*利用大数据后美国十次啦唐人社导航，农夫山泉会发生管束变革吗？YES

*中国能制作出类《纸牌屋》的电视局吗？NO

*大数据不错给阿迪达斯带来利润吗？YES

日本男同

*网易数据工程师不错当“牙婆”？YES

*中国政府畴昔会盛开数据吗？YES

*正在到来的数据改进改换政府、交易和咱们的生涯......

《纸牌屋》 就在制作这期“大数据专题”时，裁剪部发生热烈讨论：什么是大数据？裁剪记者们引经据典，试图将数据堆砌的交易案例剔除，真确的、实用性强的数据挖掘故事留住。

咱们报说念的是伪大数据公司？咱们是否成为《支配大数据》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。有音书称，3月23日，阿里巴巴以7000万好意思元收购了一家转移开发者数据统计平台。这激励了大师们热烈讨论，它收购的真的一家大数据公司吗？

这些质疑并非莫得风趣。

中国确乎莫得大数据的泥土。“差未几先生”、“大致皆”的文化标签一直存在。好多时候，各级政府不太需要“大数据”，酿成决策的纰谬性数据惟有一个数字比率（GDP）辛苦；其二，对于行业支配机构来说，它们领有多量原始数据，但它们还在试探、摸索数据盛开的模范，比如说，是盛开原始数据，照旧盛开经过万般加工的数据？是转让给领有更高档运筹帷幄和储存才略的大型数据公司，照旧将数据开源，与万般各样的企业分享？其三，数据挖掘的用具价值并莫得完全被认同。在这个范围，硬件和软件的发展并不十分红熟。

即便如斯，莫得东说念主否定数据改进的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为政策标的，百度的李彦宏用“框运筹帷幄”来狡计畴昔。即等于CBA（中国男人篮球办事联赛）也学起了NBA（好意思国男篮办事联赛）琳琅满目的数据统计、分析与挖掘。

在昔日两年间，多量的本钱投资一些新式数据用具公司，把柄好意思国说念琼斯风险资源（Dow Jones VentureSource）的数据，在昔日的两年时间里，11.7亿好意思元流向了119家数据库软件公司。旧年，SAP市值仍是进步西门子，成为德国市值最高的上市公司，而这样的功绩部分收成于其数据库软件HANA的交易化，旧年一年时间里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、挖掘出我方的径直变现才略。在截稿日时，咱们再再行读维克托·迈尔-舍恩伯格的《大数据时间：生涯、责任与想维的大变革》一书，作者驯服，畴昔，数据会成为有价值的金钱。假以时日，它会大摇大摆地进入金钱欠债表里。

案例1：农夫山泉用大数据卖矿泉水

这里是上海城乡联接部九亭镇新华都超市的一个边缘，农夫山泉的矿泉水堆头静静地摆放在这里。来自农夫山泉的业务员每天例行公务地来到这个点，拍摄10张像片：水何如摆放、位置有什么变化、高度如何……这样的点每个业务员一天要跑15个，按照法例，放工之前150张像片就被传回了杭州总部。每个业务员，每天会产生的数据量在10M，这似乎并不是个大数字。

但农夫山泉世界有10000个业务员，这样每天的数据就是100G，每月为3TB。当这些图片如雪片般进入农夫山泉在杭州的机房时，这家公司的CIO胡健就会有这样一种嗅觉：守着一座金山，却不知说念从那儿挖下等一锹。

胡健想知说念的问题包括：如何摆放水堆更能促进销售？什么年事的破钞者在水堆前停留更久，他们一次购买的量多大?气温的变化让购买步履发生了哪些改换?竞争敌手的新包装对销售产生了如何的影响?不少问题目下也不错回复，但它们更多是基于教学，而不是基于数据。

从2008年运行，业务员拍摄的像片就这样被收罗起来，淌若按照数据的属性来分类，“图片”属于典型的非关系型数据，还包括视频、音频等。要系统地对非关系型数据进行分析是胡健设想的下一步贪图，这是农夫山泉在“大数据时间”必须迈出的步履。淌若超市、金融公司与农夫山泉有某种渠说念来分享信息，淌若访佛图像、视频和音频汉典不错系统分析，淌若东说念主的位置有更多的形状不错被监测到，那么摊开在胡健眼前的就是一幅基于东说念主破钞步履的画卷，而描述画卷的是一组组复杂的“0、1、1、0”。

SAP全球践诺副总裁、中国研究院院长孙小群吸收《中国企业家》采访时暗意，企业对于数据的挖掘使用分三个阶段，“一运行是把数据变得透明，让大众看到数据，能够看到数据越来越多；第二步是不错发问题，不错酿成互动，好多救济的用具来帮咱们作念出实时期析；而3.0时间，信息流来带领物流和资金流，当今数据要告诉咱们畴昔，告诉咱们往什么场地走。”

SAP从2003年运行与农夫山泉在企业管束软件ERP方面进行相助。彼时，农夫山泉只是是一个软件采购和使用者，而SAP照旧服务商的变装。

而比及2011年6月，SAP和农夫山泉运行共同开发基于“饮用水”这个产业形态中，运输环境的数据场景。

对于运输的数据场景到底有多进犯呢？将我方定位成“大当然搬运工”的农夫山泉，在世界有十多个水源地。农夫山泉把水灌装、配送、上架，一瓶超市售价2元的550ml饮用水，其中3毛钱花在了运输上。在农夫山泉里面，有着“搬上搬下，银子哗哗”的说法。如何把柄不同的变量身分来截止我方的物流成本，成为问题的中枢。

基于上述场景，SAP团队和农夫山泉团队运行了场景开发，他们将好多数据纳入了进来：高速公路的收费、说念路等第、天气、配送中心放射半径、季节性变化、不同市集的售价、不同渠说念的用度、各地的东说念主力成本、以致突发性的需求（比如某城市召开一次大型教学会）。

在没少见据实时复古时，农夫山泉在物流范围花了好多冤枉钱。比如某个小品相的产品（350ml饮用水），在某个城市的销量掂量不到位时，公司以往时常的作念法是通过大区间的调运，来弥补末端货源的不及。“华北往华南运，运到半说念的时候，发现华东实验有奢华，从华东调运更低廉。但很快发现对华南的掂量有偏差，华北短缺更为严重，华东运行往华北运。此时淌若太湖突发一次稠浊事件，很可能华东又出现短缺。”

这种无头苍蝇的景色让农夫山泉头疼不已。在采购、仓储、配送这条线上，农夫山泉特别但愿大数据获取贬责三个顽症：起始是贬责坐褥和销售的顽抗衡，准确获知该产若干，送若干；其次，让400家办事处、30个配送中心能够纳入到体系中来，酿成一个动态网状结构，而非浅显的树状结构；临了，让退货、残次等问题与坐褥基地能够实时聚集起来。

也就是说，销售的最前端成为一个个神经末梢，它的任何一个痛点，在大脑这里都能快速感知到。

“日常运营中，咱们会产生销售、市集用度、物流、坐褥、财务等数据，这些数据都是通过用具定时抽取到SAP BW或Oracle DM，再通过Business Object展现。”胡健暗意，这个“展现”的过程长达24小时，也就是说，在24小时后，物流、资金流和信息流才调汇聚到一说念，彼此关联酿成一份有价值的统计申报。当农夫山泉的每月数据积贮达到3TB时，这样的速率导致农夫山泉每个月财务结算都要推迟一天。更进犯的是，胡健等农夫山泉的决策者们只可依靠数据来考据以往的决策是否正确，或者对已出现的问题作出修订，仍旧无法掂量畴昔。

2011年，SAP推出了创新性的数据库平台SAP Hana，农夫山泉则成为全球第三个、亚洲第一个上线该系统的企业，并在当年9月告示系统对接奏凯。

胡健选拔SAP Hana的目的惟有一个，快些，再快些。接管SAP Hana后，同等数据量的运筹帷幄速率从昔日的24小时裁汰到了0.67秒，简直不错作念到实时运筹帷幄落幕，这让好多不可能的事情变为了可能。

这些基于饮用水行业实验情况反应到孙小群这里时，这位SAP全球研发的主要负责东说念主相当容许。基于饮用水的场景，SAP并非莫得案例，雀巢就是SAP在全球范围长期的相助伙伴。但是，西洋发达市集的统统这个词数据采集、梳理、申报仍是迥殊进修，上百年的运营教学让这些企业仍是能缓慢面对任何突发景色，他们对新数据贬责有运筹帷幄的渴求以致还不如中国脉土公司强烈。

这对农夫山泉董事长钟目炎目炎而言，精确的管控物流成本将不再局限于已有的项目，也不错针对畴昔的项目。这位董事长将手指放在一台平板电脑炫耀的中国舆图上，随入部下手指的转移，建立一个物发配送中心的成本随之炫耀出来。数据在遏抑马上地变化，好像手指转移产生的数字飘荡。

以往，钟目炎目炎的践诺团队也许要经过长期的试验、论证，再酿成一份申报提交给董事长，给他几个备选有运筹帷幄，到底设在哪座城市，还要凭借教学来再作念判断。但当今，起码从成本方面仍是一览无遗。剩下的可能是当地政府与农夫山泉的友好进度，这些无法测量的身分。

有了强盛的数据分析才略作念救济后，农夫山泉频年以30%-40%的年增长率，在饮用水方面快速越过了原先的三甲：娃哈哈、乐百氏和厚味可乐。把柄国度统计局公布的数据，饮用水范围的市集份额，农夫山泉、康师父、娃哈哈、厚味可乐的冰露，辩认为34.8%、16.1%、14.3%、4.7%，农夫山泉简直是另外三家之和。对于胡健来说，下一步他但愿那些业务员搜集来的图像、视频汉典不错被利用起来。

获益的不单是是农夫山泉，在农夫山泉场景中积贮的教学，SAP迅速将其复制到神州租车身上。“咱们客户的车辆使用率在达到一定百分比之后出现瓶颈，这意味着还有迥殊比率的车辆处于空置状态，资源尚有优化空间。通过相助创新，咱们用SAP Hana为他们特制了一个算法，优化租用历程，匡助他们冲突瓶颈，将车辆使用率再次提高了15%。”

案例2：阿迪达斯的“黄金罗盘”

看着同业大多仍身陷库存泥潭，叶曙光红运我方选对了相助伙伴。 他的厦门育泰贸易有限公司与阿迪达斯相助已有13年，旗下领有100多家阿迪达斯门店。他说，“2008年之后，库存问题确乎很严重，但咱们相助贬责难题，生意再次回到了正轨。”

在最初降价、打折等清库存的“救急措施”扫尾后，基于外部环境、破钞者调研和门店销售数据的收罗、分析，成为了将阿迪达斯和叶曙光们引向正轨的“黄金罗盘”。

当今，叶曙光每天都会收罗门店的销售数据，并将它们上传至阿迪达斯。收到数据后，阿迪达斯对数据作念整合、分析，再用于带领经销商卖货。研究这些数据，让阿迪达斯和经销商们不错更准确了解当地破钞者对商品神态、项目、功能的偏好，同期知说念什么价位的产品更容易被吸收。

阿迪达斯产品线丰富，昔日，面对展厅里万般各样的产品，经销商很容易按个东说念主偏好下订单。当今，阿迪达斯会用数据话语，匡助经销商选拔最得当的产品。起始，从宏不雅上看，一、二线城市的破钞者对品牌和前锋更为明锐，不错要点投放接管前沿科技的产品、教学经典系列的服装以及设计师相助产品系列。在低线城市，破钞者更关怀产品的价值与功能，诸如纯棉成品这样高性价比的产品，在这些市集会更受接待。其次，阿迪达斯会参照经销商的末端数据，赐与更具体的产品订购忽视。比如，阿迪达斯可能会告诉某低线市集的经销商，在其辖区，普通跑步鞋比添加了减震开垦的跑鞋更好卖；至于神态，比起红色，当地破钞者更偏疼蓝色。

鼓励这种订货形状，阿迪达斯得到了经销商们的招供。叶曙光说：“咱们一说念约定卖哪些产品、什么产品又会热卖。这样，咱们将来就不会再遇到库存问题。”

挖掘大数据，让阿迪达斯有了许多意思的发现。同在中国南部，那里部分城市受香港风俗影响相当大；而另一些场地，破钞者更安闲随从韩国潮水。同为一线城市，北京和上海破钞趋势不同，现象是主要的原因。还有，高线城市破钞者的破钞品位和民风更为进修，当地破钞者需要不同的服装以莽撞不同场合的需要，上班、吃饭、喝咖啡、去夜店，需要不同格调的多套穿戴，但在低线城市，一位女性时常只消有莽撞上班、安闲、宴请的三种不同格调的衣饰就不错。两相对比，高线城市，领路为阿迪达斯提供了更多细分市集的选拔。

实验上美国十次啦唐人社导航，对大数据的行使，也稳当了阿迪达斯大中华区政策转型的需要。

库存危急后，阿迪达斯从“批发型”公司转为“零卖驱动型”公司，它从昔日只关怀把产品卖给经销商，变成了将产品卖到末端破钞者手中的有劲鼓励者。而数据收罗分析，正巧能让其更好地匡助经销商提高售罄率。

“咱们与经销商伙伴张开了愈加紧密的相助，以统计到更为确切可靠的末端破钞数据，有用匡助咱们再行界说了产品供给组合，从而使咱们在适当的时机，将稳当破钞者口味的产品投放到相应的区域市集。一方面臆造了他们的库存，另一方面增多了单店销售率。卖得更多，售罄率更高，也意味着更高的利润。”阿迪达斯大中华区董事总司理高嘉礼对大数据的应用后果颇为舒坦。

案例3:数据权之争

领有了数据就等于夺取了行业制高点，飞友会聚科技公司CEO郑洪峰深知个中风趣。

最近几年，跟着转移互联网的兴起，一类对于航班动态的应用步履运行出现。通过一套算法，数据工程师们将机场航班实时动态鼎新成直不雅的信息，再传递给用户，让后者能够实时了解到航班的升起、到达、延误、取消、返航、备降等状态，从而匡助用户更高效地安排名程贪图。

目下这个市集上主要有三款应用产品，辩认是航班管家、飞常准和航旅纵横，飞常准恰是飞友科技推出的一款应用。三款应用中，航班管家和飞常准都是民营企业，上线时间较早，用户数较多；航旅纵横固然上线最晚，却是由央企中国民航信息集团（中航信）开发，大有其后居上的趋势。

跟着这个细分市集呈现三足鼎峙的阵势，一个问题浮出水面。郑洪峰向《中国企业家》直言，数据是这个行业最进犯的资源。但是目下中航信操纵了大部分行业信息，使得飞常准必须通过购买和交换才调赢得我方所需要的数据。

“咱们的数据成本瑕瑜常高的。”郑洪峰告诉本刊，“风光、航班信息、空域流量等信息有些是公开发布的，有些则需要公司向空管局、机场和航空公司购买或交换。”

对于郑来说，获取数据的过程就是一部血汗创业史。据其回忆，早年的各大机场、航空公司之间的数据是割裂的，为了赢得准确的航班起降信息，郑洪峰和他的团队就去为这些政府机构、大公司提供时间救济，以此来交换所需要的数据。“咱们必须放下身体，他们需要什么咱们就作念什么。”郑说说念。因为飞常准是家小公司，决策链条短，效用高，通过多年的积贮，郑洪峰买通了部分数据通说念。

郑洪峰在民航系统责任近12年，其东说念主脉和知识的积贮成为飞常准的进犯上风。1999年，他创建了民航资源网。当今，这家网站是中国最大的民航流派网站。2005年，他又创办了飞友，主要为飘零游客提供机票搜索引擎等服务。从2008年运行，郑洪峰团队通过飞常准为用户提供航班动态服务。早期，飞常准的用户只是民航里面责任主说念主员，好多机票代理商主动帮其引申，机场方面也时常用飞常准的应用来安抚因飞机延误而震怒不已的乘客，而业内资深刻士也常提供好多有价值的反馈信息。郑洪峰依靠民航里面的资源督察着我方的数据起首。但郑知说念，这并不成长期。

郑洪峰的故事并不是孤例。中国一家大型电子商务公司的数据挖掘大师吸收本刊专访时提到，当今，越来越多的电子商务公司需要掂量非一线城市的物流景色。在这一过程中需要探讨当地交通拥挤进度和天气情况，淌若当地政府不错提供这方面的讨论数据，不错大大提高运作的效用。以交通数据为例，这位数据挖掘大师使用的是百度舆图和高德舆图，其后，他发现不成再用了：一方面，与这样的公司相助存在交易奥妙问题；另一方面，由于交通数据可能来自于这些公司的统计，失真度亦然这位数据挖掘大师顾虑的。“咱们相当但愿政府能盛开一些原始数据。”他连续说说念，“咱们也但愿和起始者能对等地分享数据权，而不是数据成本增多了二三倍。”

郑洪峰和这位数据大师都顾虑数据操纵，但愿政府公正公开地盛开数据，这样的作念法并非莫得模仿。好意思国有一个叫作念flyontime.us的网站，用户不错从这个网站上赢得航班信息和天气情况，其功能与国内的航班动态应用访佛。但是值得一提的是，这个网站的数据起首是一个公开的好意思国政府网站data.gov。目下在上头梗概有进步40万万般原始数据文献，涵盖了农业、风光、金融、服务、交通、能源等近五十个分类。此外，data.gov还有一个地舆信息的子站点，故意提供地舆信息讨论的数据。好意思国官方暗意，这个网站的目的是“方便公众更方便地赢得联邦政府数据，并通过饱读吹创新来突破政府的围墙而创造性地使用这些数据。”

2006年经济学家唐·泰普斯科特（Don Tapscott）在《维基经济学》中指出，东说念主类仍是进入了分享时间：“失败者创建的是网页，而奏凯者创建的是勃勃盼愿的社区；失败者创建的是有墙的花圃，而奏凯者创建的则是一个大众的场地；失败者尽心守护他们的数据和软件界面，而奏凯者则将资源与每个东说念主分享。”这一理念其后被觉得是会聚2.0时间的核热诚念。以用户为中心，谨防用户交互，让用户参与共同成立的会聚2.0同样适用于政府，最近几年列国政府的一系列举措绚烂着政府2.0时间的到来。

那么在大数据时间，中国政府作念好准备了吗？

深藏的事实

飞常准的竞争敌手也遇到了相似的窘境。为了拿到第一手数据，航班管家相当卖力。它与各大机场相助，盘曲赢得我方所需要的航班起降信息。2012年6月，航班管家与上海虹桥机场达成条约，航班管家不错径直从虹桥机场赢得信息，包括航班的延误、取消以及登机口变更等一手信息，且提供的信息均与虹桥机场同步。不错意想，机场是其进犯的数据起首。

面对竞争敌手的紧追不舍，郑洪峰觉得，正常的交易竞争并不是飞常准所慌乱的事。“盛开与竞争对咱们来说是善事。”

对于飞常准来说，央企中航信旗下的航旅纵横才是最大的威胁。“在一定进度上，它有操纵数据的嫌疑。”一位救济匿名的大师说说念。而面对记者的采访条目，航旅纵横以未便走漏为由拒却。目下，中航信领有中国统统末端游客详确的数据库，包括姓名、手机、破钞民风等，这是中航信最中枢的资源。由于与航旅纵横子母公司的关系，非市集化的利益输送饱受诟病。

在相关民航信息的纰谬数据中，空域流量是影响中国航班正点率的主要原因，而这一数据掌抓在空管局手里。“空管局也安闲将数据分享给航空公司、机场，以致是一些小公司，它们这样多年也在努力，可中国有我方特殊的情况。”上述大师说说念。

在中国，不到30%的空域对民航盛开。和其它国度比拟，中国事空域管制最为严格的国度之一。“民航系统也很头疼，七成多的空域属于国度奥妙，是以机场、空域关闭根蒂无法先见，何来公开的数据？”上述大师说说念。

在航班信息中，准点率瑕瑜常进犯的一条数据。郑洪峰以此对比中好意思两国相反。“在国际，像准点率这些纰谬数据都是由政府全部公开的，因为准点率会决定哪家航空公司不错赢得哪些航路，是航路资源分拨一个相当进犯的参数。但是，在中国，这个数据却是各家公司我方搜集的。”换句话说，讨论政府部门并莫得掌抓到第一手的数据起首，遑论数据盛开了。

在石油、电信、铁路、民航等政策行业中，民航业的数据盛开远远走在了其它行业的前头。上述电子商务公司的数据大师告诉本刊，设计物流用具时，他们更安闲与民航系统相助，不单是是快，还因为淌若找相对顽固的铁路系统要一些纰谬性数据，“更难，更不靠谱。”数据大师说说念。

“有时，政府也有顾虑，你要数据作念什么？有时他们第一反应是，‘间谍’；第二反应是，成人动漫有哪些你用来获利的，我会不会存在什么风险。”上述民航大师说。这位民航大师的一部单干作是为讨论政府写里面申报，有时需要跟民航系统要一些纰谬性数据，即便如斯，也免不了遭逢讨论政府部门的怀疑。

中国传媒大学考验沈浩觉得，当今的政府网站许多都是空架子，以致大部分网站都很少更新，内容上也只是一些公告，而之前的决策过程并莫得反应出来；与此同期，由于中国政府穷乏推能源，尚无法建立像data.gov的数据平台。

另外，把柄BNET商学院对中国政府部门的探听分析炫耀，政府部门以数据分析作为决策复古并莫得酿成现象，将数据分析作为中枢竞争力的只占5.6%，比起好意思国和英国等政府开源力度差距重大。

此项探听的负责东说念主，BNET交易英才网副总编周安利觉得：政府部门依然缺乏对大数据的真确、全面的知道。在挖掘信息系统价值方面，数据分析也受制于管束体制和职能制约，及长期传统管束积贮的民风，业务驱能源不及，绩效窥伺不配套。是以中国政府部门对大数据可能产生的价值，以及如何利用数据分析达成政府的科学决策依然有迥殊长的距离要走。

数字坐褥力

如今，飞常准仍是领有300万月活跃用户，消亡1万个国内航班，5万个国际航班。郑洪峰直言，飞常准的上风和主要收入起首就是利用大数据时间对数据进行收罗、分析和加工。比如利用赢得的收条，飞常准不错匡助保障公司制定航班延误保障，而这些都是政府和保障公司以前无法完成的。

以前，航班延误险存在一个问题，就是保障公司让用户去举证，用户必须有万般各样的纸质证明才调从保障公司拿到补偿，而补偿金额时常惟有两三百块钱，因此用户都不肯意买这个险。“而当今，航班一落地，通过咱们的数据和服务，保障公司就知说念是否进步保障阀值，没进步的，用户不错径直从保障公司拿到钱，过程相当浅显。”郑说说念。与保障公司的相助，郑洪峰得到的申诉是收取一小部分服务佣金。

数据盛开不仅不错让小公司受益，况兼不错让政府愈加透明、负背负。好意思国政府前助理信息官、纽约大学法学院考验贝丝·诺维克（Beth Noveck)在她的《维基政府——行使互联网时间提高政府管束才略》一书中阐发了如安在数字化配景下，行使会聚和大数据建立民主和高效的政府。“数据盛开不错让体制表里的东说念主一说念参与进来，贬责政府无法完成以及难办的问题。”诺维克告诉《中国企业家》。

诺维克以感染率数据为例证明盛开数据的作用。好意思国的医疗部门搜集了全好意思简直统统病院的感染率，但是政府并莫得填塞的才略把这些数据转化为有价值的信息。但是，当这些数据被放在data.gov网站上以后，微软和谷歌却能够行使我方强盛的时间才略制作了一幅数据舆图。不管是研究机构或者是普通患者都能行使搜索引擎查找任何一家病院的感染率来决定是否入院。

而在中国互联网范围，此前受到非常告白质疑的百度也运行与讨论政府部门相助，利用后者的数据进行会聚打假。百度讨论负责东说念主告诉《中国企业家》，以前百度需要从2000亿网页中筛查出有问题的假药网站，屏蔽非常医疗信息相当困难，单纯依靠时间和管束技巧的升级，难以达到打击假药的最好效果。同期，百度作为一家企业，并不具备讨论监管天禀，这亦然百度无法进行悲怆打击假药的问题所在。百度曾悲怆打击假药，但效果十分有限。

从2010年运行，百度救助卫生部、国度药监局等多个部委部门发起“阳光行动”，打击万般互联网不良及非常信息，之后，百度与国度药监局考究达成政策相助，国度药监局的三大药品数据库，猜想20余万个巨擘药品信息向百度盛开，况兼这些数据库将跟着药监局的数据变化实时更新。用户不错通过庸碌的商品名、专科的药品名、批准文号等多个阶梯，在百度搜索到药品的巨擘信息。

“作为5亿网民的互联网进口，百度一直以来都但愿能利用搜索进口和平台上风，与各产物少见据资源上风的政府部门、巨擘机构联手，让巨擘信息全面入驻会聚。”这位负责东说念主说说念，“进犯的是，数据治国，讨论政府部门也赢得了很好的赞赏。”

中国传媒大学考验沈浩觉得，固然中国政府在2007年就发布了《政府信息公开条例》，但目下政府公布的数据大部分照旧申报和报表，莫得范例的方式，不成以数据的体式查到，因此也无法进行深刻的分析、加工和挖掘。

“淌若政府需要社会分享和分析这些数据，必须提供最原始的数据，这样的数据学术和交易上才调去应用它。”沈浩说，“你看data.gov的网站，在上头的联邦政府的数据库，都是以电脑可读取的方式发布的。”

郑洪峰也意志到这个难题。他有时候会给讨论政府、大公司提供一些数据，他努力寻找一种范例方式。而在这样的方朝上，中国的一些公司也在与政府一说念努力。

高德软件有限公司三维应用奇迹部总司理赵珂告诉记者，以前的项目时常是政府立项再雇用公司去作念，完成后政府领有版权，这样导致数据市集不是市集经济而是投资拉动型的经济。而目下高德与场地测绘局采用的相助体式是授权模式，高德匡助政府采集数据。领有了范例化的数据，讨论政府就领有了一个范例的基础数据库。“这是国度测绘局比较有远见的一个举措，驯服咱们畴昔和政府这类相助会越来越多。”赵珂说。

郑洪峰也驯服，畴昔会更求实更市集化，厌烦性的东西会越来越少。中国的数据会越来越盛开，也会愈加利用市集的机制去饱读吹更多的交易用户用好航班的数据。

与此同期，郑洪峰也在以不同体式回馈于给他提供数据的政府讨论部门和大公司，最近，他的团队正在撰写一份申报，名为《航班正点提高率贪图》。

案例4：《纸牌屋》你学不会

凭借一部片子枯木发荣，这样的桥段在当下热播好意思剧《纸牌屋》身上重演，回转剧主角是好意思国一家视频公司Netflix，它的火器则是大数据。 初次进军原创剧就走红，Netflix不仅成为文娱圈里的谈资，亦成为数据改进的代表。无论是《纽约时报》、《洛杉矶时报》照旧最近一期的《经济学东说念主》，严肃媒体们都在进犯版面研究《纸牌屋》奏凯之说念。赢得如斯密集关怀，并非莫得风趣。《纸牌屋》不仅是Netflix网站上有史以来不雅看量最高的剧集，也在好意思国及40多个国度大热。Netflix产品创新副总裁托德·耶林（Todd Yelin）称，其发挥以致“比咱们最果敢的空想都要好”。

事实是，好意思国“白宫甄嬛传”、导演大卫·芬奇（David Fincher）和老戏骨凯文·史派西（Kevin Spacey），这些噱头只是用以诱骗眼球的外相。最抓东说念主的是，Netflix把柄数据时间推导出《纸牌屋》的纰谬要素，心爱BBC剧、大卫·芬奇和凯文·史派西的用户存在交加，这是何等酷的一件事。

中国的乐视网一直关怀Netflix的发展旅途。“值得研究的是Netflix如何从后端数据推导出前台坐褥。”乐视网副总裁何凤云说。这种作念法与旧传统是以火去蛾中的，以好意思国驰名的有线电视会聚媒体公司HBO为例，它对导演强烈的个性抱以完全的信任，全权委任导演去制片、编剧、挑选演员。而在中国，几大视频网站在自制剧时都有我方的选片团队，由他们为不雅众选拔与笃定导演，挑选脚本。

多年前，依赖于种种时间，Netflix对数据的牵挂才略仍是行云活水。当一位用户通过浏览器登录Netflix账号，Netflix后台时间将用户位置数据、开垦数据偷偷地记载下来。这些牵挂代码还包括用户收看过程中所作念的储藏、保举到酬酢会聚等动作。在Netflix看来，暂停、回放、快进、住手等动作都是一个步履，每天用户在Netflix上将产生高达3000多万个步履，此外Netflix的订阅用户每天还会给出400万个评分，300万次搜索恳求，讨论剧集播放时间和开垦。没错，这些都被Netflix转化成代码，行为内容坐褥的元素记载下来。其首席内容官泰德暗意，统统这些数据意味着，Netflix公司仍是领有“可寻址的不雅众”。

早年间，Netflix利用上述数据提供一项保举引擎业务。比如说，数千万用户能在一个个性化网页上对影片作念出1－5的评级，这些评级组成了一个重大数据池，如今这个数据池容量已进步近百亿条。把柄数据池，Netflix使用保举算法来识别具有相似品尝的不雅众，然后对这一群体作念出讨论内容的精确保举。

Netflix要将重大的数据池变为坐褥力并非易事。终年以来，为了提高算法精确，它持续地举办大型比赛，来提高我方的数据挖掘才略。2005年底，Netflix曾盛开一数据集，并诞生百万好意思元的奖金(netflix prize)，搜集能够使其保举系统性能飞腾10％的保举算法和架构。这个数据集包含了进步48万个匿名用户对梗概近2万部电影作念的梗概10亿次评分。

Netflix一直在寻找与本身匹配的数据挖掘用具。据一位前Netflix云数据库架构师的博客回忆，在2010年Netflix完成了两次转移，其一是将Netflix的数据中心转移到了Amazon AWS之中，其二是将Oracle数据库转移至SimpleDB。而到了2011年又从SimpleDB转移到Cassandra，利用Cassandra提供的路由配置，集群不错被部署在多个大洲。忘掉上述专科术语，一个小故事足以证明它们的风趣。法国电影《不要告诉任何东说念主》在好意思国的票房收入惨淡，惟有600万好意思元。可Netflix的工程师并不驯服这个数字，他们通过上述数据挖掘时间，找到了不易察觉的点击量，而这些才是被荫藏的事实。2011年时，Netflix决定播放《不要告诉任何东说念主》。如Netflix掂量的一样，这部电影在播放后立即在最受注目的节目中排到第四位。

关联词，投资东说念主并不看好Netflix的这些努力。投资东说念主名义上驯服Netflix的数据库是个大矿藏，但财务报表的数据呢？旧年万圣节，Netflix董事长兼CEO里德·哈斯廷斯接到一位投资东说念主电话，后者文告哈斯廷斯，他将从二级市集收购Netflix 10%的股份。投资东说念主救济觉得Netflix气数已尽，这位投资东说念主的贪图是，进入Netflix董事会再忽视哈斯廷斯卖掉Netflix。

早期，Netflix是北好意思无人不晓的在线影片租出提供商，它的主营业务是通过邮寄形状租出DVD的模式赚取利润。关联词，在互联网时间这个盈利模式渐渐式微。于是，Netflix将主营转向在线流媒体播放，其交易模式是付用度户通过PC、TV及iPad、iPhone收看电影、电视节目。但在冉冉烧毁高利润率的DVD业务，透顶转型低利润率的流媒体业务后，Netflix却遭逢营收增速放缓、成本用度激增的窘境。2012年第三季度，尽管财报中营收和每股收益均超出分析师预期，股价却依然暴跌。好意思国知名专栏作者撰文称“Netflix被收购巧合才是投资者最欲望的选拔”。

里德·哈斯廷斯别无选拔。他决定反击投资东说念主的短视，用事实告诉本钱市集，数据不是花架子，而是纯碎的坐褥力。Netflix利用数据挖掘才略运筹帷幄出不错赢的倡导，1亿好意思元买下一部早在1990年就播出的BBC电视剧《纸牌屋》的版权，请来导演大卫·芬奇（David Fincher），并由老戏骨凯文·史派西（Kevin Spacey）担当男主角。

乐视网副总裁何凤云向本刊先容，1亿好意思元买下的《纸牌屋》系数2季26集，运筹帷幄下来单集成本约为400万好意思元，远远高于好意思国一般电视剧的单集制作成本——150万至200万好意思元，也惟有《告白狂东说念主》、《斯巴达克斯》这类热播好意思剧才调达到200万好意思元驾驭。算下来，对于Netflix而言，惟有新增100万一年期合约付用度户才调收回上述成本。

Netflix并非莫得运筹帷幄过豪赌的申诉，这样作念不仅不错带来新增用户，更为进犯的是它为Netflix开拓了上游市集，走上了自制剧之路。在《纸牌屋》之后，还将有四部自制剧在2013年登陆Netflix。这意味着，Netflix不错冉冉臆造对版权用度日趋飞扬的好莱坞剧的依赖。

Netflix的故事，对于中国视频网站而言确切励志。他们与Netflix所濒临的境遇相似：在好意思国国内，好莱坞的独家授权用度越来越高，版权成本飞腾导致本钱开支加大。同期内容竞争越来越热烈，尽管在流媒体播放范围Netflix仍占据市集首位，但濒临着HBO（好意思国度庭电视播送网）、Amazon（亚马逊）、Hulu、YouＴube的竞争，它们都在加大内容参预。

由于版权价钱擢升，国内知名的视频网站们，诸如优酷土豆、搜狐视频、乐视网、爱奇艺近两年也纷纷打造自制剧。

据乐视网高档副总裁高飞对本刊走漏，固然旧年上半年版权价钱曾达冰点，但是当今又很快回升，从一线卫视购买电视剧，平均购买价钱每集几十万，意味着买下一整部剧不下千万。在此阵势下，拿下《纸牌屋》中国地区的互联网独家播放权的搜狐视频，不得不上调版权采购预算，其2012年的版权采购成本为5000万好意思元，但2013年这一预算上调到8000万好意思元。“但咱们拍一个自制剧，成本基本上也就三分之一，以致不到这个数。”高飞说。

纰谬是如何制作自制剧？国内视频网站意志到数据的进犯性，也积贮了多量数据。比如乐视网通过分析用户收看时间，在本年推出午间自制戏院。“但真确风雅到使用数据来决定导演、演员，中国还莫得哪家公司敢说他们能作念到这点。”何凤云说。

此外，即等于有了数据，中国的流媒体公司还不敢像Netflix那样将宝押在一部剧上，因为中国的付费市集尚未进修，目下还主要依赖告白盈利，无法完全将用户需求作为中心。“Netflix选拔了这个项目，投巨资去作念，就是博一个必须赢。”乐视网高档副总裁高飞对《中国企业家》说，“期待中国市集也不错通过付费收视足以消亡成本，但这要寄但愿于畴昔大屏电视以及电视平台产品和服务的进修，以及付费市集的快速成长。”

除此之外，一位视频行业的东说念主士指出，在中国基于用户数据作念出分析的同期，还要探讨广电审核的要素，一些范围与题材类型都要稍稍抓住，“不是没法依赖数据，而是不成完全依赖数据，咱们选拔数据时也一定要联接中国国情。”

案例5：定制爱情

宅男们总幻想为我方定制一个女一又友，也许他们的愿望将不日达成。不是借助3D打印机，而是靠大数据时间的婚恋网站。

2012年底，网易旗下全新婚恋交友网站“花田”上线。花田以免费相似为卖点，主打一二线城市中高端市集。摈弃了传统婚恋网站的“东说念主工红娘”，花田不提供任何东说念主工服务，从保举到搜索全由系统自动完成。而业内的龙头苍老世纪佳缘(Nasdaq:DATE)，也在换帅之后捋臂张拳，试图用大数据的精确化运营，为在海量异性汉典中疲于搜索的用户“指一条明路”。

一年前婚恋网站最爱喊“实名制”。通过对用户身份证或手机号码进行考据，网站可赢得用户真实姓名、年事、性别、地区等身份证数据，对选藏骗取有一定作用。但如今各家都有，这种传统移交就过气了。毕竟有身份证的东说念主，不一定是有身份的东说念主。婚恋网站已将条条框框的硬方针排列皆全，使东说念主简直怀疑进入的是淘宝东说念主肉市集。当身高、体重、年事、学历等等都逐一框定，一看还有2000个小姐（小伙）稳当条目，是时候让理性回来理性了。而这理性，又是建立在理性的数据分析之上。

花田界面崭新简陋，接管访佛微博的信息流展示体式。首页是异性用户最近更新的图片、内心独白和笔墨传情，展示其生涯形状、个东说念主品尝等软性汉典。系统会自动保举那些相对活跃、最近有信息流更新的东说念主，这就促使用户拿出更新微博的干劲来更新花田，为花田积贮了多量可供分析的软性数据。

“咱们不错通过‘内心独白’来挖掘用户的特性特征。”网易花田负责东说念主夏天宇说。夏天宇在网易已责任11年，此前他的团队负责网易微博的研发，而他最早的责任是Oracle数据库管束。

当今，他和他的团队正试图通过当然语言处理时间和语义分析方法来解码用户特性，达成“胁迫利诱”的精确保举。起始，他们行使切分词方法，从用户的“内心独白”中索取出现频率较高的纰谬词；再将这些纰谬词分类，如理性词汇或理性词汇；临了，通过文天职析、语义分析，从中挖掘出用户的特性是内向、外向、欲望化照旧现实派等等。这一时间目下还在测试中，2013年下半年会冉冉参预使用。

自2012年12月28日向世界盛开注册以来，花田注册用户已近25万，逐日活跃用户4万东说念主。固然发展迅速，但较之业界前辈，花田用户少得以致诱骗不来骗子。但网易的时间储备却用功小觑。“有说念”搜索提供的当然语言处理时间，被用于通过文本挖掘用户特性。网易自研的本来用于网易邮箱的东说念主脸识别时间，更是婚恋网站馨香祷祝的利器。

花田团队惟有30多个东说念主，大多是85后。他们在对海量软硬数据进行分析的基础上，总结出一些东说念主物特征，建立出一定数目的东说念主物模子。再分析具体用户，将其比物连类套入万般模子。这样，用户中意其中某一个东说念主，便可向其保举这一类东说念主。

这种模子不仅是特性模子，还包括外貌模子。“咱们立时要推出东说念主脸识别。比如你想找个像范冰冰的女生，你输入范冰冰，就会保举给你好多范冰冰脸型的女生。”夏天宇先容，花田的后台仍是索取出范冰冰脸型的数据，之后还会推出几十种流行的男女明星脸型供用户选拔。

更令东说念主感意思意思的是，淌若花田能够跨产品平台，联接网易流派、邮箱、游戏等其它网易资源进行大数据分析，是否就能向用户保举与本身阅读民风、责任民风、文娱民风都匹配的对象呢？真确的大数据势必是跨平台的，而这点别家很难作念到。

但跨平台数据索取在一定进度上又触及用户秘密。大数据的底线在那儿？夏天宇觉得，触及到银行的数据统统不可碰触。这个范围就很平淡。不外不错笃定的是，网易不会在花田影响力和用户量都不及的时候开启跨平台数据分析。

“我但愿花田能盖一个五层楼，每层装不同类别的东说念主。一个收入五万块的东说念主进来，也不嗅觉这里有好多屌丝。”夏天宇这样描述我方对花田的愿景。固然少了王子配灰小姐的纵欲童话，倒也实实在在为用户省去不少筛选沉重。

数据分析不单可用于精确保举，还能识别婚恋网站最为东说念主诟病的作秀和骗取。2012年底，首创东说念主龚海燕辞任世纪佳缘联席CEO后，另一联席CEO吴琳光担任CEO。吴琳光曾在空中网担任副总裁兼手机游戏奇迹部总司理。加入世纪佳缘后，他起始作念的就是引入大数据来提高用户体验。世纪佳缘的数据分析团队开发出一套网警系统，由以往的被迫恭候用户举报骗子，改为主动出击。

“对咱们来说，花篮托儿和酒吧托儿的危害最大。”世纪佳缘CEO吴琳光先容，这两种东说念主的特色是但愿长期运营，不会像真确的骗取犯，令受害者报案。钱虽未几，却最让东说念主恶心。

酒吧托儿的特色是像片极好意思，却惟有一两张。花篮托儿则是神情堂堂、言语谦让的中年大叔，但只打电话不碰面。忽有一天宣称我方公司要开业，向女方求送花篮，骗个一两千块。他们的共同特色就是一上来便要讨论形状，尽快离开会聚平台，用电话这种难以管控的形状来建立亲密关系。

通过对骗子这些步履模式的数据分析，世纪佳缘制作出一套骗子识别模子，仍是参预使用。令东说念主捧腹的是，吴琳光本东说念主曾经因测试产品，被这套网警系统抓个正着，“我稳当坏东西的特征，上来就找女性径直要讨论形状。”

吴琳光向咱们分享了一连串数据。比如，“剩女”大部分是生于1978年至1983年。

“因为贪图生养，这一段东说念主口暴涨，她们对应的1973年－1978年的男性东说念主口相对不够，和她们同龄的男性又被85后的年青小姐抢去了。”吴琳光说，2009年、2010年婚恋网站大爆发，恰是因为这帮东说念主到了必须成婚的岁数。

又如，世纪佳缘正在尝试联运页游，越是谢世纪佳缘里收不到信的东说念主，玩页游的越多。

数百年前的牙婆们绝想不到，若干年后，一群时间诞生的工程师们用冷飕飕的数据为痴男怨女保媒拉纤。

关联词时间男们纵令辨得出喜恶，抓得住流氓，却也有难办的时间难题，比如东说念主脸识别。对外貌的判断理性况兼私东说念主化，向来是婚恋网站的难点。世纪佳缘一直在努力寻找合适的面部识别软件，但难度很大。吴琳光暗意，他们正引入一款能够识别相似脸的系统，从用户过往的选拔数据中总结归纳用户心爱何种脸型，给用户保举访佛脸型的东说念主。

花田固然背靠网易大树，行将推出东说念主脸识别功能，但这一时间目下停步于脸型识别。花田试图将更高档的东说念主脸识别，如五官识别、配偶相匹配作为我方的升值服务收费点，尚有待进一步的时间突破。

对于东说念主类这样复杂的动物美国十次啦唐人社导航，数据究竟能作念到什么进度？吴琳光说我方的欲望是让用户一注册世纪佳缘，看到的保举异性就个个都心爱。但从身边常听到的万般怀恨看，达成这个目的尚需时日。