大数据技术如何在O2O领域发挥作用_数据分析师考试

大数据的基本情况和特点

大数据的概念最早由国际顶级期刊Nature发表的一篇文章（Big data）提出，有人预测IT（Information Technology）时代即将谢幕，将马上迎来DT（Data Technology）时代。大数据具有以下特点：

随着并行计算能力不断提升和数据存储成本的不断降低，大数据以PB或者EB（1EB等于1024PB，1PB等于1024TB）为量级，并且还在以等同于“硬件摩尔定律”的速度（每18个月翻番）增长。

大数据具有4V特征，即规模大(Volume)、变化快(Velocity)、种类多(Variety)和价值密度低(Value)。

大数据计算的研究应重点聚焦在3个I：近似性（Inexact）、增量性（Increment）和归纳性（Induct）。

大数据技术如何在O2O领域发挥作用

对大数据进行深入分析与动态挖掘，由于数据样本足够大，将形成大量反映事物本质和原貌的规律，这些规律将“复盘式”地反作用于数据的产生过程，并为传统行业提供前所未有的深度优化与智能决策，直到形成运营方式与产品的“颠覆式”质变。

以百度的大数据引擎为例，该技术包含3个重要组件。“开放云”、“数据工厂”和“百度大脑”。运用深度神经网络构建的“百度大脑”，其计算能力目前已经相当于2-3岁小孩的智商。

交通运输部科技司赵冲久司长提到“大数据时代的智慧交通”，并抛出很多感知交通、数据交通、掌上交通和人性交通等新提法。对于交通管理部门，真正落地地做事要远比概念更能体现“人性交通”，比如在会场小编萌生出一个想法，能否让每个公交车司机的手机共享其GPS位置，将这些位置数据发布到一个公交位置查询平台上，每个乘坐公交的市民手机安装“公交位置查询APP”，这样就能以订阅的方式查看自己想要乘坐的公交车什么时候到，合理安排等待时间，这样上班族们就不必在数九寒天里站在公交站旁因为等车而冻得直哆嗦了。当然，如果在“公交位置查询APP”中植入广告，我想效果应该会比公交车里的LED公交媒体强得多。

企业在用大数据技术指导O2O时应该注意些什么

在大数据研究方面的门槛越来越高，需要协同计算才能达到最佳的计算效果，在O2O领域，各个移动互联网应用无时无刻不在生产数据，而数据分别存储在各家公司或应用的数据库服务器中，在大数据背景下，单打独斗已无法胜任深度的数据分析与挖掘，与同行之间、与上下游之间进行有效的大数据协同分析将为整个产业链带来巨大价值。

如今数据管理信息系统已经不能满足传统企业的要求，传统企业需要的是基于大数据的智能优化与辅助决策。在数据资源方面，传统企业应充分利用现有大数据资源，如腾讯的社交大数据、阿里巴巴的商品和交易大数据，百度的基于搜索的“通用”大数据。

在大数据获取方面，不能只停留在PC互联网，应从多渠道广泛获取数据，甚至创造新的数据获取方式。如基于多种传感器的可穿戴设备、自建区域wifi网络、LBS技术等等。

传统制造业应充分重视大数据的优化与指导作用。在生产管理信息化和过程控制自动化的基础上，制造业马上将全面进入工艺制造智能化的时代，在大数据技术与O2O技术的推动下，传统的制造行业势必将迎来腥风血雨般的革命性“颠覆”。

通过大数据分析，传统企业应对用户体验更加重视，大数据将帮助部分传统行业彻底克服信息不平衡、数据不透明、管理低效甚至交易潜规则化等问题，相信在大数据技术的支持下，O2O将快速向前推进。

关于百度大数据技术在O2O发挥作用的思考

（1）大数据存储与大数据呈现方式

百度已经构建具有超大规模存储、分布式计算能力的开放云，目前对于解决国内大数据需求方面应该足以胜任，如何在保护企业数据资产的前提下，促进行业内多企业联合协同进行大数据挖掘，是需要思考的问题，建议在实施机制、成果共享规则方面进行规划，从而运用技术促进行业内大多数企业共同进步。

（2）构建并共享大数据优化共性技术

目前百度数据工厂已经在交通、医疗和金融领域与行业专家展开合作，但不可能解决所有行业的问题，所以百度应该在开放云和数据工厂的基础上，进一步开放大数据挖掘与分析共性技术，将共性技术模块化，形成定制工具包，向O2O创业者与传统行业专家推行，O2O创业者与传统行业专家协同使用这些大数据分析与优化工具，形成一系列基于大数据的智能优化与辅助决策方案，助力O2O快速发展。

百度在中国搜索引擎市场已脱颖而出。针对大数据技术与O2O技术的优化与推进，是百度的优势所在，更是职责所在。