。Bigdata as a service，新的商业模式，提供E2E在线大数据技术或者解决方案。例如 RJMetrics，为电商提供快捷的商业智能在线服务，软件定价为 500 美元每月，客户只需在软件端输入特定数据，RJMetrics

便会将这些信息备份到安全的服务器上，并承诺在7日内优化数据用以分析，之后以清晰简洁的界面将数据分析结果反馈给客户。再例如，GoodData面向商业用户和IT企业高管，提供数据存储、性能报告、数据分析等工具，将所有商业智能分析所需的数据和任务都搬到了云上；技术提供者的2C商业模式，目前较少，与cloud结合后有很大的空间，未来是趋势。例如：面向个人的家庭帐单、家庭耗能节能等或者面向个人数据的大数据解决方案。

“服务提供者”的商业模式服务提供者有两种，一种是应用服务提供者，另一种是咨询服务提供者。应用服务提供者是基于大数据技术，对外提供服务：

　

　2B：面向企业或者公共政府部门，提供数据分析结果的服务；例如前面提过的Inrix

2C：面向个人，提供基于数据分析的服务；例如： Flight_caster 和FlyOnTime.us基于分析过去十年里每个航班的情况，然后将其与过去和现实的天气情况进行匹配，预测航班是否会晚点；咨询服务提供者，提供技术服务支持、技术（方法、商业等）咨询，或者为企业提供类似数据科学家的咨询服务；2B 商业模式：定位在某一具体行业，通过大量数据支持，对数据进行挖掘分析后预测相关主体的行为，以开展业务；利用数据挖掘技术帮助客户开拓精准营销或者新业务，有时企业收入来自于客户增值部分的分成。 例如德国咨询公司GFK帮助Telefonica 面向零售商、政府部门、公共机构提供基于地点的人员流动（Footfall）数据：以时间为维度（小时/天/月/年），在特定区域的人员人口统计数据（性别、年龄）和行动等数据； 这类企业成长非常快，一般擅长数据挖掘分析技术，帮助一些数据大户如银行、运营商等开展新的业务。

大数据产业化应用价值解析

大数据是当下科技应用的热土，传统企业在转型、升级等战略调整的同时，需要借助一些新兴科技作为企业发展的“左膀右臂”，助力企业增效、获益。随着IT的发展，社会经济“互联网化”愈演愈烈，大数据从前沿科技逐步走向寻常百姓人家的饭后谈资。大数据引领的“数据为王”的DT数据时代，正在昂首阔步的走来，大数据正在经历着产业化的变迁，数据应用价值亦然成为企业手中的一把利剑，在企业竞争角逐中无往不利，所向披靡。

    数据之所以成为新商业经济社会的必争之物，在于它实际场景中的应用价值。

    数据只有被应用到具体的商业场景和产业生产中才具有价值和意义，企业之所以将建立的交易数据库、客户数据库等视为企业核心竞争力，是因为得数据者得用户、得用户者得天下。企业之间的激烈竞争是商业社会优胜劣汰的必经之路，如何利用好数据，将之转化为有价值的数据财富应用到产业化场景中，是当下企业建立竞争壁垒的首要问题。

    大数据包含收集、积累、处理、应用等一系列环节，其真正的价值体现在产业化的管理和使用，将数据作为产业链中不可或缺的驱动力、创新力，使其成为企业发展的“内核发动机”，从而促进整个商品经济社会生产与再生产，实现商业本质的最优化和服务的最佳化。

    以下是大数据产业化应用的三个主要层面：

    弹无虚发：精准营销

    企业应社会需求生产商品，在生产过程中会遇到生产过剩或者商品滞销等问题，往往商品或者服务和消费者存在“一堵墙”的距离，这堵墙表现在产品或服务与消费者之间的巨大沟通成本。企业精准定位目标消费群体，选择性的为消费者提供商品、服务，但是在线上商店的商品无法精准的出现在目标消费者的视阈里，一个网络游客逛到一家在线商店，店小二无法知晓进店的是一条狗还是一个人，他（她）的需求都是无法捕捉和观察到的，没有量化的数据支撑网商的判断和商品推广，交易便难以产生。

    不同于线下实体店的是，店员都会根据进店顾客的特征，多维度的判断他（她）可能存在的消费需求，长相、体型、性别、年龄等等店员都可以根据目测做出一个较为准确的判断，从而进行下一步的导购。大数据可以提供企业目标消费群体多维度的特征描述，以便将其“一网打尽”。

    大数据是有着海量数据积累，大数据手段能够捕捉到用户的网络消费行为与消费特征，将其进行数据化处理，并且保留在云端，当用户再次出现在互联网上就会被监测到，经过一些列大数据算法，依据用户以往的消费数据信息，选择向用户的Web界面推送一些可能会购买的商品或者服务，实现精准营销，实现企业高效率、低成本、高ROI的规模化扩张之路。

    以人为本：定制生产

    定制生产是依照消费者的需求进行产品设计、生产，以满足互联网时代消费者日益丰富的多层次、个性化的消费需求。以往企业生产什么产品消费者就用什么产品的模式逐渐从市场褪去，企业开始看重细分领域消费者的需求，为其创造更好的服务体验，力争增加消费黏性和建立消费者的品牌忠诚度，提升竞争力。以人为本的企业服务理念被视为未来商业的可能，随着态势日趋转好经济大环境，“顾客就是上帝”的传统理念将会被重新定义。需求导向型产业需要大数据的分析模型，按需而策划、定制的产品是紧跟消费市场的，因此企业实行定制生产必须在设计、生产、供应、销售、管理、配送等各个环节上，都要适应小批量、多式样、多规格、多品类的生产和销售变化。大数据在其中起着挖掘需求、设计产品、建立渠道等方面的重要促进和指导作用，所有环节都要以消费者数据为出发点。

    定制生产的产品，将会以高匹配被市场接受和认可，以消费者为中心的理念促进了企业资源的最优配置和排序，避免了产能过剩和定位模糊，数据驱动力一定程度上映射着商业的本质。商业的本质是商品和服务，商品或服务的使用价值体现在消费者对其功效的使用，数据是商品、服务量化了的指标和参数，数据会真实反映出商品、服务的市场适应性和方向性。

    其中，如何检验收集到的数据是否有使用价值、可被利用性，可被当做定制化生产指标的等等问题，至关重要。这就要求企业要保证数据来源的科学性、逻辑性、准确性，企业的可持续发展需要多层面的共同协作。

    高效匹配：两端桥梁

    前面提到了精准营销和定制生产，实际上是从企业端和目标消费群体端来讲的，可以理解为B端和C端，C to B 的定制模式和B to C的精准营销是大数据目前应用最为广泛的场景。实际上大数据是链接目标消费者和企业的信息桥梁，两者在沟通环节中可能会遇到诸多问题，例如企业定位的偏差，消费者伪需求的传达，都会造成产业链的冗长和落后，大大增加了时间成本和投入了更多的沉没成本，致使效率低下，消费萎靡、滞缓。所以说，大数据会告诉企业应该生产什么样的产品，会告诉消费者企业产品与服务的差异在哪里。数据化的指标就像人体心率、肺活量、血压、血糖等等指数一样，能够准确反映出一个人的身体状况，大数据能够体现一个企业的状况，一个消费者的状况。数据不会说谎，只传达真相。

    产业链的两端分别是企业和消费者，中间环节长度决定着双方反馈速度的快慢，产业链过长必然需要一定的时间来使双方做出反应，而经济市场瞬息万变，供与需是否能够及时得到平衡匹配很难保证。这就要求企业建立产业生态链条的全闭合和高效供需匹配机制，实时响应、反馈，把两端的利益契合点找出来并且进行组合搭配。

    大数据的挖掘成本和价值含量，直接影响着企业对数据的信心，“有用”的数据才是大数据存在的意义，社会的高效运作离不开经济体之间的相互协作，大数据机制的形成和高层级应用是当下数据发展的方向，数据产业化蕴含着巨大的市场机会，而中国正在经历着数据时代的变迁。

以上是小编为大家分享的关于大数据产业化应用价值解析的相关内容，更多信息可以关注环球青藤分享更多干货

从概念到应用 大数据产业刚刚开始

当互联网与IT技术对传统产业的改造越来越深入，全社会的信息化程度越来越高时，各行各业会产生大量的用户大数据。

大数据已经成国家战略，事关中国经济的转型与升级，以及中国在全球经济、政治、文化上的竞争力。

在2015年第四届中关村大数据日的活动上，分享嘉宾来自各行各业。从个人出行到工业大数据，从能源到企业服务，大数据正快速与企业结合，拥有勃勃生机。围绕着“共享共融数创未来”这个主题，在第四届中关村大数据日上，各位嘉宾发表了自身的精彩观点。

从概念到应用落地

过去几年，大数据还只是谈论概念，现在已经有了诸多应用。比如，在打车行业，如何利用大数据进行司机与乘客路线更精准的匹配，而不同场景、不同时段，用户出行的特点不同，司机也有不同的喜好与熟悉的区域，如何动态地将这两者匹配，实际上是大数据的难题。

同样，在工业领域，一整套数据的标准、主数据、数据仓库，甚至BI，亦可以优化工业化生产，提升效率。这其中模型数据化、数据产品化，是工业大数据，两个重要的探索方向。

而在民生领域，以龙信思源为代表的大数据公司，为政府、社会组织及研究团队，提供了大量的数据产品支持，这也促进了整个民生行业大数据的发展。

中国的大数据产业，才1500米，而未来的路是万米之长。这其中蕴含的机会也有很多。目前，大量的大数据创业公司，围绕数据交换、数据建模、数据分析、数据可视化、数据集成、数据仓库、数据行业应用等大数据产业链各个层面，开始创业。据了解，目前，大数据已经成为全球知名VC投资的重要方向，并且各个阶段企业的融资步伐，也开始加快。

当大数据产业链、行业应用逐步发展完善之后，大数据将会形成质变，创新整个社会形态。

宽带资本董事长田溯宁认为，大数据不仅引起数据的量变，还会引起整个企业经营形态发生变化。过去，工业时代是以产品为中心，而大数据时代，需要的是围绕客户运营，依据客户需求，给出合适的数据产品。并且，可以实时将客户需求与产品进行较好匹配。“在客户最需要的时候，站出来，这比什么都有效。”

大数据的3大挑战

大数据是从信息技术的底层来捕捉信息化的共性基础和未来发展趋势。大数据技术是底层技术，基础性、内蕴性、普适性可以给各个行业助力。但大数据的基础性、底层性，也带来了一些挑战。

中国科学院院士、大数据专家徐宗本认为，大数据行业的真正挑战来自三个方面：一是原来的分析基础要变化，要融合统计学、计算理论基础、逻辑基础。二是，计算技术也需要重新革新，无论是存储、计算语言、还是计算方法都需要重新来过。三是，大数据做出来的结论对不对，还无法大规模验证，这是目前面临的最大挑战。

在三大挑战中，应用层的挑战当属榜首。大数据，看上去很美，但对大多数人来说，更是雾里看花。如何将抽象的数据变成一个个可以在现实中实践的产品，这些需要各行各业进行深入探索。

目前，大数据的浪潮才刚刚开始，许多传统产业看到了这方面的价值，但是并没有获得收益。而如果大数据没有相关的产业基础，亦很难有更多的务实创新。行业人士一致认为，未来，大数据的机会与挑战皆在与行业的结合上。

未来的路要怎么走？

大数据产业，既独立于行业，有自身的产业链条又依赖于各个行业，形成大数据应用的广度与深度。

共享经济这个词近两年很流星，除了实物类的共享外，还引领了数据层面的共享。Airbnb、滴滴打车、优步，这些都实现了物理资源的共享。而在IT界，云计算是将每个人需要的计算能力，汇聚到一起，形成一点对多点的需求。而在共享经济时代，不必将资源和计算的方式连接在一起，大众将自身拥有的资源共享，成为多点对多点的关系。在这一模式下，大数据也可以作为一种资源共享出来。

目前，国内进行的数据共享，主要围绕数据互换、数据定价、数据反馈等层面来进行。举个例子，一个利用大数据进行金融创新的企业，其获得的数据源主要来自于几个方面:用户、合作的场景与客户、第三方征信数据。与合作场景客户往往通过数据互换、数据反馈来进行。而与第三方征信公司，数据往往通过数据定价来完成。

与会专家不少认为，由于数据定价模式还不完善，数据只处于交换阶段，这使得大规模的数据交换无法进行。未来，还会是通过数据交换平台来完成。

行业人士一致认为，未来，数据交易市场目前还处于发展初期。未来，数据交易市场还从服务、IT应用、行业开发等各个方面，来形成数据产品，进行流通。并且，数据流通不是一个空话，这里也非常需要多行业多企业的数据聚合，将交易市场这个大平台，实现最大化。

不少大数据创业公司，致力于大数据交易。但是，数据堂CEO齐红威的观点颇具代表性，他表示，数据交易平台会遇到几个核心问题。：一是直接的数据交易无法实现。不少数据涉及个人隐私，有一些处于灰色带这些数据需要脱敏之后，形成相关的产品之后，才能使用。并且，不少数据是涉及国家安全的，这些数据，就不能使用，这是每一个大数据公司的底线。

二是，数据提供方和数据需求方的需求并不对等。目前，数据提供方想要的是对自身数据的不断补充，以及对自身数据产品的调整与研发。而同时，数据需求方，则希望能够整合多家数据，完善自身的数据体系。现在，每家公司都认识到自身的数据资产价值，对于数据的开放、合作上的积极性还需要进一步提高。

三是，数据的版权问题。原始的数据由于各种没法使用，公司与产业需要的是脱敏感数据产品，那这些深度加工过的数据产品，版权究竟属于谁，谁能够使用。这些还需要进一步探讨。

四是，数据的加工。原数据可以使用的场景、交易的范围都被大大缩减了。而进行数据加工之后，可以使用的产品与场景，都骤然增多。

对于这4大问题，行业一致认为，除了通过市场化的企业力量，去创新方法，改装这些问题之外，还需要政府的主导力量。

中关村管委会副主任宣鸿表示，中关村管委会将全力支持大数据产业快速发展，从政策支持、人才引进、资源扶持等各个方面，全力支持大数据。

据了解，中关村管委会制订了中关村大数据产业发展促进路线图，面向2020年，中关村将着力引进100个大数据顶尖人才和100个创业团队，超前布局，人机交互、人工智能、虚拟现实等关键技术，落地5家一流的大数据究机构和5家交易评估机构，建设30个大数据共享应用平台，建设20个企业创业的孵化平台，建设3个大数据产业园并落地50个大数据的产业化项目。

近些年，大数据已经和云计算一样，成为时代的话题。大数据是怎么产生的，商业机会在哪？研究机会在哪？这个概念孕育着一个怎样的未来？昨天在车库咖啡参加了一个小型的研讨活动，就这些问题进行了一些讨论，我结合自己的一些理解做一个总结。首先，大数据是怎么产生的？1）物理世界的信息大量数字化产生的例如刘江老师指出的好大夫网，将医生的信息，门诊的信息等数字化。其实还有很多，比如新浪微博将茶馆聊天的行为（弱关系产生信息数字化），朋友聊天的行为数字化（强关系产生信息数字化）。视频监控探头将图像数字化。2）社交网络产生的在雅虎时代，大量的都是读操作，只有雅虎的编辑做一些写操作的工作。进入web2.0时代，用户数大量增加，用户主动提交了自己的行为。进入了社交时代，移动时代。大量移动终端设备的出现，用户不仅主动提交自己的行为，还和自己的社交圈进行了实时的互动，因此数据大量的产生出来，并且具有了极其强烈的传播性。3）数据都要保存所产生的一位嘉宾指出，旧金山大桥保留了百年的历史数据，在时间跨度上产生了价值，很多网站在早期对数据的重视程度不够，保存数据的代价很大，存储设备的价格昂贵，但是时代变了，存储设备便宜了，用户自己产生的数据得到了重视，数据的价值被重视了。因此越来越多的数据被持续保存。其次，大数据和大规模数据的区别？big data之前学术界叫very large data,大数据和大规模数据的差距是什么？我认为在英文中large的含义只是体积上的，而big的含义还包含重量上的，价值量上的。因此我认为：1）大数据首先不是数量上的堆砌，而是具有很强的关联性结构性。比如有一种数据，记录了世界上每一颗大树每年长高的程度，这样的数据不具有价值，因为只是简单堆砌。如果数据变成，每一个大树记录它的，地点，气候条件，树种，树龄，周边动植物生态，每年长高的高度，那么这个数据就具有了结构性。具有结构性的数据首先具有极强的研究价值，其次极强的商业价值。在比如，淘宝的数据，如果只记录一个交易的买家，卖家，成交物品，价格等信息，那么这个商业价值就很有限。淘宝包含了，买家间的社交关系，购物前后的其他行为，那么这个数据将非常有价值。因此，只有立体的，结构性强的数据，才能叫大数据，才有价值，否则只能叫大规模数据。2）大数据的规模一定要大，而且比大规模数据的规模还要大。要做一些预测模型需要很多数据，训练语料，如果数据不够大，很多挖掘工作很难做，比如点击率预测。最直白的例子，如果你能知道一个用户的长期行踪数据，上网的行为，读操作和写操作。那么几乎可以对这个人进行非常精准的预测，各种推荐的工作都能做到很精准。最后，大数据的机会在哪里？对小公司的机会在哪？围绕数据的整个产业链上，我认为具有以下机会：1）数据的获得大量数据的获得，这个机会基本属于新浪微博等这类大企业，大量交易数据的获得，也基本属于京东，淘宝这类企业。小企业基本没机会独立得到这些用户数据。2）数据的汇集例如如果你要能把各大厂商，各大微博，政府各个部门的数据汇集全，这个机会将是极大的。但，这个工作，做大了需要政府行为，做中档了，要企业间合作，做小了，也许就是一个联盟或者一个民间组织，比如中国爬盟。3）数据的存储汇集了数据后，立即遇到的问题就是存储，这个代价极大，原始数据不能删除，需要保留。因此提供存储设备的公司，执行存储这个角色的公司，都具有巨大的市场机会，但是这也不属于小公司，或者早期创业者。4）数据的运算在存储了数据以后，怎么把数据分发是个大问题，各种API,各种开放平台，都是将这些数据发射出去，提供后续的挖掘和分析工作，这个也需要有大资本投入，也不适合小公司。5）数据的挖掘和分析数据需要做增值服务，否则数据就没有价值，big也big不到哪里去，是没有价值的big.因此这种数据分析和挖掘工作具有巨大的价值，这个机会属于小公司，小团体。6）数据的使用和消费在数据做到了很好的挖掘和分析后，需要把这些结果应用在一个具体的场合上，来获得回报，做数据挖掘和分析的公司，必须得找到这些金主才行，而这些金主肯定也不是小公司。大数据未来的形态，或者产业链结构一定是分层的，巨大的，价值的体现发生在各个层次，每个层次都是生态链的重要一环，都孕育着巨大的机遇和挑战，我们能做的唯有努力，做适合自己的工作。责编：孔维维

DT时代 大数据如何服务产业经济_数据分析师考试

　信息技术正在从IT时代向DT（数字化、大数据）时代演进。在DT时代，大数据究竟有什么用？对于政府、企业和个人，大数据又将会给产业经济带来什么变化？数据又如何不被滥用？在中国，它所引领的整个产业链能否实现“弯道超车”？

日前，光明记者独家专访了被称为中国大数据行业的“数据之王”——王叁寿，从他的视角去诠释大数据该以何种状态服务整个产业链发展。

产业——大数据“唯快不破”

7月25日，刚刚从外地出差回京的王叁寿，似闲非闲地点燃一根雪茄，向记者讲述其创业多年的商战往事，以及关于他个人的一些“非议”。

提起王叁寿本人，这名“80后”创业者很忙，除了众多与大数据相关的社会职务身份外，王叁寿还是汉鼎咨询、九次方和贵阳大数据交易所三家公司机构的执行总裁。早在2010年，王叁寿就是“创业红人”，他所创立的九次方大数据公司，曾被认为是能实现“弯道超车BAT”的一匹黑马。

王叁寿认为，互联网行业，中国比美国晚了30年，但大数据行业中美是同步的，大数据是有可能弯道超车美国的产业。

现如今，大数据已成为“互联网+”时代的一个重要发展方向。今年4月，贵阳大数据交易所的成立，标志着大数据可以作为一种资产、一种商品进行交易，这在国际上被冠誉为“不可思议”的产业创新。

贵阳之所以能够坐上大数据交易的“头班车”，用王叁寿的话就是“天下武功，唯快不破”；大数据产业是一个上不着天、下不着地的产业，上不需要产业基础，下不需要供应商。

“它就是一个新兴产业，新兴领域没有商业模式，就是看谁做的快。”当互联网由IT时代向DT时代演进的时候，也许有很多人看到了数据的价值，但在漫漫的数据之旅上，王叁寿是那个跑得最快的人。

思维——“为大数据代言”

百度搜索“王叁寿”，得到的关键词达372000条信息，与之相匹配的还包括“大数据”、“九次方”、“汉鼎咨询”、“贵阳大数据交易所”、“王涛”等推荐词条。这就是王叁寿出现在网络上的几个关键词。他也似乎一直在为大数据“代言”，由此被媒体称之为“未来数据之王”。

DT时代，数据的作用极其重要。汉鼎咨询、九次方大数据和贵阳大数据交易所，两家公司一家机构就像是王的三个“孩子”。而现在的王叁寿，将更多的时间去运营和管理贵阳大数据交易所，战略思维和眼光也从原来的“竞争思维转变为合作思维。”

“这种局面的产生，离不开政府的支持，政府在从管理型政府在向服务型政府转变的过程中，有意识地去扶持一些产业的发展。”王叁寿说，一个企业若能够帮助政府做事情，他们会举整个城市的力量去帮助你。

贵阳数据交易所的成立就是在这样一个背景下落成的，它并非传统的招商引资，而是政府与企业的合资，相比于一般的企业，它也肩负了更大的责任。“数交所未来是国家的交易所，我们希望能够以大数据交易拉动整个产业链，带动一大批企业创业。”或许，这就是王叁寿一致深耕于大数据的梦想。

贵阳能够率先发展数据产业，对其他的省市也是一个刺激。“每个城市都有自己创新的名片。贵州省作为大数据产业的发源地和聚集地，让很多省市对发展新兴产业都有了信心。”王说。

如果说贵阳大数据交易所是在“下一盘棋”，那么汉鼎和九次方就如同棋盘里的“车”，我们希望能用九次方整合的资源，去扶持一百家数据公司在我们的平台上创业。”对于王叁寿来说，传统的竞争思维已逐渐暴露出弊端，合作才是当前应有的姿态。

创业——老“北漂”与新“贵漂”

将更多时间放在贵阳大数据交易所的王叁寿，成了贵阳当地的流行词“贵漂”一族，由此他也经常往来于贵阳和北京两地。作为一名“草根”创业者，王叁寿的创业路上也曾受过贵人相助。创业之初，王所带领的汉鼎咨询团队，其个人包揽了公司近90%的市场业务。

侃谈之余，王叁寿向记者吐槽改名的由头，其称“王涛”这一名字可能是全国重名最多的。他说：“当时在跟客户沟通的时候，很多客户都会问一句，你是哪个王涛？”这给当时刚创业的王叁寿业务对接带来些许不便。

“之所以将王涛改成王叁寿，也颇有讲究，一来“叁寿”是把“涛”拆分，二是当时创业公司名叫’汉鼎’，’鼎’有三只脚，并且’王叁寿’每个字都是三横，三横三竖凑成田地的田”。

近10年来，王叁寿仍旧奔波忙碌于创业的路上，以至于公司员工和家人早就“催促”他成家结婚。可对于每一位创业路上的人，很少能够事业和家庭同时兼顾，王叁寿也不例外。

“人红是非多”。面对网络上曾密集出现的众多非议和负面报道，王叁寿似乎并没有做过多回应，也一点儿不担心流言“越描越黑”。他告诉记者：“只希望外界看到真实的我，这样的事越往里陷，就会越陷越深。”

相比于澄清，王叁寿更专注是否得到客户的认可。“没有客户因为这件事而不找我做事情，也没有客户因此而不认可我。在我看来，商业和人品没有关系，商业是看你为客户创造的价值，而人品是为人处世的态度”。

以上是小编为大家分享的关于DT时代 大数据如何服务产业经济的相关内容，更多信息可以关注环球青藤分享更多干货

大力推展数字经济，这样可助推我国经济高质量发展。

一，产业数字化推动经济高质量发展的传导机制

产业数字化包括农业数字化、工业数字化和服务业数字化，可优化产业结构，重塑产业新格局。产业数字化不仅包括传统产业的数字化转型，也包括由新技术衍生出的新产业形态。当传统产业通过数字化不断进行品牌创新、商业模式创新、管理创新、营销创新等，经济高质量发展就会有无穷的动力。将数字技术应用到工业制造业领域，可提高整个工业生产部门的经济效率和产品技术含量。将数字技术应用到服务领域，可通过大数据精准匹配个性化需求，加快产品和服务创新的速度，加速消费升级，提高资源配置效率。

二，数据价值化推动经济高质量发展的传导机制

数据要素与知识、技术、信息等其他新生产要素相结合，能推动新一代信息技术与实体经济深度融合，以数据驱动企业和产业数字化转型，促进经济高质量发展。在工业互联网时代，数据是核心资源。通过大数据、云计算、人工智能、物联网等新兴技术的应用，上下游产业链的数据资源得以充分挖掘、高效利用和有效比对衔接，带动技术研发体系、管理方式和产业价值链体系的重构，推动经济高质量发展。

三，数字化治理推动经济高质量发展的传导机制

数字化治理是政府利用数字技术处理海量的工作数据，用信息化手段进行城市数字化管理运作的基本模式，不仅包括同城不同业务部门的数据共享，也包括跨城、跨省的信息互通互联。在大数据、区块链等新技术的推动下，政府部门必须增强数字化办公的意识，保证政务数据的有序开放和共享，塑造完整的大数据产业链条，以推动政府智慧治理及智慧城市建设，提高政府政策的执行效率，为经济的高质量发展提供保障。

“大数据”概念价值提升 带热数据产业链

大数据”概念价值提升，带热数据产业链

数据本身是什么，我们并不陌生。IT经济社会出现之后，数据成了大家火热关注的问题。从行业角度看，在互联网高速发展的十几年中，数据处理技术日新月异，加上移动互联和物联网技术和商业模式的新机遇，加速了数据的产生速度，数据存储量开始爆炸式增长。“大数据”概念应运而生。

然而“大数据”概念出现之前，数据分析、数据处理等数据库领域技术在不温不火中持续发展。也出现了数据仓库、BI等新技术概念。但从媒体角度看却没有获得关注焦点。直到“大数据”概念出现，将整个数据领域推至最高点，成为全球关注的热点概念。

对于这一现象，武新表示：互联网的出现，从技术角度和商业模式上颠覆了传统行业的经营状况，我们每个人的生活方式，也在互联网和移动互联网的推动下发生根本变化。除去概念炒作的影响外，可以说“大数据”概念提升了数据本身的价值。数据本身没有模型，或者说没有一个量化的方法。因此，我们无法给出一个明确的价格；但是，在大数据的推动下，企业对数据的重视程度进一步提升，让我们看到了数据的价值体现和资源地位。

除此之外，数据仓库、BI等早早出现的技术，在“大数据”的带动下在应用上更加活跃。接下来的大数据时代，是人类信息社会的收官阶段。之前的计算机时代和互联网时代，都是为大数据时代做铺垫和准备的。计算机时代的核心是计算能力，极大提高了人们对数据的处理能力；互联网时代解决了信息移动和连接的问题；而大数据时代，可将世界万事万物通通数据化，让人们在数据利用中优化现实操作和行为，令全球系统的运行更为高效。

所以说“大数据”的出现，不仅开启了数据领域的极速发展。对该领域的开发者而言，也迎来了最佳发展阶段。

大数据应用须解决三大关键点

大数据应用的关键点是数据来源、产品化和价值创造数据资源分布不均，大数据应用在数据密集领域更易获得突破须对不当的行业管理模式进行改革,以促进大数据在已有各个行业中应用。

大数据贵在应用。当前，在国家层面，国务院出台《促进大数据发展行动纲要》在地方层面，大数据被作为区域发展战略引擎在企业层面，各类大数据概念公司方兴未艾、蓬勃发展。我们独关注大数据应用，关注数据从哪里来、数据怎么用、成果谁买单，也就是数据来源、产品化和价值创造三个关键点。一个好的大数据应用，从技术上可能很复杂，但从业务模式上应当简单、直白、管用。我们还关注，是否存在若干"数据密集型"行业或领域，大数据应用在这些领域可能更容易开展。在产业政策方面，我们关注作为新兴业态的大数据，过去屡试不爽的做法，如给地、给钱、给项目等，是否还会继续有效?

大数据应用的三个关键点

国务院《促进大数据发展行动纲要》(简称《大数据纲要》)将大数据定位为"新一代信息技术和服务业态"，赋予大数据"推动经济转型发展""重塑国家竞争优势""提升政府治理能力"的战略功能，并将数据界定为"国家基础性战略资源"。在应用方面，《大数据纲要》在公共领域提出许多发展方向，如宏观调控科学化、政府治理精准化、商事服务便捷化、安全保障高效化、民生服务普惠化在产业层面，主要按行业领域划分为工业大数据、新兴产业大数据、农业农村大数据、万众创新大数据，以及大数据产品体系和大数据产业链。这些方向，只是大数据应用的潜力和空间，能不能应用起来，能不能发挥作用，还得看有没有可行模式和实际效果。无论是在公共领域还是在产业层面，大数据应用都离不开数据来源、处理技术和方法、创造价值的模式，这是我们关注的重点。概括来说，需要回答下面三个看似简单、却是关键的问题。(一)数据从哪里来关于数据来源，普遍认为互联网及物联网是产生并承载大数据的基地。互联网公司是天生的大数据公司，在搜索、社交、媒体、交易等各自核心业务领域，积累并持续产生海量数据。物联网设备每时每刻都在采集数据，设备数量和数据量都与日俱增。这两类数据资源作为大数据金矿，正在不断产生各类应用。国外关于大数据的成功经验介绍，大多是这类数据资源应用的经典案例。还有一些企业，在业务中也积累了许多数据，如房地产交易、大宗商品价格、特定群体消费信息等。从严格意义上讲，这些数据资源还算不上大数据，但对商业应用而言，却是最易获得和比较容易加工处理的数据资源，也是当前在国内比较常见的应用资源。在国内还有一类是政府部门掌握的数据资源，普遍认为质量好、价值高，但开放程度低。《大数据纲要》把公共数据互联开放共享作为努力方向，认为大数据技术可以实现这个目标。实际上，长期以来政府部门间信息数据相互封闭割裂，是治理问题而不是技术问题。面向社会的公共数据开放愿望十分美好，恐怕一段时间内可望不可及。在数据资源方面，国内"小数据""中数据"应用并不充分，试图一步跨入大数据时代，借机一并解决前期信息化过程中没能解决的问题，前景并不乐观。另外，由于中国互联网公司业务主要在国内，其大数据资源也不是全球性的。数据从哪里来是我们评价大数据应用的第一个关注点。一是要看这个应用是否真有数据支撑，数据资源是否可持续，来源渠道是否可控，数据安全和隐私保护方面是否有隐患。二是要看这个应用的数据资源质量如何，是"富矿"还是"贫矿"，能否保障这个应用的实效。对于来自自身业务的数据资源，具有较好的可控性，数据质量一般也有保证，但数据覆盖范围可能有限，需要借助其他资源渠道。对于从互联网抓取的数据，技术能力是关键，既要有能力获得足够大的量，又要有能力筛选出有用的内容。对于从第三方获取的数据，需要特别关注数据交易的稳定性。数据从哪里来是分析大数据应用的起点，如果一个应用没有可靠的数据来源，再好、再高超的数据分析技术都是无本之木。(二)数据怎么用数据怎么用是我们评价大数据应用的第二个关注点。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。追踪。互联网和物联网无时无刻都在记录，大数据可以追踪、追溯任何一个记录，形成真实的历史轨迹。追踪是许多大数据应用的起点，包括消费者购买行为、购买偏好、支付手段、搜索和浏览历史、位置信息，等等。识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品对企业画像，可以准确判断信用及风险。提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。匹配。在海量信息中精准追踪和识别，利用相关性、接近性等进行筛选比对，更有效率地实现产品搭售和供需匹配。大数据匹配功能是互联网约车、租房、金融等共享经济新商业模式的基础。优化。按距离最短、成本最低等给定的原则，通过各种算法对路径、资源等进行优化配置。对企业而言，提高服务水平、提升内部效率对公共部门而言，节约公共资源、提升公共服务能力。当前许多貌似复杂的应用，大都可以细分成以上几种类型。例如，贵州推行的"大数据精准扶贫项目"，从大数据应用角度，通过识别、画像，可以对贫困户实现精准筛选和界定，找准扶贫对象通过追踪、提示，可以对扶贫资金、扶贫行为和扶贫效果进行监控和评估通过配对、优化，可以更好地发挥扶贫资源的作用。这些功能也并不都是大数据所特有的，只是大数据远远超出以前的技术，可以做得更强大、更精准、更快、更好。(三)成果谁买单成果谁买单是我们评价大数据应用的第三个也是最后一个关注点。道理很简单，不创造价值的应用不是好应用。我们关注大数据的应用是否实实在在地提升了能力、改善了绩效。如果大数据用于自身的产品设计、营销推广、资源配置，那就看企业竞争力是不是提升了，看企业最终是不是比以前更赚钱了。如果大数据用于为第三方提供服务，那就看是不是有人愿意付费、愿意持续付费。但如果是用于公共领域，还要看政府或公共部门的付费值不值，不仅仅是从出资方的视角看值不值，还要从老百姓的视角看值不值。当我们面对一项大数据应用时，只要简单问一问上面三个问题--数据从哪里来、数据怎么用、成果谁买单，就能揭开许多"伪装"。当然，如果经得起上述"大数据三问"，也并非一定算得上优秀，却也离优秀的大数据应用不远了。寻找数据密集型领域既然大数据被视为一种资源，那就要考虑资源分布的问题。一般而言，资源分布是极不均匀的，如水、矿产、耕地、能源等自然资源人力资源和知识的分布更是不均。大数据是否也存在分布不均的问题?发展大数据产业是否真的能弯道超车?这些问题值得深入思考。与可以探测的自然资源不同，数据资源分布难以定位和刻画。不过，可以用大数据人力资源分布状况来间接反映大数据应用在地区、行业间的差异，哪些行业、哪些地区大数据人力资源密集，这些行业和地区就可以看作是数据密集的。我们对两家主流招聘网站"前程无忧"和"智联招聘"2014年下半年以来发布的招聘信息进行筛选，得到两家网站两年来共发布相关信息涉及企业22.7万家，职位100.7万个，数据量确实足够"大"。通过分地区、分行业进行汇总分析，结果显示大数据人力资源分布极不均匀，各地区、各行业差异极大。不过，确切来说，通过招聘网站反映的是人才需求情况，并不是严格意义上的人力资源存量分布情况，但这两者是紧密相关的。从大数据相关岗位工作地来看，北京、广东、上海三地高度密集，遥遥领先于其他地区。三地相加，发布招聘信息企业数在两家网站占到52.35%和47.48%，职位数占到61.23%和56.74%。可以推测，大数据人力资源的半壁江山都集中在这三个地方，这与我们平时的直观感受是高度一致的。在这三个地方之外，我们关心是不是地方政府重视大数据产业、将大数据作为区域经济发展引擎，就可能促进人力资源集聚，就可能超越与自己相似经济发展水平的其他地区。从数据反映情况看，至少目前还看不到这样的结果，这揭示出人力资源结构是后发地区发展大数据产业最需要弥补的短板和最难克服的困难。改变一个地方人力资源构成的难度要远远大于改变地面建筑面貌，要么需要一个长期的过程，要么需要一个独特的制度。即便在同一省份内，大数据人力资源分布也极为不均。例如在广东，单深圳一市就大体占到了全省的一半。再加上广州，竟然能够达到九成。其他地方，即使经济实力不俗，但与深圳、广州相比，在大数据人力资源方面相差甚远。这再次表明，大数据人力资源分布是极不均匀的。显然，大数据人力资源密集地区发展大数据产业的基础要优于人力资源贫瘠的地区。从城市排名看，北上深广可以视作大数据人力资源需求密集的一线城市，杭州、南京、成都、武汉、西安等可以看作二线城市。大数据人力资源分布与城市经济实力、活力乃至房价水平都是大体一致的。从行业分布看，对大数据人力资源的需求分布更不均匀，主要集中在互联网、信息技术及计算机相关行业。这充分说明了大数据是互联网或IT产业的一部分，是在原有基础上的新发展。这些行业是典型的"数据密集型"行业，是大数据产业发展的摇篮。金融是另一个特别重要的"数据密集"领域。金融行业既是产生数据尤其是有价值数据的基地，又是数据分析服务的需求方和应用地。更为重要的是，金融行业具备充足的支付能力，将是大数据产业竞争的重要战场。许多大数据是通过在金融领域的应用辐射到了各个行业。除此之外，电信、专业服务(如咨询、人力资源、财会)、教育培训、影视媒体、网络游戏等，相对而言也是当前数据较为密集的行业。《大数据纲要》几乎面面俱到地对所有行业和领域都规划了大数据应用的广阔前景，但数据资源分布极为不均，在"数据密集"领域的大数据应用，取得市场成功的可能性较大。大数据需要什么样的产业政策大数据应用需要什么样的产业政策?从应用的角度来看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，促进大数据发展，用给地、贴钱、上项目的方法，并不能解决根本问题。要从大数据应用领域角度，对不当的行业管理模式进行改革，对既有利益格局进行调整，使大数据应用具备必要的条件。即使在企业内部，大数据应用也不仅仅是个技术问题，而是涉及业务流程重组和管理模式变革，是对企业管理能力的一个考验。金融、电信、教育、影视媒体等"数据密集型"行业，既是大数据应用潜力巨大的领域，也是迫切推进行业改革的重点领域。另一方面，大数据的应用也可以为行业改革提供技术支撑，能以更有效的技术路线实现行业发展目标。

大数据应用需要的产业政策其实就是市场经济下各个行业发展所应有的政策，如放开准入、公平竞争、减轻企业负担、消除企业所有制歧视、消除企业规模歧视，等等。只有在一个开放的产业环境中，大数据才能在这些产业得以有效运用。一个地方若要在金融、医疗、教育等领域大力推动大数据运用，最管用的政策就是对这些行业进行有力的改革。

一方面大数据全面推动了社会资源的数据化进程，另一方面大数据开辟出了新的价值领域，使得数据成为了重要的生产资料，所以未来大量的行业都会与大数据技术建立起密切的联系。

当前大数据正处在落地应用的初期，目前大数据的主要应用依然集中在互联网、信息服务、金融、教育、医疗和交通等领域，这些领域也正在受益于大数据技术的使用。

大数据技术注意：

需要采用多种方法来保护大数据。这应该包括对企业所拥有的数据的理解，对数据的操作进行审计，并控制特权用户。确保用一个完整统一的流程和控制系统覆盖大数据安全。

对数据准确性和质量的投诉很常见。然而，很多企业并没有从根本上看问题的根源。而缺乏对数据收集的核心监督会导致数据重复、列的错误使用、错误的输入等。