大数据行业研究报告（24页）

应用场景 1. 大数据的典型行业应用包括：电力、交通、环保、银行、电信等； 2. 互联网厂商是大数据时代的先锋，也是DT时代最大的玩家，其中，各方面 都处于领先地位的毋庸质疑是BAT三家； 3. 传统行业加速拥抱大数据，其中，房产、汽车、医疗等应用首当其冲； 4. 大数据使用率每提升10%，对零售、咨询服务和航空业的效益提升最大。数据源演进趋势：连接+融合 1. 大数据价值最大化需要数据的连接、融合： a. 在数据类型上，更强调结构化、半结构化、非结构化 等多类别数据的采集和存储，例如音视频等； b. 在数据场景上，同时注重线上、线下数据的可获得性； c. 在数据来源上，除了依赖于资深的企业内部数据，更 需要不断融合第三方数据； d. 在数据关联性上，要消除数据孤岛，实现数据在可控 范围内的自用流动和融合； 2. 单纯数据源企业出现：当前阶段数据源环节仍和数据分析等 环节紧密绑定，但未来从事单纯数据源业务的企业可能逐步 出现。

数据分析演进趋势：技术变革 1. 传统数据分析时代：通过ORACLE、DB2等数据库集中存储形成结构化数据， 再通过BI工具和借助传统的数据挖掘算法进行分析和展现； 2. 大数据时代： a. 数据量大、结构化数据占比低，传统的IT架构及分析算法难以满足需 求； b. 2003-2004年间，Google提出GFS(Google File System)和MapReduce， 奠定了分布式文件存储系统及分布式计算模型的理论基础； c. 2006年提出分布式计算和存储框架Hadoop项目并不断发展生态，云 计算的成熟也为大数据奠定了基础。

数据分析演进趋势：分析方法 1. 普适化分析：即提供一个门槛较低的通用软件，例如，美股大数据龙头 Tableau 开发的桌面系统，它没有强迫用户编写自定义代码，新的控制台也 可完全自定义配置，从而为各行业提供简单的行业数据模板及网络共享平台； 2. 结合行业分析：向咨询、管理工具的方向发展，利用自身多年在各行业里面 积累的深刻经验并配合自身的大数据实力，在已有的数据中帮助企业挖掘更 多的价值，例如，分析工具领域最成功的的新兴企业Splunk 。Splunk公司 开发的基于机器数据的搜索引擎，可收集所有应用程序、服务器和移动设备 （包括物理、虚拟和云端）产生的数据并生成索引，实现从一个位置快速搜 索并分析所有实时数据和历史数据； 3. 未来分析方式：未来大数据应用的集中爆发将导致数据分析需求的多样化和 定制化，因此，结合具体应用场景深入行业分析的大数据分析工具相较于通 用分析工具在未来将更具有优势。

数据安全 1. 大数据安全分析技术：信息安全问题已变成一个大数据分析问题，大规模的安全 数据需要有效地关联、分析和挖掘；未来将出现专门的安全分析平台，及“安全分 析师”或“安全数据分析师”等岗位； 2. 隐私保护技术：需技术+立法双管齐下。消费者的个人购买偏好、健康和财务情 况等海量数据被收集，人们对隐私的担忧也在增大，美国奥巴马辩解说：“你不能 在拥有100%安全的情况下，同时拥有100%隐私和100%便利”。现IBM、微软、柯达、 花旗、Facebook、宝洁、360等企业都已经设有“首席隐私官”职位来保护用户隐私； 3. 数据脱敏技术：在保存数据原始特征的同时改变它的数值，从而保护敏感数据免 于未经授权的访问，同时又可以进行相关的数据处理的一种技术。借助数据脱敏， 信息依旧可以被使用并与业务相关联，不会违反相关规定，而且也避免了数据泄 露的风险。