大数据的梦想与现实（下）：大数据的应用篇

问题导读：
1、大数据在国内主要集中在哪些行业？
2、国外的大数据行业运用情况如何？
3、国内产业大数据平台的发展机会有哪些？



接上篇：大数据的梦想与现实（上）：大数据技术篇

中国大数据市场主要集中在电信和金融行业


国内 BI 市场上在基础数据库软件方面还多是由 IBM、 Oracle 、微软、 SAP等传统国际先进企业垄断， 但在上层应用方面 ， 国内厂商如亚信创联、东方国信、 华为 、 用友、 金蝶、 润乾、 博科、 等一批国内优秀企业凭借快速的反应和对行业深入的理解已经占据了主要的市场份额。

金融：国内商业化征信体系刚刚起步



金融：国内企业级大数据征信的典范-金电联行

金电联行起始于汽车供应链IT服务，随后调整战略进入企业大数据征信领域，公司基于多维的时间序列运营数据对公司的实际偿债能力和运营情况给出定量的评估，为银行发放信用贷款提供依据， 金电联行经过7-8年时间数据的积累和评估模型的调式已经能多大多数行业的公司进行精准的信用评级。




商业模式：

1 ） 信用贷款评估 ， 帮助银行对中小企业发放贷款， 从贷款方加收1%-3%的利息， 在大数据征信的帮助下能帮企业拿到 10%左右利息的贷款，金电联行累计放款超过50亿。

2 ） 贷后资金监管 ， 帮助银行管理贷后企业运营的监督，提前预判违约风险， 公司收取0. 3%的监管服务费 ， 截止2014年底贷后监管规模超过500亿。

金电联行的核心竞争力是多年调整沉淀下来的技术框架



看历史：根据企业往年订单、回款、库存等所有原始数据，进行趋势分析，量化企业信用。

看现状： 根据企业信用，计算对应的耐受力，形成企业信用融资额度。

看未来：通过订单、库存、回款等重要环节的变化，实时动态跟踪，预测未来发展变化。

三大核心技术

● 云数据挖掘 — 云端数据挖掘机器人， 能够采集企业所有电子化交易平台上的明细数据， 以供大数据模型计算分析。
● 云信用计算— 通过数学模型计算出评价分值、 信用额度并量化风险。
● 云结构服务— 融第三方信息价值链服务及平台 ， 交易 、 服务于一体。

汉得信息：依托ERP实施的入口优势切入供应链云平台服务



政府： 反恐秘密武器- Palantir

Palantir创立于 2004年， 由数位前支付巨头 PayPal 的员工创办， 早期只是一家帮助非技术人员解决问题之间复杂联系 、 识别网络欺诈的软件公司 。如今， Palantir一跃成为政府和金融公司的“宠儿” , 其客户包括美国国家安全局(NSA), 美国中情局（ CIA） 和联邦调查局（ FBI） 等。



交通：交通数据大玩家- Inrix

Inrix实际上是以规模取胜的。 Inrix有近一亿台车辆和设备来收集实时数据资源，而这一亿的用户实际上也充当了 Inrix传感器的角色。通过规模的出租车、运输车、卡车等资源， Inrix收集每个用户的实时信息。提供实时交通信息还不是Inrix的核心价值，利用大数据预判未来交通信息与路况才是它的核心价值所在。



增值服务：

● 美国西部地区最大房地产公司Windermere ， 他 们 已 经 率 先 与Inrix公司合作发布了一款新软件Inrix Drive Time

● 像FedEX和UPS拥有庞大用户和设备资源的公司也乐意花钱购买Inrix的数据库

● 卖给GPS生产商和各国的交通规划部门的产品已经成为了 Inrix主要盈利的来源。

精准营销：目前大数据领域最成功的平台级应用




电信：国内电信集成商逐步向数据服务商转型


医疗：美国最大医保控费公司 -Express Scripts

ExpressScripts2012年以 219亿美元收购Medco公司后， ExpressScripts成为 PBM领域短期内不可撼动的霸主，公司与超过95%的药店合作，即与 68000家药店建立了合作关系，在公司最大的网络中排名前十的连锁药店占据药店总数量的 60%。公司致力于帮助购买保险的患者选择性价比最高的保险、药店、药品和健康服务。

国内产业大数据平台的价值逐步显现


国内厂商的机会：

● 国内数据挖掘基础工具较为缺失， 大数据分析国内 需求主要集中在互联网 ， 政府， 金融和电信领域， 企业需求尚不强

● 应用大数据的集中化将成为国内大数据应用的主流趋势，行业大数据平台延伸出的商业智能和互联网金融服务是主要看点

国内产业链的机会



End.

辛苦整理资料

谢谢楼主，正需要，学习一下，赞~~