来源：金融界基金

金融界基金11月13日讯 南方大数据100指数证券投资基金（简称：南方大数据100指数A，代码001113）公布最新净值，上涨2.13%。本基金单位净值为0.6035元，累计净值为0.6035元。

最新定期报告显示，本基金规模为32.26亿元，上期规模为39.06亿元，减少17.40%。>　　南方大数据100指数证券投资基金成立于2015-04-24，业绩比较基准为“大数据100指数*95.00% + 银行活期存款*5.00%”。 本基金成立以来收益-39.65%，今年以来收益-29.08%，近一月收益2.76%，近一年收益-32.32%，近三年收益-36.42%。近一年，本基金排名同类（458/536），成立以来，本基金排名同类（578/651）。

金融界基金定投排行数据显示，近一年定投该基金的收益为-20.63%，近两年定投该基金的收益为-26.02%，近三年定投该基金的收益为-27.08%，近五年定投该基金的收益为。（点此查看定投排行）

基金经理为李佳亮，自2017年11月09日管理该基金，任职期内收益-32.35%。

最新定期报告显示，该基金前十大重仓股为古井贡酒（持仓比例1.03% ）、中炬高新（持仓比例1.01% ）、工业富联（持仓比例1.00% ）、首旅酒店（持仓比例0.99% ）、长城汽车（持仓比例0.98% ）、益丰药房（持仓比例0.98% ）、海越能源（持仓比例0.97% ）、一心堂（持仓比例0.96% ）、齐翔腾达（持仓比例0.96% ）、华电国际（持仓比例0.96% ），合计占资金总资产的比例为9.84%，整体持股集中度（低）。

最新报告期的上一报告期内，该基金前十大重仓股为恒康医疗（持仓比例1.24% ）、工业富联（持仓比例1.17% ）、上海电气（持仓比例1.10% ）、富奥股份（持仓比例1.03% ）、渤海金控（持仓比例1.02% ）、亿利洁能（持仓比例1.02% ）、诚志股份（持仓比例1.00% ）、华宇软件（持仓比例1.00% ）、顺鑫农业（持仓比例0.98% ）、华菱钢铁（持仓比例0.98% ），合计占资金总资产的比例为10.54%，整体持股集中度（低）。

报告期内基金投资策略和运作分析

2018年三季度，i100指数下跌8.03%。期间我们通过自建的“指数化交易系统”、“跟踪误差归因分析系统”、将本基金的跟踪误差指标控制在较好水平，并通过严格的风险管理流程，确保了本基金的安全运作。

报告期内基金的业绩表现

截至报告期末，本基金A份额净值为0.6503元，报告期内，份额净值增长率为-8.88%，同期业绩基准增长率为-7.62%；本基金C份额净值为0.6467元，报告期内，份额净值增长率为-8.99%，同期业绩基准增长率为-7.62%。

管理人对宏观经济、证券市场及行业走势的简要展望

我要购买：南方大数据100指数A（001113）

基金投资工具箱：

必读资讯：24小时要闻滚动 基金经理后市观点 基金深度研究

基金赚钱榜：基金排行 主题基金

1、 Talend Open Studio

是第一家针对的数据集成工具市场的ETL(数据的提取Extract、传输Transform、载入Load)开源软件供应商。Talend的下载量已超过200万人次，其开源软件提供了数据整合功能。其用户包括美国国际集团（AIG）、康卡斯特、电子港湾、通用电气、三星、Ticketmaster和韦里逊等企业组织。

2、DYSON

探码科技自主研发的DYSON智能分析系统，可以完整的实现大数据的采集、分析、处理。DYSON智能分析系统专业针对互联网数据抓取、处理、分析，挖掘。可以灵活迅速地抓取网页上散乱分布的信息，并通过强大的处理功能，准确挖掘出所需数据，是目前使用人数最多的网页采集工具.

3、YARN

一种新的Hadoop资源管理器，它是一个通用资源管理系统，可为上层应用提供统一的资源管理和调度，解决了旧MapReduce框架的性能瓶颈。它的基本思想是把资源管理和作业调度/监控的功能分割到单独的守护进程。

4、Mesos

由加州大学伯克利分校的AMPLab首先开发的一款开源群集管理软件，支持Hadoop、ElasticSearch、Spark、Storm 和Kafka等架构。对数据中心而言它就像一个单一的资源池，从物理或虚拟机器中抽离了CPU，内存，存储以及其它计算资源， 很容易建立和有效运行具备容错性和弹性的分布式系统。

5、Datale

由探码科技研发的一款基于Hadoop的大数据平台开发套件，RAI大数据应用平台架构。

6、 Ambari

作为Hadoop生态系统的一部分，提供了基于Web的直观界面，可用于配置、管理和监控Hadoop集群。目前已支持大多数Hadoop组件，包括HDFS、MapReduce、Hive、Pig、 Hbase、Zookeper、Sqoop和Hcatalog等。

7、ZooKeeper

一个分布式的应用程序协调服务，是Hadoop和Hbase的重要组件。它是一个为分布式应用提供一致性服务的工具，让Hadoop集群里面的节点可以彼此协调。ZooKeeper现在已经成为了 Apache的顶级项目，为分布式系统提供了高效可靠且易于使用的协同服务。

8、Thrift

在2007年facebook提交Apache基金会将Thrift作为一个开源项目，对于当时的facebook来说创造thrift是为了解决facebook系统中各系统间大数据量的传输通信以及系统之间语言环境不同需要跨平台的特性。

9、Chukwa

监测大型分布式系统的一个开源数据采集系统。建立在HDFS/MapReduce框架之上并继承了Hadoop的可伸缩性和可靠性，可以收集来自大型分布式系统的数据，用于监控。它还包括灵活而强大的显示工具用于监控、分析结果。

10、Lustre

一个大规模的、安全可靠的、具备高可用性的集群文件系统，它是由SUN公司开发和维护的。该项目主要的目的就是开发下一代的集群文件系统，目前可以支持超过10000个节点，数以PB的数据存储量。

11、HDFS

Hadoop Distributed File System，简称HDFS，是一个分布式文件系统。HDFS是一个高度容错性的系统，适合部署在廉价的机器上。HDFS能提供高吞吐量的数据访问，非常适合大规模数据集上的应用。

12、GlusterFS

一个集群的文件系统，支持PB级的数据量。GlusterFS 通过RDMA和TCP/IP方式将分布到不同服务器上的存储空间汇集成一个大的网络化并行文件系统。

13、Alluxio

前身是Tachyon，是以内存为中心的分布式文件系统，拥有高性能和容错能力，能够为集群框架（如Spark、MapReduce）提供可靠的内存级速度的文件共享服务。

14、Ceph

新一代开源分布式文件系统，主要目标是设计成基于POSIX的没有单点故障的分布式文件系统，提高数据的容错性并实现无缝的复制。

15、PVFS

一个高性能、开源的并行文件系统，主要用于并行计算环境中的应用。PVFS特别为超大数量的客户端和服务器端所设计，它的模块化设计结构可轻松的添加新的硬件和算法支持。

16、QFS

Quantcast File System (QFS) 是一个高性能、容错好、分布式的文件系统，用于开发支持 MapReduce处理或者需要顺序读写大文件的应用。

17、 Logstash

一个应用程序日志、事件的传输、处理、管理和搜索的平台。可以用它来统一对应用程序日志进行收集管理，提供了Web接口用于查询和统计。

18、Scribe

Scribe是Facebook开源的日志收集系统，它能够从各种日志源上收集日志，存储到一个中央存储系统（可以是NFS，分布式文件系统等）上，以便于进行集中统计分析处理。

19、Flume

Cloudera提供的一个高可用的、高可靠的、分布式的海量日志采集、聚合和传输的系统。Flume支持在日志系统中定制各类数据发送方，用于收集数据。同时，Flume支持对数据进行简单处理，并写入各种数据接受方（可定制）。

20、RabbitMQ

一个受欢迎的消息代理系统，通常用于应用程序之间或者程序的不同组件之间通过消息来进行集成。RabbitMQ提供可靠的应用消息发送、易于使用、支持所有主流操作系统、支持大量开发者平台。

21、ActiveMQ

Apache出品，号称“最流行的，最强大”的开源消息集成模式服务器。ActiveMQ特点是速度快，支持多种跨语言的客户端和协议，其企业集成模式和许多先进的功能易于使用，是一个完全支持JMS1.1和J2EE 1.4规范的JMS Provider实现。

22、Kafka

一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模网站中的所有动作流数据，目前已成为大数据系统在异步和分布式消息之间的最佳选择。

23、Spark

一个高速、通用大数据计算处理引擎。拥有Hadoop MapReduce所具有的优点，但不同的是Job的中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。它可以与Hadoop和Apache Mesos一起使用，也可以独立使用。

24、Kinesis

可以构建用于处理或分析流数据的自定义应用程序，来满足特定需求。Amazon Kinesis Streams 每小时可从数十万种来源中连续捕获和存储数TB数据，如网站点击流、财务交易、社交媒体源、IT日志和定位追踪事件。

25、 Hadoop

一个开源框架，适合运行在通用硬件，支持用简单程序模型分布式处理跨集群大数据集，支持从单一服务器到上千服务器的水平scale up。Apache的Hadoop项目已几乎与大数据划上了等号，它不断壮大起来，已成为一个完整的生态系统，拥有众多开源工具面向高度扩展的分布式计算。高效、可靠、可伸缩，能够为你的数据存储项目提供所需的YARN、HDFS和基础架构，并且运行主要的大数据服务和应用程序。

26、Spark Streaming

实现微批处理，目标是很方便的建立可扩展、容错的流应用，支持Java、Scala和Python，和Spark无缝集成。Spark Streaming可以读取数据HDFS，Flume，Kafka，Twitter和ZeroMQ，也可以读取自定义数据。

27、Trident

是对Storm的更高一层的抽象，除了提供一套简单易用的流数据处理API之外，它以batch(一组tuples)为单位进行处理，这样一来，可以使得一些处理更简单和高效。

28、Flink

于今年跻身Apache顶级开源项目，与HDFS完全兼容。Flink提供了基于Java和Scala的API，是一个高效、分布式的通用大数据分析引擎。更主要的是，Flink支持增量迭代计算，使得系统可以快速地处理数据密集型、迭代的任务。

29、Samza

出自于LinkedIn，构建在Kafka之上的分布式流计算框架，是Apache顶级开源项目。可直接利用Kafka和Hadoop YARN提供容错、进程隔离以及安全、资源管理。

30、Storm

Storm是Twitter开源的一个类似于Hadoop的实时数据处理框架。编程模型简单，显著地降低了实时处理的难度，也是当下最人气的流计算框架之一。与其他计算框架相比，Storm最大的优点是毫秒级低延时。

31、Yahoo S4 （Simple Scalable Streaming System）

是一个分布式流计算平台，具备通用、分布式、可扩展的、容错、可插拔等特点。程序员可以很容易地开发处理连续无边界数据流（continuous unbounded streams of data）的应用。它的目标是填补复杂专有系统和面向批处理开源产品之间的空白，并提供高性能计算平台来解决并发处理系统的复杂度。

32、HaLoop

是一个Hadoop MapReduce框架的修改版本，其目标是为了高效支持 迭代，递归数据 分析任务，如PageRank，HITs，K-means，sssp等。

33、Presto

是一个开源的分布式SQL查询引擎，适用于交互式分析查询，可对250PB以上的数据进行快速地交互式分析。Presto的设计和编写是为了解决像Facebook这样规模的商业数据仓库的交互式分析和处理速度的问题。Facebook称Presto的性能比诸如Hive和MapReduce要好上10倍有多。

34、 Drill

于2012年8月份由Apache推出，让用户可以使用基于SQL的查询，查询Hadoop、NoSQL数据库和云存储服务。它能够运行在上千个节点的服务器集群上，且能在几秒内处理PB级或者万亿条的数据记录。它可用于数据挖掘和即席查询，支持一系列广泛的数据库，包括HBase、MongoDB、MapR-DB、HDFS、MapR-FS、亚马逊S3、Azure Blob Storage、谷歌云存储和Swift。

35、Phoenix

是一个Java中间层，可以让开发者在Apache HBase上执行SQL查询。Phoenix完全使用Java编写，并且提供了一个客户端可嵌入的JDBC驱动。Phoenix查询引擎会将SQL查询转换为一个或多个HBase scan，并编排执行以生成标准的JDBC结果集。

36、Pig

是一种编程语言，它简化了Hadoop常见的工作任务。Pig可加载数据、转换数据以及存储最终结果。Pig最大的作用就是为MapReduce框架实现了一套shell脚本 ，类似我们通常熟悉的SQL语句。

37、Hive

是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

38、SparkSQL

前身是Shark，SparkSQL抛弃原有Shark的代码并汲取了一些优点，如内存列存储（In-Memory Columnar Storage）、Hive兼容性等。由于摆脱了对Hive的依赖性，SparkSQL无论在数据兼容、性能优化、组件扩展方面都得到了极大的方便。

39、Stinger

原来叫Tez，是下一代Hive，由Hortonworks主导开发，运行在YARN上的DAG计算框架。某些测试下，Stinger能提升10倍左右的性能，同时会让Hive支持更多的SQL。

40、Tajo

目的是在HDFS之上构建一个可靠的、支持关系型数据的分布式数据仓库系统，它的重点是提供低延迟、可扩展的ad-hoc查询和在线数据聚集，以及为更传统的ETL提供工具。

41、Impala

Cloudera 声称，基于SQL的Impala数据库是“面向Apache Hadoop的领先的开源分析数据库”。它可以作为一款独立产品来下载，又是Cloudera的商业大数据产品的一部分。Cloudera Impala 可以直接为存储在HDFS或HBase中的Hadoop数据提供快速、交互式的SQL查询。

42、 Elasticsearch

是一个基于Lucene的搜索服务器。它提供了一个分布式、支持多用户的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索、稳定、可靠、快速、安装使用方便。

43、Solr

基于Apache Lucene，是一种高度可靠、高度扩展的企业搜索平台。知名用户包括eHarmony、西尔斯、StubHub、Zappos、百思买、AT&T、Instagram、Netflix、彭博社和Travelocity。

44、Shark

即Hive on Spark，本质上是通过Hive的HQL解析，把HQL翻译成Spark上的RDD操作，然后通过Hive的metadata获取数据库里的表信息，实际HDFS上的数据和文件，会由Shark获取并放到Spark上运算。Shark的特点就是快，完全兼容Hive，且可以在shell模式下使用rdd2sql()这样的API，把HQL得到的结果集，继续在scala环境下运算，支持自己编写简单的机器学习或简单分析处理函数，对HQL结果进一步分析计算。

45、Lucene

基于Java的Lucene可以非常迅速地执行全文搜索。据官方网站声称，它在现代硬件上每小时能够检索超过150GB的数据，它拥有强大而高效的搜索算法。

46、Terracotta

声称其BigMemory技术是“世界上首屈一指的内存中数据管理平台”，支持简单、可扩展、实时消息，声称在190个国家拥有210万开发人员，全球1000家企业部署了其软件。

47、 Ignite

是一种高性能、整合式、分布式的内存中平台，可用于对大规模数据集执行实时计算和处理，速度比传统的基于磁盘的技术或闪存技术高出好几个数量级。该平台包括数据网格、计算网格、服务网格、流媒体、Hadoop加速、高级集群、文件系统、消息传递、事件和数据结构等功能。

48、GemFire

Pivotal宣布它将开放其大数据套件关键组件的源代码，其中包括GemFire内存中NoSQL数据库。它已向Apache软件基金会递交了一项提案，以便在“Geode”的名下管理GemFire数据库的核心引擎。

49、 GridGain

由Apache Ignite驱动的GridGrain提供内存中数据结构，用于迅速处理大数据，还提供基于同一技术的Hadoop加速器。

50、MongoDB

是一个基于分布式文件存储的数据库。由C++...

几年来，大数据已不再是高耸如云一样触不可及的概念

用“日新月异”一词，并不能贴切的描述移动互联网的发展状态，因为几乎每一个瞬间，信息都在传输，并以幂次的速度裂变和扩张。不仅仅是信息的传输日益方便快捷，端到端的需求也日益突出，纵观整个移动互联网领域，数据已被认为是继云计算、物联网之后的又一大颠覆性的技术性革命。

几年来，大数据已不再是高耸如云一样触不可及的概念，其应用领域，几乎已很容易理解、简单视觉化地蔓延到现代人生活的方方面面，第一次将各行各业的用户、方案提供商、服务商、运营商以及整个生态链上游厂商融入到一个大的环境中。无论是企业级市场还是消费级市场，亦或政府公共服务，都正或将要与大数据发生千丝万缕的联系。

各类相关的新老厂商，从不同角度提供了佐证，大数据市场是待挖掘的金矿，其价值不言而喻。从用户端看，在一定程度上，可以说谁能掌握和合理运用用户大数据的核心资源，谁就能在接下来的技术变革中进一步发展壮大。

其中，实实在在、看得见摸得着的可以解决关键问题的解决方案，成为判断的核心。一方面真金不怕火炼，另一方面纸里也包不住火。未来一个阶段，优秀的企业将比以往凸现。

甲骨文，京东，谷歌

虽然大数据的出现让企业有了更多的商业机会，然而调查显示，只有12%的企业高管认为他们对大数据有控制能力，无价值的数据占据了过多的处理时间，致使有限的IT资源被浪费，如何存储并分析数据成为了企业在大数据时代面临的挑战。

甲骨文公司通过Oracle大数据机、Oracle Exadata数据库云服务器、Oracle Exalytics商务智能云服务器以及Oracle Endeca Information Discovery，依托于ERP/CRM等关键企业管理系统的商务智能软件一起组成了甲骨文最广泛、高度集成化产品组合，为企业提供了一个全方位的端到端的大数据解决方案。目前，Oracle大数据解决方案已获得汤森路透、丰田汽车、Regions 银行、美国国家癌症研究所等众多企业用户的支持。

在电商领域，京东大数据的优势得益于京东电商业务的全价值链数据，由于京东的主要业务是自营式电商，而且要求端到端的流程控制，使得京东的大数据覆盖了电商的全部流程，从采购、库房、销售、配送到售后、客服，整个链条是完整的。有了真实有效的大数据，京东就可以做很多的事情，比如精准营销、用户画像、C2B定制，等等。

谷歌的无人驾驶汽车是一个彻头彻尾的大数据时代下的产物，按照谷歌的设想，无人驾驶汽车不需要驾驶员，因而人们也不需要购买，所以消费者将因此节省下大笔的购买保险、交通事故赔偿、使用维护、购买停车位等费用，交通系统等与出行有关的一切都将重新构建，甚至会改变城市的面貌。近日，谷歌为其无人驾驶汽车注册了一项新的专利技术，当发生自动驾驶汽车冲撞行人的情况时，汽车发动机盖、前保险杠以及侧面的特殊涂层会将行人粘住，以避免受到二次伤害的可能。

结语

有研究发现，如果自动机动车得到普及，可以减少25%的交通拥堵，减少30%的城市停车场面积。如果北京减少30%的停车场需求，城市生活将大不一样。

大数据在改变和影响我们的生活，对客户来说它是企业发展的法宝，对于服务商来说是用之不竭的研发领域，对于市民来说，它带我们进入智慧城市，享受别样的生活。

所以，未来更优秀的解决方案提供商的出现，是必须可以期待的。

（文/景逸）

3月31日，学乐云教学正式发布学乐云家庭APP，让教育大数据和家长一起，呵护每个孩子的智慧成长。

学乐董事长陈冬华表示，学乐一直致力于研究教育大数据，在为师生减负增效的同时，也让家长与孩子之间走得更近。

真正的“家校共育”范本

家校共育是这个时代教育的需求。每位家长都期望孩子能拥有更好的未来，期望能伴随孩子共同成长，走好每一步。

但要了解孩子的在校情况并不简单。它涉及十分庞大的体系：仅仅课中学习过程，每个孩子就有数百种对应的数据，更何况还有出勤、健康、动态、考试，乃至评价、辅导。全国学生如此之多，不同学校、不同教师每天的教学也不同，这相当于1分钟就能产生海量的数据。

学乐云家庭的背后是学乐云教学——一个基于物联网、大数据、云计算等前沿技术，可搜集整合亿级用户信息的教育生态平台。

借助学乐云教学的数据整合能力，云家庭得以精准、高效地呈现孩子学习轨迹和成长轨迹。课堂上被表扬了几次，老师对他有什么评价，课后分享了什么动态，甚至对孩子如何辅导、如何出题，以往这些家长烦恼的问题，在APP内均能得到解决。

成长轨迹、学习轨迹、一键辅导

学乐云家庭的目标，是打造完善的“家校共育”生态，用来源于整个教育生态的教学行为数据，帮助家长呵护孩子智慧成长，让家校间再无围墙和距离。

目前仅对【孩子有学乐账号】的家长提供服务！

在应用商店搜索“学乐云家庭”下载！

数据说明：

1. 本篇推送内容中的统计对象均为北京常住人口，2016年年末，北京常住人口为2172.9万人；

2. 除特殊说明外，推送中的数据来自北京统计信息网公开的2016年度统计资料：http://bjstats.gov/tjsj/ndtjzl/

3. 学历分布信息及户籍人口年龄分布信息来自北京统计信息网公开的2015年统计年鉴：http://bjstats.gov/nj/main/2015-tjnj/indexch.htm

4. 残疾人数量信息来自2006年全国残疾人抽样调查北京市数据公报：http://bdpf.org/zwpd/zwgk/sytj/c11591/content.html

5. 民族分布信息来自北京第六次全国人口普查数据：http://zhengwu.beijing.gov/tjxx/tjfx/t1168386.htm

6. 2016年拥有驾照人数为基于《2016北京交通发展年度报告》中2015年与2014年数据的估算值：http://bjtrc.org/JGJS.aspx?id=5.2&Menu=GZCG

7. 共产党员数量信息来自2016年党内统计数据：http://bjnews/news/2016/07/02/408617.html

8. 从业人口收入分布信息来自《2017年北京市薪资水平报告》：http://salarycalculator.sinaapp/report/%E5%8C%97%E4%BA%AC

9. 图中所示的人数为整数，均为经过四舍五入的结果。

来源：人民日报

来源：金融界基金

金融界基金11月01日讯 博时中证淘金大数据100指数型证券投资基金（简称：博时中证淘金大数据100A，代码001242）公布最新净值，上涨1.94%。本基金单位净值为0.7259元，累计净值为0.7259元。

最新定期报告显示，本基金规模为12.34亿元，上期规模为39.06亿元，减少68.41%。

博时中证淘金大数据100指数型证券投资基金成立于2015-05-04，业绩比较基准为“中证淘金大数据100指数*95.00% + 银行活期存款*5.00%”。 本基金成立以来收益-27.43%，今年以来收益-26.24%，近一月收益-10.64%，近一年收益-25.77%，近三年收益0.11%。近一年，本基金排名同类（291/528），成立以来，本基金排名同类（499/649）。

金融界基金定投排行数据显示，近一年定投该基金的收益为-21.67%，近两年定投该基金的收益为-20.55%，近三年定投该基金的收益为-15.40%，近五年定投该基金的收益为。（点此查看定投排行）

基金经理为桂征辉，自2015年07月21日管理该基金，任职期内收益-9.67%。

最新定期报告显示，该基金前十大重仓股为海越能源（持仓比例1.11% ）、广电运通（持仓比例1.09% ）、首旅酒店（持仓比例1.08% ）、益丰药房（持仓比例1.07% ）、郑煤机（持仓比例1.07% ）、洋河股份（持仓比例1.07% ）、长江传媒（持仓比例1.06% ）、华域汽车（持仓比例1.06% ）、潍柴动力（持仓比例1.05% ）、新安股份（持仓比例1.04% ），合计占资金总资产的比例为10.70%，整体持股集中度（低）。

最新报告期的上一报告期内，该基金前十大重仓股为欧派家居（持仓比例2.61% ）、兖州煤业（持仓比例2.05% ）、经纬纺机（持仓比例1.20% ）、健康元（持仓比例1.14% ）、华友钴业（持仓比例1.13% ）、青岛海尔（持仓比例1.11% ）、方大特钢（持仓比例1.10% ）、卫士通（持仓比例1.10% ）、立讯精密（持仓比例1.08% ）、三一重工（持仓比例1.08% ），合计占资金总资产的比例为13.60%，整体持股集中度（低）。

报告期内基金投资策略和运作分析

2018年第三季度，A股市场呈现震荡，上证综指累计跌幅0.92%，大小盘分化明显。风格方面，价值表现较好，小盘跌幅较大。行业方面，银行、石油石化等行业大幅跑赢市场，家电、纺织服装、电子元器件等行业表现落后。本基金作为指数基金，为保证对于业绩基准的紧密跟踪，我们本着勤勉尽责的态度，严格按照基金合同要求，在月度指数成份股变动时，尽量降低交易成本、减少市场冲击，力求组合成份股紧密跟踪指数，并在最小化交易成本的同时适时调仓，取得了较低的跟踪误差。

报告期内基金的业绩表现

截至2018年09月30日,本基金A类类基金份额净值为0.8122元,份额累计净值为0.8122元,本基金I类类基金份额净值为0.8125元,份额累计净值为0.8125元.报告期内，本基金A类基金份额净值增长率为-7.86%,本基金I类基金份额净值增长率为-7.86%，同期业绩基准增长率-6.92%

管理人对宏观经济、证券市场及行业走势的简要展望

我要购买：博时中证淘金大数据100A（001242）

基金投资工具箱：

必读资讯：24小时要闻滚动 基金经理后市观点 基金深度研究

基金赚钱榜：基金排行 主题基金

我们生活在一个大变革、大动荡的时代。数字化走近千家万户，越来越同我们的生活息息相关。区块链、AI在近几年逐步为人们所熟知，并投入实际应用。几乎所有的科技互联网企业都开始使用大数据解决问题。

最近刚刚发布了2017年度大数据应用解决方案提供商百强排行榜，其中，排名前十的企业分别为腾讯、阿里巴巴、中国电信、百度、浪潮、华为、新华三、中兴通讯、中科曙光以及银联商务。

对于这份榜单，腾讯和阿里巴巴能够分别位于第一第二，网友并不感到奇怪。这两家公司都是全球领先的互联网公司，他们的产品和服务被近十亿网民所使用，因此，腾讯和阿里在大数据应用方面具有先发优势。另外，中国互联网三巨头之一的百度，也进入了榜单的前五名。但是，华为居然在该榜单只能排到第六名，落后于百度和浪潮，有不少网友对此提出了质疑。作为一家全球知名的运营商和硬件制造商，华为这几年也在大数据方面不断加大投入，但是华为居然在该榜单只能排到第六名，落后于百度和浪潮。

也有网友提出质疑，说有些上榜企业利用大数据泄露了用户的个人信息。对此笔者认为，在发展大数据的同时，安全问题也是这些企业应当解决的首要问题。希望中国企业无论有没有上榜，都能发展得越来越好。

来源：金融界基金

金融界基金09月19日讯 南方大数据100指数证券投资基金（简称：南方大数据100指数C，代码004344）公布最新净值，上涨1.56%。本基金单位净值为0.6331元，累计净值为0.6331元。

最新定期报告显示，本基金规模为35.77亿元，上期规模为39.06亿元，减少8.42%。

南方大数据100指数证券投资基金成立于2017-02-23，业绩比较基准为“大数据100指数*95.00% + 银行活期存款*5.00%”。 本基金成立以来收益-29.66%，今年以来收益-25.40%，近一月收益-1.74%，近一年收益-30.93%，近三年收益。近一年，本基金排名同类（466/524），成立以来，本基金排名同类（526/637）。

金融界基金定投排行数据显示，近一年定投该基金的收益为-21.15%，近两年定投该基金的收益为，近三年定投该基金的收益为，近五年定投该基金的收益为。（点此查看定投排行）

基金经理为李佳亮，自2017年11月09日管理该基金，任职期内收益-28.90%。

最新定期报告显示，该基金前十大重仓股为恒康医疗（持仓比例1.24% ）、工业富联（持仓比例1.17% ）、上海电气（持仓比例1.10% ）、富奥股份（持仓比例1.03% ）、渤海金控（持仓比例1.02% ）、亿利洁能（持仓比例1.02% ）、诚志股份（持仓比例1.00% ）、华宇软件（持仓比例1.00% ）、华菱钢铁（持仓比例0.98% ）、顺鑫农业（持仓比例0.98% ），合计占资金总资产的比例为10.54%，整体持股集中度（低）。

最新报告期的上一报告期内，该基金前十大重仓股为恒逸石化（持仓比例1.40% ）、恒康医疗（持仓比例1.15% ）、旋极信息（持仓比例1.05% ）、永泰能源（持仓比例1.04% ）、白云山（持仓比例1.03% ）、兆易创新（持仓比例1.03% ）、老百姓（持仓比例1.01% ）、立思辰（持仓比例0.99% ）、九州通（持仓比例0.99% ）、欣旺达（持仓比例0.99% ），合计占资金总资产的比例为10.68%，整体持股集中度（低）。

报告期内基金投资策略和运作分析

2018年上半年，i100指数下跌15.28%。期间我们通过自建的“指数化交易系统”、“跟踪误差归因分析系统”、将本基金的跟踪误差指标控制在较好水平，并通过严格的风险管理流程，确保了本基金的安全运作。

报告期内基金的业绩表现

????报告期内，本基金A级份额净值增长率为-16.12％，同期业绩基准增长率为-14.52％；C级份额净值增长率为-16.27％，同期业绩基准增长率为-14.52％。

管理人对宏观经济、证券市场及行业走势的简要展望

2018年上半年，受到海外主要经济体货币政策逐渐收紧、中美贸易战等诸多不确定因素影响，中国经济增速面临较大压力。权益市场缺乏赚钱效应，同时市场情绪较弱，市场仍处于探底震荡过程中。权益市场年初至今经历了三波下跌，风险得到较为充分的释放，目前权益市场体估值水平已经有相当的吸引力，投资价值凸显。权益市场短期虽存在不确定性风险，但长期持有获利机会较大，未来收益可期。

我要购买：南方大数据100指数C（004344）

基金投资工具箱：

必读资讯：24小时要闻滚动 基金经理后市观点 基金深度研究

基金赚钱榜：基金排行 主题基金

互联网时代，最明显的一个特征就是绝大多数信息都是以数据的形式进行记录，可以说数据就是信息的载体，也是知识的来源。数据体量呈现出爆发式增长，人们在笑谈大数据时代“你的信息只值五毛钱”的时候，不得不重新认真思考它的价值。

大数据有没有价值，在于是否应用得当

随着国家将大数据战略提升到国家战略高度，将大数据视为经济发展和转型的重要科技依据，越来越多的企业组织已将数据视为重要资产，着手开展数字化转型的系列举措，以期全面提升客户体验，推动经济增长。

无疑，大数据时代，数据资产已成为一个企业的核心竞争力。但数据在手，不会运用它，就会毫无价值。在当下企业数字化浪潮中，数据是企业转型的基础元素，如何将企业不同业务、类型的数据应用起来，推动企业运营，增加收入、降低成本、提高效率，控制风险等，是企业现在面临的难点。

用友云分析服务针对企业数据分析的关键技术及应用场景等推出了《分析云技术白皮书》，助力企业走出数据分析的盲区，实现数据化管理与运营。用友云分析服务支持将多个不同的数据源汇总到数据共享中心的大数据平台。通过内置的用友DI数据集成平台将企业各业务系统的数据进行采集，再加载到用友云分析服务的大数据平台。经过元数据管理系统的比对、校验、转换得到一致的数据。从而进行数据整合，根据不同的需求，提供差异化服务。

应用越广泛，受到的安全挑战越大

大数据技术，悄然渗透到各个行业领域，逐渐成为一种生产要素并发挥着重要作用。然而，大数据技术使得产率提高和改变生活方式的同时，随之而来的安全挑战也日益显现。

例如，政务大数据覆盖行业范围广泛、数据结构多样、关联关系复杂，而且涉及大量个人隐私数据、国家敏感数据等重要数据。因此在开展政务大数据应用的同时，数据和平台安全尤为重要。

值得一提的是，3月25日，华为云数据库安全服务正式上线，以期打造高效云上数据防护体系。华为云数据库安全服务，通过三步走的数据库安全防护设计，保障数据系统安全。第一步：定位敏感数据在数据库中所处的位置，通过构建安全策略来提早防护。第二步：通过定义基于多维度的策略，阻止应用直接访问数据、利用操作系统和第三方应用程序漏洞的攻击。第三步：一旦发现入侵行为，采取必要措施进行封堵，以回溯和确认攻击源头，还原恶意行为的蛛丝马迹，从而进行管理措施。

大数据与人工智能携手发展

大数据与人工智能相互依托，有着紧密的联系。巨大的数据量为人工智能提供了发展空间。从早期的支持向量机、决策树，到近期的人工智能神经网络，数据越多越有助于人工智能的发展。同时，大数据也需要更新的模式来处理它，通过这个过程发现更多隐含规律。

在当下，在未来，或许人们已经不能忽略“大数据与人工智能”这两个重要的技术协同运用所带来的具大效应。人心齐，泰山移。独脚难行，孤掌难鸣。在互联网时代，一味地竞争已经没有未来。只有携手共求发展，或许才能创造出一个大国品牌。

（文/红薯）

记者从深交所获悉，为了反映舆情大数据投资策略在证券市场的表现，丰富指数化投资标的，推动指数编制发展创新，2017年12月22日，深证新浪大数据100指数（以下简称新浪100，代码：399297）在深圳证券交易所（以下简称深交所）上线发布。

新浪100指数由深圳证券信息有限公司（以下简称深证信息）与北京新浪互联信息服务有限公司（以下简称新浪网）共同开发，后续将与泛欧交易所（Euronext）合作在全球市场推广应用。该指数以2013年12月31日为基日，基点为1000点。数据显示，从基日至2017年11月30日，该指数累计收益率为234%，超越同期市场基准，充分体现了采用舆情大数据策略分析的有效性。新浪100指数通过深耕互联网大数据信息和价值，构建因子模型，从新浪网的舆情数据中挖掘情绪指标作为选股因子，综合市场估值指标，筛选深市100只样本股编制指数。指数采用等权重方式加权计算，样本股及权重因子实施月度定期调整。

深证信息是深交所的全资子公司，国内证券信息服务领域的领先企业。深证信息致力于建设多层次资本市场的跨媒体信息传播体系，推出了巨潮资讯网、深交所互动易、深证/国证指数体系、股东大会网络投票系统、中国高新区科技金融信息服务平台等市场知名产品。作为国内最早开展指数业务的专业机构，深证信息具有丰富的指数研发和管理经验，打造了深证成份指数、深证100指数、创业板指数等市场核心指数。通过与其他领域的优势机构合作，深证信息不断推动指数的编制创新，推出了央视50指数、大数据100指数等创新型指数，受到市场广泛关注和认可。新浪网在舆情数据中挖掘情绪指标方面，拥有强大的数据系统和及时准确的用户行为数据，同时也有丰富的经验。通过对财经大数据进行定性和定量分析，深证信息与南方基金及新浪网联合编制的南方新浪大数据系列指数运行良好。

（见习编辑：陈蓉蓉）