随着全球信息化的浪潮，信息化产业不断发展、延伸，已经深入了众多的企业及个人，SOA系统架构的出现，将给信息化带来一场新的革命。
纵观信息化建设与应用的历程，尽管出现过XML（标准通用标记语言的子集）、Unicode、UML等众多信息标准，但是许多异构系统之间的数据源仍然使用各自独立的数据格式、元数据以及元模型，这是信息产品提供商一直以来形成的习惯。各个相对独立的源数据集成一起，往往通过构建一定的数据获取与计算程序来实现，这样的做法需要花费大量工作。信息孤岛大量存在的事实，使信息化建设的ROI（投资回报率）大大降低，ETL成为集中这些异构数据的有效工具。ETL常用于从源系统中提取数据，将数据转换为与目标系统相兼容的格式，然后将其装载到目标系统中。数据经过获取、转换、装载后，要产生应用价值，还需另外的数据展现工具予以实现，如此复杂的数据应用过程，必定产生高昂的应用成本。
结构化的数据管理尚可通过以上方法，予以实现其集成应用。在非结构化的内容方面，这些具有挑战性的问题令人生畏。内容管理的应用方案基于不同的信息化应用系统，而且大部分是纵向的以组织部门为界限的。在内容管理市场中，经常使用来自不同厂商的产品来提供这些解决方案。即使是同一个厂商的产品，相互之间的功能也是经常重叠，并且无法集成。
随着信息化建设的深入，不同应用系统之间的功能界限已趋于模糊。同时企业资源计划系统和协同商务系统，又需要商业智能的分析展现数据提供用户 *** 作依据。
在激烈竞争且多变的市场环境下，企业的管理模式很难固化，应用传统的信息化软件，当企业要做出一些改动时需要面对巨大的挑战。
SOA系统架构的出现，信息化变革
微软大中华区服务部总经理辛儿伦介绍说，从上世纪60年代应用于主机的大型主机系统，到80年代应用于PC的CS架构，一直到90年度互联网的出现，系统越来越朝小型化和分布式发展。2000年WebService出现后，SOA被誉为下一代Web服务的基础框架，已经成为计算机信息领域的一个新的发展方向。
SOA的出现给传统的信息化产业带来新的概念，不再是各自独立的架构形式，能够轻松的互相联系组合共享信息。
可复用以往的信息化软件。基于SOA的协同软件提供了应用集成功能，能够将ERP、CRM、HR等异构系统的数据集成。
松散耦合方式，只要充分了解业务的进程，就可以不用编写一行代码，通过流程图实现一套我们自己的信息系统。就像已经给你准备好了砖瓦和水泥，只需要想好盖什么样的房子就可以轻松的盖起。加快开发速度，并且减少了开发和维护的费用。软件将所有的管理提炼成表单和流程，以记录管理的内容，指定过程的流转方向。
更简便的信息和数据集成。信息集成功能可以将散落在广域网和局域网上的文档、目录、网页轻松集成，加强了信息的协同相关性。同时，复杂、成本高昂的数据集成，也变成了可以简单且低成本实现的参数设定。创建了完全集成的信息化应用新领域。
在具体的功能实现上，SOA协同软件所实现的功能包括了知识管理、流程管理、人事管理、客户管理、项目管理、应用集成等，从部门角度看涉及了行政、后勤、营销、物流、生产等。从应用思想上看，SOA协同软件中的信息管理功能，全面兼顾了贯穿整个企业组织的信息化软硬件投入。尽管各种IT技术可以用于不同的用途，但是信息管理并没有任意地将信息分为结构化或者非结构化的部分，因此ERP等结构化管理系统并不是信息化建设的全部；同时，信息管理也没有将信息化解决方案划分为部门的视图，因此仅仅以部分为界限去构建软件应用功能的思想未必是不可撼动的。基于SOA的协同软件与ERP、CRM等传统应用软件相比，关键的不同在于它可以在合适的时间、合适的地点并且有正当理由向需要它提供服务的任何用户提供服务。
大数据时代水产业如何与互联网做加法
随着科学技术的进步，物联网和制造业服务化迎来了以智能制造为主导的第四次工业革命。2013年，德国汉诺威工业博览会正式提出了“工业40”的概念。这是德国政府《高技术战略2020》确定的十大未来项目之一，旨在支持工业领域新一代革命性技术的研发与创新。
农业作为工业生产原材料的提供行业和工业制成品的使用行业，也必将融入这场时代的变革，向农业智能化时代即农业40时代发展。作为农业40的重要内容之一，水产行业也将发生深刻的变革，智能化、网络化、精细化和便捷化的水产养殖时代即将到来。
农业10 到40的变迁
农业40是以物联网、大数据、移动互联、云计算技术为支撑和手段的一种现代农业形态，即智能农业（Intelligent Agriculture），也是继传统农业、机械化农业、信息化(自动化)农业之后，进步到更高阶段的产物。
纵观国内外现代农业发展历程，可以分为四个阶段：农业10是依靠个人体力劳动及畜力劳动的农业经营模式，人们主要依靠经验来判断农时，利用简单的工具和畜力来耕种，主要以小规模的一家一户为单元从事生产，生产规模较小，经营管理和生产技术较为落后，抗御自然灾害能力差，农业生态系统功效低，商品经济较薄弱。农业20，即机械化农业，是以机械化生产为主的生产经营模式，运用先进适用的农业机械代替人力、畜力生产工具，改善了“面朝黄土背朝天”的农业生产条件，将落后低效的传统生产方式转变为先进高效的大规模生产方式，大幅度提高劳动生产率和农业生产力水平。随着计算机、电子及通信等现代信息技术以及自动化装备在农业中的应用逐渐增多，农业将步入30模式。农业30，即信息化（自动化）农业，是以现代信息技术的应用和局部生产作业自动化、智能化为主要特征的农业。
信息技术发展到新阶段即可产生新的农业发展模式即农业40，即：智能化农业，这是融合物联网、云计算和大数据的高度智能化农业，其目的是要实现大范围大尺度的农业生产全局的最优，以最高效率地利用各种农业资源、最大程度地降低农业能耗和成本、最大限度地保护农业生态环境以及实现农业系统的整体最优为目标；以农业全链条、全产业、全过程、全区域智能的泛在化为特征，以全面感知、可靠传输和智能处理等物联网技术为支撑和手段；以自动化生产、最优化控制、智能化管理、系统化物流、电子化交易为主要生产方式的高产、高效、低耗、优质、生态、安全的现代农业发展模式与形态。
农业40在我国“小荷才露尖尖角”，尚处概念、理念、设计和试验示范阶段：北京市重点开展了农业物联网在农业用水管理、环境调控、设施农业等方面的应用示范，实现了农业用水精细管理和设施农业环境监测；黑龙江省侧重在大田作物生产中搭建无线传感器网络，借助互联网、移动通信网络等进行数据传输及数据集中处理和分析，支撑生产决策；江苏省开发了国内领先的基于物联网的一体化智能管理平台，侧重在水产养殖等方面进行探索；山东在设施温室和水产养殖的整体行业信息化推进进步明显；浙江省重点在设施花卉方面应用物联网技术，各项环境指标通过传感器无线传输到微电脑中，实现了花卉种植全过程自动监测、传输控制；安徽省小麦“四情”监测项目建设已经启动。此外，河南、重庆、辽宁和内蒙等地也开展了一些探索工作。
现阶段，我国农业40主要以物联网技术在各领域各环节的示范推广应用为主，还未实现大规模、高阶化的应用。随着农业电商、农产品物流、农业市场化服务的快速发展，大数据、云计算、移动互联等也得到了广泛的应用，并与物联网技术进行了有效地融合。
“农业40”在水产行业的应用现状
“农业40”的发展以物联网、大数据、云计算、移动互联等技术为关键，突破涉及农业物联网的核心技术和重大关键技术，迎合现代农业的发展需求是迈向“农业40”的必经之路。现阶段，“农业40”在水产行业的应用主要体现在以物联网为核心的关键技术应用上。
物联网等“农业40”技术在水产领域的深化应用需要有大批懂技术、会应用的实用性人才。然而，水产养殖历来被视为艰苦、薪酬低、社会评价不高的职业，陈旧的社会偏见对农业院校特别是本身学水产养殖的学生及其亲人的心理产生了巨大冲击，这些学生毕业后，在自身有畏惧心理及其在家人劝阻之下，大部分转向了饲料营销等非养殖一线岗位，还有相当大一部分转向了跟水产风马牛不相及的行业，更不用说其它专业毕业生会投身这个行业。因此，在实用性人才不足的情况下，通过物联网等“农业40”技术大力提升行业内技术装备，打“技术牌”，才能更好地缓解水产行业高素质劳动力紧缺的困境。挪威的大型养殖场在人力成本高昂的情况下，通过集成现代信息技术，构建养殖物联网平台，实现三文鱼饲料投喂、收获、洗网、加工的完全自动化，只要定期维护便可实现1～2 人管理全场所有事务，这种良性运作的养殖业模式值得我们借鉴。
长久以来，作为我国传统的养殖方式，以低洼盐碱地和荒滩荒水等资源改造进行养殖，技术成熟、 *** 作简便、投入适中，适合我国农村以农民承包经营的经济发展水平。但是其周期长、劳动强度大、生产效率低且养殖风险大、水体污染严重。因此，减轻劳动强度，提高生产效率，降低养殖风险，实现生态养殖是渔民多年来的梦想，也是新时期对渔业现代化的必然要求。通过物联网等“农业40”技术把人工智能系统和相关的仪器、仪表、装备相结合，通过计算机控制实现水体质量监控、增氧、投饵、捕捞等养殖作业和运输、加工、仓储、物流等自动化管理，减少了人力物力的投入，也减少了人为经验误差造成的损失。同时，通过水产养殖户走向联合，各种行业协会、水产组织孕育而生，形成集群效应和规模效应，这就转变了水产养殖的发展模式。
当前，我国水产养殖业发展正处于一个新的历史阶段，特别是深化水产养殖业结构调整，稳定增加农民收入，提高水产品市场竞争力，对推进水产养殖业信息化的要求比以往任何时候都显得更为紧迫。大力推进水产养殖信息化，以信息化带动我国水产养殖业现代化，对于促进农业和水产养殖业的发展，提高渔民生活质量具有重要意义。
水产行业“农业40”面临的问题
目前，以物联网为代表的“农业40”技术涵盖了水产养殖行业的多个方面，并在政策扶持、技术研发、示范应用等方面积累了一定的经验，对水产行业形成了良好的促进作用。但农业物联网技术应用总体仍处于初级阶段，还有许多问题亟待解决，主要体现在以下几个方面：
首先，关键设备与核心技术储备不足。相对于其他领域，由于动植物的生命特征、系统环境的开放性和复杂性，加之应用对象经济条件的限制，农业对物联网技术产品提出了更高的要求。从总体上看，水产养殖的装备化程度低，自动化的基础条件有待进一步夯实。同时，我国农业物联网关键技术、产品、设备技术储备不足，集成体系成熟度较低，大面积推广应用的难度较大。比如在水产养殖业方面，由于我国水体富营养化程度高，稳定、可靠、耐用溶解氧、pH 值、叶绿素、氨氮、亚硝酸盐的传感器技术仍不过关，需要小型化、精确化、灵敏化、运行稳定的传感器，这方面，我国与国外相比仍有较大差距。
其次，水产物联网应用标准体系尚不完善。农业应用对象复杂、获取信息广泛，传感器的标准是否统一、采集的信息是否可以标准化应用，都成为影响水产物联网应用成败的重要因素。目前国内还没建立完整的农业物联网技术标准体系，现有标准还很零散、缺失和不统一，标准制定与市场应用结合不够，导致物联网市场分割，制造和服务成本偏高，这已成为制约物联网技术在现代农业发展中推广应用的重要因素，具体到水产物联网更是如此。
再者，水产物联网应用商业模式亟待建立。包括水产物联网在内，我国整个水产物联网行业还处于发展初期，缺乏成熟的商业模式。目前水产物联网的市场需求仍然是以设备采购、网络接入为主，导致农业物联网的产出与预期的估计差别太大。从产业化发展角度来看，目前我国农业物联网技术应用总体处于试验示范阶段，规模小而分散，农业传感控制设备等物联网关键技术产品难于实现批量生产，导致产品价格高，用户难于接受。农业物联网技术产品投放市场前缺乏严格质量检测，当设备暴露在恶劣自然环境下，导致设备稳定性差，故障率高，维护成本高，后续技术服务落后，农业物联网应用系统不能持续正常运行，影响了用户的使用积极性，导致农业物联网产业发展缓慢。
最后，水产物联网技术专业人才缺乏。目前广大基层农户、农技人员对于水产物联网的概念还很模糊，对于水产物联网的技术、设备等知识的认识还不全面，还不具备应用推广物联网技术的能力。同时，在水产物联网的传感器开发、运算评价模型的研究等方面缺少跨专业的复合型人才。水产物联网是整合了水产、通信、机械、计算机软件等多行业的一个综合产业。因此，就需要从事水产物联网的相关技术人员对农学、通信、软件编程等方面都要有较强的专业知识，这样才能研发出符合农产品生产者实际需要，真正智能化、自动化的农业物联网。
水产行业如何融入“农业40”
“互联网+”缩短了信息化与农民之间的距离，但是还没有很好的消除与养殖户之间的技术障碍。只有让互联网自然融入到传统水产行业，让养殖户像打电话和看电视一样简易 *** 作就可以进行智能水产养殖，才是真正的“互联网+水产”，也才真正迈出了水产行业“农业40”的第一步。
互联网尤其是移动互联网环境对于加速信息化在农业领域的应用、推进“农业40”发展优势明显：一是软硬件支出费用相对较低；二是可以随身携带、随时应用；三是交互方式相对优化，便于 *** 作；四是易于附加个性化服务和实现精准推送，可加载更多智能化的应用。这些恰恰是长期以来困扰信息化在农业领域深度、广度应用的关键难题。如今劣势变优势，意味着未来农业领域，特别是水产领域的移动互联网应用前景十分光明：
“互联网+水产”有利于实现生产智能化。移动互联网与水产物联网装备结合后，能够发挥全面感知、可靠传输、先进处理和智能控制等技术优势，实现水产养殖的全程控制，降低污染，减少疫病，提高养殖品质，达到科学养殖和智能养殖的目的。
“互联网+水产”有利于实现经营网络化。移动互联网有利于加快水产电子商务的应用，实现水产品流通扁平化、交易公平化、信息透明化，建立最快速度、最短距离、最少环节、最低费用的水产品流通网络，解决买难卖难问题，大大提高水产经营的网络化水平。
“互联网+水产”有利于实现管理精细化。移动互联网的普及，能够加快大数据、云计算等先进技术的落地应用，通过对终端、用户及其水产生产经营行为的跟踪服务，进行生产调度、应急指挥、质量监管，对上辅助宏观决策，对下优化生产经营行为，解决当前管理对象不明确、效率不高等问题。
“互联网+水产”有利于实现服务便捷化。移动互联网的便携随身和实时交互特点，很好地解决了农业信息服务“最后一公里”问题，便捷服务的同时，为市场化、多元化信息服务提供了机遇，通过创新型应用等多种手段，未来的水产信息服务将更加丰富便捷。
真正的信息化应该是“润物细无声”的，无需冗长的教程和繁难的培训，一看就会，一用就见效，自然能够受到农民追捧、赢得市场，这应该是互联网融入水产行业的最佳情境设想。因此，“互联网+水产”的发展，不能把重点放在教育一线养殖户，而是从一线养殖户的实际和思维出发，因势利导、潜移默化地进行适应性改变，这就是所谓的“引导”。那么，这个适应性改变应该如何进行？
一是要加快易用、实用APP的开发，建议模拟不同的养殖场景，按照养殖全过程设置重要节点和参数，按照农民的养殖习惯优化应用流程。
二是要打通生产和经营的通道，通过移动互联网实现“扁平化”，借助在线传输方式，让消费者与养殖现场建立关联，无论是水产品质量追溯，还是养殖现场视频调阅，甚至是水产养殖众筹，都可以大胆尝试。
三是要充分利用政策资源，实施移动互联网示范工程，通过创建“互联网+”示范养殖场、养殖能手等行动，大力推广信息化养殖理念和技术，加强用户体验，大规模提升水产养殖信息化水平。
四是要积极实践互联网思维，启动水产信息化服务市场，借用打车软件等先进的运营思维，合理配置盈利点，前端推广多采用免费、补贴等手段，让农民享受到实惠，再从水产养殖的其他环节找回企业收益。
以上是小编为大家分享的关于大数据时代水产业如何与互联网做加法的相关内容，更多信息可以关注环球青藤分享更多干货
物联网简单的说就是物物相连的网络，通过物联网能够构建出一个万物互联的世界，而万物互联的世界必然会带来万物智能，从这个角度来看，物联网的发展空间还是非常广阔的。
物联网通常分为四个层次，分别是设备、网络、平台和应用。设备往往是物联网设计的第一步，不同的设备具备不同的功能，比如大量的传感器设备能够获取各种环境参数，对于一些工业生产环境来说，这些传感器还是非常重要的。传感器设备往往需要通过网关把数据发送到物联网平台，物联网平台根据传感器发回来的数据进行针对性的分析和判断，以便于决策是否进行相应的调整，而这正是大数据和人工智能所要关心的事情。从这个角度来看，物联网、大数据和人工智能的关系是非常密切的。
当前互联网正在从消费互联网向产业互联网发展，产业互联网需要综合采用物联网、大数据、云计算、人工智能等技术来赋能传统行业。物联网是产业互联网相关技术的基础，因为没有物联网就没有大数据，更谈不上智能化，所以物联网建设通常是产业互联网建设的排头兵。从这个角度来看，未来学习物联网相关技术是不错的选择，会有众多的发展机会。
物联网平台的解决方案是比较复杂的，目前物联网平台的研发依然处在未完全成熟的阶段，大量的技术标准还有待建立和完善，相信随着5G标准的落地，会进一步促进物联网平台标准化的建设。
什么是物联网，发展趋势怎样。学习物联网有前途吗？去年我应邀参加了上海物联网培训会，认识了物联网，并与我们陕西杨凌祥荷牌有机富硒农业专业研发有机富硒农业番茄，黄瓜，甜椒，马铃薯，红薯，猕猴桃，葡萄，苹果与上海合其家物联网公司董事长林总进行现场演讲与沟通。互联网是由美国制定的技术标准，而物联网是由中国制定技术标准的。通过物联网学习，认识了物联网公司各界朋友，今后物联网区块链将是我国重奌发展的方向，万物相连，物联网是未来信息技术发展的方向。也是信息技术一场革命。物联网是我国信息技术的发展方向。
对大数据的全方位解读大数据是当下非常火爆的一个词，人人都在谈论大数据。但大数据的定义是什么？它到底是如何出现的？它有什么特别之处？它最大的应用领域在哪里？它的发展方向是什么？对于以上问题，其实大多数人是弄不清楚的。
1）大数据时代出现的必然性
大数据和云计算这两个词经常被同时提到，很多人误以为大数据和云计算是同时诞生的、具有强绑定关系。其实这两者之间既有关联性，也有区别。云计算指的是一种以互联网方式来提供服务的计算模式，而大数据指的是基于多源异构、跨域关联的海量数据分析所产生的决策流程、商业模式、科学范式、生活方式和关联形态上的颠覆性变化的总和。大数据处理会利用到云计算领域的很多技术，但大数据并非完全依赖于云计算；反过来，云计算之上也并非只有大数据这一种应用。
云计算的起源可以追溯到 2003 年末 Amazon 公司工程师 Chris Pinkham 提交给 CEO Jeff Bezos 的一篇论文中的一个设想：将 Amazon 内部使用的计算基础设施开放给全世界的开发者。次年 11 月，Amazon 发布了第一版云计算服务：Simple Queue Service。Simple Queue Service 再往后发展至 2006 年，演变成立今天着名的 AWS（Amazon Web Sercice）。同在 2006 年，Google 公司 CEO Eric Schmidt 首次公开提出了“云计算”（Cloud Computing）的这一概念，云计算也在这一年开始变得广为人知。
大数据这个词的流行却晚了好几年——直到 2009 年，大数据这个说法才逐渐开始在互联网圈内传播。但仅仅在互联网领域流行，仍然不足以引起普遍关注，因为纯互联网经济毕竟只占全球经济总量的很小一部分。而大数据概念真正变得火爆，却是因为美国奥巴马政府在 2012 年高调宣布了其“大数据研究和开发计划”——美国政府希望利用大数据解决一些政府部门面临的非常重要的问题，该计划由横跨 6 个政府部门的 84 个子课题组成。这标志着大数据真正开始进入主流的传统线下经济。
大数据出现的时间点自有它深刻的原因。2009 年至 2012 年这段时间正是电子商务在包括中国在内的全球全面开花的几年。众所周知，互联网领域有 3 大类商业模式：广告、游戏和电子商务。而电子商务又是第 1个真正将纯互联网经济与传统经济嫁接在一起诞生的混合模式。准确地说，正是互联网与传统经济的碰撞，才真正催生出了今天几乎全民关注的“大数据”。大数据横跨了互联网产业与传统产业，而且大数据真正广阔的应用领域其实也正是比纯互联网经济大得多的传统产业。
从数据量的角度来看，在电子商务模式出现以前，传统企业的数量增长缓慢。传统企业的数据仓库中的数据大多数来自于交易型数据，而交易这种行为处于用户消费决策漏斗的最底部，这就决定了交易前的各种浏览、搜索、比较等用户行为数据的都量远远超过交易数据。电子商务模式使得企业可以采集到用户的浏览、搜索、比较等行为，这就导致企业的数据规至少提升了一个数量级。现在日益流行的移动互联网以及将来会流行的物联网又必将使数据量提高两三个数量级。从这个角度来讲，大数据时代是必然会出现的。
从IT产业的发展来看，第一代IT巨头大多是 2B 的，比如 IBM、Microsoft、Oracle、SAP 这类传统IT企业；第二代IT巨头大多是 2C 的，比如 Yahoo、Google、Amazon、Facebook 这类互联网企业。一个有意思的现象是：大数据时代前，这两类公司彼此之间基本是井水不犯河水，我们很少看见这两类公司的老板们在一起坐而论道；但在当前这个大数据时代，这两类公司已经开始直接竞争。比如 Amazon 已经开始提供云模式的数据仓库服务，直接抢占 IBM、Oracle 的市场。这个现象出现的本质原因是：在互联网巨头的带动下，传统IT巨头的客户普遍开始从事电子商务业务，正是由于客户进入了互联网，所以传统IT巨头们不情愿地被拖入了互联网领域。如果他们不进入互联网，他们业务必将萎缩。所以第三代IT巨头可能会是 2B 与 2C 融合的IT公司。
2）大数据的核心内涵
大数据概念虽然非常火爆，但少有人真正理解大数据的核心内容。一个普遍而且严重的误解就是：大数据= 数据大，即大数据就是量大的数据。事实上，除了数据量大这个字面意义，大数据还有两个更重要的特征：
1） 跨领域数据的交叉融合。相同领域数据量的增加是加法效应，不同领域数据的融合是乘法效应
2） 数据的流动。数据必须流动，流动产生价值
对于第 1） 点，百分点推荐系统研究中心实验结果显示：百分点公司有 3 家客户，分别是从事服装、化妆品和箱包销售的电商，百分点向这 3 家客户提供个性化商品推荐服务，即：百分点挖掘用户的偏好，不同的用户上同一家电商网站时，向他们展现不同的服装、化妆品或箱包，从而提高电商的转化率和客单价。我们做过两种测试：
a） 将每家网站的数据隔离。当每家网站自身的数据量增加到以前的 4 倍时，推荐效果大约能提高 5%;
b） 将三家网站的数据在去除敏感信息之后进行某种融合。融合后的数据大致是与单家网站的数据的 3 倍，比第一种情况数据量还少。但利用融合后的数据进行数据挖掘时，推荐效果能提升 30%，而且推荐商品并未发生变化，仍然是：用户上服饰类网站时只看见服装、上化妆品网站时只看见化妆品、上箱包网站时只看见箱包。
解释得详细一点，上述实验说明：对同一个消费者，如果我们要向其推荐服装。第一种方法是我们根据他过去的 4 次购买服装的行为来预测其下一次可能会购买的服饰；第二种方法是我们根据他过去分别购买服装、化妆品和箱包的各 1 次行为来预测其下一次可能会购买的服饰。两种方法的基于的用户行数分别是 4 次和 3 次，但第二种方法的效果明显更好。
对于第 2） 点，其实 10 多年前传统企业开始做数据仓库时，数据仓库从业者经常强调一个观点：企业级数据仓库的目标是让不同部门的数据流动起来，各个部门数据割裂，数据的价值就得不到发挥。到了今天的互联网时代，我们发现即使企业已经打通了内部各个部门之间的数据，但与整个互联网比起来，数据量仍然微乎其微，数据应该以互联网为媒介在企业之间某种形式的流动。参照“企业级数据仓库”的概念，现在已经开始出现了“互联网数据仓库”的概念：就是企业通过互联网渠道将与自己相关的外部数据与内部数据进行整合，从而形成“互联网数据仓库”。百分点已经在零售与媒体领域比较成功地打造了“开放数据联盟”，该联盟的成员可以在公允、安全的情况下基于该联盟建立起自己的“互联网数据仓库”，从而享用海量数据的价值。
3）大数据的应用领域
大数据的起源要归功于互联网与电子商务，但大数据最大的应用前景却在传统产业。一是因为几乎所有传统产业都在互联网化，二是因为传统产业仍然占据了国家 GDP 的绝大部分份额。
哪些传统企业最需要大数据服务呢？至少有 3 类企业：
1） 对大量消费者提供产品或服务的企业
2） 做小而美模式的中长尾企业
3） 面临互联网压力之下必须转型的传统企业
第 1） 类企业都需要利用大数据精准分析不同消费者的偏好，提高营销和服务的质量；第 1） 类企业都需要利用大数据分析精准定位自己的客户群；第 3） 类企业主要指哪些正在遭受来自互联网的新玩家冲击的传统企业，此类企业自然都需要利用互联网和大数据作为自我进化的工具。当然，第 3） 类企业与前 2 类企业有重叠。
具体来讲，中国最需要大数据服务的行业就是受互联网冲击最大的产业，首先是线下零售业，其次是金融业。
受电商的冲击，国内很多零售巨头都增长严重放缓，甚至遭遇负增长，线下零售已经到了不得不变革的危机关头。我们也看到了银泰百货、王府井百货、万达集团这些具有创新意识的传统巨头开始利用互联网和大数据来改造线下商业。其中银泰百货以手机为载体、利用 O2O 方式进行双线数据挖掘的创新非常值得借鉴。
而金融行业就更加特殊：金融业并不销售任何实体商品，它自诞生起就是基于数据的产业。由于国家管制，金融业在前几年享受了非常好的政策红利，内部变革动力不足。而目前金融业已经逐渐开始放松管制，新兴的金融机构必将利用互联网以及大数据工具向传统金融巨头发起猛烈攻击。而传统金融机构在互联网方面的技术积累和数据积累都不足，要快速应对新进入者的挑战，必然需要大数据服务。我们也看到了中信银行xyk中心、招商银行xyk中心已经在开始利用互联网大数据进行创新。
那么传统产业需要什么样的大数据服务呢？这主要包括 3 层：
1） 基于大数据的行业垂直应用。每个行业都有自己的特点，所以自然会存在行业应用的需求；
2） 顾客标签与商品标签的整理。不管什么行业，都需要精细化整理自己顾客的属性标签以及商品属性标签，而且这些标签必须能够细化到单个顾客和单个商品。标签是行业应用的基础；
3） 企业内部和外部数据的整合与管理。要给顾客和商品打标签，首先必须整合企业内部和外部数据，尤其是日益重要和庞大的外部数据。
图：传统企业需要的大数据服务
第 3 层和第 2 层的方法相对比较通用，行业特殊性相对较少。百分点已经在第 3 层和第 2 层做出了比较成熟的产品，并且也开始在第 1 层做出了一些具体的行业应用产品，比如针对服饰行业的时尚服饰搭配系统。
4）大数据的发展方向
大数据产业未来会向什么方向发展？随着数据逐渐成为企业的一种资产，数据产业会向传统企业的供应链模式发展，最终形成“数据供应链”。拿钢铁产业来讲，铁矿石公司从矿场中挖出矿石，经过粗加工，卖给钢铁企业；钢铁企业再进行精细一点的加工，将板材、钢条卖给下游制造业公司；这些制造业公司做出汽车、飞机、门窗、电脑等产品卖给下游公司。这个产业链中存在找矿、运输、加工等诸多环节，每个环节都有对应的企业。
图：传统企业的供应链
在“数据供应链”中，存在数据、数据整合与挖掘工具以及数据应用这 3 大环节。数据就好比矿场的矿石；数据整合与挖掘工具就好比钢厂的冶炼炉；而精准营销、服饰搭配等数据应用就好比汽车、电脑等可以出售给消费者的产品。企业在数据供应、数据整合与挖掘、数据应用等所有环节都需要专业的服务。这里尤其有两个明显的现象：
1） 外部数据的重要性日益超过内部数据。在互联互通的互联网时代，单一企业的内部数据与整个互联网数据比较起来只是沧海一粟；
2） 能提供包括数据供应、数据整合与加工、数据应用等多环节服务的公司会有明显的综合竞争优势。
5） 什么样的大数据企业会胜出
常有大数据从业者以及投资人和我们探讨一个问题：大数据产业中，什么样的企业会最终胜出？这是一个很难回答的问题，而且即使回答了，三五年内可能都无法判断其正确性。但从“数据供应链”中的各个环节来分析，还是可以得出一些具有参考价值的结论。
1） 数据供应。在互联网没有流行的时代，企业做数据仓库、商业智能、数据挖掘等系统时采用的数据基本都来自于企业内部，企业几乎无法获取外部数据，所以很少有专业的数据供应商。互联网改变了这一局面，将来会有专业的数据供应商。但既然是因为互联网的出现导致了数据供应商的出现，那么反过来数据供应商就必须具有很强的互联网基因；
2） 数据整合与挖掘。数据挖掘工具供应商在非互联网时代就早已存在。但互联网时代使得企业的数据量激增、数据类型发生极大变化（不同于传统的来自于单一领域的结构化数据，互联网数据以跨域的非结构化数据为主），传统的数据挖掘工具供应商的技术和方法已经很难适应。要跟上时代的变化，数据挖掘技术与工具应用商必须具备互联网公司的海量数据处理和挖掘的能力；
3） 数据应用。具体的行业应用与传统行业的业务关系密切，要做好行业应用，最好需要有服务传统行业的经验，了解传统行业的内部运作模式。这时候仅仅具有 2C 经验的互联网基因的公司又稍显不足。
综合起来看，如果一家大数据从业公司同时兼备互联网数据获取能力、互联网技术、互联网执行力，又有做 2B 服务的经验，那么这家公司将比较容易取得领先优势。这个结论其实一点也不奇怪：如本文开篇所述，大数据本来就是互联网与传统产业碰撞时的产物。
用“方兴未艾”这个词来形容大数据产业的发展阶段都还为时过早，目前的大数据产业只能说是小荷才露尖尖角。国内企业在第 1 代IT产业（硬件和软件产业）中是明显落后国外企业的；在第 2 代IT产业（互联网产业）中，国内企业已经与国外企业差距不大甚至在很多方面超过了国外企业；希望在第 3 代IT产业（云计算和大数据）浪潮中，国内企业能够完全赶上并且超过国外企业，我们也认为这是很有可能的。
云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
物联网就是物物相连的互联网。当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的实时共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及到信息技术的应用，都可以纳入物联网的范畴。
“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
扩展资料
大数据的价值体现在以下几个方面：
1对大量消费者提供产品或服务的企业可以利用大数据进行精准营销
2做小而美模式的中小微企业可以利用大数据做服务转型
3面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值
例如：
1洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。
2google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。
3统计学家内特西尔弗(Nate Silver)利用大数据预测2012美国选举结果。
4麻省理工学院利用手机定位数据和交通数据建立城市规划。
参考资料：
物联网的发展是产生大数据的直接原因之一，目前物联网也为大数据提供了主要的数据来源，也可以说没有物联网就没有大数据，所以物联网的发展对于大数据的发展有重要的影响。从技术体系结构上来看，目前大数据分析位于物联网体系结构的第四层，前面三层分别是设备、网络和物联网平台，所以大数据分析对于前面三层的依赖是比较明显的。数据分析本身处在物联网体系结构的中间位置，随着5G通信和边缘计算的应用，未来物联网体系结构下的大数据分析也会有对应的处理方案，一部分数据处理任务会放在本地进行，而最终的数据分析处理会在云计算平台完成。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）