大數據場景應用本質上就是數據的業務應用場景，是數據和數據分析在企業經營活動中的具體表現。可以從不同的緯度來了解大數據的場景應用。從橫向上分析，大數據在不同行業有不同的應用場景，簡單講就是提升業務，降低成本，開源和節流並重。由於各個行業的數據維度和數質量不同，大數據在不同行業應用的成熟度不同，金融行業的數據維度較多，數據質量也很好，數據集中和數據治理也開展了一段時間，因此金融行業的大數據應用開展較好，也取得了一些較好的效果。地產行業的大數據剛剛開始，主要應用在於線下和線上數據打通、土地決策、地產金融等方面。電商是最早利用數據變現的行業，客戶交易和行為數據分析已經成為電商行業核心競爭力。互聯網金融、零售、醫療、交通、航空旅遊的數據應用也開始了一段時間，數據分析已經為他們帶來了較大的業務提升。下面將通過對各個行業如何使用大數據進行梳理，藉此展現大數據的應用場景。
1，零售行業大數據應用
零售行業大數據應用有兩個層面，一個層面是零售行業可以瞭解客戶的消費喜好和趨勢，進行商品的精準營銷，降低營銷成本。例如，記錄客戶的購買習慣，將一些日常的必備生活用品，在客戶 即將用完之前，通過精準廣告的方式提醒客戶進行購買，或者定期通過網上商城進行送貨，既幫助客戶解決了問題，又提高了客戶體驗。另一個層面是依據客戶購買的產品，為客戶提供可能購買的其他產品，擴大銷售額，也屬於精準營銷範疇。例如，通過客戶購買記錄，瞭解客戶關聯產品購買喜好，將與洗衣服相關的產品如洗衣粉、消毒液、衣領淨等放到一起進行銷售，提高相關產品銷售額。另外，零售行業可以通過大數據掌握未來的消費趨勢，有利於熱銷商品的進貨管理和過季商品的處理。
電商是最早利用大數據進行精準營銷的行業，電商網站內推薦引擎會依據客戶歷史購買行為和同類人群購買行為，進行產品推薦，推薦的產品轉化率一般為6%一8%。電商的數據量足夠大，數據較為集中，數據種類較多，其商業應用具有較大的想象空間，包括預測流行趨勢、消費趨勢、地域消費特點、客戶消費習慣、消費行為的相關度、消費熱點等。依託大數據分析，電商可幫助企業進行產品設計、庫存管理、計劃生產、資源配置等，有利於精細化大生產，提高生產效率，優化資源配置。
未來考驗零售企業的是如何挖掘消費者需求，以及高效整合供應鏈滿足其需求的能力，因此，信息技術水平的高低成為獲得競爭優勢的關鍵要素。不論是國際零售巨頭，還是本土零售品牌，要想頂住日漸微薄的利潤率帶來的壓力，就必須思考如何擁抱新科技，併為客戶帶來更好的消費體驗。
2，金融行業大數據應用
金融業是產生海量數據的行業，大數據正在改變著銀行的運作方式，特別是對理解和洞察市場和客戶方面正產生著深遠的影響。因此，應用場景較為廣泛。典型的應用場景有銀行數據應用場景、保險數據應用場景、證券數據應用場景等。
1)銀行數據應用場景
銀行的數據應用場景比較豐富，基本集中在用戶經營、風險控制、產品設計和決策支持等方面。而其數據可以分為交易數據、客戶數據、信用數據、資產數據等，大部分數據都集中在數據倉庫，屬於結構化數據，可以利用數據挖掘來分析出一些交易數據背後的商業價值。
例如，“利用數據庫營銷，挖掘高端財富客戶”，銀行為物業公司提供物業費代繳服務，其中包含了部分高檔樓盤的代扣代繳，銀行可以依據物業費的多少，來識別出高檔住宅的業主，為這些用戶提供理財服務和資產管理服務。曾經某家股份制商業銀行利用此方法，兩個月新增了十多億元存款。
“利用銀行卡刷卡記錄，尋找財富管理人群”，中國有120萬人屬於高端財富人群，這些人群平均可支配的金融資產在1000萬元以上，是所有銀行財富管理的重點發展人群。這些人群具有典型的高端消費習慣，銀行可以參考POS機的消費記錄定位這些高端財富管理人群，為其提供定製的財富管理方案，吸收其成為財富管理客戶，增加存款和理財產品銷售。
2)保險數據應用場景
保險行業主要通過保險代理人連接保險客戶，對客戶的基本信息和需求掌握很少，因此極端依賴外部保險代理人和渠道(銀行)，在競爭不激烈的情況下，這種連接客戶的方式是可以的。但是如果互聯網保險興起之後，用戶很可能會被分流到互聯網渠道，因為年輕人更加喜歡通過互聯網這個渠道來滿足自己的需求。未來線上客戶將成為保險公司客戶來源。
保險行業的產品是一個長週期產品，保險客戶再次購買保險產品的轉化率很高，經營好老客戶是保險公司一項重要任務。保險公司內部的交易系統不多，交易方式不是很複雜，數據主要集中在產品系統和交易系統之中，客戶關係管理系統中也包含豐富了信息，但是數據集中在很多保險公司還沒有完成，數據倉庫建設可能需要在用戶畫像建設前完成。
保險公司主要數據有人口屬性信息，信用信息，產品銷售信息，客戶家人信息。缺少興趣愛好、消費特徵、社交信息等信息。保險產品主要有壽險，車險，保障，財產險，意外險，養老險，旅遊險。
保險行業數據業務場景是圍繞保險產品和保險客戶進行的，典型的數據應用有利用用戶行為數據來制定車險價格(UBI)，利用客戶外部行為數據來了解客戶需求，向目標用戶推薦產品，例如依據自身數據(個人屬性)，外部養車App活躍情況，為保險公司找到車險客戶;依據自身數據(個人屬性)，移動設備位置信息，為保險企業找到商旅人群，推銷意外險和保障險。依據自身數據(家人數據)，人生階段信息，為用戶推薦理財保險，壽險，保障保險，養老險，教育險，依據自身數據和外部數據，為高端人士提供財產險和壽險。利用外部數據，提升保險產品的精算水平，提高利潤水平和投資收益。
保險公司急需收集整理客戶信息，為客戶建立人生檔案，利用個人的生命週期各個階段需要，為客戶提供保險產品。保險公司也需要同外部渠道進行合作開發出適合不同業務場景的保險產品。例如航班延誤險、旅遊天氣險、手機被盜險等新的險種。目的不是靠這些險種盈利，而是找到潛在客戶，為客戶提供其他保險產品。另外保險公司應該藉助於移動互聯網連接客戶，利用數據分析來了解客戶，降低對外部渠道的依賴，降低保險營銷費用，提高直銷渠道投入和直銷銷售比。
3)證券數據應用場景
證券行業擁有的數據類型有個人屬性數據（含姓名、聯繫方式、家庭地址等）、資產數據、交易數據、收益數據等，證券公司可以利用這些數據建立業務場景，篩選目標 ）客戶，為用戶提供適合的產品，提高單個客戶收入。例如，藉助於數據分析，如果客戶平均年收益低於5%，交易頻率很低，可建議其購買公司提供的理財產品；如果客戶交易頻繁，收益又較高，可以主動推送融資服務；如果客戶交易不頻繁，但是資金量較大， ；可以為客戶提供投資諮詢等。對客戶交易習慣和行為分析可以幫助證券公司獲得更多的收益。
3．醫療行業大數據應用
醫療行業擁有大量的病例、病理報告、治癒方案、藥物報告等，通過對這些數據進行整理和分析將會極大地輔助醫生提出治療方案，幫助病人早日康復。可以構建大數據平臺來收集不同病例和治療方案，以及病人的基本特徵，建立針對疾病特點的數據庫，幫助醫生進行疾病診斷。
特別是隨著基因技術的發展成熟，可以根據病人的基因序列特點進行分類，建立醫療行業的病人分類數據庫。醫生在診斷病人時可以參考病人的疾病特徵、化驗報告和檢 ‘測報告，參考疾病數據庫來快速確診病人病情。在制定治療方案時，醫生可以依據病人的基因特點，調取相似基因、年齡、人種、身體情況相同的有效治療方案，制定出適合病人的治療方案，幫助更多的人及時進行治療。同時，這些數據也有利於醫藥行業開發出更加有效的藥物和醫療器械。
IBM的花了10億美元收購了一家公司，獲得了這家公司的10萬份病人檔案，IBM的沃森已經學習了這些醫療檔案，依據過去的數據和診斷建立了疾病診斷模型，並向醫生推薦治療方案。IBM的沃森背後支撐的系統是DeepQA，專注文本分析、基於概率大規模並行分析系統。醫生們用來診斷和治療的醫學知識中，只有20%具有實證基礎，每五年相關的醫學知識就會翻一倍，醫生們根本沒有時間來查閱所有期刊，實時更新其知識儲備。IBM的沃森具有這樣的學習和更新能力，可以幫助醫生進行診斷和提出治療方案。美國的MD安德森癌症醫療中心正在實用IBM的沃森幫助醫生進行診斷和制定治療方案。
醫療行業的大數據應用一直在進行，但是數據並沒有完全打通，基本都是孤島數據，沒辦法進行大規模的應用。未來可以將這些數據統一採集起來，納入統一的大數據平臺，為人類健康造福。
4．教育行業大數據應用
信息技術己在教育領域有了越來越廣泛的應用，教學、考試、師生互動、校園安全、家校關係等，只要技術達到的地方，各個環節都被數據包裹。在國內尤其是北京、上海、廣東等城市，大數據在教育領域就已有了非常多的應用，如慕課、在線課程、翻轉課堂等就應用了大量的大數據工具。
毫無疑問，在不遠的將來，無論是針對教育管理部門，還是校長、教師、學生和家長，都可以得到針對不同應用的個性化分析報告。通過大數據的分析來優化教育機制，也可以作出更科學的決策，這將帶來潛在的教育革命，在不久的將來，個性化學習終端將會更多地融入學習資源雲平臺，根據每個學生的不同興趣愛好和特長，推送相關領域的前沿技術、資訊、資源乃至未來職業發展方向，等等，並貫穿每個人終身學習的全過程。
5．農業大數據應用
大數據在農業上的應用主要是指依據未來商業需求的預測來進行產品生產，因為農產品不容易保存，合理種植和養殖農產品對農民非常重要。藉助於大數據提供的消費能力和趨勢報告，政府可為農業生產進行合理引導，依據需求進行生產，避免產能過剩造成不必要的資源和社會財富浪費。
農業生產面臨的危險因素很多，但這些危險因素很大程度上可以通過除草劑、殺菌劑、殺蟲劑等技術產品進行消除，天氣成為非常大的影響農業的決定因素。通過大數據的分析將會更精確地預測未來的天氣，幫助農民做好自然災害的預防工作，幫助政府實現農業的精細化管理和科學決策。
例如，Climate 公司曾使用政府開放的氣象站的數據和土地數據建立模型，根據數據模型的分析，可以告訴農民在哪些土地上耕種、哪些土地今天需要噴霧並完成耕種、哪些正處於生長期的土地需要施肥、哪些土地需要5天后才可以耕種，體現了大數據幫助農業創造巨大的商業價值。
6．環境大數據應用
氣象對社會的影響涉及方方面面，傳統上依賴氣象的主要是農業、林業和水運等行業部門，而如今氣象儼然成為了21世紀社會發展的資源，並支持定製化服務滿足各行各業用戶需要。藉助於大數據技術，天氣預報的準確性和實效性將會大大提高，預報的及時性將會大大提升，同時對於重大自然災害如龍捲風，通過大數據計算平臺，人們將會更加精確地瞭解其運動軌跡和危害的等級，有利於幫助人們提高應對自然災害的能力。
例如，在美國NOAA（國家海洋暨大氣總署）其實早就在使用大數據業務。每天通過衛星、船隻、飛機、浮標、傳感器等收集超過35億份觀察數據，收集完畢後NOAA會彙總大氣數據、海洋數據及地質數據，進行直接測定，繪製出複雜的高保真預測模型，將其提供給NVVS（國家氣象局）作為氣象預報的參考數據。目前，NOAA每年新增管理的數據量就高達30PB (1PB=1024TB)，由 NWS生成的最終分析結果就呈現在日常的天氣預報和預警報道上。
7．智慧城市管理
如今，世界超過一半的人口生活在城市裡，到 2050 年這一數字會增長到75%。城市公共交通規劃、教育資源配置、醫療資源配置、商業中心建設、房地產規劃、產業規劃、城市建設等都可以藉助於大數據技術進行 良好的規劃和動態調整。使城市裡的資源得到 良好配置，既不出現由於資源配置不平衡而導致的效率低下及騷亂，又可避免不必要的資源浪費而導致的財政支出過大。有效幫助政府實現資源科學配置，精細化運營城市，打造智慧城市。
城市道路交通的大數據應用主要在兩個方面：一方面，可以利用大數據傳感器數據來了解車輛通行密度，合理進行道路規劃，包括單行線路規劃。另一方面，可以利用大數據來實現即時信號燈調度，提高已有線路運行能力。科學地安排信號燈是一個複雜的系統工程，必須利用大數據計算平臺才能計算出一個較為合理的方案，科學的信號燈安排將會提高30%左右已有道路的通行能力。
8，移動互聯網廣告
數字廣告越來越受到廣告主的重視，其未來市場規模越來越大。2014年美國的互聯網廣告市場規模接近500億美元，參考中國的人口消費能力，其市場規模會很快達到2000億人民幣左右。
過去到廣告投放都是以好的廣告渠道+廣播式投放為主，廣告主將廣告交給廣告公司，由廣告公司安排投放，其中SEM廣告市場最大，其次為展示廣告，精準品牌推廣廣告很少，多是廣播式廣告投放。廣播式投放的弊端是投入資金大，沒有針對目標客戶，面對所有客戶進行展示，廣告的TA(目標客戶)響應較低，並存在數字廣告營銷陷阱等問題。
大數據技術可以將客戶在互聯網上的行為記錄下來，對客戶的行為進行分析，打上標籤並進行用戶畫像。特別是進入移動互聯網時代之後，客戶主要的訪問方式轉向了智能手機和平臺電腦，移動互聯網的數據包含了個人行為數據，可以用於360度用戶畫像，更加接近真實人群。
移動大數據的用戶畫像可以幫助廣告主進行精準營銷，將廣告直接投放到用戶的移動設備，其廣告的目標客戶覆蓋率可以大幅度提高。一般情況下提升的效果在30%以上，廣告主品牌廣告單個TA曝光費用下降，用較少的數據投入費用獲得了較高的曝光率。
9，物流行業
中國的物流產業規模大概有5萬億左右，其中公里物流市場大概有3萬億左右。物流行業的整體淨利潤從過去的30%以上降低到了20%左右，並且下降的趨勢明顯。物流行業很多的運力浪費在返程空載、重複運輸、小規模運輸等方面。中國市場最大等物流公司所佔的市場份額不到1%。因此資源需要整合，運送效率需要提高。
物流行業藉助於大數據，可以建立全國物流網絡，瞭解各個節點的運貨需求和運力，合理配置資源，降低貨車的返程空載率，降低超載率，減少重複路線運輸，降低小規模運輸比例。通過大數據技術，及時瞭解各個路線貨物運送需求，同時建立基於地理位置和產業鏈的物流港口，實現貨物和運力的實時配比，提高物流行業的運輸效率。藉助於大數據技術對物流行業進行的優化資源配置，至少可以增加物流行業10%左右的收入，其市場價值將在5000億左右。
大數據技術可以瞭解經濟發展情況、各產業發展情況、消費支出和產品銷售情況等，依據分析結果，科學地制定宏觀政策，平衡各產業發展，避免產能過剩，有效利用自然資源和社會資源，提高社會生產效率。大數據技術也能幫助政府進行支出管理，透明合理的財政支出將有利於提高公信力和監督財政支出。大數據及大數據技術帶給政府的不僅僅是效率提升、科學決策、精細管理，更重要的是數據治國、科學管理的意識改變，未來大數據將會從各個方面來幫助政府實施高效和精細化管理，具有極大的想象空間。
閱讀更多 劉弋 的文章
