從五大行業(yè)案例看大數(shù)據(jù)的應用邏輯

從五大行業(yè)案例，看大數(shù)據(jù)的應用邏輯本文從一則搞笑的大數(shù)據(jù)應用案例入手：某超市通過度析一位女顧客的購物數(shù)據(jù)（涉及購物清單，瀏覽物品，征詢信息，視頻監(jiān)控信息<超市內(nèi)徘徊區(qū)域>等），根據(jù)分析成果給該女顧客寄來了孕嬰童試用品，這一舉動讓該女顧客的爸爸非常氣憤，立馬致電該超市投訴，由于她女兒尚未成年！超市經(jīng)理立馬登門拜訪道歉，但是事實是，不久后這位小女孩因遮蓋不住隆起的腹部而不得不向爸爸告知真相：她真的懷孕了。對于公司而言，大數(shù)據(jù)有時候就像是一種偵探家，可以撥開重重迷霧，找到問題的本質(zhì)以及解決方案，而核心在于，你與否真的懂得如何去駕馭它，讓它為你服務。在經(jīng)歷了喊標語、布局深耕之后，大數(shù)據(jù)應用開始顯現(xiàn)出巨大的商業(yè)價值，觸角已延伸到零售、金融、教育、醫(yī)療、體育、制造、影視、政府等各行各業(yè)。隨著中國公司數(shù)據(jù)中心數(shù)據(jù)存儲量的迅速增長，非構(gòu)造化數(shù)據(jù)呈指數(shù)級增長，有效地解決和分析構(gòu)造化數(shù)據(jù)和非構(gòu)造化數(shù)據(jù)中所富含的對公司和政府有價值的信息將帶動新的賺錢模式、管理模式、創(chuàng)新模式以及思維模式。在維克托·邁爾·舍恩伯格的《大數(shù)據(jù)時代》一書中解釋，大數(shù)據(jù)是指不用隨機分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)的措施。隨著云時代的來臨，大數(shù)據(jù)也吸引了越來越多的關(guān)注。大數(shù)據(jù)是繼云計算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革，消費者的網(wǎng)絡足跡是互聯(lián)網(wǎng)基因，網(wǎng)絡中的足跡、點擊、瀏覽、留言直接反映消費者的性格、偏好、意愿等，互聯(lián)網(wǎng)交互大數(shù)據(jù)就是研究每個顧客碎片行為的過程。大數(shù)據(jù)對于經(jīng)濟發(fā)展、公司決策、組織和業(yè)務流程，對個人生活方式等都將產(chǎn)生巨大的影響。大數(shù)據(jù)作為當下非?；鸨囊环N詞，其價值不言而喻，今天，《互聯(lián)網(wǎng)周刊》不談價值，通過聚攏某些實實在在的應用，如電商，老式金融，互聯(lián)網(wǎng)金融，醫(yī)療，制造五大領(lǐng)域的案例，進而衍射出大數(shù)據(jù)內(nèi)在的應用邏輯?！邦櫩彤嬒瘛敝睋袅闶凵绦枨笤谌绱藙×叶铸嫶蟮氖袌鲋?，電商們迫切想懂得的想必就是顧客需求。當這個顧客登陸網(wǎng)站的瞬間，就能猜出來這個顧客今天為什么而來，然后從電商的商品庫里面把合適的商品找出來并推薦給她，進而呈現(xiàn)出符合客戶需求的產(chǎn)品均有哪幾款。這種服務是消費者想要的，但是誰能協(xié)助電商們做到呢？隨著互聯(lián)網(wǎng)和電子商務的迅速發(fā)展，“顧客畫像”這個概念悄然而生，它抽象地描述了一種顧客的信息全貌，是進行個性化推薦、精確營銷、廣告投放等應用的基本。如某電子商務平臺通過客戶的網(wǎng)絡瀏覽記錄（點擊、鏈接等）和購買記錄等掌握客戶的消費模式，從而分析并分類客戶的消費有關(guān)特性如收入、家庭特性、購買習慣等，最后掌握客戶特性，并基于這些特性判斷其也許關(guān)注的產(chǎn)品與服務，從消費者進入網(wǎng)站開始，在列表頁、單品頁、購物車頁等四個頁面，部署了5種應用不同算法的推薦欄為其推薦感愛好的商品，從提高商品曝光，增進交叉/向上銷售連個角度對網(wǎng)站進行全面的優(yōu)化，應用后商城提高下定訂單轉(zhuǎn)化率增長66.7%、下定商品轉(zhuǎn)化率增長18%、推薦欄上線前后動銷量增長46%。將消除個人信息后的數(shù)據(jù)魔方賣給商家，以便商家調(diào)節(jié)產(chǎn)品投放方略，提高服務，精確挽留客戶，進而提高客戶粘性。尚有，在互聯(lián)網(wǎng)沖擊下，大部分老式零售商必須要做變化，大數(shù)據(jù)下的顧客思維便成為符合其需求的一種互聯(lián)網(wǎng)思維方式和實際體驗。那何為大數(shù)據(jù)體系下的顧客思維呢？其實就是以“顧客畫像”最為核心和基本，通過線上、線下，交易、交互等多種構(gòu)造化和非構(gòu)造化的數(shù)據(jù)，讓顧客更加完整的展目前公司面前，該顧客是誰？她在哪里？怎么聯(lián)系到她？她需要什么產(chǎn)品？她通過哪些渠道購買？她得購買習慣是如何的？……，在完整的顧客畫像面前，零售公司相對于面對“裸泳”的顧客，顧客需要什么，怎么獲取，怎么營銷一目了然，大數(shù)據(jù)時代的來臨，讓顧客畫像有了基本，顧客畫像的完善更讓零售商有了連接線上和線下，用互聯(lián)網(wǎng)方式進行商業(yè)運營的也許，老式零售商互聯(lián)網(wǎng)運營管理的時代算也已悄然來臨。再例如沃爾瑪和寶潔，一種是非常理解消費者在線下店里購買行為的老式連鎖零售巨頭，一種是掌握消費者偏好的品牌，她們從不同的角度去收集消費者的數(shù)據(jù)。但這還遠遠不夠，如果將這些數(shù)據(jù)和汽車生產(chǎn)制造商，乃至上下游公司共享某些數(shù)據(jù)，就會讓這個鏈條中不同的公司對于數(shù)據(jù)、消費者有更深刻的洞察，從而通過多維數(shù)據(jù)來提高運營效率。然而，隨著大數(shù)據(jù)應用的發(fā)展，隱私保護的問題和概念也在不斷地發(fā)展，網(wǎng)絡顧客在互聯(lián)網(wǎng)的評論、圖片、視頻、個人信息、愛好愛好、交易信息、訪問的網(wǎng)站等等均被公司記錄在案。公司掌握了大量消費者的行為數(shù)據(jù)，對大數(shù)據(jù)進行整合和分析，從而可以發(fā)現(xiàn)新的商機，發(fā)明新的價值。然而這些數(shù)據(jù)常常涉及消費者的真實信息，如在淘寶網(wǎng)上交易時的真實姓名、家庭住址以及銀行賬號等重要的真實信息，逐漸引起了我們對個人隱私的擔憂。正如美國出名的計算機專家迪博德所言，在信息時代，計算機內(nèi)的每一種數(shù)據(jù)、每一種字節(jié)，都是構(gòu)成一種隱私的血肉。信息加總和數(shù)據(jù)整合，對隱私的穿透力不僅僅是“1＋1＝2”的，諸多時候，是不小于2的。因此，針對隱私保護方面的問題，電子商務公司應當遵守行業(yè)道德，不能將消費者的個人信息進行交易和泄露，我們國家也應當盡快制定并完善與之相應的隱私保護的法律和法規(guī)，的保證護公民的隱私權(quán)?？蛻魞r值最大化破冰老式金融業(yè)在大數(shù)據(jù)時代，越來越多的公司管理者已意識到了業(yè)務分析的重要性。業(yè)務分析洞察已經(jīng)成為了公司轉(zhuǎn)型的有利抓手。固然，銀行也不例外，從以產(chǎn)品為中心，也就是銷售產(chǎn)品和服務轉(zhuǎn)向目前以客戶為中心，更像零售業(yè)和制造商。對于以客戶為中心的公司，最重要的一點是理解到客戶究竟是誰，以及客戶究竟有如何的需求。當下，銀行業(yè)都在大力投入資金做著如下三件事：一是建立客戶的單一視窗，將此前不同銀行部門所理解的客戶狀況集成在一起；二是按照顧客行為對顧客進行分類，將之前按照地理區(qū)域、年齡、收入分類改為按照顧客行為來對顧客進行分類；三是為客戶提供質(zhì)量一致的客戶體驗，不管顧客通過銀行網(wǎng)點、移動設備還是社交媒體等渠道來使用銀行服務，都要為客戶提供質(zhì)量一致的體驗。隨著互聯(lián)網(wǎng)，特別是移動互聯(lián)網(wǎng)的不斷發(fā)展，互聯(lián)網(wǎng)金融也在給老式金融業(yè)帶來不小的沖擊，但是，互聯(lián)網(wǎng)金融與否會對銀行等老式機構(gòu)構(gòu)成威脅仍無法得出定論。但是，這并不表達銀行業(yè)可以忽視這股沖擊的浪潮，在這個大數(shù)據(jù)不斷壯大的時代，老式金融業(yè)如何運用大數(shù)據(jù)來不斷創(chuàng)新與變革，如何借助大數(shù)據(jù)減少金融風險，提高客戶體驗，進而挖掘客戶價值最大化是每個公司都應當進一步思考的問題。如某金融全牌照集團公司但愿學習美國花旗集團對已有客戶價值挖掘最大化的經(jīng)驗，對既有保險客戶進行深度分析，通過對已有客戶的大數(shù)據(jù)分析及問卷調(diào)查來細分人群、刻畫人群需求特性，從而制定針對不同客戶群體的集保險、銀行、投資、證券、資產(chǎn)管理、信托等一攬子綜合金融產(chǎn)品方略，為客戶提供一站式財務金融解決方案，以期得到每個客戶最大價值。在選用大數(shù)據(jù)解決方案后，通過度析已有保險客戶數(shù)據(jù)及外部調(diào)研問卷，將人群細分為記錄學上明顯區(qū)別的人群；根據(jù)群體規(guī)模、年齡、性別、教育水平、家庭特性、現(xiàn)階段的收入、消費、理財?shù)刃袨槟Ｊ揭约八齻兯幍纳c財富階段，精確分析群體的需求動因后制定有針對性的產(chǎn)品方略及營銷方略。但是，面對來勢洶洶的互聯(lián)網(wǎng)公司，老式金融業(yè)們也在加快步伐，但還是沒有互聯(lián)網(wǎng)公司動作快。目前，互聯(lián)網(wǎng)金融業(yè)正從單純的支付業(yè)務向轉(zhuǎn)賬匯款、跨境結(jié)算、小額信貸、鈔票管理、資產(chǎn)管理、供應鏈金融、基金和保險代銷、信用卡還款等老式銀行業(yè)務領(lǐng)域滲入。除了存款，銀行的重要業(yè)務幾乎已遇到全面挑戰(zhàn)?；ヂ?lián)網(wǎng)金融正在叫板老式金融，老式金融業(yè)又該何去何從？值得思考。精確營銷加速互聯(lián)網(wǎng)金融沖刺在國外，大數(shù)據(jù)金融領(lǐng)域的應用相對成熟，我們先來回憶一下在美國做得非常典型的大數(shù)據(jù)金融的三大案例。人們習慣性地覺得，只有銀行才干建立信用體系，然而在大數(shù)據(jù)時代，互聯(lián)網(wǎng)公司運用大數(shù)據(jù)控制信貸風險已初露端倪。在進行數(shù)據(jù)解決之前，對業(yè)務的理解、對數(shù)據(jù)的理解非常重要，這決定了要選用哪些數(shù)據(jù)源進行數(shù)據(jù)挖掘，并且越來越多的互聯(lián)網(wǎng)在線動態(tài)大數(shù)據(jù)被添加進來。例如一種虛假的借款申請人信息就可以通過度析網(wǎng)絡行為痕跡被辨認出來，一種真實的互聯(lián)網(wǎng)顧客總會在網(wǎng)絡上留下蛛絲馬跡。對征信有用的數(shù)據(jù)的時效性也非常核心，一般被征信行業(yè)公認的有效的動態(tài)數(shù)據(jù)一般是從目前開始倒推24個月的數(shù)據(jù)。通過多渠道獲得的數(shù)據(jù)來源，運用數(shù)學運算和記錄學的模型進行分析，從而評估出借款者的信用風險，典型的公司是美國的ZestFinance。這家公司的大部分員工是數(shù)據(jù)科學家，她們并不特別地依賴于信用擔保行業(yè)，用大數(shù)據(jù)分析進行風險控制是ZestFinance的核心技術(shù)。她們的原始數(shù)據(jù)來源非常廣泛。她們的數(shù)據(jù)工廠的核心技術(shù)和機密是她們開發(fā)的10個基于學習機器的分析模型，對每位信貸申請人的超過1萬條原始信息數(shù)據(jù)進行分析，并得出超過7萬個可對其行為做出測量的指標，而這一過程在5秒鐘內(nèi)就能所有完畢。事實上，在美國，征信公司或者大數(shù)據(jù)挖掘公司的產(chǎn)品不僅用于提供應有關(guān)公司用于減少金融信貸行業(yè)的風險，同步也用于協(xié)助做決策判斷和市場營銷。尚有，運用社交網(wǎng)站的大數(shù)據(jù)進行網(wǎng)絡借貸的典型是美國的LendingClub。Lendingclub于5月24日在facebook上開張，通過在上面鑲嵌的一款應用搭建借貸雙方平臺。運用社交網(wǎng)絡關(guān)系數(shù)據(jù)和朋友之間的互相信任聚合人氣。借款人被分為若干信用級別，但是卻不必發(fā)布自己的信用歷史。尚有一家在美國為網(wǎng)上商家提供金融信貸服務的公司Kabbage，于4月上線，重要目的客戶是ebay、Amazon、PayPal等電商。它的奇特之處在于，其通過獲取ebay等公司的網(wǎng)店店主的銷售、信用記錄、顧客流量、評論、商品價格和存貨等信息，以及她們在Facebook和Twitter上與客戶的互動信息，借助數(shù)據(jù)挖掘技術(shù)，把這些店主提成不同的風險級別，以此來擬定提供貸款金額數(shù)量與貸款利率水平，風險過高則回絕，風險高下與利率成正比，與貸款金額成反比。顯然，若以銀行體系來評價此類網(wǎng)上商家大多數(shù)都不符合銀行的貸款資格，但是在互聯(lián)網(wǎng)時代，Kabbage的案例闡明了運用大量數(shù)據(jù)足以支撐這些小微公司信用評價體系。固然，Kabbage的這種模式也在國內(nèi)被成功運用，其中，宜信的互聯(lián)網(wǎng)金融產(chǎn)品就是以互聯(lián)網(wǎng)為獲客重要渠道，除了借貸信用記錄，還結(jié)合大數(shù)據(jù)分析技術(shù)，捕獲來自大眾點評、豆瓣等社交網(wǎng)絡上的有用信息，協(xié)助信用審核人員多維度分析借款客戶的信用狀況。大數(shù)據(jù)對于互聯(lián)網(wǎng)金融的助推作用首要體目前尋找合適的目的顧客，實現(xiàn)精確營銷?；ヂ?lián)網(wǎng)金融領(lǐng)域的新創(chuàng)公司或做貸款，或賣產(chǎn)品，憑借高額收益率，手續(xù)費優(yōu)惠，吸引顧客選擇自己。然而，在越來越多同類公司吹響混戰(zhàn)號角的同步，互聯(lián)網(wǎng)金融公司也不得不面對來自同行業(yè)的競爭。欲在競爭劇烈的市場中占有一席之地，互聯(lián)網(wǎng)金融公司需要更精確地定位產(chǎn)品，并推送給自己的目的人群。誰是潛在的購買者？如何找到她們？并讓她們產(chǎn)生愛好？精確營銷的實現(xiàn)限度是互聯(lián)網(wǎng)金融公司存活與崛起的核心所在，這個領(lǐng)域雖然未達到成熟的發(fā)展狀態(tài)，但的確已有了某些有參照價值的營銷案例。如：大數(shù)據(jù)通過動態(tài)定向技術(shù)查看互聯(lián)網(wǎng)顧客近期瀏覽過的理財網(wǎng)站，搜索過的核心詞，通過瀏覽數(shù)據(jù)建立顧客模型，進行產(chǎn)品實時推薦的優(yōu)化投放，直擊顧客所需。另一方面就是風控。通過度析大量的網(wǎng)絡交易及行為數(shù)據(jù)，可對顧客進行信用評估，這些信用評估可以協(xié)助互聯(lián)網(wǎng)金融公司對顧客的還款意愿及還款能力做出結(jié)論，繼而為顧客提供迅速授信及鈔票分期服務。事實上一種人或一種群體的信用好壞取決于諸多變量，如收入，資產(chǎn)，個性，習慣等，且呈動態(tài)變化狀態(tài)?？梢哉f數(shù)據(jù)在個人信用體系中體現(xiàn)為芝麻信用，它便于解決陌生人之間以及商業(yè)交易場景中最基本的身份可信性問題，以及協(xié)助互聯(lián)網(wǎng)金融產(chǎn)品和服務的提供者辨認風險與危機。這些數(shù)據(jù)廣泛來源于網(wǎng)上銀行，電商網(wǎng)站，社交網(wǎng)絡，招聘網(wǎng)，婚介網(wǎng)，公積金社保網(wǎng)站，交通運送網(wǎng)站，搜索引擎，最后聚合形成個人身份認證，工作及教育背景認證，軟信息（涉及消費習慣，愛好愛好，影響力，社交網(wǎng)絡）等維度的信息。對于P2P網(wǎng)貸行業(yè)而言，能否運用互聯(lián)網(wǎng)技術(shù)有效地收集顧客信息，并對顧客的信用信息進行鑒定和管理，成為考量一家P2P網(wǎng)貸平臺風控水平的重要原則。嚴密的風控手段是保證平臺出借人的資金安全的重要環(huán)節(jié)，在風控技術(shù)手段創(chuàng)新摸索方面，宜信宜人貸作為行業(yè)技術(shù)創(chuàng)新的代表，顯然走得更快人一步。其已通過精確的風險建模，實現(xiàn)了對顧客資質(zhì)的高效審批，為顧客提供更便捷的體驗。它是基于對自身平臺數(shù)萬名借款顧客的理解，同步借鑒宜信八年累積的對于顧客的理解，從地區(qū)、年齡段、職業(yè)、等多維度對借款顧客進行了劃分，通過精確的風險模型建立，宜信宜人貸建立了一套獨有的，行之有效的信用評估系統(tǒng)，通過對顧客信息的多維度考察，可以迅速對顧客的信用資質(zhì)進行評估，從而極大地提高服務效率。如某P2P小額信貸機構(gòu)如何使用個人及機構(gòu)的外部數(shù)據(jù)建立自己的征信系統(tǒng)，在極其有限的客戶實質(zhì)接觸基本上僅憑問卷數(shù)據(jù)、自有數(shù)據(jù)庫等對不同客戶進行信用評估，并結(jié)合內(nèi)部業(yè)務數(shù)據(jù)建立風險定價系統(tǒng)、風險預警系統(tǒng)、風險管控方案、應對欺詐規(guī)則、懲罰方案等一系列影響核心業(yè)務賺錢能力的系統(tǒng)方案。通過采用大數(shù)據(jù)解決方案后，通過自建、購買、客戶授權(quán)后合伙分享等多種方式整合涉及互聯(lián)網(wǎng)社交網(wǎng)絡數(shù)據(jù)在內(nèi)的多種數(shù)據(jù)、建立個人及機構(gòu)消費、借貸、財務交易、資金往來等多源信用數(shù)據(jù)庫，在此基本上建立符合自身業(yè)務范疇的客制化信用評估模型，根據(jù)此模型評估借、貸款雙方的信用級別。通過建模確立如何匹配借貸雙方，與具體業(yè)務相應的風險評級、授權(quán)級別、額度發(fā)放級別以及與此相應的風險價格等，并通過已有拖欠、欺詐案例反饋回模型進行機器辨認，進一步完善模型。將來，依托于互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)的發(fā)展，相信將會浮現(xiàn)更優(yōu)質(zhì)，更便捷的P2P網(wǎng)貸服務，來協(xié)助更多有信用的借款人釋放信用的價值，讓信用生金。但是，互聯(lián)網(wǎng)金融在如此大好的機遇面前，自身也隱匿著某些繞不開的難題。一方面，其以新生事物野蠻式生長，帶來便捷的同步，如何解決風控的問題，是目前互聯(lián)網(wǎng)金融必須解決的一種問題；但是另一方面，也面臨自身因監(jiān)管缺失帶來的風險。可見，互聯(lián)網(wǎng)金融尚有待于時間的磨練。個性化數(shù)據(jù)為醫(yī)療插上智慧的翅膀凱文·凱利（KK）在《失控》的第22章，“預言機”里曾提到：信息就是數(shù)據(jù)，數(shù)據(jù)一旦流動，就發(fā)明出透明。社會一旦聯(lián)網(wǎng)，就可以理解自己。因此，諸多熱衷于大數(shù)據(jù)概念的人，她懂得哪里有數(shù)據(jù)，卻沒有措施去促成數(shù)據(jù)的流動。因此，第一要義，數(shù)據(jù)如何才干形成流動？它的驅(qū)動力在哪里？以目前很熱的醫(yī)療健康大數(shù)據(jù)為例，來探究數(shù)據(jù)是如何流動的？維克托?邁爾-舍恩伯格的《大數(shù)據(jù)時代》一書中有兩個有關(guān)大數(shù)據(jù)與公共衛(wèi)生結(jié)合的案例令人印象深刻：喬布斯自罹癌至離世長達8年之久，這幾乎發(fā)明了胰腺癌歷史上的奇跡。據(jù)悉，喬布斯曾在此期間支付大量費用獲得了自己涉及整個基因密碼在內(nèi)的數(shù)據(jù)文檔。借此，醫(yī)生們能基于喬的特定基因構(gòu)成以及大數(shù)據(jù)按所需效果用藥，并調(diào)節(jié)醫(yī)療方案。如果上述案例是個體的，那么帶來群體價值的案例，便是Google成功預測流感爆發(fā)期。甲型H1N1流感爆發(fā)幾周前，Google通過對人們網(wǎng)上搜索記錄的觀測、分析、建模，成果顯示，她們的預測與官方數(shù)據(jù)的有關(guān)性高達97%，且判斷比疾控中心更及時。從個人健康管理到公共健康管理，大數(shù)據(jù)在對個人醫(yī)療的變化以及極富價值的預警能力吸引著IT巨頭們迫不及待與醫(yī)療聯(lián)姻。例如在中國，某慢性病管理遠程醫(yī)療解決方案供應商籌劃外包商保的糖尿病遠程管理業(yè)務，需要提供：人群的糖尿病管理方案涉及接觸、回應、問卷、回饋、互動、宣教、指引、測試成果報告、產(chǎn)品銷售等各個環(huán)節(jié)的方案設計以及人群配合度、依從性、短期及長期醫(yī)療效果、經(jīng)濟效果評估方案。遠程醫(yī)療提供方方案中的的成本、經(jīng)濟效益回報會作為與商保、社保合伙方案中的重要構(gòu)成部分。通過采用大數(shù)據(jù)解決方案后，運用既往研究、文獻及歷史數(shù)據(jù)中的成果為外包業(yè)務人群設計糖尿病病管理全流程數(shù)據(jù)分析方案，涉及數(shù)據(jù)生成、采集、分析方案等，根據(jù)一定假設運用糖尿病決策樹模型來逐級擬定慢病管理各個環(huán)節(jié)中的成本及產(chǎn)出。應接觸人群、反饋人群、互動人群、依從人群、效果人群、對比人群生成及最后的醫(yī)療效果、經(jīng)濟效果評估方案是本項目的核心。運用遠程終端的客戶反饋數(shù)據(jù)分析提高客戶反饋、依從、購買產(chǎn)品的方略，平衡成本與樣本規(guī)模，提高供應商的投產(chǎn)比；使用記錄學措施清晰論證及展示慢性病管理遠程醫(yī)療解決方案的經(jīng)濟學價值，投入產(chǎn)出比。便利供應商開展與社保、商保的合伙；提高供應商自身的投產(chǎn)比。雖然我們談了許多有關(guān)醫(yī)療行業(yè)大數(shù)據(jù)的價值和作用，但今天的大數(shù)據(jù)在醫(yī)療行業(yè)應用仍然處在初級應用的階段，部分醫(yī)療機構(gòu)僅使用了初級功能如BI等，要想讓醫(yī)療行業(yè)把大數(shù)據(jù)發(fā)揮出最大的價值，需要解決如下幾方面問題：從技術(shù)角度來看，數(shù)據(jù)采集及原則問題。收集數(shù)據(jù)是大數(shù)據(jù)基本，但目前醫(yī)療機構(gòu)采集數(shù)據(jù)的能力有限，阻礙了大數(shù)據(jù)的應用；從醫(yī)療經(jīng)營角度來看，管理層缺少數(shù)據(jù)價值認知問題。雖然目前醫(yī)療機構(gòu)領(lǐng)導們對于數(shù)據(jù)的注重限度很高，但是范疇僅僅局限于對于內(nèi)部的數(shù)據(jù)認知，從總體來看，并沒故意識到外部數(shù)據(jù)如互聯(lián)網(wǎng)數(shù)據(jù)與內(nèi)部數(shù)據(jù)的結(jié)合所產(chǎn)生的價值；從投入成本角度來看，目前大數(shù)據(jù)的投入產(chǎn)出比不明確。目前IT投資都需要講ROI(投資回報率)，由于醫(yī)療行業(yè)缺少大數(shù)據(jù)的成熟案例，考慮到成本因素，公司決策者大都不都不敢隨便在大數(shù)據(jù)領(lǐng)域砸錢；從產(chǎn)品角度來看，大數(shù)據(jù)產(chǎn)品單一，行業(yè)成熟度不夠。從以上問題我們可以看出，醫(yī)療行業(yè)開展大數(shù)據(jù)仍然有一段路要走，但是面對所存在的問題，將來隨著技術(shù)的推動、意識的提高、成本的下降以及有關(guān)政策的成熟，相信用不了幾年時間就可以逐漸解決問題，將來，大數(shù)據(jù)必然可覺得醫(yī)療行業(yè)提供更好的服務。數(shù)據(jù)分析模型讓制造業(yè)煥然一新工業(yè)4.0時代正撲面而來。這是繼以蒸汽機、大規(guī)模流水線生產(chǎn)和電氣自動化為標志的前三次工業(yè)革命之后的第四次工業(yè)革命。其特點是通過充足運用嵌入式控制系統(tǒng)，即物理信息融合系統(tǒng)（其中大數(shù)據(jù)扮演主角），實現(xiàn)制造業(yè)向智能化轉(zhuǎn)型。滄桑巨變，今天中國已是全球制造業(yè)大國。來自中國工業(yè)與信息化部的記錄數(shù)據(jù)顯示，中國工業(yè)占GDP的37%，提供全國25%的就業(yè)崗位。在500余種工業(yè)產(chǎn)品中，有220多種產(chǎn)量居世界第一。中國制造業(yè)在全球的占比約為20%。然而，中國制造業(yè)面對云蒸霞蔚的移動互聯(lián)網(wǎng)和大數(shù)據(jù)景觀卻有些不知所措，若不趕緊扭轉(zhuǎn)局面，有也許逐漸喪失制造業(yè)大國的地位。大而不強是我們的軟肋，大多數(shù)中國工廠仍然龜縮在產(chǎn)業(yè)鏈低端，缺少制造的核心材料、設備、工藝，停留在近乎原始的OEM（貼牌代工）階段，缺少原創(chuàng)技術(shù)和創(chuàng)新產(chǎn)品。但是，憑借龐大的內(nèi)需市場支撐，中國制造的優(yōu)勢尚存，13億人口積累的消費數(shù)據(jù)十分可觀。因此，如果能在大數(shù)據(jù)挖掘和分析上下點功夫，中國制造業(yè)還能保持較強的競爭力。在中國制造業(yè)依托大數(shù)據(jù)打翻身仗的陣營中，小米可謂特立獨行的領(lǐng)頭羊。成立的小米公司是中國制造業(yè)公司的成功典范，其主打產(chǎn)品小米手機已蜚聲海外，被業(yè)內(nèi)視作蘋果、三星的潛在威脅。小米超越同行的業(yè)績，緣于其用涉及軟件、硬件和應用生態(tài)的整體措施，小米在發(fā)明全新顧客體驗的同步，高擎大數(shù)據(jù)的旗幟，顛覆了中國制造業(yè)公司的老式做法。有了這樣的底氣，小米董事長雷軍才敢與老式制造業(yè)的空調(diào)玫瑰—格力掌門人董明珠立下10億元的對賭承諾。那么，大數(shù)據(jù)是如何協(xié)助研發(fā)人員提高新藥研發(fā)效率的呢？有關(guān)專業(yè)人士覺得：一方面，由于藥物的生物過程和藥物模型越來越復雜，大數(shù)據(jù)可以通過運用分子和臨床數(shù)據(jù)，預測建模來協(xié)助辨認那些具有很高也許性被成功開發(fā)為藥物的安全有效的潛力備選新分子。另一方面，運用大數(shù)據(jù)可以協(xié)助提高臨床實驗的效率。例如篩選臨床實驗受試者的篩選原則通過大數(shù)據(jù)，可以瞄準特定人群，這樣臨床實驗就可以規(guī)模更小、時間更短、成本更低，更加有效。同步可以通過大數(shù)據(jù)分析來實時監(jiān)控臨床實驗，及早發(fā)現(xiàn)也許浮現(xiàn)的問題，避免實驗過程中成本增長或浮現(xiàn)不必要的延誤。第三，相對于本來僵化的數(shù)據(jù)孤島，使用大數(shù)據(jù)可以協(xié)助數(shù)據(jù)在不同功能單元之間順暢流動。通過打破內(nèi)部各功能之間的信息壁壘并提高跟外部合伙伙伴的協(xié)作，制藥公司可以大幅擴展她們的知識和數(shù)據(jù)網(wǎng)絡，如與外部合伙伙伴——醫(yī)生和CRO共享核心數(shù)據(jù)。數(shù)據(jù)的這種順暢流動，對能發(fā)明商業(yè)價值的實時預測性數(shù)據(jù)進行分析非常核心。此外，為保證合理分派稀缺的研發(fā)資金，項目組合與產(chǎn)品線有關(guān)的迅速決策至關(guān)重要。但制藥公司常常發(fā)現(xiàn)，她們很難做出合適的決定。例如哪個項目該繼續(xù)，或者有時更重要的是，哪個項目該砍掉?；谛畔⒓夹g(shù)的項目組合管理能迅速無縫地實現(xiàn)數(shù)據(jù)驅(qū)動的決策。通過數(shù)據(jù)分析目前項目的商業(yè)開發(fā)機會，預測其市場競爭力，協(xié)助公司客觀地做出決定，以保證研發(fā)投入的合理性。雖然大數(shù)據(jù)可以有效地協(xié)助研發(fā)人員提高新藥研發(fā)效率，但目前大數(shù)據(jù)技術(shù)尚有某些方面需要改善。牛津大學記錄學專家彼得·多納利