導(dǎo)語：如何才能寫好一篇社交媒體信息動(dòng)態(tài)分析，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

大數(shù)據(jù)下科技信息領(lǐng)域需要解決的主要問題

（1）大數(shù)據(jù)下科技信息處理的標(biāo)準(zhǔn)化體系研究相比傳統(tǒng)的科技信息，大數(shù)據(jù)環(huán)境下的科技信息的來源、類型、內(nèi)容和數(shù)據(jù)格式更為復(fù)雜，制定和完善科技信息的標(biāo)準(zhǔn)化體系和內(nèi)容是及其必要的。信息資源的標(biāo)準(zhǔn)化體系是保證信息有效存儲(chǔ)、處理、分析和利用的基礎(chǔ)和前提。本文認(rèn)為將依據(jù)當(dāng)前科技信息現(xiàn)狀，針對(duì)具體領(lǐng)域研究和制定大數(shù)據(jù)下的科技信息處理規(guī)范和建議是必要的。（2）大數(shù)據(jù)下的科技信息資源的建設(shè)方法研究借助大數(shù)據(jù)技術(shù)可實(shí)現(xiàn)科技信息的大數(shù)據(jù)處理與大數(shù)據(jù)存儲(chǔ)，實(shí)現(xiàn)多源異構(gòu)的科技信息完成數(shù)據(jù)的存儲(chǔ)、處理、交換等功能。大數(shù)據(jù)下的科技信息資源的建設(shè)方法研究需要從數(shù)據(jù)本身和數(shù)據(jù)的組織兩個(gè)研究視角出發(fā)，分析梳理大數(shù)據(jù)環(huán)境下科技信息資源在建設(shè)中面臨的難點(diǎn)和關(guān)鍵性技術(shù)問題，研究和提出科技信息資源的知識(shí)組織系統(tǒng)框架和基本構(gòu)建方法。（3）大數(shù)據(jù)下的科技信息資源的分析方法研究結(jié)合科技大數(shù)據(jù)特點(diǎn)，主要利用深度學(xué)習(xí)技術(shù)解決科技大數(shù)據(jù)的高維數(shù)據(jù)降維處理問題。研究和探索面向科技信息資源的分析方法，提出不同類型科技信息資源的關(guān)聯(lián)分析、重要性分析、主題演化路徑等深層次的信息分析方法和技術(shù)，通過系列分析方法和技術(shù)研發(fā)，解決科技信息資源管理工作中存在的問題，研究方法在實(shí)踐中進(jìn)行創(chuàng)新和發(fā)展。世界的發(fā)展、科技的換代、媒介的延伸以及人文的變更，匯聚成一股巨大的洪流，加速了我們所處時(shí)代的變換，人工智能技術(shù)已經(jīng)滲透到各個(gè)技術(shù)領(lǐng)域，以上問題涉及科技信息的組織和分析，需要人工智能技術(shù)的融合，即與人工智能技術(shù)的深度融合必將推動(dòng)科技信息進(jìn)入全新時(shí)代。

人工智能應(yīng)用于科技信息領(lǐng)域的研究意義和主要研究?jī)?nèi)容

人工智能為解決科技信息的獲取和分析提供解決途徑（1）人工智能可拓展獲取科技信息的來源。從事智能分析的美國(guó)Stabilitas公司的首席運(yùn)營(yíng)官ChrisHurst認(rèn)為：“人工智能可以擴(kuò)大信息工作的范圍，不會(huì)遺漏那些有價(jià)值的細(xì)節(jié)?！笨萍夹畔⑼瑯有枰ㄟ^各種渠道獲取世界各國(guó)的同類信息，利用分布式網(wǎng)絡(luò)爬蟲等人工智能技術(shù)可獲取全世界的開源信息，包括文本和音視頻數(shù)據(jù)。（2）人工智能可加快處理科技信息數(shù)據(jù)的速度。美國(guó)中央信息局肯特學(xué)校教信息分析的校長(zhǎng)JosephGartin認(rèn)為：“梳理社交媒體來獲得信息并不是什么新鮮事，讓人耳目一新的是如今我們收集社交媒體數(shù)據(jù)的數(shù)量之大和速度之快?！焙Ａ康目萍夹畔⑼ㄟ^人工智能技術(shù)可以快速處理億萬比特的數(shù)據(jù)，從而了解世界各國(guó)同類信息或事件，將每天接收到的大量數(shù)據(jù)轉(zhuǎn)變?yōu)槟軌蛴糜谡吆蛻?zhàn)場(chǎng)行動(dòng)的信息。（3）人工智能使科技信息的分析自動(dòng)化、智能化。據(jù)俄羅斯通訊社報(bào)道，俄羅斯總統(tǒng)普京表示：“無論誰在這一領(lǐng)域中處于領(lǐng)先地位，都將成為世界的統(tǒng)治者?！逼站┱J(rèn)為：人工智能是未來權(quán)力的關(guān)鍵。利用自然語言處理技術(shù)、語音識(shí)別、圖像檢索等人工智能技術(shù)可以極大的提高信息人員檢索有用信息的速度。此外，知識(shí)圖譜作為人工智能的知識(shí)庫(kù)基礎(chǔ)，基于知識(shí)圖譜可實(shí)現(xiàn)分析對(duì)象的多維多步自動(dòng)關(guān)聯(lián)分析，利用深度學(xué)習(xí)模型可大大提高多因素影響的系統(tǒng)分析，獲得更好的信息分析效果。主要研究?jī)?nèi)容（1）基于人工智能技術(shù)的科技信息的知識(shí)存儲(chǔ)和管理大數(shù)據(jù)下的科技信息具有海量、異構(gòu)、跨媒體的特點(diǎn)，其知識(shí)存儲(chǔ)和管理需要對(duì)結(jié)構(gòu)化或非結(jié)構(gòu)化的跨模態(tài)數(shù)據(jù)進(jìn)行語義智能化計(jì)算研究，以為統(tǒng)一語義范疇下的數(shù)據(jù)查詢提供便捷的元數(shù)據(jù)服務(wù)；對(duì)跨媒體知識(shí)統(tǒng)一組織進(jìn)行研究，為不同關(guān)系結(jié)構(gòu)，不同模態(tài)數(shù)據(jù)的統(tǒng)一存儲(chǔ)與管理提供結(jié)構(gòu)基礎(chǔ)；同時(shí)，需要對(duì)跨媒體知識(shí)的更新進(jìn)行研究，為動(dòng)態(tài)的數(shù)據(jù)存儲(chǔ)與多變的業(yè)務(wù)管理提供支撐。最后，對(duì)跨媒體知識(shí)檢索與查詢進(jìn)行研究，從實(shí)際的檢索和查詢業(yè)務(wù)角度出發(fā)，制定規(guī)則，優(yōu)化性能，提升知識(shí)數(shù)據(jù)被獲取時(shí)的準(zhǔn)確性與高效性。（2）基于人工智能技術(shù)的科技信息與知識(shí)的深度揭示與聚類加強(qiáng)科技信息資源的多源多模態(tài)數(shù)據(jù)整合關(guān)聯(lián)、信息抽取、不確定推理、機(jī)器學(xué)習(xí)、自然語言處理等人工智能技術(shù)研發(fā)與應(yīng)用；利用人工智能技術(shù)實(shí)現(xiàn)科技信息資源的外在層面的資源整合，資源內(nèi)在特征的深度聚合，實(shí)現(xiàn)科技信息與知識(shí)的深度揭示與聚類。通過可視化方式實(shí)現(xiàn)科技信息知識(shí)（研發(fā)技術(shù)、研發(fā)機(jī)構(gòu)、研發(fā)人員等）的聚合、揭示與展示。其中重點(diǎn)利用語義分析技術(shù)、詞表/本體構(gòu)建技術(shù)、知識(shí)圖譜技術(shù)、大數(shù)據(jù)分析等人工智能技術(shù)，通過可視化方式實(shí)現(xiàn)科技信息知識(shí)的聚合、揭示與展示；實(shí)現(xiàn)對(duì)格式各異、內(nèi)容復(fù)雜的數(shù)字資源進(jìn)行深層次的揭示，從資源外在層面的資源整合，深入到資源內(nèi)在特征進(jìn)行深度聚合，實(shí)現(xiàn)信息與知識(shí)的深度揭示與聚類，同時(shí)將科技信息知識(shí)服務(wù)嵌入知識(shí)交流之中。技術(shù)路線圖如圖1所示。（2）基于人工智能技術(shù)的科技信息前沿技術(shù)發(fā)現(xiàn)與預(yù)警研究前沿技術(shù)發(fā)現(xiàn)與預(yù)警旨在有效指導(dǎo)和開展科技研究，國(guó)內(nèi)外已有研究在信息對(duì)象和研究方法上比較單一，信息價(jià)值和服務(wù)效果受限?？萍夹畔⑶把丶夹g(shù)發(fā)現(xiàn)與預(yù)警研究應(yīng)更強(qiáng)調(diào)面向信息源的全面收集、處理、分析的一定程度智能化生產(chǎn)過程，更好的感知非完備信息，輔助信息用戶把不確定性預(yù)測(cè)變成更確定性預(yù)測(cè)。研究將不同類型的信息源進(jìn)行整合、融合，多維度的分析科技前沿技術(shù)特征，從不同角度實(shí)現(xiàn)有價(jià)值信息的綜合疊加和映射，從中發(fā)現(xiàn)、分析和描述科技前沿技術(shù)問題，為科技領(lǐng)域?qū)＜覍?shí)現(xiàn)科技前沿的準(zhǔn)確辨識(shí)提供服務(wù)，實(shí)現(xiàn)有效的技術(shù)預(yù)警。技術(shù)路線圖見圖2所示。

基于人工智能技術(shù)的科技政策動(dòng)態(tài)分析平臺(tái)設(shè)計(jì)

科技政策動(dòng)態(tài)分析脫離原有人工分析為主的模式，而借助技術(shù)手段進(jìn)行輔助分析是時(shí)展的必然趨勢(shì)，海量數(shù)據(jù)的現(xiàn)實(shí)對(duì)情報(bào)分析方法的沖擊不可避免。技術(shù)參與的目的是提高人工分析的效率和質(zhì)量，采用技術(shù)輔助手段是可以做到事半功倍的。基于人工智能技術(shù)的科技政策動(dòng)態(tài)分析平臺(tái)的目的在于如何利用技術(shù)手段提供獲取情報(bào)數(shù)據(jù)、情報(bào)多維分析能力和自動(dòng)生成可讀性的分析報(bào)告的能力，幫助提高人類思維的效率。1）科技政策動(dòng)態(tài)信息監(jiān)測(cè)科技政策動(dòng)態(tài)信息監(jiān)測(cè)主要采用網(wǎng)絡(luò)信息的監(jiān)測(cè)方式，只有在有效采集網(wǎng)絡(luò)信息的基礎(chǔ)上才能進(jìn)而實(shí)現(xiàn)具體內(nèi)容分析與信息服務(wù)。信息監(jiān)測(cè)是對(duì)互聯(lián)網(wǎng)上共享的科技政策資源進(jìn)行提取、解析、收集和存儲(chǔ)等的過程?？萍颊邉?dòng)態(tài)信息監(jiān)測(cè)的一般框架可由圖3表示?？萍颊邉?dòng)態(tài)信息監(jiān)測(cè)系統(tǒng)的層次模型：表示層，業(yè)務(wù)邏輯層和數(shù)據(jù)訪問層。數(shù)據(jù)訪問層：連接數(shù)據(jù)庫(kù)，執(zhí)行插入和查詢等操作。主要是用數(shù)據(jù)集訪問。業(yè)務(wù)邏輯層：調(diào)用數(shù)據(jù)訪問層的方法然后返回結(jié)果給表示層。表示層：獲取表單的數(shù)據(jù)，然后調(diào)用業(yè)務(wù)邏輯層的方法處理數(shù)據(jù)，然后根據(jù)結(jié)果顯示相應(yīng)的數(shù)據(jù)?？萍颊邉?dòng)態(tài)信息監(jiān)測(cè)的系統(tǒng)框架：系統(tǒng)分為數(shù)據(jù)層與應(yīng)用層兩個(gè)層次。其中，數(shù)據(jù)層為整個(gè)平臺(tái)提供數(shù)據(jù)支撐，包括監(jiān)測(cè)站點(diǎn)、情報(bào)、文章、等基礎(chǔ)信息數(shù)據(jù)，以及用戶信息、日志信息等數(shù)據(jù)。應(yīng)用層主要提供站點(diǎn)管理、信息服務(wù)、編輯撰文三大功能模塊，為用戶使用系統(tǒng)進(jìn)行信息檢索、篩選、瀏覽、定制、撰文等提供服務(wù)，同時(shí)也為管理員進(jìn)行系統(tǒng)管理、任務(wù)分配、成果組織等提供相應(yīng)接口。具體系統(tǒng)框架如圖4所示。

篇2

IBM是什么？藍(lán)色巨人？一群技術(shù)極客組成的公司？

IBM現(xiàn)在告訴你，他還要幫助你做營(yíng)銷?！癐BM還是個(gè)Nerd（書呆子），但我們要把科學(xué)引入營(yíng)銷藝術(shù)?！盜BM企業(yè)營(yíng)銷管理集團(tuán)（EMM）副總裁李有群在接受《成功營(yíng)銷》獨(dú)家專訪時(shí)這么說。

好萊塢式傳奇

在技術(shù)派當(dāng)?shù)赖腎BM管理層中，李有群表現(xiàn)出難得的風(fēng)趣?！拔液芟朐诖蠹颐媲罢f中文，但是有很多專業(yè)術(shù)語實(shí)在不知如何表達(dá)?！笔状卧谥袊?guó)媒體前公開亮相，李有群這樣調(diào)侃自己。即使中文不是很好，對(duì)數(shù)字有絕對(duì)的敏感，在演講過程中多次核對(duì)、糾正同聲傳譯者對(duì)幾個(gè)數(shù)據(jù)的說法。

這種敏感，除了職業(yè)、專業(yè)使然，是否還源于在拉斯維加斯靠腦袋掙錢的過去？

李有群可以說是一位天生的企業(yè)家，進(jìn)入IBM之前，擁有一連串的創(chuàng)業(yè)經(jīng)歷。高中時(shí)就創(chuàng)辦了他的第一家軟件公司，還是提供營(yíng)銷解決方案的公司Unica的創(chuàng)始人。Unica曾是IBM的供應(yīng)商，其在營(yíng)銷方面的創(chuàng)新舉措被IBM看中，于2010年和Coremetrics一起被IBM花30億美元收購(gòu)，這才有了之后的EMM――2010年6月組建的IBM企業(yè)營(yíng)銷管理集團(tuán)。李有群現(xiàn)在仍兼任Unica品牌的首席執(zhí)行官，醞釀著其他收購(gòu)計(jì)劃。

在麻省理工學(xué)院上學(xué)期間，李有群一度每個(gè)周末都混跡于拉斯維加斯的賭場(chǎng)。周五晚上飛過去，周六晚上回學(xué)校。不過，那個(gè)時(shí)候李有群并不是沉迷賭博。他曾是該學(xué)院傳奇組織“21點(diǎn)”小組的一員?！拔覀兪撬闩?，不是賭博?！崩钣腥赫f，“那就像一個(gè)真正的公司在運(yùn)作，整個(gè)團(tuán)隊(duì)有35個(gè)人，每年的業(yè)績(jī)都是成倍增長(zhǎng)?！?/p>

這段賭場(chǎng)瘋狂故事后來被拍成了好萊塢電影《決勝21點(diǎn)》。雖然李有群認(rèn)為電影并不很真實(shí)，過于戲劇化，但仍不失為一段值得說道的經(jīng)歷。

步入職業(yè)經(jīng)理人生涯

除了Unica，IBM還收購(gòu)了另一家軟件公司Coremetrics。Coremetrics偏重于網(wǎng)絡(luò)分析，而Unica偏重于端到端的市場(chǎng)營(yíng)銷管理，新組建的EMM企業(yè)營(yíng)銷管理集團(tuán)旨在提供營(yíng)銷解決方案以及為面向業(yè)務(wù)營(yíng)銷主管的銷售活動(dòng)提供保障。李有群負(fù)責(zé)管理的就是這么一個(gè)隸屬于IBM的行業(yè)解決方案部門，他要離開創(chuàng)業(yè)生涯，進(jìn)入職業(yè)經(jīng)理人領(lǐng)域。

從智能手機(jī)到社交網(wǎng)絡(luò)，再到網(wǎng)絡(luò)電視，林林總總的新技術(shù)改變了人們的消費(fèi)方式、購(gòu)買方式以及企業(yè)與個(gè)人的互動(dòng)方式?；ヂ?lián)網(wǎng)的功能在不斷外延、擴(kuò)大，并通過社交網(wǎng)站、移動(dòng)終端等，提供了更多的關(guān)聯(lián)。以前網(wǎng)絡(luò)內(nèi)容主要是由媒體提供，而現(xiàn)在消費(fèi)者可以通過微博、播客等各種各樣的渠道提供他們的想法，為網(wǎng)絡(luò)提供內(nèi)容。在這一過程中，營(yíng)銷模式也在迅速演變。如今的消費(fèi)者變得很強(qiáng)勢(shì)――他們可以在合適的時(shí)間以合適的價(jià)格購(gòu)買他們所需的商品。當(dāng)他們凝聚到一起，可以很輕松地捧紅或者毀掉一個(gè)品牌。

“2010年在美國(guó)，網(wǎng)上由消費(fèi)者提供的有關(guān)產(chǎn)品的信息達(dá)到了約5000億條。企業(yè)必須從以產(chǎn)品為中心變?yōu)橐钥蛻魹橹行?，贏得客戶，保留客戶?！崩钣腥赫f，“營(yíng)銷的目標(biāo)就是激發(fā)需求，產(chǎn)生更多的潛在客戶，為公司的品牌進(jìn)行服務(wù)?！?/p>

消費(fèi)者的信息和需求如何獲得？在先后收購(gòu)了Unica、Coremetrics之后，IBM全面發(fā)力進(jìn)軍營(yíng)銷技術(shù)市場(chǎng)。IBM將EMM部門作為“智慧商務(wù)”（Smar ter Commerce）計(jì)劃的一部分，融合IBM全球的技術(shù)與服務(wù)資源，將為市場(chǎng)帶來更廣泛的營(yíng)銷功能以及其他的職能支持，從而幫助企業(yè)創(chuàng)建以客戶為中心的業(yè)務(wù)?！拔覀円芽茖W(xué)引入營(yíng)銷藝術(shù)，利用技術(shù)、利用數(shù)據(jù)，將營(yíng)銷藝術(shù)的想象力、創(chuàng)造力和策略規(guī)劃做得更好?！?/p>

IBM的EMM解決方案幫助企業(yè)在計(jì)劃及預(yù)算、人力及流程、數(shù)據(jù)及資產(chǎn)和衡量及業(yè)績(jī)幾個(gè)層面推動(dòng)實(shí)際市場(chǎng)營(yíng)銷價(jià)值。通過部署EMM解決方案，將幫助提高在線轉(zhuǎn)化率、增加市場(chǎng)活動(dòng)、提高客戶重返率、減少市場(chǎng)周期/提高效率、精準(zhǔn)定位廣告提升業(yè)績(jī)、改善市場(chǎng)活動(dòng)質(zhì)量等。

“這是更為一體化的服務(wù)，EMM解決的是所有端到端的問題。”在李有群設(shè)想下，CMO應(yīng)該不需要從一個(gè)軟件跳到另一個(gè)軟件，不需要好幾家甚至幾十家供應(yīng)商，而需要一個(gè)整合營(yíng)銷方案供應(yīng)商。

開拓中國(guó)市場(chǎng)

李有群的這次公開亮相，甚至動(dòng)用自己的個(gè)人傳奇經(jīng)歷吸引目光，就是為了帶領(lǐng)EMM拓展中國(guó)內(nèi)地市場(chǎng)。

“我們?cè)谥袊?guó)內(nèi)地才剛剛開始，但是在美國(guó)、歐洲，以及亞洲的新加坡、泰國(guó)、印度和臺(tái)灣地區(qū)，都有很多公司在用EMM的解決方案。”即使在中國(guó)是從零開始，李有群當(dāng)然也懂得榜樣力量的重要性，他借助歐洲最大的金融服務(wù)機(jī)構(gòu)之一――ING荷蘭國(guó)際集團(tuán)的案例來說明。

金融機(jī)構(gòu)如果只采用單一渠道與客戶溝通，其運(yùn)行時(shí)間點(diǎn)和客戶需要的時(shí)間點(diǎn)肯定是有差異的。比如，客戶希望的是他們?cè)谙胍业姐y行的時(shí)候就能立即實(shí)現(xiàn)，但實(shí)際上他們只能跟著銀行的時(shí)間轉(zhuǎn)。ING意識(shí)到這一點(diǎn)，并且希望提高營(yíng)銷活動(dòng)與客戶的相關(guān)性。

所以，ING就在EMM解決方案的幫助下這樣開始改進(jìn)：運(yùn)用公司網(wǎng)站、郵寄信件、電子郵件、電話中心和分支機(jī)構(gòu)等多種渠道分別與客戶進(jìn)行溝通，并運(yùn)用這些渠道分析收集客戶的交易信息，包括他們的一些上網(wǎng)行為。通過對(duì)這些數(shù)據(jù)進(jìn)行動(dòng)態(tài)分析，ING就能夠了解客戶下一步的行為，比如他可能需要的服務(wù)和產(chǎn)品是什么，他有什么投訴或建議等等。這些信息都存在EMM提供的中央決策服務(wù)器里，當(dāng)這個(gè)客戶出現(xiàn)在ING某個(gè)分支機(jī)構(gòu)或者是登錄ING網(wǎng)站時(shí)，針對(duì)這個(gè)客戶的定制服務(wù)或者是產(chǎn)品就可以自動(dòng)出現(xiàn)。同時(shí)，在與客戶溝通的時(shí)候，會(huì)出現(xiàn)之前收集的與他相關(guān)的數(shù)據(jù)信息，由此做出相應(yīng)的反饋。

篇3

關(guān)鍵詞：敏捷物流；大數(shù)據(jù)；現(xiàn)代物流技術(shù)

中圖分類號(hào)：F253.9 文獻(xiàn)標(biāo)識(shí)碼：A

Abstract： In the era of big data， logistics service enterprises are facing greater challenges， they also have a better opportunity at the same time to analyze the characteristics of the modern agile logistics. In the context of different information technology， the operating mechanism of agile logistics is different， and the new content and new direction of agile logistics is studied. The operation mechanism of the traditional agile logistics is analyzed， and the operation model of agile logistics based on the large data information is constructed. From the traditional agile logistics system to a diversified， open， efficient extension of development， enrich the concept of agile logistics. The construction of agile logistics operation model provides a practical significance for the logistics practitioners and the new era of logistics service enterprises.

Key words： agile logistics； big data； modern logistics technology

0 引 言

敏捷的起源要追溯到1991年，當(dāng)時(shí)美國(guó)的Lehigh大學(xué)聯(lián)合國(guó)內(nèi)13家公司共同撰寫了名為《美國(guó)21世紀(jì)制造企業(yè)戰(zhàn)略》的報(bào)告，在這份報(bào)告里首次提出了敏捷制造（Agile Manufacturing）和虛擬制造（Virtual Manufacturing）的新概念[1]，在此后的幾年里，敏捷制造被廣大學(xué)者和從業(yè)人士廣泛研究，研究的成果也得到了廣泛應(yīng)用。2000年，美國(guó)斯坦福大學(xué)全球供應(yīng)鏈管理協(xié)會(huì)在敏捷制造及相關(guān)概念的基礎(chǔ)上，構(gòu)建了全球供應(yīng)鏈敏捷性模型，從產(chǎn)品開發(fā)柔性、采購(gòu)柔性、制造柔性和后勤柔性四個(gè)方面分析了全球供應(yīng)鏈的運(yùn)行模式，并討論了四個(gè)柔性因素對(duì)敏捷供應(yīng)鏈的影響[2]。

在此后的幾年里，學(xué)者們將敏捷的含義進(jìn)行了廣泛的拓展，從敏捷供應(yīng)鏈到敏捷物流。敏捷供應(yīng)鏈在國(guó)外得到了更廣泛的研究，而敏捷物流在國(guó)內(nèi)得到了相對(duì)廣泛的研究。至于敏捷供應(yīng)鏈，南開大學(xué)的王玲等對(duì)敏捷供應(yīng)鏈的研究做了總體概述[3]，在此不再贅述。武漢理工大學(xué)的王洪波對(duì)敏捷物流系統(tǒng)的構(gòu)建及運(yùn)行方式進(jìn)行了深入的研究[4]，華中科技大學(xué)的劉小群、馬士華對(duì)敏捷物流的運(yùn)作技術(shù)與方法進(jìn)行了深入的研究[5]，大連海事大學(xué)的王惠等對(duì)敏捷物流的配送問題進(jìn)行了動(dòng)態(tài)分析[6]。目前，在國(guó)內(nèi)大數(shù)據(jù)一直是研究的熱點(diǎn)，大數(shù)據(jù)和敏捷物流結(jié)合的研究還很少見，而在IT行業(yè)的熱度卻一直未減。

1 大數(shù)據(jù)對(duì)敏捷物流的影響

大數(shù)據(jù)字面理解就是大量的數(shù)據(jù)，這個(gè)大量也就是巨量，其規(guī)模超出了在可承受的時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和處理，還有利用。維克托?邁爾―舍恩伯格和肯尼斯?庫(kù)克耶在其有關(guān)大數(shù)據(jù)的著作中明確預(yù)測(cè)是大數(shù)據(jù)的核心，量化一切是數(shù)據(jù)化的核心，把一切事物數(shù)據(jù)化[7]。 在今天，大數(shù)據(jù)是研究的熱點(diǎn)也是商業(yè)應(yīng)用的主流元素之一，大數(shù)據(jù)在先進(jìn)的物流服務(wù)公司也有著一定的運(yùn)用，如順豐速運(yùn)公司利用大數(shù)據(jù)管理客戶的訂單，從客戶撥打客服電話要求派單時(shí)，順豐速運(yùn)的數(shù)據(jù)庫(kù)就開始記錄和運(yùn)作這個(gè)訂單。

近年來，人們?cè)絹碓街匾暤酱髷?shù)據(jù)的價(jià)值，大數(shù)據(jù)可以被廣泛使用，人們迫切地想把相關(guān)的數(shù)據(jù)轉(zhuǎn)換成有用的資源優(yōu)勢(shì)。大數(shù)據(jù)對(duì)各行業(yè)都有一定影響，大數(shù)據(jù)對(duì)物流行業(yè)有著深刻的影響，它體現(xiàn)在以下幾個(gè)方面：

（1）尋找優(yōu)質(zhì)的服務(wù)提供商更有效

當(dāng)一個(gè)客戶需要尋找物流服務(wù)提供商時(shí)，他可以利用大數(shù)據(jù)平臺(tái)來找到最適合自己需求的物流服務(wù)提供商，他還可以利用大數(shù)據(jù)對(duì)該公司過去的服務(wù)情況進(jìn)行分析，以此來獲得更好口碑，更高可靠性的業(yè)務(wù)信息。

（2）訂單效率大幅度提升

大數(shù)據(jù)可以更高效地完成訂單，不需要復(fù)雜的手續(xù)，通過電話或網(wǎng)絡(luò)傳輸必要的基本信息之后，就可以足不出戶實(shí)現(xiàn)配送需求。

（3）配送運(yùn)輸效率大幅度提升

當(dāng)一個(gè)訂單生成時(shí)，大數(shù)據(jù)可以幫助選擇最優(yōu)的配送路線，如果是多個(gè)倉(cāng)庫(kù)內(nèi)提貨再配送，大數(shù)據(jù)還可以分析在哪個(gè)倉(cāng)庫(kù)提取哪些物品以及提取的數(shù)量。這些會(huì)更加快速地完成訂單的準(zhǔn)備工作以及訂單的配送運(yùn)輸。

（4）倉(cāng)儲(chǔ)管理更高效

通過大數(shù)據(jù)可以分析出倉(cāng)庫(kù)中哪些物品達(dá)到了最低庫(kù)存水平，可以根據(jù)相應(yīng)的數(shù)據(jù)信息來預(yù)測(cè)某些物品的未來幾個(gè)月的趨勢(shì)，甚至可以直接向上游供應(yīng)商下訂單。

敏捷物流的靈魂是更高效率，更高質(zhì)量滿足客戶的需求，更低成本來提高企業(yè)的收入。通過對(duì)比普通物流服務(wù)模式，大數(shù)據(jù)對(duì)敏捷物流的影響更為重要，因?yàn)榇髷?shù)據(jù)直通敏捷物流的核心。通過先進(jìn)的技術(shù)手段來實(shí)現(xiàn)敏捷物流是當(dāng)下更為迫切的事情，而大數(shù)據(jù)時(shí)代的來臨是敏捷物流發(fā)展的春天。如圖1所示，物流供需兩方通過大數(shù)據(jù)平臺(tái)實(shí)現(xiàn)敏捷物流的運(yùn)行。

2 大數(shù)據(jù)驅(qū)動(dòng)下的敏捷物流運(yùn)行分析

2.1 大數(shù)據(jù)的挖掘、處理與儲(chǔ)存

大數(shù)據(jù)的挖掘就是針對(duì)在普通的數(shù)據(jù)挖掘技術(shù)基礎(chǔ)之上發(fā)展起來的特定的挖掘技術(shù)，它可以滿足對(duì)海量數(shù)據(jù)的抓取以及臨時(shí)存儲(chǔ)。大數(shù)據(jù)挖掘通過設(shè)定的計(jì)算算法搜索相應(yīng)的信息，它與計(jì)算機(jī)科學(xué)、統(tǒng)計(jì)科學(xué)、人工智能和模式識(shí)別的搜索算法、信息論、信號(hào)處理等學(xué)科緊密相聯(lián)。在進(jìn)行大數(shù)據(jù)挖掘的時(shí)候首先要有一個(gè)挖掘的原始數(shù)據(jù)范圍，然后根據(jù)設(shè)定的算法進(jìn)行選擇數(shù)據(jù)，選擇好數(shù)據(jù)之后就要進(jìn)行預(yù)處理，把數(shù)據(jù)的結(jié)構(gòu)轉(zhuǎn)換成可存儲(chǔ)的統(tǒng)一的結(jié)構(gòu)，然后再根據(jù)設(shè)定的特定的算法進(jìn)一步對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行挖掘，進(jìn)行存儲(chǔ)或者分析和同化。大數(shù)據(jù)挖掘常用的算法有Apriori、K-means、pagerank、Adaboost等，在運(yùn)用這些算法的時(shí)候也會(huì)用到關(guān)聯(lián)規(guī)則。所謂的關(guān)聯(lián)規(guī)則就是兩個(gè)或兩個(gè)以上變量的取值之間存在著或近似存在著某種規(guī)律，可以分為因果關(guān)聯(lián)、時(shí)序關(guān)聯(lián)以及簡(jiǎn)單關(guān)聯(lián)三類。數(shù)據(jù)的關(guān)聯(lián)規(guī)則是數(shù)據(jù)庫(kù)中存在的一類重要的潛在可被發(fā)現(xiàn)的信息，這些信息往往有著很高的利用價(jià)值。如圖2所示，一個(gè)大數(shù)據(jù)挖掘的模型圖。

挖掘了數(shù)據(jù)之后還要進(jìn)行處理，也就是通常所說的數(shù)據(jù)清理或數(shù)據(jù)清洗。數(shù)據(jù)清理可通過分類、相關(guān)性分組、聚類、復(fù)雜數(shù)據(jù)類型挖掘等糾正數(shù)據(jù)庫(kù)中可識(shí)別的錯(cuò)誤，包括檢查數(shù)據(jù)一致性，處理無效值、缺失值以及重復(fù)值。通過對(duì)數(shù)據(jù)的處理，可以構(gòu)建基礎(chǔ)的可靠性比較高的數(shù)據(jù)庫(kù)，為后面的數(shù)據(jù)利用做了有效的鋪墊。

得到了大數(shù)據(jù)之后，接下來就要進(jìn)行存儲(chǔ)。據(jù)預(yù)測(cè)，到2020年全球以電子形式存儲(chǔ)的數(shù)據(jù)量將達(dá)到近35ZB，是2009年的40倍之多。根據(jù)IDC的統(tǒng)計(jì)，2010年底全球已經(jīng)有了超過120萬PB的數(shù)據(jù)量了。這么巨量的數(shù)據(jù)很難用物理的存儲(chǔ)設(shè)備來進(jìn)行集中存儲(chǔ)。所以，在實(shí)際運(yùn)用中對(duì)數(shù)據(jù)的存儲(chǔ)可分不同地點(diǎn)進(jìn)行分類存儲(chǔ)，或者尋求專業(yè)的數(shù)據(jù)管理公司進(jìn)行存儲(chǔ)，也可就某公司的具體業(yè)務(wù)相關(guān)數(shù)據(jù)進(jìn)行存儲(chǔ)以備使用。

2.2 根據(jù)儲(chǔ)存的大數(shù)據(jù)實(shí)現(xiàn)更高效的敏捷物流

敏捷物流系統(tǒng)是一個(gè)相對(duì)復(fù)雜的系統(tǒng)，它在運(yùn)行的過程中有著很強(qiáng)的動(dòng)態(tài)性，而且它還涉及了不同組織之間的信息、資源等元素的交互與協(xié)調(diào)。敏捷物流運(yùn)行的評(píng)價(jià)指標(biāo)就是快速、及時(shí)、可靠性、成本等關(guān)鍵要素，根據(jù)這樣幾個(gè)要素進(jìn)行評(píng)判所構(gòu)建的敏捷物流系統(tǒng)的優(yōu)劣是有一定科學(xué)依據(jù)的。有了穩(wěn)定的敏捷物流系統(tǒng)之后，再結(jié)合大數(shù)據(jù)及相關(guān)技術(shù)手段，可實(shí)現(xiàn)敏捷物流的高效運(yùn)轉(zhuǎn)。對(duì)物流服務(wù)提供商來說，更高效的服務(wù)也就意味著更豐厚的回報(bào)。例如，全球著名的郵遞和物流集團(tuán) Deutsche Post DHL旗下公司DHL公司，它是國(guó)際快遞和物流行業(yè)的全球市場(chǎng)領(lǐng)先者，它提供快遞、水陸空三路運(yùn)輸、合同物流解決方案，以及國(guó)際郵件服務(wù)，目前在中國(guó)大陸地區(qū)有快遞服務(wù)、電子商務(wù)、貨物運(yùn)輸和供應(yīng)鏈方案四種服務(wù)模式。DHL公司的國(guó)際網(wǎng)絡(luò)將超過220個(gè)國(guó)家及地區(qū)聯(lián)系起來，全球員工總數(shù)超過31.5萬人。在2015Teradata大數(shù)據(jù)峰會(huì)上，DHL公司做了“DHL的數(shù)據(jù)科學(xué)―迅速了解成本并拉動(dòng)利潤(rùn)率增長(zhǎng)”為主題的分享活動(dòng)。DHL公司積極面對(duì)大數(shù)據(jù)浪潮，把大數(shù)據(jù)及相關(guān)的技術(shù)應(yīng)用于對(duì)物流風(fēng)險(xiǎn)的管理，從而可以為客戶提供更優(yōu)質(zhì)的服務(wù)，并推出了相應(yīng)的解決方案Resilience360。Resilience360已經(jīng)得到了DHL公司客戶的一致認(rèn)可，并為用戶創(chuàng)造了價(jià)值。全球最大的底盤與傳動(dòng)技術(shù)提供商德國(guó)采埃孚（ZF）集團(tuán)在生產(chǎn)拖延的情況下，為保證客戶交貨日期，公司會(huì)采用空運(yùn)的方式交貨，每年ZF需要進(jìn)行1萬余次這類特殊情況空運(yùn)，涉及55個(gè)國(guó)家。在傳統(tǒng)的物流運(yùn)輸模型中，此時(shí)的成本很高而且意外的風(fēng)險(xiǎn)也很大。當(dāng)Resilience360出現(xiàn)后，它可以很好地幫助ZF集團(tuán)對(duì)供應(yīng)鏈環(huán)節(jié)各種潛在風(fēng)險(xiǎn)進(jìn)行可視化管理，使管理層有直觀的方式了解和控制可能的潛在風(fēng)險(xiǎn)點(diǎn)。Resilience360系統(tǒng)對(duì)涉及ZF集團(tuán)的500余個(gè)站點(diǎn)和167個(gè)機(jī)場(chǎng)進(jìn)行風(fēng)險(xiǎn)評(píng)估，生成風(fēng)險(xiǎn)評(píng)價(jià)報(bào)告，甄別出若干個(gè)高風(fēng)險(xiǎn)機(jī)場(chǎng)，并根據(jù)風(fēng)險(xiǎn)程度規(guī)劃應(yīng)變方案。此外，Resilience360系統(tǒng)還根據(jù)ZF集團(tuán)對(duì)新興市場(chǎng)（中國(guó)、印度、巴西等）的戰(zhàn)略規(guī)劃和運(yùn)營(yíng)狀況進(jìn)行優(yōu)化，減少空運(yùn)成本支出。通過對(duì)非結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行大數(shù)據(jù)技術(shù)處理，并識(shí)別潛在的供應(yīng)鏈風(fēng)險(xiǎn)，DHL公司在大數(shù)據(jù)應(yīng)用原理并不算特別復(fù)雜，但有效地提高了客戶的滿意度，同時(shí)也塑造了其物流服務(wù)的個(gè)性化和差異化。

為了使客戶更有效地進(jìn)行供應(yīng)鏈管理，降低或者避免風(fēng)險(xiǎn)，物流服務(wù)提供商必須做到：首先要建立一個(gè)模型包括描述供應(yīng)鏈所有因素及其關(guān)系的拓?fù)鋱D，然后持續(xù)監(jiān)控對(duì)供應(yīng)鏈的績(jī)效產(chǎn)生影響的各種因素。為達(dá)到這個(gè)目的，物流服務(wù)提供商要從社交媒體、歷史信息、綜合新聞、天氣預(yù)報(bào)、股市等公開的海量信息中抓取有關(guān)地區(qū)政治、區(qū)域經(jīng)濟(jì)、衛(wèi)生、自然環(huán)境等數(shù)據(jù)，然后對(duì)這些數(shù)據(jù)進(jìn)行整合與分析。

2.3 敏捷物流運(yùn)行模型

敏捷物流運(yùn)作的基本原理就是在控制成本的前提下進(jìn)行供應(yīng)鏈整體物流響應(yīng)時(shí)間的壓縮，也就是物流服務(wù)提供商在獲得客戶訂單或預(yù)測(cè)到客戶訂單后，通過一系列的相關(guān)運(yùn)作，可能包括原材料的采購(gòu)、原材料的加工、倉(cāng)儲(chǔ)管理和運(yùn)輸?shù)拳h(huán)節(jié)，最后保質(zhì)守時(shí)的交到客戶手中。敏捷物流在時(shí)間方面的控制，需要供應(yīng)鏈各節(jié)點(diǎn)在物流、信息流、資金流等方面進(jìn)行集成整合，其中集成整合的運(yùn)作是最為關(guān)鍵，也是最難以實(shí)現(xiàn)的重要因素[8]。如圖3所示，結(jié)合大數(shù)據(jù)的敏捷物流運(yùn)作模型。

在實(shí)際運(yùn)用中，敏捷物流在不同的行業(yè)還是有所區(qū)別的，例如，針對(duì)冷鏈物流和普通物流就有著很大的不同。此外有的企業(yè)是自營(yíng)物流，而企業(yè)本身的核心業(yè)務(wù)在于生產(chǎn)，此時(shí)的敏捷物流運(yùn)行模式也是有所不同的。針對(duì)第三方物流服務(wù)提供商來說，敏捷物流的發(fā)展有更大的空間，敏捷物流的運(yùn)行也有更高的可行性以及可靠性。

3 研究總結(jié)

研究了大數(shù)據(jù)驅(qū)動(dòng)下的敏捷物流的運(yùn)行機(jī)制，結(jié)合大數(shù)據(jù)的特點(diǎn)和敏捷物流的特點(diǎn)實(shí)現(xiàn)敏捷物流的服務(wù)。在國(guó)內(nèi)，敏捷物流的發(fā)展還很不完善，而且從地域上來看也很不均衡，東部沿海地區(qū)與西部欠發(fā)達(dá)地區(qū)存在著比較大的差距。如何在國(guó)內(nèi)實(shí)現(xiàn)敏捷物流，對(duì)物流服務(wù)企業(yè)來說不應(yīng)該是盲目的擴(kuò)大服務(wù)點(diǎn)或其他硬件設(shè)施，而是應(yīng)該利用現(xiàn)代科學(xué)技術(shù)實(shí)現(xiàn)自身的飛躍發(fā)展。大數(shù)據(jù)對(duì)敏捷物流的幫助是有目共睹的，很多企業(yè)也實(shí)踐了這一點(diǎn)，例如亞馬遜（Amazon）公司預(yù)判顧客可能會(huì)下的訂單，并做好倉(cāng)儲(chǔ)準(zhǔn)備，甚至可以在顧客下訂單之前就將貨物送到顧客手中。如何利用好大數(shù)據(jù)是未來的重要研究方向，目前云計(jì)算科學(xué)技術(shù)的發(fā)展也很迅速，結(jié)合云計(jì)算和大數(shù)據(jù)的研究，如果可以應(yīng)用到敏捷物流的發(fā)展中將會(huì)極大地促進(jìn)服務(wù)效率的提升。

參考文獻(xiàn)：

[1] Kidd P T. Agile Manufacturing： a strategy for the 21st century[C] // In Agile Manufacturing （Digest No. 1995/179）， IEE Colloquium on， Coventry： IET， 1995：1-6.

[2] Patty Swafford， Soumen Ghosh， Nagesh Murthy. A Model of Global Supply Chain Agility and its impact on Competitive Performance[C] // Stanford Global Supply Management Forum Working Paper， 2000.

[3] 王玲，呂坤. 敏捷供應(yīng)鏈研究綜述[J]. 物流技術(shù)，2010（2）：169-171.

[4] 王洪波. 敏捷物流系統(tǒng)構(gòu)建及運(yùn)行方式研究[J]. 武漢理工大學(xué)學(xué)報(bào)（交通科學(xué)與工程版），2011，35（4）：817-820.

[5] 劉小群，馬士華. 支持快速客戶響應(yīng)的敏捷物流運(yùn)作技術(shù)與方法[J]. 科研管理，2007，28（2）：152-159.

[6] 王惠，符策，陳燕，等. 復(fù)雜信息條件下敏捷物流配送問題的動(dòng)態(tài)分析[J]. 系統(tǒng)工程，2005，23（8）：31-35.

篇4

①大數(shù)據(jù)分析

②大數(shù)據(jù)可視化

③BI商業(yè)智能分析

④大數(shù)據(jù)檢索

⑤產(chǎn)品大數(shù)據(jù)分析

⑥大數(shù)據(jù)預(yù)測(cè)、咨詢

⑦大數(shù)據(jù)服務(wù)支撐平臺(tái)

⑧機(jī)器學(xué)習(xí)技術(shù)

“大數(shù)據(jù)分析、可視化及BI領(lǐng)域——

雖然這三個(gè)領(lǐng)域在功能及應(yīng)用范圍上各有千秋，但實(shí)質(zhì)上可以說是相輔相成：通過大數(shù)據(jù)的基礎(chǔ)分析工具，研究人員可以獲得數(shù)據(jù)內(nèi)部的邏輯及結(jié)果表現(xiàn)，但通常這些結(jié)果過于復(fù)雜并缺乏合理的表達(dá)形式，使數(shù)據(jù)科學(xué)家及企業(yè)的管理者無法快速領(lǐng)會(huì)并對(duì)經(jīng)營(yíng)活動(dòng)進(jìn)行調(diào)整。

因此大數(shù)據(jù)的可視化方案應(yīng)運(yùn)而生，多數(shù)可視化方案都作為數(shù)據(jù)分析工具的延伸而存在，但也有少部分公司另辟蹊徑，采用非傳統(tǒng)方式將數(shù)據(jù)的可視化更加貼近需求。BI則是大數(shù)據(jù)分析和可視化與業(yè)務(wù)場(chǎng)景的結(jié)合，作為企業(yè)內(nèi)部管理工具，使企業(yè)的價(jià)值有了極大的增長(zhǎng)，成為了大數(shù)據(jù)應(yīng)用領(lǐng)域重要的一環(huán)。

{ 1 }大數(shù)據(jù)分析領(lǐng)域，在朝向易用、簡(jiǎn)單化發(fā)展

大部分大數(shù)據(jù)分析企業(yè)的現(xiàn)狀，可以說是將數(shù)據(jù)的分析、可視化及數(shù)據(jù)的采集、治理、集成進(jìn)行了一體化，以大數(shù)據(jù)的分析平臺(tái)形式存在。例如Fractal Analytics除了具備數(shù)據(jù)分析功能外，還提供自動(dòng)化數(shù)據(jù)清理及驗(yàn)證服務(wù)，能夠返回標(biāo)準(zhǔn)化的結(jié)構(gòu)化數(shù)據(jù)；Voyager Labs則能夠?qū)崟r(shí)采集、分析遍布世界各地的數(shù)十億個(gè)數(shù)據(jù)點(diǎn)，幫助用戶進(jìn)行預(yù)測(cè)。

上述典型公司主要面向大型企業(yè)進(jìn)行定制化全流程服務(wù)，客單價(jià)有時(shí)高達(dá)千萬美元級(jí)別，例如Fractal Analytics的客戶就包括飛利浦、金佰利等大型公司，其高昂的價(jià)格及服務(wù)令小型企業(yè)望塵莫及。

但隨著大數(shù)據(jù)技術(shù)的逐漸普及，SaaS化的大數(shù)據(jù)分析服務(wù)將是一個(gè)明確的發(fā)展方向，而其使用門檻也將大幅降低，從而將大數(shù)據(jù)分析的能力逐步賦予給中小企業(yè)，以真正的實(shí)現(xiàn)其基礎(chǔ)資源的價(jià)值。同時(shí)確保企業(yè)數(shù)據(jù)安全的數(shù)據(jù)脫敏、數(shù)據(jù)保護(hù)市場(chǎng)也會(huì)隨著SaaS化的到來而逐步拓展出新的市場(chǎng)空間。

目前大數(shù)據(jù)技術(shù)簡(jiǎn)化、低成本、易用的趨勢(shì)已經(jīng)在部分公司的產(chǎn)品策略上有所體現(xiàn)，例如大數(shù)據(jù)分析公司Domino的產(chǎn)品讓數(shù)據(jù)科學(xué)家只需專注于自己的分析工作，而不用關(guān)注軟硬件基礎(chǔ)設(shè)施的建立及維護(hù)，Datameer更進(jìn)一步開發(fā)出的產(chǎn)品屏蔽了復(fù)雜的大數(shù)據(jù)分析底層技術(shù)，通過類似電子表格的可視化數(shù)據(jù)分析用戶界面，讓企業(yè)的員工能夠快速上手使用，RapidMiner Studio可零代碼操作客戶端，實(shí)現(xiàn)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、文本挖掘、預(yù)測(cè)性分析等功能。

在大數(shù)據(jù)分析能力普及的同時(shí)，提升數(shù)據(jù)分析性能、優(yōu)化數(shù)據(jù)分析結(jié)果的技術(shù)研發(fā)也在快速進(jìn)展中。例如SigOpt通過自主開發(fā)的貝葉斯優(yōu)化(Bayesian Optimization)算法來調(diào)整模型的參數(shù)，獲得了比常見的網(wǎng)格搜索(grid searching technique)解決方案更快、更穩(wěn)定、更易于使用的結(jié)果，目前SigOpt的產(chǎn)品不僅可以讓用戶測(cè)試不同變量，還能夠提供下一步的測(cè)試建議，以幫助用戶持續(xù)優(yōu)化改善數(shù)據(jù)分析結(jié)果。

令人感到欣喜的是，在大數(shù)據(jù)分析領(lǐng)域還存在著一些顛覆了傳統(tǒng)數(shù)據(jù)分析理論，采用獨(dú)特方式方法進(jìn)行數(shù)據(jù)分析的公司。這類公司的技術(shù)對(duì)傳統(tǒng)數(shù)據(jù)分析方法進(jìn)行了很好的補(bǔ)充，在特定領(lǐng)域有著成功的應(yīng)用。

這類公司中的典型之一是由三位全球頂尖的數(shù)學(xué)家創(chuàng)立的Ayasdi，它利用拓?fù)鋽?shù)據(jù)分析技術(shù)和上百種機(jī)器學(xué)習(xí)的算法來處理復(fù)雜的數(shù)據(jù)集，不僅可以有效地捕捉高維數(shù)據(jù)空間的拓?fù)湫畔?，而且擅長(zhǎng)發(fā)現(xiàn)一些用傳統(tǒng)方法無法發(fā)現(xiàn)的小分類，這種方法目前在基因與癌癥研究領(lǐng)域大顯身手，例如一位醫(yī)生利用Ayasdi的數(shù)據(jù)分析技術(shù)發(fā)現(xiàn)了乳腺癌的14個(gè)變種，如今Ayasdi已經(jīng)在金融服務(wù)和醫(yī)療保健行業(yè)中獲得了相當(dāng)數(shù)量的客戶。

{ 2 }可視化技術(shù)，逐步實(shí)現(xiàn)了自動(dòng)化、智能化

大數(shù)據(jù)可視化是連接數(shù)據(jù)分析結(jié)果與人腦的最好途徑，因此可視化技術(shù)的高低也成為了左右大數(shù)據(jù)企業(yè)獲客能力的重要因素。目前可視化的發(fā)展方向同大數(shù)據(jù)分析一致，都是朝著簡(jiǎn)單、自動(dòng)化、智能的方向在努力。

典型企業(yè)如Alteryx是一個(gè)提供一站式數(shù)據(jù)分析平臺(tái)的初創(chuàng)公司，旨在讓用戶在同一個(gè)平臺(tái)上完成數(shù)據(jù)輸入、建模以及數(shù)據(jù)圖形化等操作，將數(shù)據(jù)運(yùn)算與精美的圖像完美地嫁接在一起，并能夠和SAS和R語言一樣進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)和分析。

通過可視化幫助用戶實(shí)現(xiàn)真正的管理能力提升也是重要的功能之一，德國(guó)大數(shù)據(jù)公司Celonis通過流程挖掘技術(shù)，從日常記錄中提取數(shù)據(jù)、發(fā)現(xiàn)關(guān)鍵因素，并最終揭示公司在業(yè)務(wù)中的執(zhí)行情況，能夠幫助客戶公司提高30%的工作效率。

發(fā)展到如今，可視化技術(shù)已經(jīng)不局限于傳統(tǒng)的分析結(jié)果展示，而是能夠直接轉(zhuǎn)換文本、圖片等非結(jié)構(gòu)化的數(shù)據(jù)并直觀展現(xiàn)，例如Quid利用機(jī)器智能讀取大量文本，然后將該數(shù)據(jù)轉(zhuǎn)換為交互式視覺地圖，以節(jié)約過去通常會(huì)耗費(fèi)在閱讀檢索中的大量時(shí)間。Origami幫助營(yíng)銷人員將CRM、社交媒體、郵件營(yíng)銷和調(diào)查報(bào)告等跨平臺(tái)的數(shù)據(jù)整合并進(jìn)行有效分析，使其簡(jiǎn)單化、直觀化、視覺化，人人都能夠高效實(shí)用。

同時(shí)數(shù)據(jù)分析及可視化對(duì)硬件應(yīng)用的革新也在進(jìn)行中，開發(fā)GPU關(guān)系數(shù)據(jù)庫(kù)服務(wù)的Kinetica獲得了5000萬美元A輪融資，采用同一技術(shù)路線的MapD也已經(jīng)能夠做到比傳統(tǒng)計(jì)算內(nèi)核快100倍的速度對(duì)大數(shù)據(jù)進(jìn)行查詢與可視化。

{ 3 }BI技術(shù)擺脫"雞肋"，實(shí)時(shí)便捷普惠政企效率提升

BI技術(shù)的發(fā)展已經(jīng)有了較長(zhǎng)的歷史，但由于技術(shù)因素此前一直被限制于企業(yè)內(nèi)部采集與應(yīng)用，實(shí)際發(fā)揮的效果有限并且使用率不高。如今在數(shù)據(jù)采集與應(yīng)用范圍普及與大數(shù)據(jù)分析、可視化技術(shù)的推動(dòng)下，通過數(shù)據(jù)儀表板、智能決策等方式提升企業(yè)運(yùn)營(yíng)效率利器的BI再次獲得了資本市場(chǎng)的青睞，Tableau作為BI的代表性企業(yè)已經(jīng)順利IPO目前市值超過48億美元，另一家代表性企業(yè)DOMO估值也達(dá)到20億美元，成長(zhǎng)速度遠(yuǎn)超傳統(tǒng)商業(yè)軟件公司。

相比于可視化技術(shù)，BI更偏重于實(shí)際的應(yīng)用，通過模板化、SaaS化及去代碼等方式，BI應(yīng)用范圍不再局限于數(shù)據(jù)科學(xué)家及企業(yè)高管，可預(yù)見未來企業(yè)內(nèi)部每個(gè)員工都可以通過BI工具獲知自己及所處部門的各項(xiàng)數(shù)據(jù)，并能夠有針對(duì)性的改進(jìn)工作方式與方向。

已經(jīng)累計(jì)融資1.77億美元的Looker令用戶能夠使用自然語言進(jìn)行查詢，降低了查詢大型數(shù)據(jù)集的門檻；GoodData為企業(yè)提供大數(shù)據(jù)分析SaaS服務(wù)，其所有的數(shù)據(jù)分析服務(wù)實(shí)現(xiàn)了100%云化，企業(yè)可以將公司已有數(shù)據(jù)導(dǎo)入GoodData的云平臺(tái)，再對(duì)數(shù)據(jù)做跟蹤、切分、可視化、分析等處理。

BI領(lǐng)域一個(gè)有意思的應(yīng)用案例是Qlik公司的產(chǎn)品受到了中國(guó)海關(guān)總署的高度贊揚(yáng)。海關(guān)總署每天都需要進(jìn)行龐大的數(shù)據(jù)分析，Qlik則通過圖形化數(shù)據(jù)展示，使海關(guān)管理人員不再受平臺(tái)和時(shí)間的限制，能夠多視角長(zhǎng)跨度的分析，實(shí)現(xiàn)了對(duì)于現(xiàn)有海量數(shù)據(jù)的業(yè)務(wù)的快速展示，極大地促進(jìn)了稽查效果。

“企業(yè)大數(shù)據(jù)檢索、產(chǎn)品大數(shù)據(jù)分析、大數(shù)據(jù)咨詢預(yù)測(cè)、大數(shù)據(jù)平臺(tái)及機(jī)器學(xué)習(xí)領(lǐng)域——

企業(yè)大數(shù)據(jù)檢索能夠充分挖掘并釋放企業(yè)數(shù)據(jù)的潛力；產(chǎn)品的大數(shù)據(jù)分析使用戶行為成為了產(chǎn)品設(shè)計(jì)與運(yùn)營(yíng)環(huán)節(jié)的重要參考因素；大數(shù)據(jù)技術(shù)與咨詢業(yè)務(wù)的結(jié)合則對(duì)咨詢行業(yè)形成了很大的影響，數(shù)據(jù)技術(shù)導(dǎo)向的咨詢業(yè)務(wù)將極有可能成為未來行業(yè)的主流選擇；大數(shù)據(jù)服務(wù)支撐平臺(tái)類企業(yè)則為大數(shù)據(jù)技術(shù)的普及和實(shí)用化做了很大的貢獻(xiàn)，是大數(shù)據(jù)技術(shù)生態(tài)中不可或缺的一環(huán)；最后是機(jī)器學(xué)習(xí)，作為大數(shù)據(jù)分析的底層技術(shù)方法也逐漸開始得到廣泛應(yīng)用。

首先將企業(yè)大數(shù)據(jù)檢索、產(chǎn)品大數(shù)據(jù)分析、大數(shù)據(jù)咨詢預(yù)測(cè)、大數(shù)據(jù)平臺(tái)和機(jī)器學(xué)習(xí)這五個(gè)領(lǐng)域的典型企業(yè)列舉如下，接下來將分版塊進(jìn)行詳細(xì)介紹。

{ 4 }企業(yè)大數(shù)據(jù)檢索

移動(dòng)互聯(lián)網(wǎng)的普及與SaaS服務(wù)的興起令企業(yè)沉淀的數(shù)據(jù)量呈指數(shù)級(jí)上升，但目前對(duì)企業(yè)數(shù)據(jù)價(jià)值的挖掘僅僅停留在較淺層面，真正的大數(shù)據(jù)分析能力還尚未應(yīng)用。因此如何做好企業(yè)內(nèi)部數(shù)據(jù)信息價(jià)值的發(fā)掘成為了關(guān)鍵的第一步。

提升企業(yè)數(shù)據(jù)挖掘檢索能力，并將檢索的技術(shù)門檻降低的典型企業(yè)有Algolia，目前其產(chǎn)品具備關(guān)鍵字輸入智能容錯(cuò)功能，并提供搜索排名配置，能夠讓普通員工也能按需要找到自己所需的數(shù)據(jù)信息。同時(shí)Algolia還為移動(dòng)設(shè)備提供了離線搜索引擎，其C++ SDK可以嵌入到應(yīng)用服務(wù)器端，這樣即便沒有網(wǎng)絡(luò)連接應(yīng)用也能提供搜索功能，適用范圍很廣。

而在SaaS化服務(wù)興起的同時(shí)，企業(yè)采用多種軟件導(dǎo)致內(nèi)部數(shù)據(jù)不聯(lián)通而形成了數(shù)據(jù)孤島。根據(jù)互聯(lián)網(wǎng)女皇Mary Meeker的分析，不同行業(yè)的公司平均使用SaaS服務(wù)的數(shù)量從最低25個(gè)至高達(dá)91個(gè)，需要跨平臺(tái)數(shù)據(jù)檢索分析服務(wù)。Maana開發(fā)的數(shù)據(jù)搜索和發(fā)現(xiàn)平臺(tái)Maana Knowledge Graph，其長(zhǎng)處便是收集來自多個(gè)系統(tǒng)或者"孤島"的數(shù)據(jù)，并將其轉(zhuǎn)換為運(yùn)營(yíng)建議，可廣泛應(yīng)用于多個(gè)行業(yè)。

{ 5 }產(chǎn)品大數(shù)據(jù)分析

產(chǎn)品大數(shù)據(jù)分析相對(duì)其他應(yīng)用來說關(guān)注度稍低，但其能夠發(fā)揮的功能并不少。通過收集用戶的瀏覽、點(diǎn)擊、購(gòu)買等行為，不單從宏觀上能夠察覺用戶群體的喜好變化提前應(yīng)對(duì)，微觀上還能夠構(gòu)建用戶畫像，從而做到定制的產(chǎn)品推薦與營(yíng)銷，能夠有效的提升用戶的消費(fèi)水平與滿意程度。

Mixpanel便是一家提供類似產(chǎn)品的公司，其讓企業(yè)用戶跟蹤用戶的使用習(xí)慣提供實(shí)時(shí)分析，其產(chǎn)品有用戶動(dòng)態(tài)分析(Trends)、行為漏斗模型(Funnels)、用戶活躍度(Cohorts)及單用戶行為分析(People)等幾個(gè)模塊，全面的覆蓋了可能發(fā)生的用戶行為與場(chǎng)景。

{ 6 }大數(shù)據(jù)咨詢預(yù)測(cè)

如今大數(shù)據(jù)技術(shù)的發(fā)展為事件分析和預(yù)測(cè)提供了可能，并且準(zhǔn)確度和處理速度已經(jīng)具備了很大競(jìng)爭(zhēng)力，傳統(tǒng)咨詢公司的處境類似于現(xiàn)在面對(duì)AI威脅的華爾街分析師，或許不久之后就將會(huì)被替代。因此隨著逐漸出現(xiàn)大數(shù)據(jù)咨詢公司的同時(shí)，傳統(tǒng)咨詢企業(yè)也紛紛與大數(shù)據(jù)技術(shù)公司合作，甚至成立了自己的數(shù)據(jù)業(yè)務(wù)部門。

Opera Solutions便是一家依托大數(shù)據(jù)分析的咨詢公司，其創(chuàng)始人是咨詢行業(yè)資深人士，曾創(chuàng)辦了商業(yè)咨詢公司Mitchell Madison和Zeborg。

目前Opera致力于金融領(lǐng)域的數(shù)據(jù)分析類咨詢，通過建模、定量分析給客戶提供建議，解決客戶的商業(yè)問題。例如其計(jì)算機(jī)系統(tǒng)可以一次性采集數(shù)十億條數(shù)據(jù)，包含從房產(chǎn)和汽車價(jià)格到經(jīng)紀(jì)賬戶和供應(yīng)鏈的實(shí)時(shí)數(shù)據(jù)等，通過分析從中獲得有關(guān)消費(fèi)者、市場(chǎng)和整個(gè)經(jīng)濟(jì)體系將如何行動(dòng)的信號(hào)或見解。其客戶包含了咨詢機(jī)構(gòu)及花旗銀行等公司，最近還為摩根士丹利提供了幫助經(jīng)紀(jì)人團(tuán)隊(duì)給其客戶提供投資建議的業(yè)務(wù)。

新技術(shù)、機(jī)器學(xué)習(xí)與咨詢預(yù)測(cè)行業(yè)的結(jié)合，相比于僅使用大數(shù)據(jù)分析技術(shù)能夠獲得更好的效果，也成為了行業(yè)內(nèi)的一個(gè)小熱點(diǎn)。例如基于社會(huì)物理學(xué)原理的Endor能夠依托少量數(shù)據(jù)生成統(tǒng)一的人類行為數(shù)據(jù)集，并比傳統(tǒng)海量數(shù)據(jù)分析方式更早的做出模式識(shí)別與判斷。在甄別facebook上受ISIS控制的賬號(hào)的實(shí)驗(yàn)中，根據(jù)已知少量ISIS賬號(hào)特性，Endor高效分辨出了新的ISIS疑似賬號(hào)并且準(zhǔn)確度令人滿意。

{ 7 }大數(shù)據(jù)服務(wù)支撐平臺(tái)

目前圍繞著大數(shù)據(jù)技術(shù)與大數(shù)據(jù)產(chǎn)業(yè)生態(tài)鏈發(fā)展的，還有許多是平臺(tái)服務(wù)型的公司，這類公司具備一定的技術(shù)水平，但主要通過服務(wù)大數(shù)據(jù)技術(shù)公司及科研人員而存在，是技術(shù)生態(tài)中不可或缺的一環(huán)。

Dataiku創(chuàng)建了一個(gè)云平臺(tái)，旨在使數(shù)據(jù)科學(xué)家和普通員工更容易獲得公司收集的大數(shù)據(jù)，并通過機(jī)器學(xué)習(xí)庫(kù)縮短了專家以及數(shù)據(jù)分析師所需要的時(shí)間。

Algorithmia的平臺(tái)上提供包括機(jī)器學(xué)習(xí)、語義分析、文本分析等通用性算法，一旦用戶找到想用的算法，只需添加幾行簡(jiǎn)單的算法查詢代碼到應(yīng)用中，Algorithmia的服務(wù)器就會(huì)與應(yīng)用連接，避免了開發(fā)者的重復(fù)勞動(dòng)。

目前部分向開發(fā)者社區(qū)業(yè)務(wù)發(fā)展過渡的平臺(tái)型企業(yè)，因其資源已經(jīng)得到行業(yè)巨頭的青睞，被Google收購(gòu)的Kaggle便是一例，通過舉辦數(shù)據(jù)科學(xué)周邊的線上競(jìng)賽，Kaggle吸引了大量數(shù)據(jù)科學(xué)家、機(jī)器學(xué)習(xí)開發(fā)者的參與，為各類現(xiàn)實(shí)中的商業(yè)難題尋找基于數(shù)據(jù)的算法解決方案。同時(shí)Kaggle為其社區(qū)提供了一整套服務(wù)，包括知名的招聘服務(wù)以及代碼分享工具Kernels。

{ 8 }機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)，是模式識(shí)別、統(tǒng)計(jì)學(xué)習(xí)、數(shù)據(jù)挖掘的技術(shù)手段，也是計(jì)算機(jī)視覺、語音識(shí)別、自然語言處理等領(lǐng)域的底層技術(shù)，在附件的介紹中大家可以看到，微軟Azure、Google云平臺(tái)及AWS都推出了自己的機(jī)器學(xué)習(xí)產(chǎn)品，而眾多的機(jī)器學(xué)習(xí)創(chuàng)業(yè)公司則通過提供有特色的技術(shù)或服務(wù)進(jìn)行差異化競(jìng)爭(zhēng)。

已累計(jì)獲得了7900萬美元融資的Attivio專注于利用機(jī)器學(xué)習(xí)技術(shù)通過文本進(jìn)行情緒分析，提供有監(jiān)督的機(jī)器學(xué)習(xí)與無監(jiān)督機(jī)器學(xué)習(xí)兩種技術(shù)，幫助企業(yè)通過識(shí)別企業(yè)語料庫(kù)中的文檔進(jìn)行情緒建模與分析。思科通過Attivio的智能系統(tǒng)令銷售人員能夠在與客戶合作時(shí)依據(jù)對(duì)方的情緒、消費(fèi)能力等數(shù)據(jù)推薦合適產(chǎn)品，從而節(jié)省了數(shù)百萬的銷售運(yùn)營(yíng)費(fèi)用，同時(shí)節(jié)約了銷售團(tuán)隊(duì)15-25%的時(shí)間。