大数据场景应用本质上就是数据的业务应用场景，是数据和数据分析在企业经营活动中的具体表现。可以从不同的纬度来了解大数据的场景应用。从横向上分析，大数据在不同行业有不同的应用场景，简单讲就是提升业务，降低成本，开源和节流并重。由于各个行业的数据维度和数质量不同，大数据在不同行业应用的成熟度不同，金融行业的数据维度较多，数据质量也很好，数据集中和数据治理也开展了一段时间，因此金融行业的大数据应用开展较好，也取得了一些较好的效果。地产行业的大数据刚刚开始，主要应用在于线下和线上数据打通、土地决策、地产金融等方面。电商是最早利用数据变现的行业，客户交易和行为数据分析已经成为电商行业核心竞争力。互联网金融、零售、医疗、交通、航空旅游的数据应用也开始了一段时间，数据分析已经为他们带来了较大的业务提升。下面将通过对各个行业如何使用大数据进行梳理，借此展现大数据的应用场景。
1，零售行业大数据应用
零售行业大数据应用有两个层面，一个层面是零售行业可以了解客户的消费喜好和趋势，进行商品的精准营销，降低营销成本。例如，记录客户的购买习惯，将一些日常的必备生活用品，在客户 即将用完之前，通过精准广告的方式提醒客户进行购买，或者定期通过网上商城进行送货，既帮助客户解决了问题，又提高了客户体验。另一个层面是依据客户购买的产品，为客户提供可能购买的其他产品，扩大销售额，也属于精准营销范畴。例如，通过客户购买记录，了解客户关联产品购买喜好，将与洗衣服相关的产品如洗衣粉、消毒液、衣领净等放到一起进行销售，提高相关产品销售额。另外，零售行业可以通过大数据掌握未来的消费趋势，有利于热销商品的进货管理和过季商品的处理。
电商是最早利用大数据进行精准营销的行业，电商网站内推荐引擎会依据客户历史购买行为和同类人群购买行为，进行产品推荐，推荐的产品转化率一般为6%一8%。电商的数据量足够大，数据较为集中，数据种类较多，其商业应用具有较大的想象空间，包括预测流行趋势、消费趋势、地域消费特点、客户消费习惯、消费行为的相关度、消费热点等。依托大数据分析，电商可帮助企业进行产品设计、库存管理、计划生产、资源配置等，有利于精细化大生产，提高生产效率，优化资源配置。
未来考验零售企业的是如何挖掘消费者需求，以及高效整合供应链满足其需求的能力，因此，信息技术水平的高低成为获得竞争优势的关键要素。不论是国际零售巨头，还是本土零售品牌，要想顶住日渐微薄的利润率带来的压力，就必须思考如何拥抱新科技，并为客户带来更好的消费体验。
2，金融行业大数据应用
金融业是产生海量数据的行业，大数据正在改变着银行的运作方式，特别是对理解和洞察市场和客户方面正产生着深远的影响。因此，应用场景较为广泛。典型的应用场景有银行数据应用场景、保险数据应用场景、证券数据应用场景等。
1)银行数据应用场景
银行的数据应用场景比较丰富，基本集中在用户经营、风险控制、产品设计和决策支持等方面。而其数据可以分为交易数据、客户数据、信用数据、资产数据等，大部分数据都集中在数据仓库，属于结构化数据，可以利用数据挖掘来分析出一些交易数据背后的商业价值。
例如，“利用数据库营销，挖掘高端财富客户”，银行为物业公司提供物业费代缴服务，其中包含了部分高档楼盘的代扣代缴，银行可以依据物业费的多少，来识别出高档住宅的业主，为这些用户提供理财服务和资产管理服务。曾经某家股份制商业银行利用此方法，两个月新增了十多亿元存款。
“利用银行卡刷卡记录，寻找财富管理人群”，中国有120万人属于高端财富人群，这些人群平均可支配的金融资产在1000万元以上，是所有银行财富管理的重点发展人群。这些人群具有典型的高端消费习惯，银行可以参考POS机的消费记录定位这些高端财富管理人群，为其提供定制的财富管理方案，吸收其成为财富管理客户，增加存款和理财产品销售。
2)保险数据应用场景
保险行业主要通过保险代理人连接保险客户，对客户的基本信息和需求掌握很少，因此极端依赖外部保险代理人和渠道(银行)，在竞争不激烈的情况下，这种连接客户的方式是可以的。但是如果互联网保险兴起之后，用户很可能会被分流到互联网渠道，因为年轻人更加喜欢通过互联网这个渠道来满足自己的需求。未来线上客户将成为保险公司客户来源。
保险行业的产品是一个长周期产品，保险客户再次购买保险产品的转化率很高，经营好老客户是保险公司一项重要任务。保险公司内部的交易系统不多，交易方式不是很复杂，数据主要集中在产品系统和交易系统之中，客户关系管理系统中也包含丰富了信息，但是数据集中在很多保险公司还没有完成，数据仓库建设可能需要在用户画像建设前完成。
保险公司主要数据有人口属性信息，信用信息，产品销售信息，客户家人信息。缺少兴趣爱好、消费特征、社交信息等信息。保险产品主要有寿险，车险，保障，财产险，意外险，养老险，旅游险。
保险行业数据业务场景是围绕保险产品和保险客户进行的，典型的数据应用有利用用户行为数据来制定车险价格(UBI)，利用客户外部行为数据来了解客户需求，向目标用户推荐产品，例如依据自身数据(个人属性)，外部养车App活跃情况，为保险公司找到车险客户;依据自身数据(个人属性)，移动设备位置信息，为保险企业找到商旅人群，推销意外险和保障险。依据自身数据(家人数据)，人生阶段信息，为用户推荐理财保险，寿险，保障保险，养老险，教育险，依据自身数据和外部数据，为高端人士提供财产险和寿险。利用外部数据，提升保险产品的精算水平，提高利润水平和投资收益。
保险公司急需收集整理客户信息，为客户建立人生档案，利用个人的生命周期各个阶段需要，为客户提供保险产品。保险公司也需要同外部渠道进行合作开发出适合不同业务场景的保险产品。例如航班延误险、旅游天气险、手机被盗险等新的险种。目的不是靠这些险种盈利，而是找到潜在客户，为客户提供其他保险产品。另外保险公司应该借助于移动互联网连接客户，利用数据分析来了解客户，降低对外部渠道的依赖，降低保险营销费用，提高直销渠道投入和直销销售比。
3)证券数据应用场景
证券行业拥有的数据类型有个人属性数据（含姓名、联系方式、家庭地址等）、资产数据、交易数据、收益数据等，证券公司可以利用这些数据建立业务场景，筛选目标 ）客户，为用户提供适合的产品，提高单个客户收入。例如，借助于数据分析，如果客户平均年收益低于5%，交易频率很低，可建议其购买公司提供的理财产品；如果客户交易频繁，收益又较高，可以主动推送融资服务；如果客户交易不频繁，但是资金量较大， ；可以为客户提供投资咨询等。对客户交易习惯和行为分析可以帮助证券公司获得更多的收益。
3．医疗行业大数据应用
医疗行业拥有大量的病例、病理报告、治愈方案、药物报告等，通过对这些数据进行整理和分析将会极大地辅助医生提出治疗方案，帮助病人早日康复。可以构建大数据平台来收集不同病例和治疗方案，以及病人的基本特征，建立针对疾病特点的数据库，帮助医生进行疾病诊断。
特别是随着基因技术的发展成熟，可以根据病人的基因序列特点进行分类，建立医疗行业的病人分类数据库。医生在诊断病人时可以参考病人的疾病特征、化验报告和检 ‘测报告，参考疾病数据库来快速确诊病人病情。在制定治疗方案时，医生可以依据病人的基因特点，调取相似基因、年龄、人种、身体情况相同的有效治疗方案，制定出适合病人的治疗方案，帮助更多的人及时进行治疗。同时，这些数据也有利于医药行业开发出更加有效的药物和医疗器械。
IBM的花了10亿美元收购了一家公司，获得了这家公司的10万份病人档案，IBM的沃森已经学习了这些医疗档案，依据过去的数据和诊断建立了疾病诊断模型，并向医生推荐治疗方案。IBM的沃森背后支撑的系统是DeepQA，专注文本分析、基于概率大规模并行分析系统。医生们用来诊断和治疗的医学知识中，只有20%具有实证基础，每五年相关的医学知识就会翻一倍，医生们根本没有时间来查阅所有期刊，实时更新其知识储备。IBM的沃森具有这样的学习和更新能力，可以帮助医生进行诊断和提出治疗方案。美国的MD安德森癌症医疗中心正在实用IBM的沃森帮助医生进行诊断和制定治疗方案。
医疗行业的大数据应用一直在进行，但是数据并没有完全打通，基本都是孤岛数据，没办法进行大规模的应用。未来可以将这些数据统一采集起来，纳入统一的大数据平台，为人类健康造福。
4．教育行业大数据应用
信息技术己在教育领域有了越来越广泛的应用，教学、考试、师生互动、校园安全、家校关系等，只要技术达到的地方，各个环节都被数据包裹。在国内尤其是北京、上海、广东等城市，大数据在教育领域就已有了非常多的应用，如慕课、在线课程、翻转课堂等就应用了大量的大数据工具。
毫无疑问，在不远的将来，无论是针对教育管理部门，还是校长、教师、学生和家长，都可以得到针对不同应用的个性化分析报告。通过大数据的分析来优化教育机制，也可以作出更科学的决策，这将带来潜在的教育革命，在不久的将来，个性化学习终端将会更多地融入学习资源云平台，根据每个学生的不同兴趣爱好和特长，推送相关领域的前沿技术、资讯、资源乃至未来职业发展方向，等等，并贯穿每个人终身学习的全过程。
5．农业大数据应用
大数据在农业上的应用主要是指依据未来商业需求的预测来进行产品生产，因为农产品不容易保存，合理种植和养殖农产品对农民非常重要。借助于大数据提供的消费能力和趋势报告，政府可为农业生产进行合理引导，依据需求进行生产，避免产能过剩造成不必要的资源和社会财富浪费。
农业生产面临的危险因素很多，但这些危险因素很大程度上可以通过除草剂、杀菌剂、杀虫剂等技术产品进行消除，天气成为非常大的影响农业的决定因素。通过大数据的分析将会更精确地预测未来的天气，帮助农民做好自然灾害的预防工作，帮助政府实现农业的精细化管理和科学决策。
例如，Climate 公司曾使用政府开放的气象站的数据和土地数据建立模型，根据数据模型的分析，可以告诉农民在哪些土地上耕种、哪些土地今天需要喷雾并完成耕种、哪些正处于生长期的土地需要施肥、哪些土地需要5天后才可以耕种，体现了大数据帮助农业创造巨大的商业价值。
6．环境大数据应用
气象对社会的影响涉及方方面面，传统上依赖气象的主要是农业、林业和水运等行业部门，而如今气象俨然成为了21世纪社会发展的资源，并支持定制化服务满足各行各业用户需要。借助于大数据技术，天气预报的准确性和实效性将会大大提高，预报的及时性将会大大提升，同时对于重大自然灾害如龙卷风，通过大数据计算平台，人们将会更加精确地了解其运动轨迹和危害的等级，有利于帮助人们提高应对自然灾害的能力。
例如，在美国NOAA（国家海洋暨大气总署）其实早就在使用大数据业务。每天通过卫星、船只、飞机、浮标、传感器等收集超过35亿份观察数据，收集完毕后NOAA会汇总大气数据、海洋数据及地质数据，进行直接测定，绘制出复杂的高保真预测模型，将其提供给NVVS（国家气象局）作为气象预报的参考数据。目前，NOAA每年新增管理的数据量就高达30PB (1PB=1024TB)，由 NWS生成的最终分析结果就呈现在日常的天气预报和预警报道上。
7．智慧城市管理
如今，世界超过一半的人口生活在城市里，到 2050 年这一数字会增长到75%。城市公共交通规划、教育资源配置、医疗资源配置、商业中心建设、房地产规划、产业规划、城市建设等都可以借助于大数据技术进行 良好的规划和动态调整。使城市里的资源得到 良好配置，既不出现由于资源配置不平衡而导致的效率低下及骚乱，又可避免不必要的资源浪费而导致的财政支出过大。有效帮助政府实现资源科学配置，精细化运营城市，打造智慧城市。
城市道路交通的大数据应用主要在两个方面：一方面，可以利用大数据传感器数据来了解车辆通行密度，合理进行道路规划，包括单行线路规划。另一方面，可以利用大数据来实现即时信号灯调度，提高已有线路运行能力。科学地安排信号灯是一个复杂的系统工程，必须利用大数据计算平台才能计算出一个较为合理的方案，科学的信号灯安排将会提高30%左右已有道路的通行能力。
8，移动互联网广告
数字广告越来越受到广告主的重视，其未来市场规模越来越大。2014年美国的互联网广告市场规模接近500亿美元，参考中国的人口消费能力，其市场规模会很快达到2000亿人民币左右。
过去到广告投放都是以好的广告渠道+广播式投放为主，广告主将广告交给广告公司，由广告公司安排投放，其中SEM广告市场最大，其次为展示广告，精准品牌推广广告很少，多是广播式广告投放。广播式投放的弊端是投入资金大，没有针对目标客户，面对所有客户进行展示，广告的TA(目标客户)响应较低，并存在数字广告营销陷阱等问题。
大数据技术可以将客户在互联网上的行为记录下来，对客户的行为进行分析，打上标签并进行用户画像。特别是进入移动互联网时代之后，客户主要的访问方式转向了智能手机和平台电脑，移动互联网的数据包含了个人行为数据，可以用于360度用户画像，更加接近真实人群。
移动大数据的用户画像可以帮助广告主进行精准营销，将广告直接投放到用户的移动设备，其广告的目标客户覆盖率可以大幅度提高。一般情况下提升的效果在30%以上，广告主品牌广告单个TA曝光费用下降，用较少的数据投入费用获得了较高的曝光率。
9，物流行业
中国的物流产业规模大概有5万亿左右，其中公里物流市场大概有3万亿左右。物流行业的整体净利润从过去的30%以上降低到了20%左右，并且下降的趋势明显。物流行业很多的运力浪费在返程空载、重复运输、小规模运输等方面。中国市场最大等物流公司所占的市场份额不到1%。因此资源需要整合，运送效率需要提高。
物流行业借助于大数据，可以建立全国物流网络，了解各个节点的运货需求和运力，合理配置资源，降低货车的返程空载率，降低超载率，减少重复路线运输，降低小规模运输比例。通过大数据技术，及时了解各个路线货物运送需求，同时建立基于地理位置和产业链的物流港口，实现货物和运力的实时配比，提高物流行业的运输效率。借助于大数据技术对物流行业进行的优化资源配置，至少可以增加物流行业10%左右的收入，其市场价值将在5000亿左右。
大数据技术可以了解经济发展情况、各产业发展情况、消费支出和产品销售情况等，依据分析结果，科学地制定宏观政策，平衡各产业发展，避免产能过剩，有效利用自然资源和社会资源，提高社会生产效率。大数据技术也能帮助政府进行支出管理，透明合理的财政支出将有利于提高公信力和监督财政支出。大数据及大数据技术带给政府的不仅仅是效率提升、科学决策、精细管理，更重要的是数据治国、科学管理的意识改变，未来大数据将会从各个方面来帮助政府实施高效和精细化管理，具有极大的想象空间。
閱讀更多 劉弋 的文章
