許憲春 王洋

摘? ?要：隨著信息通信技術(shù)的快速發(fā)展，以及數(shù)據(jù)收集、存儲、加工處理和開發(fā)應(yīng)用能力的不斷提升，大數(shù)據(jù)的規(guī)模迅速擴(kuò)大，種類不斷增多，在企業(yè)生產(chǎn)經(jīng)營中開始發(fā)揮越來越重要的作用。由于不同類型企業(yè)的生產(chǎn)經(jīng)營方式不同，大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用場景有所不同，其所發(fā)揮的作用也有所差異?，F(xiàn)階段，企業(yè)在應(yīng)用大數(shù)據(jù)時(shí)面臨著數(shù)據(jù)標(biāo)準(zhǔn)不一、人才短缺、安全難以得到有效保障、存儲成本高昂等挑戰(zhàn)。為此，應(yīng)加強(qiáng)大數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)，加快推進(jìn)大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，有序推進(jìn)政府?dāng)?shù)據(jù)開放共享，加快培育復(fù)合型大數(shù)據(jù)人才，完善網(wǎng)絡(luò)及大數(shù)據(jù)安全體系建設(shè)，促進(jìn)大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中得到更好的應(yīng)用，發(fā)揮更大的作用。

關(guān)鍵詞：大數(shù)據(jù);企業(yè)生產(chǎn)經(jīng)營;應(yīng)用場景

中圖分類號：F273? ?文獻(xiàn)標(biāo)識碼：A? ?文章編號：1003-7543（2021）01-0018-18

隨著信息通信技術(shù)的快速發(fā)展，以及數(shù)據(jù)收集、存儲、加工處理和開發(fā)應(yīng)用能力的不斷提升，大數(shù)據(jù)的規(guī)模迅速擴(kuò)大，種類不斷增多，在企業(yè)生產(chǎn)經(jīng)營中開始發(fā)揮越來越重要的作用。由于不同類型企業(yè)的生產(chǎn)經(jīng)營方式不同，因而大數(shù)據(jù)在應(yīng)用于企業(yè)生產(chǎn)經(jīng)營過程中產(chǎn)生了多樣化的應(yīng)用場景，使不同類型企業(yè)實(shí)現(xiàn)了不同形式的提質(zhì)增效和降本增收。隨著大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中的廣泛應(yīng)用，大數(shù)據(jù)的應(yīng)用場景和發(fā)揮作用的方式更加多元化，但與此同時(shí)，企業(yè)應(yīng)用大數(shù)據(jù)仍面臨技術(shù)、人才、安全等方面的困難和挑戰(zhàn)。為此，應(yīng)及時(shí)梳理總結(jié)現(xiàn)有應(yīng)用場景和作用方式，分析困難和挑戰(zhàn)，提出對策建議，為促進(jìn)大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中得到更好的應(yīng)用、發(fā)揮更大的作用提供參考。

一、“大數(shù)據(jù)”的內(nèi)涵界定與政策演進(jìn)

（一）“大數(shù)據(jù)”的內(nèi)涵界定

“大數(shù)據(jù)”一詞由美國國家航空航天局（NASA）研究員Michael Cox和David Ellsworth于1997年美國電子電氣工程師學(xué)會（IEEE）第八屆國際可視化學(xué)術(shù)會議上首次提出[1]。他們指出，可視化給電腦系統(tǒng)提出了龐大的數(shù)據(jù)量的挑戰(zhàn)，即數(shù)據(jù)量大到內(nèi)存、本地磁盤甚至遠(yuǎn)程磁盤都無法處理，他們將這類數(shù)據(jù)稱之為大數(shù)據(jù)。2008年9月，《自然》雜志刊發(fā)了一期“大數(shù)據(jù)”特稿，使得大數(shù)據(jù)在科學(xué)研究領(lǐng)域得到了高度重視，關(guān)于大數(shù)據(jù)的討論不斷增多。2011年，全球知名咨詢公司麥肯錫在《大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個(gè)前沿領(lǐng)域》報(bào)告中稱：“數(shù)據(jù)已經(jīng)滲透到當(dāng)今每一個(gè)工業(yè)和商業(yè)領(lǐng)域，正在同勞動(dòng)力、資本一道成為重要的生產(chǎn)要素?！边@宣告了大數(shù)據(jù)時(shí)代的到來。同時(shí)，麥肯錫在報(bào)告中從數(shù)據(jù)量大的角度給出了大數(shù)據(jù)的定義[2]。

業(yè)界和學(xué)術(shù)界對大數(shù)據(jù)的定義一直處于探討之中。Michael Cox和David Ellsworth最初是從數(shù)據(jù)量大的角度提出大數(shù)據(jù)的概念的。隨著大數(shù)據(jù)處理技術(shù)的不斷發(fā)展，大數(shù)據(jù)的應(yīng)用場景不斷增多，大數(shù)據(jù)的概念逐漸從數(shù)據(jù)量大發(fā)展成為包含數(shù)據(jù)量、技術(shù)、應(yīng)用在內(nèi)的綜合性概念。原工業(yè)和信息化部電信研究院在《大數(shù)據(jù)白皮書（2014年）》中探討了大數(shù)據(jù)的概念，認(rèn)為大數(shù)據(jù)是具有體量大、結(jié)構(gòu)多樣、時(shí)效強(qiáng)等特征的數(shù)據(jù)，大數(shù)據(jù)是新資源、新工具和新應(yīng)用的綜合體。朱揚(yáng)勇、熊赟認(rèn)為，大數(shù)據(jù)是指為決策問題提供服務(wù)的大數(shù)據(jù)集、大數(shù)據(jù)技術(shù)和大數(shù)據(jù)應(yīng)用的總稱，數(shù)據(jù)、技術(shù)和應(yīng)用是大數(shù)據(jù)的三個(gè)要素[3]。在大數(shù)據(jù)的概念中，價(jià)值是核心所在，數(shù)據(jù)（資源）、技術(shù)（工具）、應(yīng)用這三個(gè)要素都是圍繞著價(jià)值而展開的。

大數(shù)據(jù)的特征也是學(xué)術(shù)界和業(yè)界探討的焦點(diǎn)。2001年Laney提出了大數(shù)據(jù)的3V特征，包括數(shù)據(jù)體量巨大（Volume）、處理速度快（Velocity）和數(shù)據(jù)類型多（Variety）[4]。隨著大數(shù)據(jù)的不斷發(fā)展，大數(shù)據(jù)的特征不斷增加，對大數(shù)據(jù)特征的歸納仍舊是按照幾個(gè)“V”的模式展開的，同時(shí)還新增了1“C”的模式?？偨Y(jié)來看，在Laney提出的3V基礎(chǔ)上又新增了數(shù)據(jù)真實(shí)性（Veracity）[5-8]，數(shù)據(jù)有價(jià)值（Value）[5-8]、數(shù)據(jù)有效性（Validity）[5]、易發(fā)生變化（Variability/Volatility）[5-7，9]、管理過程虛擬化（Virtual）[6，9]、復(fù)雜程度高（Complexity）[10]等特征。

（二）國內(nèi)外大數(shù)據(jù)的相關(guān)政策演進(jìn)

隨著大數(shù)據(jù)的不斷發(fā)展，各國開始逐漸重視大數(shù)據(jù)市場的培育工作。美國、歐盟、日本等主要經(jīng)濟(jì)體根據(jù)自身對大數(shù)據(jù)的理解及各自發(fā)展情況，制定了大數(shù)據(jù)相關(guān)戰(zhàn)略行動(dòng)規(guī)劃（見表1，下頁）。

從目前各經(jīng)濟(jì)體制定的大數(shù)據(jù)相關(guān)戰(zhàn)略行動(dòng)規(guī)劃可以看出，各經(jīng)濟(jì)體政策各有側(cè)重，進(jìn)度不盡相同，但也存在一些共性：一是各經(jīng)濟(jì)體大數(shù)據(jù)戰(zhàn)略行動(dòng)規(guī)劃的基本目標(biāo)，均是通過國家性的戰(zhàn)略規(guī)劃來推動(dòng)本經(jīng)濟(jì)體內(nèi)的大數(shù)據(jù)的技術(shù)研發(fā)和產(chǎn)業(yè)應(yīng)用，以期在國際競爭中占據(jù)領(lǐng)先地位;二是戰(zhàn)略規(guī)劃都具有明確的行動(dòng)計(jì)劃和重點(diǎn)扶持的項(xiàng)目;三是規(guī)劃的領(lǐng)域都是關(guān)乎國家競爭力和全民生活福祉的重要領(lǐng)域。

我國高度重視大數(shù)據(jù)的開發(fā)應(yīng)用。國家相關(guān)部門出臺了一系列政策，支持大數(shù)據(jù)產(chǎn)業(yè)發(fā)展（見表2）。隨著國家政策的日漸完善以及大數(shù)據(jù)開發(fā)應(yīng)用技術(shù)的不斷提高，大數(shù)據(jù)會保持強(qiáng)勁的發(fā)展勢頭，大數(shù)據(jù)與實(shí)體經(jīng)濟(jì)的融合也會不斷深化，這為企業(yè)的數(shù)字化轉(zhuǎn)型發(fā)展提供了寶貴的機(jī)遇，如果能夠抓住這一機(jī)遇，企業(yè)就能夠更好地生存和發(fā)展。

二、大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用場景

黨的十九屆五中全會提出要推動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等同各產(chǎn)業(yè)深度融合。由于不同類型企業(yè)生產(chǎn)經(jīng)營方式不同，因而大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用場景有所不同。本文對部分類型企業(yè)的大數(shù)據(jù)主要應(yīng)用場景進(jìn)行梳理總結(jié)，主要包括農(nóng)業(yè)企業(yè)、制造業(yè)企業(yè)、交通出行類企業(yè)、零售餐飲類企業(yè)、運(yùn)輸物流類企業(yè)、房地產(chǎn)經(jīng)紀(jì)類企業(yè)、旅游服務(wù)類企業(yè)、醫(yī)療服務(wù)類企業(yè)、金融服務(wù)類企業(yè)。

（一）農(nóng)業(yè)企業(yè)

農(nóng)業(yè)企業(yè)對大數(shù)據(jù)的應(yīng)用主要體現(xiàn)在通過大數(shù)據(jù)、云計(jì)算以及物聯(lián)網(wǎng)等技術(shù)隨時(shí)獲取農(nóng)作物、禽畜以及水產(chǎn)品的生長狀態(tài)數(shù)據(jù)，基于分析結(jié)果及時(shí)實(shí)施干預(yù)，實(shí)現(xiàn)對農(nóng)業(yè)生產(chǎn)的精準(zhǔn)控制和智能管理。

一是精準(zhǔn)化農(nóng)作物生產(chǎn)管理。在農(nóng)作物種植過程中，利用衛(wèi)星遙感技術(shù)、無人機(jī)航拍、傳感器等采集數(shù)據(jù)，采集的數(shù)據(jù)類型主要包括實(shí)時(shí)的土地土壤數(shù)據(jù)、天氣氣候數(shù)據(jù)、農(nóng)作物生產(chǎn)數(shù)據(jù)、病蟲害數(shù)據(jù)等;通過對采集到的數(shù)據(jù)進(jìn)行分析、處理，并建立可視化模型，實(shí)現(xiàn)種植適宜區(qū)規(guī)劃、作物長勢預(yù)測、作物產(chǎn)量預(yù)測以及病蟲害防治等，對農(nóng)作物生產(chǎn)進(jìn)行精準(zhǔn)化管理。

二是精細(xì)化禽畜養(yǎng)殖。在禽畜養(yǎng)殖過程中，利用耳標(biāo)、可穿戴設(shè)備、攝像頭等采集數(shù)據(jù)，采集的數(shù)據(jù)主要包括禽舍數(shù)據(jù)、飲水?dāng)?shù)據(jù)、清糞數(shù)據(jù)、典型行為、生長數(shù)據(jù)等;通過對收集到的數(shù)據(jù)進(jìn)行分析，運(yùn)用深度學(xué)習(xí)算法判斷畜禽產(chǎn)品健康狀況、喂養(yǎng)狀況、位置信息、發(fā)情期預(yù)測等，對其進(jìn)行精準(zhǔn)管理。例如，青島寶佳集團(tuán)將大數(shù)據(jù)應(yīng)用到建設(shè)生豬養(yǎng)殖—農(nóng)作物種植全產(chǎn)業(yè)鏈中，形成了完整的養(yǎng)—植綠色體系，通過大數(shù)據(jù)精準(zhǔn)投喂，以最科學(xué)的投量比例保障生豬生理需求;根據(jù)大數(shù)據(jù)實(shí)時(shí)監(jiān)測與預(yù)警生豬健康狀況、居住環(huán)境、生長特征等情況，確保生豬健康成長;將養(yǎng)殖中獲得的排放物作為肥料科學(xué)噴灑至農(nóng)作物中;依托種植數(shù)據(jù)庫，構(gòu)建土壤質(zhì)量、農(nóng)業(yè)環(huán)境、植物保護(hù)等完整的評估體系，保障農(nóng)產(chǎn)品的茁壯生長。

三是精細(xì)化水產(chǎn)養(yǎng)殖。在水產(chǎn)養(yǎng)殖過程中，利用水下傳感器、監(jiān)控器等智能感知設(shè)備采集數(shù)據(jù)，采集的數(shù)據(jù)主要包括水的溶解氧、PH值、溫度等水質(zhì)指標(biāo)，水產(chǎn)品的喂食、活動(dòng)和死亡情況等;通過對采集到的數(shù)據(jù)進(jìn)行處理、加工轉(zhuǎn)化為可視化圖形、圖表，實(shí)現(xiàn)對水質(zhì)和水產(chǎn)品生長情況的遠(yuǎn)程、實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)精細(xì)化水產(chǎn)養(yǎng)殖。

四是智能化農(nóng)業(yè)生產(chǎn)設(shè)備。在農(nóng)業(yè)生產(chǎn)管理過程中，通過將新型技術(shù)搭載到傳統(tǒng)生產(chǎn)工具和材料，實(shí)現(xiàn)對農(nóng)作物生產(chǎn)的智能化管理。例如，無人機(jī)植保應(yīng)用就是通過無人機(jī)搭載先進(jìn)的傳感器設(shè)備，根據(jù)地形、地貌搭配專用藥劑對農(nóng)作物實(shí)施精準(zhǔn)、高效的噴藥作業(yè)，通過人（植保隊(duì)）、機(jī)（無人植保機(jī)）、藥（農(nóng)藥）三位一體達(dá)到節(jié)水節(jié)藥的作用;農(nóng)機(jī)自動(dòng)駕駛應(yīng)用就是利用衛(wèi)星導(dǎo)航實(shí)現(xiàn)農(nóng)機(jī)沿直線作業(yè)功能，主要利用角度傳感器獲取農(nóng)機(jī)偏移數(shù)據(jù)、攝像頭獲取周圍作物生長數(shù)據(jù)以及導(dǎo)航衛(wèi)星實(shí)時(shí)定位跟蹤車輛信息數(shù)據(jù)，將三者獲取的數(shù)據(jù)經(jīng)過無線網(wǎng)絡(luò)傳輸?shù)娇刂贫?，對?shù)據(jù)進(jìn)行分析后，利用車載計(jì)算機(jī)顯示器實(shí)時(shí)顯示作業(yè)情況以及作業(yè)進(jìn)度等。目前，農(nóng)用車輛導(dǎo)航系統(tǒng)主要應(yīng)用于拖拉機(jī)、收割機(jī)、小麥機(jī)和青貯機(jī)等農(nóng)用機(jī)械上。

（二）制造業(yè)企業(yè)

大數(shù)據(jù)在制造業(yè)企業(yè)中的應(yīng)用貫穿于企業(yè)生產(chǎn)經(jīng)營的全流程。從產(chǎn)品方案的設(shè)計(jì)，到生產(chǎn)加工，再到售后服務(wù)，都體現(xiàn)出大數(shù)據(jù)的應(yīng)用場景。

一是定制化生產(chǎn)。隨著客戶需求的不斷細(xì)化和多樣化，企業(yè)生產(chǎn)模式也逐漸從同質(zhì)化生產(chǎn)向定制化生產(chǎn)發(fā)展，面向不同客戶的個(gè)性化需求輸出定制服務(wù)。制造業(yè)企業(yè)通過工業(yè)互聯(lián)網(wǎng)等平臺收集客戶對產(chǎn)品顏色、外觀、結(jié)構(gòu)、功能等產(chǎn)品參數(shù)的需求，將需求轉(zhuǎn)換為計(jì)算機(jī)可識別的語言后上傳至產(chǎn)品設(shè)計(jì)平臺，設(shè)計(jì)工程師根據(jù)客戶需求形成產(chǎn)品設(shè)計(jì)圖紙、工藝要求、生產(chǎn)要求等，進(jìn)一步下發(fā)至生產(chǎn)車間，并通過柔性制造生產(chǎn)線將客戶的個(gè)性化定制需求轉(zhuǎn)換成最終產(chǎn)品，實(shí)現(xiàn)客戶需求驅(qū)動(dòng)的定制化生產(chǎn)。例如，海爾、美的等家電企業(yè)搭建了以用戶需求數(shù)據(jù)為驅(qū)動(dòng)的產(chǎn)品制造體系，讓不懂技術(shù)的用戶和不了解需求的設(shè)計(jì)師、供應(yīng)商通過數(shù)據(jù)流在互聯(lián)網(wǎng)平臺上互動(dòng)協(xié)作，并通過柔性制造生產(chǎn)線將用戶的個(gè)性化定制需求轉(zhuǎn)換成最終產(chǎn)品。在這種模式下，空調(diào)、熱水器、洗衣機(jī)等產(chǎn)品的顏色、外觀、結(jié)構(gòu)等參數(shù)可由用戶定制，讓用戶在生產(chǎn)中擁有更大的自主權(quán)。

二是智能化工業(yè)生產(chǎn)線。在生產(chǎn)管理過程中，通過安裝在工業(yè)制造生產(chǎn)線上的小型傳感器，實(shí)時(shí)采集設(shè)備的振動(dòng)、聲音、變形、位移、裂紋、磨損、溫度、壓力、流量、電流、轉(zhuǎn)速、轉(zhuǎn)矩、功率等數(shù)據(jù)，對采集到的數(shù)據(jù)進(jìn)行加工處理，并進(jìn)一步對用電量、能耗、質(zhì)量事故等參數(shù)進(jìn)行分析，基于設(shè)備診斷結(jié)果進(jìn)行及時(shí)的預(yù)測性維護(hù);通過對生產(chǎn)過程中的原材料、中間產(chǎn)品數(shù)據(jù)進(jìn)行采集和實(shí)時(shí)上傳，進(jìn)一步考慮產(chǎn)能約束、人員技能約束、物料可用約束、工裝模具約束等，借助智能的優(yōu)化算法，制定預(yù)計(jì)劃排產(chǎn)，并監(jiān)控計(jì)劃與現(xiàn)場實(shí)際的偏差，動(dòng)態(tài)地調(diào)整生產(chǎn)計(jì)劃。通過預(yù)測性維護(hù)和動(dòng)態(tài)排產(chǎn)，實(shí)現(xiàn)對工業(yè)生產(chǎn)線的智能化管理。

三是智能化售后服務(wù)。在售后服務(wù)過程中，應(yīng)用大數(shù)據(jù)可以實(shí)現(xiàn)對產(chǎn)品運(yùn)行狀態(tài)的監(jiān)控和對客戶意見的及時(shí)反饋。對產(chǎn)品運(yùn)行狀態(tài)的監(jiān)控主要應(yīng)用在大型機(jī)組和重大設(shè)備等不宜解體檢查的高精度設(shè)備上，通過采集設(shè)備運(yùn)行中各種狀態(tài)信息數(shù)據(jù)，對產(chǎn)品運(yùn)行狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控并及時(shí)發(fā)現(xiàn)產(chǎn)品存在的問題，以便有針對性地提出解決方案;對客戶意見的及時(shí)反饋主要體現(xiàn)為智能云客服交互平臺，通過將客戶電話語音咨詢、多媒體語音文字咨詢等轉(zhuǎn)化為數(shù)據(jù)，基于數(shù)據(jù)挖掘、神經(jīng)網(wǎng)絡(luò)等技術(shù)進(jìn)行關(guān)鍵信息提煉和關(guān)聯(lián)性分析，自動(dòng)生成解決方案并實(shí)時(shí)反饋至客戶，實(shí)現(xiàn)產(chǎn)品售后服務(wù)的智能化。

（三）交通出行類企業(yè)

交通出行類企業(yè)通過收集司機(jī)數(shù)據(jù)、乘客數(shù)據(jù)、道路數(shù)據(jù)、實(shí)時(shí)交通數(shù)據(jù)等，挖掘后實(shí)現(xiàn)多樣化的應(yīng)用場景。

一是智能化司乘供需匹配。滴滴出行等打車軟件的興起，背后的支撐是對大數(shù)據(jù)的應(yīng)用。平臺企業(yè)通過App終端，實(shí)時(shí)采集車輛的地理位置、運(yùn)行狀態(tài)、載客情況等數(shù)據(jù)和乘客的用車需求等數(shù)據(jù)，基于機(jī)器學(xué)習(xí)、云計(jì)算等技術(shù)，對數(shù)據(jù)進(jìn)行關(guān)聯(lián)性分析，通過智能分單、供需預(yù)測、運(yùn)力調(diào)度等實(shí)現(xiàn)對司機(jī)供給和乘客需求的智能化匹配。

二是精細(xì)化公交調(diào)度與管理。公交企業(yè)通過將公交要素標(biāo)識標(biāo)簽、公交車載信息中心（車載RSU）等物聯(lián)網(wǎng)設(shè)備大規(guī)模部署于公交車、公交站臺等場所，實(shí)時(shí)采集公交車輛狀態(tài)信息、站點(diǎn)信息、行駛信息、客流信息等，基于大數(shù)據(jù)處理分析平臺對數(shù)據(jù)進(jìn)行處理分析后，實(shí)現(xiàn)車距監(jiān)管、精準(zhǔn)報(bào)站、發(fā)班與客流匹配等精細(xì)化公交調(diào)度與管理。

三是智慧信號燈。為了更好地緩解交通擁堵問題，滴滴出行依據(jù)大數(shù)據(jù)推出了“智慧信號燈”。結(jié)合滴滴的起止點(diǎn)數(shù)據(jù)和來自政府的城市交通信息、基礎(chǔ)路網(wǎng)信息、交通設(shè)施信息等數(shù)據(jù)，通過模型預(yù)測，智能信號燈可基于區(qū)域內(nèi)交通流量，合理調(diào)節(jié)管控道路資源和通行速度。

（四）零售餐飲類企業(yè)

零售餐飲類企業(yè)應(yīng)用大數(shù)據(jù)可實(shí)現(xiàn)線上企業(yè)的精準(zhǔn)營銷，生鮮、餐飲的即時(shí)配送，以及線下零售、餐飲企業(yè)的精準(zhǔn)選址。

一是精準(zhǔn)營銷。精準(zhǔn)營銷在淘寶、京東等電商平臺企業(yè)的應(yīng)用較為成熟，企業(yè)通過采集消費(fèi)者的網(wǎng)絡(luò)購物行為數(shù)據(jù)，如瀏覽網(wǎng)站記錄、瀏覽商品類型、在不同頁面的停留時(shí)間、瀏覽次數(shù)、歷史足跡等數(shù)據(jù)，結(jié)合消費(fèi)者的個(gè)人身份信息數(shù)據(jù)，處理分析后進(jìn)行用戶興趣建模、用戶關(guān)系建模、用戶生命周期建模、用戶信用建模等，對消費(fèi)者進(jìn)行畫像，并且作為底層數(shù)據(jù)供應(yīng)給各營銷系統(tǒng)?；谟脩舢嬒?，各營銷系統(tǒng)采用電子郵件、手機(jī)短信、App消息推送、商品包裝廣告等形式進(jìn)行產(chǎn)品推廣，實(shí)現(xiàn)精準(zhǔn)營銷。

二是即時(shí)配送。即時(shí)配送在美團(tuán)、餓了么等外賣配送類企業(yè)以及盒馬鮮生、叮咚買菜、每日優(yōu)鮮等新型生鮮零售超市應(yīng)用較為成熟。在外賣即時(shí)配送上，智能調(diào)度是核心環(huán)節(jié)，平臺依托海量歷史訂單數(shù)據(jù)、騎士（送餐員）定位數(shù)據(jù)、精準(zhǔn)的商戶特征數(shù)據(jù)，針對騎士實(shí)時(shí)情景（任務(wù)量、配送距離、并單情況、評級），對訂單進(jìn)行智能匹配。進(jìn)一步面向騎手提供輔助決策服務(wù)，包括智能語音、路徑推薦、到店提醒等;面向用戶提供計(jì)算送達(dá)時(shí)間、配送費(fèi)定價(jià)等服務(wù)，實(shí)現(xiàn)自動(dòng)化調(diào)度以及最優(yōu)化配送路徑規(guī)劃;在生鮮零售超市的即時(shí)配送上，除了面向騎手的配送路徑優(yōu)化外，超市、倉庫產(chǎn)品的揀貨效率也是重要環(huán)節(jié)。以盒馬鮮生為例，為實(shí)現(xiàn)效率的最大化，盒馬鮮生在揀貨方面采用了基于物聯(lián)網(wǎng)的全自動(dòng)懸掛鏈物流系統(tǒng)?；谖锫?lián)網(wǎng)上鏈接的庫存商品標(biāo)簽信息，通過后臺系統(tǒng)智能拆分訂單，揀貨員根據(jù)最優(yōu)路徑完成揀貨，實(shí)現(xiàn)對揀貨路徑的最優(yōu)化設(shè)計(jì)，為即時(shí)配送提供效率支撐。

三是精準(zhǔn)選址。依托人為經(jīng)驗(yàn)判斷確定零售、餐飲企業(yè)的選址可能存在局限與偏差，大數(shù)據(jù)則能夠?yàn)樯虡I(yè)選址提供更為科學(xué)的決策依據(jù)。通過對目標(biāo)區(qū)域的客流量、人群流向軌跡等進(jìn)行實(shí)時(shí)監(jiān)控，采集位置信息、時(shí)間信息、輿情信息、人物行為信息等，利用大數(shù)據(jù)挖掘和分析技術(shù)，對選定目標(biāo)位置的人群進(jìn)行特征畫像，可為不同品類和品牌的企業(yè)洞察潛在用戶及市場預(yù)測分析提供依據(jù)，實(shí)現(xiàn)線下零售、餐飲企業(yè)的精準(zhǔn)化選址。

（五）運(yùn)輸物流類企業(yè)

運(yùn)輸物流類企業(yè)對于大數(shù)據(jù)的應(yīng)用場景主要體現(xiàn)在貨源與運(yùn)力精準(zhǔn)匹配、智慧物流、貨運(yùn)行業(yè)信用體系建設(shè)三個(gè)方面。

一是貨源與運(yùn)力精準(zhǔn)匹配。貨車幫、運(yùn)滿滿等貨運(yùn)O2O平臺基于大數(shù)據(jù)技術(shù)實(shí)現(xiàn)智能配貨和智能找車，使運(yùn)輸資源的利用率得到提升。貨主將貨源信息發(fā)布至平臺，并輸入始發(fā)地、目的地，以及對所需車輛類型、車輛位置、車長、載重等方面的需求;平臺基于入網(wǎng)車輛的車輛位置、軌跡分析、車輛畫像、安全駕駛指數(shù)等數(shù)據(jù)指標(biāo)，通過大數(shù)據(jù)核心算法對入網(wǎng)車輛進(jìn)行挖掘，為貨主提供最優(yōu)的備選貨車運(yùn)輸方案，為車主提供符合其要求的貨源信息，實(shí)現(xiàn)貨源與運(yùn)力的精準(zhǔn)匹配。

二是智慧物流?？爝f、物流企業(yè)對于大數(shù)據(jù)的應(yīng)用主要體現(xiàn)在物流路線的智能調(diào)度和物流儲運(yùn)的主動(dòng)感知上。在物流路線智能調(diào)度方面，快遞、物流企業(yè)通過大數(shù)據(jù)與人工智能技術(shù)實(shí)現(xiàn)智能車輛路徑規(guī)劃，實(shí)現(xiàn)物流運(yùn)輸路徑最優(yōu)化。在物流儲運(yùn)主動(dòng)感知方面，快遞、物流企業(yè)根據(jù)消費(fèi)趨勢大數(shù)據(jù)預(yù)知需求提前分倉布貨，使消費(fèi)者的訂單在最短的距離和時(shí)間內(nèi)送貨上門。

三是貨運(yùn)行業(yè)信用體系建設(shè)。貨車幫通過實(shí)名認(rèn)證和保險(xiǎn)信用保障雙重方式建立行業(yè)信用體系。一方面，建立實(shí)名認(rèn)證體系。貨車幫平臺將車主信息上傳數(shù)據(jù)庫，同時(shí)對車主交易完成情況進(jìn)行記錄，對每次匹配進(jìn)行評級打分，并將信譽(yù)積分記錄到相應(yīng)的車主或貨主的檔案內(nèi)。通過在大數(shù)據(jù)工作體系下的個(gè)人信譽(yù)疊加，對個(gè)人的信譽(yù)及交易質(zhì)量進(jìn)行分析對比，從而篩選出高信譽(yù)度個(gè)體，淘汰低信譽(yù)度個(gè)體，避免了在貨運(yùn)過程中的損失，提高了經(jīng)濟(jì)效益。另一方面，開展保險(xiǎn)和信用保障。貨車幫提供在線貨運(yùn)保險(xiǎn)，支持在線即時(shí)購買和在線理賠，通過大數(shù)據(jù)將全部車輛信息同保險(xiǎn)公司對接，對不同車輛訂單進(jìn)行風(fēng)險(xiǎn)評級。評級不同的訂單會被劃分成不同的類別，系統(tǒng)自動(dòng)推薦最適合此類別的保險(xiǎn)種類，并且即時(shí)傳輸數(shù)據(jù)，保證每一輛貨車都具有相應(yīng)的保險(xiǎn)。

（六）房地產(chǎn)經(jīng)紀(jì)類企業(yè)

大數(shù)據(jù)在房地產(chǎn)經(jīng)紀(jì)類企業(yè)的應(yīng)用場景主要包括在線看房、客戶畫像以及經(jīng)紀(jì)人服務(wù)優(yōu)化三個(gè)方面。

一是在線看房。大數(shù)據(jù)支撐下的在線看房模式解決了傳統(tǒng)的單一線下看房模式在房源真實(shí)程度、協(xié)調(diào)看房時(shí)間等方面的難題。企業(yè)通過大數(shù)據(jù)技術(shù)，采集房源信息，建立房源數(shù)據(jù)庫，并輔以三維重建、VR技術(shù)，給租購者展現(xiàn)真實(shí)的房源情況，實(shí)現(xiàn)隨時(shí)隨地在線看房。以貝殼找房為例，貝殼找房基于內(nèi)部作業(yè)系統(tǒng)HERP的房源基礎(chǔ)數(shù)據(jù)庫，運(yùn)用大數(shù)據(jù)技術(shù)，打造房源產(chǎn)品——樓盤字典。樓盤字典覆蓋全國327個(gè)城市、54萬個(gè)小區(qū)，共收集2.23億套住宅信息，構(gòu)建433個(gè)房屋標(biāo)準(zhǔn)化字段，包括房屋面積、朝向、居室、小區(qū)物業(yè)、周邊配套、標(biāo)準(zhǔn)戶型圖、實(shí)勘照片、商圈信息、歷史成交信息、維護(hù)人及帶看人的跟進(jìn)信息等。2018年，在樓盤字典基礎(chǔ)上，通過智能掃描設(shè)備研發(fā)、VR場景構(gòu)建算法和三維重建，貝殼找房打造了VR房源應(yīng)用，房源信息標(biāo)準(zhǔn)突破了二維、靜態(tài)形式，房源信息所描述的物理空間被數(shù)字化技術(shù)還原、重構(gòu)形成了全新的數(shù)字空間。VR房源不僅給消費(fèi)者提供了沉浸式看房體驗(yàn)，提供房屋真實(shí)空間、尺寸、朝向、遠(yuǎn)近以及教育醫(yī)療等配套信息，而且可結(jié)合AI與大數(shù)據(jù)延伸多種智能應(yīng)用，其中，最為代表性的是VR看房+AI講房、VR+AI裝修。

二是客戶畫像。在房屋交易過程中，房地產(chǎn)經(jīng)紀(jì)類企業(yè)會積累大量客戶數(shù)據(jù)，利用大數(shù)據(jù)技術(shù)，可以形成內(nèi)容豐富的客戶畫像。以貝殼找房為例，貝殼找房積累了大量用戶數(shù)據(jù)，截至2020年5月，貝殼找房積累了3.4億條、1307維的用以刻畫身份、性別、年齡、職業(yè)、瀏覽頻率等事實(shí)的數(shù)據(jù)，其中包含約2.4億條、168維的偏好數(shù)據(jù)，覆蓋70%的活躍用戶。在此基礎(chǔ)上，貝殼找房進(jìn)一步利用AI技術(shù)，基于用戶行為數(shù)據(jù)，預(yù)測用戶未來發(fā)生關(guān)鍵行為的概率，識別用戶當(dāng)前狀態(tài)和業(yè)務(wù)等級，形成了內(nèi)容豐富的客戶畫像，用于鎖定核心客戶，并提供客源分析解讀工具，協(xié)助經(jīng)紀(jì)人了解用戶購房需求，助力高效匹配房源。

三是經(jīng)紀(jì)人服務(wù)優(yōu)化。利用大數(shù)據(jù)技術(shù)，可以讓房屋、經(jīng)紀(jì)人、客戶的信息做到及時(shí)的無差別分享，提高連接效率，優(yōu)化經(jīng)紀(jì)人服務(wù)，推動(dòng)購房者盡快作出決策，減少交易過程中的不確定性。例如，貝殼找房利用SaaS系統(tǒng)跟蹤經(jīng)紀(jì)人與客戶的互動(dòng)，以確保及時(shí)溝通。經(jīng)紀(jì)人可以通過SaaS系統(tǒng)記錄、管理、搜索房屋客戶信息，并發(fā)起與其他經(jīng)紀(jì)人的合作。SaaS系統(tǒng)基于對客戶瀏覽行為的智能分析，將某些客戶標(biāo)記為“高潛力”，以便經(jīng)紀(jì)人可以有效地確定優(yōu)先級。SaaS系統(tǒng)可以實(shí)現(xiàn)交易流程數(shù)字化和標(biāo)準(zhǔn)化，許多環(huán)節(jié)的工作都可以由系統(tǒng)自動(dòng)生成。可視化的交易管理系統(tǒng)使經(jīng)紀(jì)人可以跟蹤、管理和完成從在線合同簽署、付款、代管、抵押、產(chǎn)權(quán)清算、轉(zhuǎn)讓等交易過程。交易完成后，由系統(tǒng)自動(dòng)分配傭金。

（七）旅游服務(wù)類企業(yè)

大數(shù)據(jù)在旅游服務(wù)類企業(yè)的應(yīng)用場景主要包括旅游產(chǎn)品的個(gè)性化推薦、景區(qū)服務(wù)體系優(yōu)化、景區(qū)智能管理三個(gè)方面。

一是旅游產(chǎn)品的個(gè)性化推薦。旅游服務(wù)類企業(yè)根據(jù)用戶對相關(guān)旅游線路搜索關(guān)注的情況進(jìn)行資源整合，根據(jù)游客的標(biāo)簽、偏好、瀏覽行為等，為游客推薦個(gè)性化的價(jià)格、個(gè)性化的旅游景點(diǎn)、個(gè)性化的酒店、個(gè)性化的餐飲服務(wù)、個(gè)性化的旅游活動(dòng)等旅游產(chǎn)品。

二是景區(qū)服務(wù)體系優(yōu)化。以互動(dòng)體驗(yàn)為核心，運(yùn)用大數(shù)據(jù)技術(shù)，營造旅游景區(qū)個(gè)性化、人性化的服務(wù)體系。例如，利用GPS定位游客的行走體驗(yàn)，重新設(shè)計(jì)景區(qū)的旅游線路，完善景區(qū)的用戶體驗(yàn);利用VR實(shí)現(xiàn)景區(qū)景點(diǎn)的在線虛擬旅游等。

三是景區(qū)智能管理。以數(shù)據(jù)管理為核心，完善景區(qū)智能化管理系統(tǒng)。例如，利用大數(shù)據(jù)和GIS技術(shù)打造景區(qū)智能管理平臺，構(gòu)建可視、可量、可挖掘的“景區(qū)全息圖”，實(shí)現(xiàn)景區(qū)游客動(dòng)態(tài)的可視化監(jiān)控和管理;利用運(yùn)營商的數(shù)據(jù)實(shí)現(xiàn)游客的人流分析，幫助旅游產(chǎn)業(yè)上下游各個(gè)環(huán)節(jié)科學(xué)、精準(zhǔn)地調(diào)整方案并提供決策支持;利用爬蟲技術(shù)實(shí)現(xiàn)景區(qū)的口碑監(jiān)測，幫助旅游管理者及時(shí)發(fā)現(xiàn)輿情危機(jī)，及時(shí)干預(yù)避免事態(tài)擴(kuò)大，還可以基于游客的評價(jià)進(jìn)行分析，為改善服務(wù)質(zhì)量、提升口碑提供支持。

（八）醫(yī)療服務(wù)類企業(yè)

大數(shù)據(jù)在醫(yī)療服務(wù)類企業(yè)的應(yīng)用場景主要包括臨床決策支持系統(tǒng)和遠(yuǎn)程醫(yī)療診斷兩個(gè)方面。

一是臨床決策支持系統(tǒng)。醫(yī)療機(jī)構(gòu)可以借助本身積累的和大數(shù)據(jù)平臺收集的不同病例和治療方案，以及病人的基本特征，建立醫(yī)療臨床決策支持系統(tǒng)。醫(yī)護(hù)人員可以在系統(tǒng)支持下開展臨床活動(dòng)，包括疾病的早期診斷、個(gè)性化的診療、不良事件預(yù)警（如感染等）、醫(yī)學(xué)影像智能識別，等等[11]。例如，華大基因的腫瘤基因檢測，就是采用高通量測序手段對來自腫瘤病人的癌組織進(jìn)行相關(guān)基因分析，建立針對疾病特點(diǎn)的基因數(shù)據(jù)庫，借助大數(shù)據(jù)技術(shù)將通過測序得到的患者樣本的基因序列與原始基因比對，進(jìn)行早期、無創(chuàng)傷檢測。

二是遠(yuǎn)程醫(yī)療診斷。病患可以通過借助大數(shù)據(jù)技術(shù)建立的在線醫(yī)療問診平臺，進(jìn)行疾病自診自查、在線問診、遠(yuǎn)程看病，獲得更便捷、完善的醫(yī)療服務(wù)。例如，朗瑪信息基于互聯(lián)網(wǎng)醫(yī)院，開發(fā)IPTV智慧醫(yī)療家庭健康服務(wù)平臺，即在家庭網(wǎng)絡(luò)電視盒子上建立一個(gè)完善、周密和個(gè)性化的醫(yī)療健康服務(wù)平臺，為社區(qū)和家庭提供集慢病管理、健康咨詢、知識科普、健康提升于一體的系統(tǒng)服務(wù)。通過平臺，患者打開機(jī)頂盒，進(jìn)入醫(yī)生問診頻道，選擇醫(yī)院、醫(yī)生，連接后就能通過視頻，告知醫(yī)生自己的癥狀。除了需要檢查的項(xiàng)目外，都可以在家完成問診。特別是一些老年病、常見病、慢性病，例如糖尿病、高血壓等病癥的診療和日常監(jiān)測，利用IPTV可減輕門診負(fù)擔(dān)，節(jié)約病人的時(shí)間。

（九）金融服務(wù)類企業(yè)

金融大數(shù)據(jù)應(yīng)用已經(jīng)成為金融行業(yè)的趨勢，主要應(yīng)用在風(fēng)險(xiǎn)控制和智能客服方面，在銀行、保險(xiǎn)、證券的主要應(yīng)用場景分別體現(xiàn)為信貸風(fēng)險(xiǎn)評估、騙保識別、智能投顧。

一是信貸風(fēng)險(xiǎn)評估。銀行以客戶級大數(shù)據(jù)為基礎(chǔ)，從客戶信用歷史、行為偏好、履約能力、身份特質(zhì)、人脈關(guān)系等維度為存量客戶建立畫像，估算客戶價(jià)值、判斷客戶優(yōu)劣、預(yù)測客戶違約可能，在此基礎(chǔ)上建立企業(yè)及個(gè)人風(fēng)險(xiǎn)名單庫，過濾高風(fēng)險(xiǎn)客戶。

二是騙保識別。借助大數(shù)據(jù)手段，保險(xiǎn)企業(yè)可以通過建立保險(xiǎn)欺詐識別模型，大規(guī)模地識別近年來發(fā)生的所有賠付事件，識別詐騙規(guī)律，從數(shù)萬條賠付信息中挑出疑似詐騙索賠，進(jìn)一步根據(jù)疑似詐騙索賠展開調(diào)查，提高騙保識別的能力。

三是智能投顧。證券公司利用大數(shù)據(jù)技術(shù)匹配客戶多樣化需求，開展智能投顧業(yè)務(wù)。智能投顧業(yè)務(wù)提供線上的投資顧問服務(wù)，能夠基于客戶的風(fēng)險(xiǎn)偏好、交易行為等個(gè)性化數(shù)據(jù)，采用量化模型，為客戶提供低門檻、低費(fèi)率的個(gè)性化財(cái)富管理方案。智能投顧在客戶資料收集分析、投資方案的制定、執(zhí)行以及后續(xù)的維護(hù)等步驟上均采用智能系統(tǒng)自動(dòng)化完成。

三、大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中的作用

大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用場景不同，發(fā)揮的作用也不同。這里通過案例分析，對大數(shù)據(jù)在不同類型企業(yè)生產(chǎn)經(jīng)營中所發(fā)揮的作用進(jìn)行梳理和提煉。

（一）農(nóng)業(yè)企業(yè)

農(nóng)業(yè)企業(yè)利用大數(shù)據(jù)可以創(chuàng)新農(nóng)業(yè)生產(chǎn)經(jīng)營方式，降低生產(chǎn)成本，提高農(nóng)產(chǎn)品質(zhì)量和企業(yè)生產(chǎn)效率。大數(shù)據(jù)在農(nóng)業(yè)企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用，可以打破傳統(tǒng)農(nóng)業(yè)生產(chǎn)經(jīng)營的局限性。例如，江西省信豐縣共有臍橙種植面積1.3萬公頃，產(chǎn)量20多萬噸，過去傳統(tǒng)的農(nóng)業(yè)生產(chǎn)經(jīng)營模式既增加勞動(dòng)成本，又無法實(shí)行科學(xué)管理，效益不明顯。為了提升傳統(tǒng)優(yōu)勢產(chǎn)業(yè)的效益和品質(zhì)，江西省信豐縣現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)園打造了農(nóng)業(yè)物聯(lián)網(wǎng)云平臺、農(nóng)產(chǎn)品質(zhì)量安全監(jiān)管追溯平臺、農(nóng)產(chǎn)品電商平臺，分別瞄準(zhǔn)臍橙的生產(chǎn)、質(zhì)量監(jiān)管和銷售三個(gè)環(huán)節(jié)。大數(shù)據(jù)平臺使臍橙生產(chǎn)標(biāo)準(zhǔn)化、智能化、便捷化，通過各基地和加工線傳輸回來的信息，按照設(shè)定的程序標(biāo)準(zhǔn)，指揮生產(chǎn)、加工機(jī)械智能應(yīng)用，可以提高臍橙產(chǎn)量和質(zhì)量。在推行果園水肥藥一體化應(yīng)用上，可保證用肥用藥準(zhǔn)時(shí)準(zhǔn)量，實(shí)現(xiàn)機(jī)械智能操作;在果品加工上，利用大數(shù)據(jù)平臺，可以智能分選出不同顏色、大小、酸甜以及各種口感口味的臍橙果品。大數(shù)據(jù)技術(shù)的應(yīng)用，大大提升了農(nóng)業(yè)企業(yè)的生產(chǎn)效率。又如，青島寶佳集團(tuán)通過大數(shù)據(jù)對畜禽養(yǎng)殖、動(dòng)物疫病、作物種植、害蟲防疫、農(nóng)產(chǎn)品質(zhì)量等方面進(jìn)行監(jiān)控和分析，做到了精準(zhǔn)喂養(yǎng)和科學(xué)種植，大幅降低了農(nóng)業(yè)生產(chǎn)成本，較大范圍地降低了天災(zāi)或人為導(dǎo)致的減產(chǎn)，提高了種養(yǎng)殖效率，實(shí)現(xiàn)了糧食牲畜增產(chǎn)增收。

（二）制造業(yè)企業(yè)

制造業(yè)企業(yè)利用大數(shù)據(jù)可以優(yōu)化生產(chǎn)流程、降低成本，提高企業(yè)生產(chǎn)效率和產(chǎn)品適應(yīng)市場需求的能力。制造業(yè)企業(yè)利用大數(shù)據(jù)實(shí)現(xiàn)對生產(chǎn)設(shè)備的預(yù)測性維護(hù)，提前感知設(shè)備發(fā)生故障的可能性，及時(shí)對問題設(shè)備進(jìn)行維護(hù)，避免由于發(fā)生故障維修而導(dǎo)致生產(chǎn)線的整體停滯，降低了企業(yè)的運(yùn)維成本;制造業(yè)企業(yè)利用大數(shù)據(jù)實(shí)現(xiàn)對生產(chǎn)流程的動(dòng)態(tài)排產(chǎn)，減少了車間半成品積壓，使生產(chǎn)流程各環(huán)節(jié)的銜接更為順暢，優(yōu)化了生產(chǎn)流程，提高了企業(yè)的生產(chǎn)效率。

制造業(yè)企業(yè)基于研發(fā)知識庫的大數(shù)據(jù)產(chǎn)品模塊化分析，以及協(xié)同創(chuàng)新平臺所整合的內(nèi)外部產(chǎn)業(yè)鏈協(xié)同設(shè)計(jì)能力，實(shí)現(xiàn)產(chǎn)品的個(gè)性化設(shè)計(jì);基于工業(yè)生產(chǎn)大數(shù)據(jù)的互聯(lián)工廠柔性化生產(chǎn)能力，保障了個(gè)性化訂單設(shè)計(jì)和低成本高效率的制造。遼寧大連的大楊集團(tuán)是一家全球大型西裝定制企業(yè)，該企業(yè)以工廠的智能化改造為手段，實(shí)現(xiàn)了多品種、小批量、高品質(zhì)、快速反應(yīng)的定制化生產(chǎn)模式。具體來說，就是運(yùn)用3D技術(shù)進(jìn)行量體裁衣，用戶通過3D技術(shù)進(jìn)行遠(yuǎn)程掃描，相應(yīng)的數(shù)據(jù)便可以傳送到工廠進(jìn)行生產(chǎn)。隨著信息技術(shù)的不斷升級、5G技術(shù)的熟練運(yùn)用，這樣的模式應(yīng)用從采購端擴(kuò)展到生產(chǎn)端，再到客戶端的全鏈，提供了個(gè)性化、高效、智能的用戶體驗(yàn)，提升了產(chǎn)品適應(yīng)市場需求的能力。

（三）交通出行類企業(yè)

交通出行類企業(yè)利用大數(shù)據(jù)可以優(yōu)化用戶出行體驗(yàn)，提升企業(yè)服務(wù)效率和質(zhì)量。以滴滴出行為例，滴滴出行運(yùn)用大數(shù)據(jù)提供的信息，解決司乘信息不對稱問題，通過大數(shù)據(jù)的匹配與分析提高司乘之間的供需匹配效率，同時(shí)借助大數(shù)據(jù)的精準(zhǔn)預(yù)測，降低用戶發(fā)單時(shí)的時(shí)間輸入成本。根據(jù)滴滴統(tǒng)計(jì)，依托豐富的大數(shù)據(jù)和強(qiáng)勁的算法，通過智能派單提前調(diào)度司機(jī)，提高需求密集地區(qū)的供給數(shù)量，使得司機(jī)每小時(shí)接單量上升了33%，司乘溝通時(shí)間成本下降了15%，司乘平均溝通時(shí)間不到1分鐘，零通話比例達(dá)到了35%。

滴滴的智能信號燈基于區(qū)域內(nèi)交通流量，合理調(diào)節(jié)管控道路資源和通行速度，優(yōu)化了城市道路使用狀況，提高了出行效率。同時(shí)，通過大數(shù)據(jù)分析，監(jiān)測實(shí)時(shí)交通路況，并向司機(jī)提供交通引導(dǎo)，以此減輕交通擁堵。截至2017年底，滴滴已建立智能信號燈1200多個(gè)，平均緩解擁堵10%～20%。

（四）零售餐飲類企業(yè)

零售餐飲類企業(yè)利用大數(shù)據(jù)可以快速響應(yīng)客戶需求，提升企業(yè)營銷能力、盈利能力。以盒馬鮮生為例，借助于物聯(lián)網(wǎng)，盒馬鮮生上的所有商品都能與網(wǎng)絡(luò)連接，并擁有自己的標(biāo)簽，在獲取訂單后，智能配送系統(tǒng)借助懸掛鏈在整個(gè)盒馬賣場內(nèi)進(jìn)行商品的訂單組合，工作人員不需要根據(jù)訂單配送商品，只需根據(jù)系統(tǒng)要求將負(fù)責(zé)區(qū)域的商品放進(jìn)保溫袋，在減少勞動(dòng)成本的同時(shí)，大大提高了揀貨效率，整個(gè)流程的時(shí)間分配大概是揀貨3分鐘、傳送帶運(yùn)輸3分鐘、合并打包3分鐘。盒馬鮮生能夠在30分鐘內(nèi)完成配送，實(shí)現(xiàn)對客戶需求的快速響應(yīng)。

盒馬鮮生僅僅成立三年，即在零售行業(yè)掀起颶風(fēng)，成為網(wǎng)紅新零售標(biāo)桿，在模式快速擴(kuò)張復(fù)制的同時(shí)，孵化出不同區(qū)域、不同場景的零售業(yè)態(tài)——盒馬菜市、盒馬Mini店、盒馬小站、盒馬F2。盒馬鮮生大多選址在人口密集的繁華商圈，周邊有寫字樓、中高端社區(qū)等配套功能，居民消費(fèi)水平偏中上。從消費(fèi)體驗(yàn)上看，盒馬鮮生之所以能夠吸引大量客流，背后的支撐是運(yùn)用大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)，將會員系統(tǒng)、支付系統(tǒng)、庫存系統(tǒng)、服務(wù)系統(tǒng)全面打通，提高了效率，降低了成本。

（五）運(yùn)輸物流類企業(yè)

運(yùn)輸物流類企業(yè)利用大數(shù)據(jù)可以提升運(yùn)輸資源利用率、降低運(yùn)輸和倉儲成本、優(yōu)化信用體系建設(shè)和資源配置，從而提升企業(yè)運(yùn)營效率。以貨車幫為例，貨車幫通過大數(shù)據(jù)整合了貨車與貨源信息，提高了車貨匹配效率，使車主的車輛得到了更加有效的利用，進(jìn)而減少了貨車空駛率;使貨主的貨物得以迅速運(yùn)輸，降低了倉儲成本。2017年，貨車幫車主的車輛空駛率僅為14%，而普通車主的車輛空駛率為40%，貨車幫運(yùn)用大數(shù)據(jù)匹配明顯降低了空駛率。貨車幫通過大數(shù)據(jù)技術(shù)及相關(guān)算法的運(yùn)用，緩解了車主與貨主之間的信息不對稱問題：就司機(jī)而言，由于找貨時(shí)間大幅縮短，使得運(yùn)輸總成本下降了6.3%;就貨主而言，貨物的倉儲時(shí)間大幅縮短，使得倉儲成本減半。

在貨運(yùn)行業(yè)信用體系建設(shè)上，貨車幫運(yùn)用大數(shù)據(jù)技術(shù)開展的保險(xiǎn)和信用保障服務(wù)，在有效轉(zhuǎn)移風(fēng)險(xiǎn)的同時(shí)保證了整個(gè)行業(yè)的信用水平，保障了交易的順利進(jìn)行，從而提高了交易的成功率。基于建立在貨車幫大數(shù)據(jù)體系基礎(chǔ)上的行業(yè)信用體系，注冊認(rèn)證為貨車幫的誠信司機(jī)會員已經(jīng)超過650萬人。加入貨車幫平臺的車主的違約率在不斷下降，從2015年的1.79%下降到2016年的1.22%，2017年已經(jīng)降低到0.8%。貨車幫的整體行業(yè)信用體系已經(jīng)基本建立，大數(shù)據(jù)為貨車幫帶來了更多的貨源和車主，促進(jìn)了行業(yè)的健康發(fā)展和經(jīng)濟(jì)效益的改善。

在智慧物流的應(yīng)用上，物流公司通過大數(shù)據(jù)與人工智能技術(shù)實(shí)現(xiàn)了智能車輛路徑規(guī)劃和物流運(yùn)輸路徑最優(yōu)化。例如，順豐速運(yùn)的智能路由分單服務(wù)可以為每一個(gè)快遞包裹找到最合適的路由規(guī)劃，降低客服調(diào)度量32%以上，降低中轉(zhuǎn)快件人工審核量60%以上，實(shí)現(xiàn)了快遞服務(wù)全程時(shí)效排名第一。

（六）房地產(chǎn)經(jīng)紀(jì)類企業(yè)

房地產(chǎn)經(jīng)紀(jì)類企業(yè)利用大數(shù)據(jù)可以提升經(jīng)紀(jì)人服務(wù)能力和客戶滿意度，提升房屋交易服務(wù)效率和質(zhì)量。以貝殼找房交易全流程為例，2020年初，貝殼找房推出VR看房、AI講房相結(jié)合的功能，系統(tǒng)可通過自學(xué)知識圖譜并以語音輸出的方法為客戶描述具體房型。VR看房與AI講房結(jié)合，一方面可幫助消費(fèi)者提前深度了解房源，減少不必要的線下看房數(shù)量;另一方面，可節(jié)約經(jīng)紀(jì)人的時(shí)間，提升服務(wù)效率。數(shù)據(jù)表明，貝殼找房的用戶在線上使用AI講房的平均收聽時(shí)間為120秒，約為傳統(tǒng)經(jīng)紀(jì)人線下講房平均時(shí)長（42秒）的三倍;用戶AI講房的次均收聽完成率（75%）為傳統(tǒng)經(jīng)紀(jì)人（24%）的三倍多，這反映了線上服務(wù)使得用戶愿意花更多的時(shí)間對房源進(jìn)行深度了解。

就帶看環(huán)節(jié)而言，智能門鎖等功能模塊大幅提升了經(jīng)紀(jì)人的作業(yè)效率。截至2019年底，使用智能門鎖的經(jīng)紀(jì)人拿到的房源鑰匙委托量高于未使用智能門鎖的經(jīng)紀(jì)人近20%，且日均帶看量高出約40%。使用智能門鎖的經(jīng)紀(jì)人將過往到門店拿鑰匙、提前預(yù)約各方的時(shí)間清零，只需使用手機(jī)即能開鎖，節(jié)約了經(jīng)紀(jì)人重復(fù)性、瑣碎、機(jī)械式的鑰匙預(yù)約、取鑰匙等工作時(shí)間，作業(yè)效率得到了顯著的、普遍的、無差別的提升。

就簽約環(huán)節(jié)而言，在線簽約與線上貸款簽約的推出，大幅節(jié)約了購房者、業(yè)主、經(jīng)紀(jì)人以及銀行等多方的時(shí)間成本，提升了簽約效率。如，貝殼找房完成了青島、湖北相隔一千多公里的交易，買賣雙方在貝殼找房App上完成二手房交易合同在線簽約。此外，1單跨越北京、濟(jì)南、加拿大三地的房產(chǎn)交易只用了17分鐘就完成了在線貸款。

就簽約后環(huán)節(jié)而言，流程自動(dòng)化機(jī)器人可以實(shí)現(xiàn)政府網(wǎng)簽備案、銀行貸款信息錄入自動(dòng)化操作，消除了交易后服務(wù)專員枯燥、瑣碎、重復(fù)的信息提取和錄入工作，使得交易專員的作業(yè)效率提升了5～10倍。自動(dòng)化機(jī)器人嚴(yán)格執(zhí)行程序設(shè)定的操作路徑，可減少人工操作引起的誤差，實(shí)現(xiàn)信息100%準(zhǔn)確錄入、7*24小時(shí)全天候服務(wù)。

（七）旅游服務(wù)類企業(yè)

旅游服務(wù)類企業(yè)利用大數(shù)據(jù)可以提升社會資源利用率，實(shí)現(xiàn)多方收益共贏。以攜程旅行網(wǎng)為例，攜程通過對各地交通狀況、旅游資源利用的相關(guān)數(shù)據(jù)，以及攜程旗下20多個(gè)出行相關(guān)業(yè)務(wù)所產(chǎn)生的海量數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測與分析處理，實(shí)現(xiàn)了對社會旅游資源利用率的預(yù)測及擁擠度預(yù)警，對公眾出行進(jìn)行了有效引導(dǎo)，達(dá)到了“淡季不閑置，旺季不擁堵”的效果。這不僅有利于促進(jìn)社會資源的合理配置，提升公眾出行體驗(yàn)，而且能讓各類傳統(tǒng)商家獲得更大利益。

為了規(guī)范旅游市場，從根源上提升出行體驗(yàn)，攜程還建立了一套由用戶生產(chǎn)的口碑?dāng)?shù)據(jù)體系，不斷完善用戶投訴機(jī)制，加強(qiáng)監(jiān)管技術(shù)與力度，多管齊下引導(dǎo)企業(yè)提高服務(wù)品質(zhì)。對于導(dǎo)游強(qiáng)制消費(fèi)、酒店裝修噪音等常見負(fù)面投訴，以及類似青島天價(jià)大蝦等極端事件，攜程口碑?dāng)?shù)據(jù)平臺可以快速發(fā)現(xiàn)，并及時(shí)作出有效干預(yù)，充分保障旅客的利益。

攜程還對旅游景點(diǎn)大數(shù)據(jù)進(jìn)行了綜合分析，這些研究結(jié)果可以改善旅游行業(yè)的不合理布局，避免同類旅游項(xiàng)目重復(fù)建設(shè)造成的資源浪費(fèi)，有利于挖掘開拓新的消費(fèi)熱點(diǎn)，滿足公眾旅游日益多元化的需求。

（八）醫(yī)療服務(wù)類企業(yè)

醫(yī)療服務(wù)類企業(yè)利用大數(shù)據(jù)可以提高醫(yī)療服務(wù)效率，降低百姓醫(yī)療成本。例如，朗瑪信息依托旗下的39健康網(wǎng)、貴州（貴陽）互聯(lián)網(wǎng)醫(yī)院、39互聯(lián)網(wǎng)醫(yī)院、貴陽市六醫(yī)等，收錄遠(yuǎn)程疑難重癥會診病例近20萬例、慢性病和常見病診斷病例近300萬例，自主研發(fā)AI智能診斷實(shí)驗(yàn)室，運(yùn)用深度學(xué)習(xí)理論處理醫(yī)療影像數(shù)據(jù)，形成基于人工智能的大數(shù)據(jù)分析醫(yī)療影像診斷系統(tǒng)和貴州省區(qū)域內(nèi)關(guān)于電子病歷樣本的醫(yī)療數(shù)據(jù)云，建立智能分診模型、PACS影像分析系統(tǒng)和智能輔助診斷系統(tǒng)，可對患者的初步癥狀進(jìn)行學(xué)科分診，減少普通病和常見病對三甲醫(yī)院、專家診斷的過分依賴，降低百姓的醫(yī)療成本。

（九）金融服務(wù)類企業(yè)

金融服務(wù)類企業(yè)利用大數(shù)據(jù)可以強(qiáng)化風(fēng)險(xiǎn)管控能力，提升運(yùn)營管理效率。例如，中國銀行“艾達(dá)”大數(shù)據(jù)風(fēng)控平臺運(yùn)用大數(shù)據(jù)、AI等新技術(shù)重塑業(yè)務(wù)流程與風(fēng)險(xiǎn)管理模式，將大數(shù)據(jù)應(yīng)用作為提升風(fēng)險(xiǎn)管理能力的關(guān)鍵工具和重要途徑。通過運(yùn)用大數(shù)據(jù)風(fēng)控平臺，打通了數(shù)據(jù)孤島，挖掘并提升了行內(nèi)存量數(shù)據(jù)價(jià)值?！鞍_(dá)”項(xiàng)目2017年投入試運(yùn)行，經(jīng)功能優(yōu)化升級及全面推廣，截至2018年6月，實(shí)現(xiàn)企業(yè)畫像2.6萬多家，累計(jì)識別輿情信息800余萬條，繪制了股權(quán)、管理、擔(dān)保和投融資維度的3個(gè)層次關(guān)聯(lián)圖譜，監(jiān)測145項(xiàng)動(dòng)態(tài)預(yù)警指標(biāo)，并定制開發(fā)了5個(gè)業(yè)務(wù)場景嵌入風(fēng)險(xiǎn)管理流程環(huán)節(jié)，可以提前1～3個(gè)月發(fā)現(xiàn)風(fēng)險(xiǎn)預(yù)警信號，大大提升了運(yùn)營管理效率。又如，四川新網(wǎng)銀行股份有限公司將大數(shù)據(jù)與金融領(lǐng)域的業(yè)務(wù)場景多維度滲透融合，通過大數(shù)據(jù)精度算法實(shí)現(xiàn)了人臉識別、智能客服、智能監(jiān)控、智能風(fēng)控等金融模式和場景化、平臺化、智能化的金融服務(wù)，大幅提升了金融機(jī)構(gòu)運(yùn)營效率，降低了管理成本，優(yōu)化了風(fēng)控系統(tǒng)。

四、大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中的應(yīng)用面臨的困難和挑戰(zhàn)

大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中得到越來越廣泛的應(yīng)用的同時(shí)，也面臨著一系列的困難和挑戰(zhàn)，如大數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一、人才短缺、數(shù)據(jù)安全難以得到有效保障、數(shù)據(jù)“存不下”等，這制約了大數(shù)據(jù)的共享流通及其在企業(yè)生產(chǎn)經(jīng)營中的進(jìn)一步應(yīng)用。這些困難和挑戰(zhàn)在不同類型企業(yè)中都有所涉及，是各類企業(yè)在應(yīng)用大數(shù)據(jù)時(shí)面臨的共性問題。除此之外，不同類型企業(yè)處于大數(shù)據(jù)應(yīng)用的不同階段，其所面臨的困難和挑戰(zhàn)也有所不同。

（一）數(shù)據(jù)來源分散龐雜、標(biāo)準(zhǔn)不一、數(shù)據(jù)壁壘等問題阻礙互聯(lián)互通

大數(shù)據(jù)來源多樣，例如來自傳感器、攝像頭、網(wǎng)絡(luò)日志、網(wǎng)絡(luò)爬蟲等，這些不同來源的數(shù)據(jù)以不同數(shù)據(jù)格式分散在不同的數(shù)據(jù)管理系統(tǒng)中。各數(shù)據(jù)管理系統(tǒng)存在應(yīng)用模型不統(tǒng)一、接口難對接等問題，導(dǎo)致系統(tǒng)間的數(shù)據(jù)無法完全打通。例如，制造業(yè)企業(yè)生產(chǎn)線上設(shè)備不互聯(lián)、通信協(xié)議不兼容等造成不同數(shù)據(jù)不匹配、不互認(rèn)，數(shù)據(jù)孤島現(xiàn)象普遍;企業(yè)不同部門之間應(yīng)用的信息化管理軟件不同，運(yùn)營過程中產(chǎn)生的數(shù)據(jù)分散龐雜，無法實(shí)現(xiàn)有效的跨部門整合利用，信息孤島現(xiàn)象普遍。筆者在走訪調(diào)研多家制造業(yè)企業(yè)時(shí)，企業(yè)普遍反映大數(shù)據(jù)來源渠道較多，數(shù)據(jù)結(jié)構(gòu)不一，企業(yè)和企業(yè)之間、企業(yè)內(nèi)部各部門之間、甚至生產(chǎn)線上各個(gè)設(shè)備之間信息系統(tǒng)相互獨(dú)立，數(shù)據(jù)格式、結(jié)構(gòu)千差萬別，導(dǎo)致在現(xiàn)階段實(shí)現(xiàn)信息的集成貫通比較困難，數(shù)據(jù)壁壘較為明顯。

（二）大數(shù)據(jù)人才短缺，制約了企業(yè)大數(shù)據(jù)技術(shù)的應(yīng)用

大數(shù)據(jù)人才是企業(yè)有效利用大數(shù)據(jù)進(jìn)行生產(chǎn)經(jīng)營的重要保障。大數(shù)據(jù)人才包括大數(shù)據(jù)系統(tǒng)研發(fā)、應(yīng)用開發(fā)、分析、可視化、安全、科學(xué)研究等方面的人才，這些人才的市場供給無論在“量”上還是在“質(zhì)”上都無法滿足龐大的、飛速更新迭代的市場需求。以工業(yè)企業(yè)對大數(shù)據(jù)人才的需求為例，產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型升級對人才素質(zhì)提出了更高的要求，與此相關(guān)的軟件技術(shù)人才、大數(shù)據(jù)技術(shù)人才、大數(shù)據(jù)管理人才、大數(shù)據(jù)安全人才均不足，既懂生產(chǎn)工藝流程又懂大數(shù)據(jù)技術(shù)的復(fù)合型人才更是嚴(yán)重緊缺。大數(shù)據(jù)人才的短缺，制約了企業(yè)對大數(shù)據(jù)技術(shù)的應(yīng)用。

（三）大數(shù)據(jù)安全難以得到有效保障，阻礙數(shù)據(jù)共享流通

當(dāng)前，大數(shù)據(jù)的相關(guān)標(biāo)準(zhǔn)仍處于探索期，各行業(yè)大數(shù)據(jù)的安全規(guī)范還存在較多空白。部分行業(yè)，例如金融、服務(wù)業(yè)涉及較多的用戶信息等隱私數(shù)據(jù)，對數(shù)據(jù)安全和信息保護(hù)方面的要求更加嚴(yán)格。隨著大數(shù)據(jù)在各行業(yè)細(xì)分領(lǐng)域應(yīng)用的不斷深化，在缺乏行業(yè)統(tǒng)一安全標(biāo)準(zhǔn)和規(guī)范的情況下，單純依靠企業(yè)自身管控，會帶來較大的安全風(fēng)險(xiǎn)。例如，大數(shù)據(jù)所包含的數(shù)據(jù)體量巨大，在存儲時(shí)往往為了便于查找而選擇存儲路徑視圖相對清晰的分布式儲存方式，但分布式存儲方式對于數(shù)據(jù)的保護(hù)相對簡單，這為黑客提供了便利，使其能夠較為輕易利用相關(guān)漏洞實(shí)施不法操作。同時(shí)，對于用戶的隱私保護(hù)也存在漏洞，傳統(tǒng)的數(shù)據(jù)隱私保護(hù)技術(shù)大多是針對靜態(tài)數(shù)據(jù)的，而大數(shù)據(jù)是具有實(shí)時(shí)更新的動(dòng)態(tài)屬性的，這對數(shù)據(jù)隱私保護(hù)技術(shù)帶來了挑戰(zhàn)。

（四）大數(shù)據(jù)“存不下”問題日益嚴(yán)重，制約數(shù)據(jù)積累

飛速發(fā)展的信息通信和互聯(lián)網(wǎng)技術(shù)以及隨之產(chǎn)生的新型應(yīng)用需求帶來了數(shù)據(jù)爆發(fā)式的增長。海量數(shù)據(jù)蘊(yùn)含巨大的價(jià)值，在帶來更多機(jī)遇的同時(shí)，也給傳統(tǒng)的IT基礎(chǔ)設(shè)施帶來了前所未有的挑戰(zhàn)，數(shù)據(jù)存不下、流不動(dòng)、用不好成為各行業(yè)數(shù)據(jù)應(yīng)用最普遍的難題。創(chuàng)新業(yè)務(wù)推動(dòng)企業(yè)的數(shù)據(jù)量從PB級向EB級邁進(jìn)，根據(jù)《華為全球產(chǎn)業(yè)展望GIV》預(yù)測，全球新產(chǎn)生的數(shù)據(jù)量將從2018年的32.5ZB快速增長到2025年的180ZB。由于存儲系統(tǒng)仍為傳統(tǒng)架構(gòu)以及存儲成本高昂，當(dāng)前企業(yè)數(shù)據(jù)僅有不到2%被保存，數(shù)據(jù)“存不下”的問題日益嚴(yán)重。

（五）不同類型企業(yè)處于大數(shù)據(jù)技術(shù)發(fā)展的不同階段，面臨不同層次的困難和挑戰(zhàn)

盡管大數(shù)據(jù)對企業(yè)的生產(chǎn)經(jīng)營起到了顯著的提質(zhì)增效作用，但不同類型企業(yè)處于大數(shù)據(jù)應(yīng)用的不同階段，部分服務(wù)業(yè)與大數(shù)據(jù)融合程度較高，如電商平臺類企業(yè)對大數(shù)據(jù)應(yīng)用較為成熟，數(shù)據(jù)平臺直接融入業(yè)務(wù)之中，無論是精準(zhǔn)廣告、內(nèi)容推薦、用戶標(biāo)簽、風(fēng)險(xiǎn)控制都高度依賴于數(shù)據(jù)分析體系的支持。相較于服務(wù)業(yè)，農(nóng)業(yè)和制造業(yè)在大數(shù)據(jù)技術(shù)應(yīng)用上尚處于發(fā)展初期。例如，制造業(yè)企業(yè)在生產(chǎn)經(jīng)營中所采集的工業(yè)大數(shù)據(jù)在來源、結(jié)構(gòu)上更為復(fù)雜，面臨著數(shù)據(jù)采集不全面、數(shù)據(jù)開發(fā)應(yīng)用不足等問題，同時(shí)出于對數(shù)據(jù)安全問題的考慮，部分企業(yè)不愿共享數(shù)據(jù)，阻礙了數(shù)據(jù)的共享流通，制造業(yè)企業(yè)對于大數(shù)據(jù)的應(yīng)用總體處于探索和起步階段。

五、促進(jìn)大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中應(yīng)用的政策建議

為了促進(jìn)大數(shù)據(jù)在企業(yè)生產(chǎn)經(jīng)營中更好地得到應(yīng)用，應(yīng)加強(qiáng)大數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)，加快推進(jìn)大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)，有序推進(jìn)政府?dāng)?shù)據(jù)開放共享，加快培育復(fù)合型大數(shù)據(jù)人才，完善網(wǎng)絡(luò)及大數(shù)據(jù)安全體系。

（一）加強(qiáng)大數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)

隨著大數(shù)據(jù)在各行業(yè)應(yīng)用的不斷深入，大數(shù)據(jù)標(biāo)準(zhǔn)化工作逐步由互聯(lián)網(wǎng)企業(yè)主導(dǎo)演變?yōu)楦黝I(lǐng)域協(xié)同參與的新態(tài)勢。為了有效破除數(shù)據(jù)壁壘和“信息孤島”，打通傳輸應(yīng)用堵點(diǎn)，需進(jìn)一步加強(qiáng)大數(shù)據(jù)標(biāo)準(zhǔn)體系建設(shè)，加大整合開發(fā)力度，完善數(shù)據(jù)流通規(guī)則，建立規(guī)范化的傳輸協(xié)議和數(shù)據(jù)格式，統(tǒng)籌考慮各領(lǐng)域大數(shù)據(jù)標(biāo)準(zhǔn)化需求。緊密結(jié)合國內(nèi)外大數(shù)據(jù)技術(shù)、產(chǎn)業(yè)發(fā)展動(dòng)態(tài)，持續(xù)提煉梳理各應(yīng)用領(lǐng)域大數(shù)據(jù)標(biāo)準(zhǔn)需求，并在現(xiàn)有標(biāo)準(zhǔn)體系的基礎(chǔ)上迭代更新，保障大數(shù)據(jù)標(biāo)準(zhǔn)對大數(shù)據(jù)技術(shù)、產(chǎn)業(yè)創(chuàng)新發(fā)展的持續(xù)推動(dòng)作用[12]。

引導(dǎo)企業(yè)通過梳理分析企業(yè)核心業(yè)務(wù)與輔助業(yè)務(wù)，將企業(yè)的總公司與子公司之間、公司部門之間、公司崗位之間的輸入、輸出關(guān)系嚴(yán)謹(jǐn)表達(dá)，形成企業(yè)信息系統(tǒng)架構(gòu)圖，確定信息系統(tǒng)之間的輸入、輸出關(guān)系，確定數(shù)據(jù)共享系統(tǒng)分類，形成數(shù)據(jù)接口清單，通過推進(jìn)企業(yè)信息化頂層設(shè)計(jì)建設(shè)，助力企業(yè)打破“信息孤島”的阻礙。

（二）加快推進(jìn)大數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)

數(shù)據(jù)的采集、傳輸、存儲、分析、應(yīng)用都離不開信息基礎(chǔ)設(shè)施的支撐，應(yīng)充分結(jié)合大數(shù)據(jù)從采集到應(yīng)用各個(gè)環(huán)節(jié)對基礎(chǔ)設(shè)施的實(shí)際需求，建設(shè)完善各環(huán)節(jié)所必需的各類基礎(chǔ)設(shè)施，推動(dòng)大數(shù)據(jù)在企業(yè)更好地應(yīng)用。就數(shù)據(jù)采集環(huán)節(jié)而言，應(yīng)充分發(fā)揮工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)在數(shù)據(jù)采集方面的優(yōu)勢，推進(jìn)重點(diǎn)領(lǐng)域工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的建設(shè)部署，提升實(shí)體經(jīng)濟(jì)各行業(yè)各領(lǐng)域數(shù)據(jù)采集的范圍與質(zhì)量;就數(shù)據(jù)傳輸環(huán)節(jié)而言，應(yīng)加快推進(jìn)5G等網(wǎng)絡(luò)基礎(chǔ)設(shè)施建設(shè)，以網(wǎng)絡(luò)通信能力的持續(xù)優(yōu)化促進(jìn)數(shù)據(jù)傳輸速度的穩(wěn)步提升;就數(shù)據(jù)存儲環(huán)節(jié)而言，應(yīng)加大力度推進(jìn)云存儲的創(chuàng)新發(fā)展與應(yīng)用，為各行業(yè)各領(lǐng)域存儲大數(shù)據(jù)提供空間支撐;就數(shù)據(jù)分析、應(yīng)用環(huán)節(jié)而言，應(yīng)推進(jìn)大數(shù)據(jù)中心建設(shè)，為實(shí)體經(jīng)濟(jì)各領(lǐng)域大數(shù)據(jù)的分析利用提供堅(jiān)實(shí)支撐。

（三）有序推進(jìn)政府?dāng)?shù)據(jù)開放共享

企業(yè)在生產(chǎn)經(jīng)營過程中有時(shí)需要用到來自政府的數(shù)據(jù)，因此，政府應(yīng)積極釋放政府?dāng)?shù)據(jù)資源價(jià)值，以推動(dòng)大數(shù)據(jù)更好地服務(wù)于企業(yè)的生產(chǎn)經(jīng)營。應(yīng)在保證政府?dāng)?shù)據(jù)安全的前提下，對不同類型企業(yè)需要應(yīng)用于生產(chǎn)經(jīng)營的政府?dāng)?shù)據(jù)進(jìn)行分類、分級管理和有序開放，充分發(fā)揮地方大數(shù)據(jù)管理局在整合政府內(nèi)部各部門之間數(shù)據(jù)的統(tǒng)籌協(xié)調(diào)作用，以及連接政府和企業(yè)數(shù)據(jù)共享流通的重要紐帶作用。以大數(shù)據(jù)管理局為依托打造政府?dāng)?shù)據(jù)共享交換平臺，建立健全各級政府?dāng)?shù)據(jù)的分類分級制度，制定企業(yè)對政府?dāng)?shù)據(jù)共享需求清單，明確共享雙方的權(quán)利與責(zé)任等，逐步深化政府?dāng)?shù)據(jù)向企業(yè)的共享和開放。

（四）加快培育復(fù)合型大數(shù)據(jù)人才

企業(yè)對大數(shù)據(jù)人才的需求不只限于掌握大數(shù)據(jù)技術(shù)的人才，而且需要能夠結(jié)合企業(yè)實(shí)際生產(chǎn)經(jīng)營需要開發(fā)并實(shí)現(xiàn)應(yīng)用場景的復(fù)合型大數(shù)據(jù)人才。應(yīng)推進(jìn)學(xué)歷教育機(jī)構(gòu)、職業(yè)教育機(jī)構(gòu)、企業(yè)及社會培訓(xùn)機(jī)構(gòu)等對復(fù)合型大數(shù)據(jù)人才的培養(yǎng)，注重培養(yǎng)人才的數(shù)據(jù)認(rèn)知能力、數(shù)據(jù)調(diào)用能力、數(shù)據(jù)綜合處理能力、數(shù)據(jù)呈現(xiàn)能力、數(shù)據(jù)決策能力、計(jì)算機(jī)及數(shù)據(jù)分析信息技術(shù)[13]。在學(xué)歷教育方面，加快完善大數(shù)據(jù)相關(guān)學(xué)科建設(shè)，積極采取跨校、跨院系、跨專業(yè)交叉培養(yǎng)等方式，著力培育數(shù)據(jù)工程師等專業(yè)人才和兼具多學(xué)科知識的復(fù)合型人才;在職業(yè)教育方面，鼓勵(lì)企業(yè)與高等院校、職業(yè)院校加強(qiáng)合作，共同培育大數(shù)據(jù)應(yīng)用型人才;在企業(yè)及社會培訓(xùn)方面，組織在職人員進(jìn)行大數(shù)據(jù)知識普及和應(yīng)用技能培訓(xùn)，提升在職人員融合應(yīng)用大數(shù)據(jù)技術(shù)的能力[14]。

（五）完善網(wǎng)絡(luò)及大數(shù)據(jù)安全體系

大數(shù)據(jù)安全問題是制約數(shù)據(jù)流通共享的關(guān)鍵問題。為了確保數(shù)據(jù)流通共享過程中的安全，應(yīng)健全網(wǎng)絡(luò)環(huán)境的安全防護(hù)體系，強(qiáng)化大數(shù)據(jù)安全保障體系建設(shè)。在健全網(wǎng)絡(luò)環(huán)境的安全防護(hù)體系方面，應(yīng)加強(qiáng)互聯(lián)網(wǎng)安全技術(shù)的應(yīng)用，強(qiáng)化網(wǎng)絡(luò)安全防御體系，完善網(wǎng)絡(luò)空間日常巡檢和風(fēng)險(xiǎn)預(yù)警機(jī)制，優(yōu)化網(wǎng)絡(luò)安全事件應(yīng)急處置預(yù)案，從而全面增強(qiáng)網(wǎng)絡(luò)安全態(tài)勢感知、預(yù)警和應(yīng)急處置能力[14]。在強(qiáng)化大數(shù)據(jù)安全保障體系建設(shè)方面，應(yīng)從制定完善安全標(biāo)準(zhǔn)規(guī)范和提升安全保障技術(shù)水平兩方面入手。就制定完善安全標(biāo)準(zhǔn)規(guī)范而言，應(yīng)組織行業(yè)各方主體，協(xié)同制定基于不同行業(yè)特色的大數(shù)據(jù)交易規(guī)范，明確交易各方的數(shù)據(jù)安全責(zé)任，保障各行業(yè)大數(shù)據(jù)市場的健康、有序發(fā)展;制定明確的數(shù)據(jù)安全使用標(biāo)準(zhǔn)，對大數(shù)據(jù)的使用權(quán)限、使用范圍、使用方式和安全機(jī)制等，進(jìn)行嚴(yán)格的規(guī)范化、標(biāo)準(zhǔn)化管理;建立有效的投訴機(jī)制和懲罰機(jī)制，實(shí)施全程全網(wǎng)的數(shù)據(jù)安全使用管控與源頭追溯[15]。就提升安全保障技術(shù)水平而言，應(yīng)推動(dòng)數(shù)據(jù)防泄漏技術(shù)、云平臺數(shù)據(jù)安全等數(shù)據(jù)安全防護(hù)專用技術(shù)的研發(fā)與應(yīng)用。

參考文獻(xiàn)

[1]COX M， ELLSWORTH D. Application-controlled demand paging for out-of-core visualization[Z]. Proceedings Visualization'97（Cat No 97CB36155）， 1997， IEEE： pp. 235-244.

[2]MANYIKA J， CHUI M， BROWN B， et al. Big data： the next frontier for innovation， competition， and productivity[R/OL].（2011-05-01） [2020-12-09]. https：//www.mckinsey.com/business-functions/mckinsey-digital/our-insights/big-data-the-next-frontier-for-innovation.

[3]朱揚(yáng)勇，熊赟.大數(shù)據(jù)是數(shù)據(jù)、技術(shù)，還是應(yīng)用[J].大數(shù)據(jù)，2015（1）：78-88.

[4]LANEY D. 3D data management： controlling data volume， velocity and variety[R/OL]. （2001-02-06） [2020-12-16]. https：//studylib.net/doc/8647594/3d-data-management--controlling-data-volume--velocity--an.

[5]UDDIN M F， GUPTA N. Seven V's of big data understanding big data to extract value[Z]. Proceedings of the 2014 zone 1 conference of the American Society for Engineering Education， 2014， IEEE： pp. 1-5.

[6]SATYAM PRIYADARSHY. The 7 pillars of big data[R/OL]. [2020-12-26]. https：//www.landmark.solutions/Portals/0/LMSDocs/Whitepapers/The_7_pillars_of_Big_Data_Whitepaper.pdf.

[7]DEMCHENKO Y， DE LAAT C， MEMBREY P. Defining architecture components of the big data ecosystem[Z]. 2014 International Conference on Collaboration Technologies and Systems（CTS）， 2014， IEEE： pp. 104-112.

[8]JIN X， WAH B W， CHENG X， WANG Y. Significance and challenges of big data research[J]. Big Data Research， 2015， 2（2）： 59-64.

[9]CHEN C P， ZHANG C Y. Data-intensive applications， challenges， techniques and technologies： a survey on big data[J]. Information sciences， 2014（275）： 314-347.

[10]BULGER M， TAYLOR G， SCHROEDER R. Data-driven business models： challenges and opportunities of big data[R/OL].[2020-12-24].https：//dataanalytics.report/Resources/Whitepapers/891a6d5d-400a-4e6f-b4be-500f414a5e0b_Data-DrivenBusinessModels-

challenges.pdf.

[11]劉奕.以大數(shù)據(jù)筑牢公共衛(wèi)生安全網(wǎng)：應(yīng)用前景及政策建議[J].改革，2020（4）：5-16.

[12]全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會大數(shù)據(jù)標(biāo)準(zhǔn)工作組，中國電子技術(shù)標(biāo)準(zhǔn)化研究院.大數(shù)據(jù)標(biāo)準(zhǔn)化白皮書（2020版）[R/OL]. （2020-09-21） [2020-12-20]. http：//www.cesi.cn/202009/6826.html.

[13]中國商業(yè)聯(lián)合會數(shù)據(jù)分析專業(yè)委員會.中國大數(shù)據(jù)人才培養(yǎng)體系：第一版[R/OL].（2017-11-18）[2020-12-06].https：//www.chinacpda.com/upload/file/201911/2019111316101

5_97772.pdf.

[14]中國信息通信研究院.中國大數(shù)據(jù)與實(shí)體經(jīng)濟(jì)融合發(fā)展白皮書（2019年）[R/OL].（2019-05-07）[2020-12-01]. http：//www.caict.ac.cn/kxyj/qwfb/bps/201905/P02019050669413

9885297.pdf.

[15]中國支付清算協(xié)會金融大數(shù)據(jù)應(yīng)用研究組，中國信息通信研究院云計(jì)算與大數(shù)據(jù)研究所.大數(shù)據(jù)在金融領(lǐng)域的典型應(yīng)用研究[R/OL].（2018-03-27）[2020-11-30]. http：//www.caict.ac.cn/kxyj/qwfb/ztbg/201804/P02018