下载掌阅APP，畅读海量书库
立即打开
（一）对顾客群体细分
对顾客群体细分然后对每个群体量体裁衣般地采取独特的行动。瞄准特定的顾客群体来进行营销和服务是商家一直以来的追求，云存储的海量数据和大数据的分析技术使得对消费者的实时和极端的细分有了成本效率极髙的可能。比如在大数据时代之前，要搞清楚海量顾客的怀孕情况，得投人惊人的人力、物力、财力，使得这种细分行为毫无商业意义。
（二）运用大数据模拟实境
运用大数据模拟实境，可以更好地发掘新的需求和提高投人的回报率。现在越来越多的产品中都装有传感器，汽车和智能手机的普及使得可收集数据呈现爆炸性增长。Blog、Twitter、Facebook和微博等社交网络也在产生着海量的数据。云计算和大数据分析技术使得商家可以在成本效率较高的情况下，实时地把这些数据连同交易行为的数据进行储存和分析。交易过程、产品使用和人类行为都可以数据化。大数据技术可以把这些数据整合起来进行数据挖掘，从而在某些情况下通过模型模拟来判断不同变量（比如不同地区不同促销方案）的情况下何种方案投人回报最高。
（三）使数据分享更加便利
提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投人回报率。大数据能力强的部门可以通过云计算、互联网和内部搜索引擎把大数据成果与大数据能力比较薄弱的部门分享，帮助他们利用大数据创造商业价值。
农业大数据是大数据理念、技术和方法在农业领域的实践。农业大数据涉及耕地、育种、播种、施肥、植保、收获、储运、农产品加工、销售、畜牧业生产等各环节，是跨行业、跨专业的数据分析与挖掘，对粮食安全和食品安全有着重大意义。
农业大数据的特征包括以下几个方面：一是从领域来看，以农业领域为核心（涵盖种植业、林业、畜牧业等子行业），逐步拓展到相关上下游产业（种子、饲料、肥料、农膜、农机、粮油加工、果品蔬菜加工、畜产品加工业等），并整合宏观经济背景的数据，包括统计数据、进出口数据、价格数据、生产数据，乃至气象数据等。二是从地域来看，以国内区域数据为核心，借鉴国际农业数据作为有效参考；不仅包括全国层面的数据，还应涵盖省市的数据，甚至地市级的数据，为精准区域研究提供基础。三是从粒度来看，不仅包括统计数据，还包括涉农经济主体的基本信息、投资信息、股东信息、专利信息、进出口信息、招聘信息、媒体信息、GIS坐标信息等。四是从专业性来看，应分步实施，首先是构建农业领域的专业数据资源，其次应逐步有序规划专业的子领域数据资源。如针对粮食安全的耕地保有量、土壤环境保护、市场供求信息等动态监测数据，针对畜品种的生猪、肉鸡、蛋鸡、肉牛、奶牛、肉羊等动态监测数据，甚至包括生物信息学的研究等。
农业科研和生产活动每年都在产生大量数据，集成、挖掘和使用这些数据，对于现代农业的发展将会发挥极其重要的作用。当前，农业领域存在诸多问题，如粮食安全、土壤治理、病虫害预测与防治、动植物育种、农业结构调整、农产品价格、农副产品消费、小城镇建设等领域，都可通过大数据的应用研究进行预测和干预。大数据的应用与农业领域的相关科学研究相结合，可以为农业科研、政府决策、涉农企业发展等提供新方法、新思路。
高等农业院校开展农业大数据研究具有广阔前景。高等农业院校在长期的办学实践和科学研究过程中积累了大量的数据，政府部门多年来也保留了关于农业方面普查、统计数据。而这些数据大多沉寂在资料库里，没有发挥它应有的作用。如果把这些资料用大数据技术加以开发利用，就会在指导生产、科学研究等方面发挥不可估量的作用。
（一）为生产发展提供指导
过去决策许多是凭经验，“跟着感觉走”，而用农业大数据来指导，将为生产发展和政府决策提供科学、准确的依据。比如，“谷贱伤农”的事件近年来屡屡发生，严重影响了农民的收人，挫伤了生产积极性。由于信息不灵、缺乏指导，市场上什么东西畅销，农民就种什么，等发现供过于求、产品滞销时已经来不及调整。如能整合天气信息、食品安全、消费需求、生产成本、市场摊位等数据并进行科学分析，就能更有效地预测农产品价格走势，帮助农民提前预判，也帮助政府出台引导措施。再如粮食安全问题，涉及耕地数量、农田质量、气候、作物品种、栽培技术、平均单产、产业结构调整、农资价格、农机、生产成本、生产方式、食品加工、国际市场粮价等多种因素，如果能对这些数据加以分析，建立模型，就可以对粮食产量做出判断，及时预警，帮助政府采取应对措施。以山东农业大学为例，在开展大数据的研究和应用方面，山东农业大学首先成为山东省农业方面的智库，今后随着研究的不断深人，还要成为全国农业发展的智囊。山东农业大学农业大数据产业技术创新战略联盟中有6个省直部门，几乎包含了涉农的各个方面，可以提供与农业相关的大量数据和其他支持。我们要把对大数据的研究与生产发展、市场销售、新农村建设等密切结合，加强基础数据建设，完善数据采集体系，建立数据监测系统，持续不断地收集相关数据，并针对特定主题建立数学模型，预测某个方面的发展趋势，为政府制定政策、宏观调控提供依据。只有在社会服务中不断有所贡献和建树，才能提升学校的影响力。
（二）为企业提供支撑
一个企业的产品，什么时候需要升级换代，产品市场什么时候达到饱和，如何调整市场结构等，都可以用大数据加以分析预测，为企业提供咨询指导。比如，肥料生产，预测到有机肥的需求在什么时候会超过化肥，企业就可以提前准备转型，培育有机肥产业。大数据的优势就在于：发现机会并优化实施，辅助决策，推动业务持续发展，并做到风险评估。这样的分析、预测和评估，在养殖、种子、食品加工、植物保护等行业都可以开展。再如，通过对天气、作物生长、农药使用、天敌情况等数据进行分析，可以对病虫害的发生做出预测预报，同时也可以引导农药企业的生产。这些分析都是带有战略性的，对企业决策发展有重要指导意义。联盟内有一批知名企业，涉及种子、肥料、食品加工、养殖等行业，相关专业的专家要走出校门，了解企业的需求，加强与企业的合作，在合作中开阔视野，提升服务社会的水平和能力。
（三）为学科提升和转型提供平台
大数据可大幅度提升各个学科的学术水平。高校不但要把大数据的知识用于科学研究中，还要用于教学中。现在看来，“学好数理化，走遍天下都不怕”的说法还是很对的。高等农业院校大多数学科的基础就是数理化，没有这个基础，许多学科便会受到发展的制约。实践中，许多学校都在强调用信息科学和生命科学提升传统学科。在用生命科学提升传统学科方面，已经取得明显进步，现在涉农学科的研究都可以做到分子水平；但在用信息科学提升传统学科方面尚未破题，没有找到结合的方法。而大数据恰恰为信息科学与传统学科的结合带来巨大的机会和潜力。数据爆炸式增长为科学研究发现带来新的方法、新的视野。就像4个世纪之前人类发明的显微镜一样，显微镜把人类对自然界的观察和测量水平推进到“细胞”的级别，给人类社会带来了历史性的进步和革命。而大数据，将成为下一个观察和检测大自然的“显微镜”。这个新的显微镜，将再一次扩大人类科学探索的范围，提升创新的水平。高校过去几十年上百年的教学、研究，积累了大量的数据，这些数据的价值在已经发表的学术论文中远远没有表现出来，因为我们没有认识到它的其他价值。但如果用大数据的方法把这些数据和其他类似研究收集的资料作为整体研究，就很有可能发现或预测某些规律，在这种预测的指导下开展更深人的研究。例如，通过农业部、发改委和海关相关数据整合而成的数据分析库，对近期奶牛的数量变化进行分析研究，发现成年母牛的出售数据与牛肉的成本利润率极具相关性，后者总是前置前者两个分析周期。这对相关奶牛、肉牛养殖政策的制定和宏观调控起到很好的辅助作用。
（四）为提高管理水平提供手段
大数据的研究和应用，不仅在科学研究和社会服务方面有重要价值，在管理和其他方面也大有用武之地。高校的管理决策，人为的因素占很大比重，很多是靠经验，有的是凭感觉，很少建立在科学的数据和模型基础上，因而难免片面、失误，也容易出现政策的不连续性。要做到科学决策，就应当把管理建立在数据分析基础上。我国在过去20年的信息化建设中，沉淀了大量的宝贵数据。这些数据是整个社会经济活动的数字化记录，是不可或缺的管理和决策的依据。一旦实施“数据驱动的决策方法”，高校的管理将更有效率、更开放、更负责，数据分析能够有效监控政策实施情况，及时纠正偏差和失误。髙校管理部门都应该结合大数据的应用，制订本部门相关的管理方案。例如，在人才培养方面，可以制定教学质量评价体系；在人力资源管理方面，可以对新招聘人才的发展潜力进行预测评估，可以对教职工的绩效做更科学的评价；在财务管理方面，可以优化投资方案，建立风险预警；在科研管理方面，可以探索学校及各个学院各种科研经费和成果的规律性，为科研规划服务；在校友工作中，可建立校友资料库并对校友的成长成才规律进行分析，为学校教学育人改革提供依据等。高校教师、管理人员，只要对某一方面的管理感兴趣、愿意深人研究，都可以与相关的专业人员结合，用大数据的手段进行深人分析。
（一）大数据改良优化已有金融业务
大数据规模化处理数据，能做一些个性化的智能业务，事实上，对数据业务的理解已经经历了几十年的历程。早先机器辅助参考决策系统，比如专家系统、商业智能系统是面向人类来做决策的，系统面向有限商品有限数据集，在此之中我们人会基于机器中间状态数据结果，生成相对于它的规则。人的智商以及我们的经验和判断去做有限的商业策略，以面向有限的服务包和有限人群，所以我们可以在电信运营商里做各种套餐，在金融里做各种产品。
而现在的大数据集合里，受众的需求越来越多且碎片化了，金融的产品可能不能定制为一个标准化的产品，而很可能是根据用户访问的行为随机触发的动作，比如阿里推荐一个产品，不可能像沃尔玛超市那样能够全部平铺摆开。
在用户点击的过程中，如何发送一个合适的商品给受众，不是依靠报表系统，而是自动化触发的系统。自动化触发的系统更客观地把很多需求定制化和差异化。大数据和以前的数据仓库本质差异就在于，大数据生成的不仅是一个面向决策报表系统，更多是一个自动化可执行的系统，这个系统可以帮助我们做很多差异型的、个性化的、定量的动作匹配。
同时对于大数据，不能光看它不能做什么，而是先尝试它能做什么。大家提到了对获取外部数据的挑战，其实银行业不必急于获取外部的资产数据，比如工商、房车资产购买记录或者社交行为等，这些价值稀疏数据还涉及数据治理的复杂问题，实施利用都需要持续演进的路线图支撑。因此，大数据可以作为工具，利用已有数据资源，优化提升已有业务。
（二）大数据使金融数据价值化
现在很多金融自身数据还没有价值化，比如现在的账户数据都是结构化的，都是以个体为核心来描述，或是两两之间的债务资金关系，还有大企业的资产负债表、资产损益表等。这些数据受限于传统以表为结构的数据组织方式，缺乏全局视野，而我们做定量分析时，需要有一个公共参照体系，像一个米尺一样来衡量人的身高，而不是表达两两之间的高低；像元素周期表一样用标准参照体系描述所有物种。
这个公共参照体系是从全量的金融实体以及它们之间的交易行为抽取出来的模型。每一个账户实体在参照系上都会获得一个定量的评估，即使缺少个体数据（例如小微企业），也可以通过其他实体和交易行为量化传递评估。
比如以节点的形式，将每一个金融实体的交易方式做成一个很大的复杂网络。这些过程能把金融实体用以前结构化的账户数据用大数据技术构建新的基础数据平台，这个基础数据平台可以完成很多事情，比如征信、置信、基于社团发现的供应链的挖掘，完全可以在线上实现而不再依靠垂直行业经验，还有卡业务欺诈与异常交易，很多识别都可以基于金融账户的结构化数据实现。
（三）大数据带来创新推动力
大数据真正创新的是推动力，即破坏型创新驱动金融去拓展零消费市场的新业务。传统金融是基于资本获得盈利的，现在金融也可以基于数据实现盈利。亚当·斯密定义了土地、资本和劳动力缔造财富，现在数据本身也可以作为新的生产资料，用于开拓新的业务。
比如支付平台模式可以考虑深人下去，从前尝试过基于pos支付做商圈推荐和识别，也就是说，基于复杂的网络结构，具有相同社会属性的客户访问不同的商家，可以统一置信或交叉推荐，可以做很多O2O服务。
金融其实也是一个服务行业，服务中聚集了人群、产品和服务以后，会留下很多电子化的行为痕迹，数据本身随着生产经营开始形成一个新的生产资料。同时对资本市场而言，评估传统金融资本项和评估互联网企业的用户流量，将在未来交织形成新金融实体的评估体系。数据资源将与资本资源同等重要，成为未来资本市场评估的新考核体系和重要指标，大数据的推动力驱动和缔造新的财富。