把一个未知的问题，转化为一个相对简单的分析问题，通过对数据的专业化处理，得出清晰、客观的预测结果，像这样的大数据预测通常用于商业决策——规避市场风险，或者占领市场先机。

　　大数据预测作为大数据的核心应用，在国外已经耕耘多年，以EverString、Mintigo、Infer为代表的提供潜在客户预测服务的公司已形成成熟市场，为包括IBM、微软、VMWare等大型To B企业提供销售预测分析服务。

　　相对而言，国内企业级服务市场的大数据预测才刚刚兴起，企业通常都有研究客户，以便进一步寻找相似的客户和挖掘存量客户的需求，但一般企业普遍缺乏足够的技术能力。一方面，企业的数据以内部数据为主，存储在CRM、ERP及其它内部系统里，这些数据的价值尚未得到完全释放，企业也缺乏采集外部数据的技术能力；另一方面，企业内部缺乏对海量数据的处理能力和高级数据分析能力，无法充分挖掘数据的价值。

　　目前国内做大数据预测服务的公司并不多，主要是这方面进入门槛比较高，要做到智能预测潜在客户，除了需要海量数据、数据分析技术，还需要有业务场景，这是做大数据预测无法避免的问题，也是智能预测进一步发展需要解决的难题。

　　大数据在企业级服务领域的应用主要有三种情况：

　　一、内部数据整合共享。旨在整合企业内部各部门的数据源，建立企业级的数据存储和分析平台，做到数据信息共享。如：Oracle、Salesfroce等管理系统，以流程管理和信息共享为主。

　　二、内外部数据融合汇总。不仅整合企业内数据，同时融合外部信息源，如人口地理信息、竞争者信息等。如Demandbase、RainKing等，能够让商业网站为用户显示定制的信息。

　　三、在大数据上建立预测模型。以国内的探迹科技为代表，它是在海量企业数据的基础上，建立量化客户模型，再从企业知识图谱中挖掘潜在客户。

　　在其进行模型预测的过程中，决定性的因素不仅包括大数据分析技术，还有公司是否有充足的企业数据库资源，能否根据公司规模、行业、目标人群等不同维度，提出灵活的销售预测方案等等，这些都将影响到最终预测的精准度。

　　以前，公司想要预测产品的目标客户群体，只能高薪聘请分析团队或采购企业级商业智能(BI)解决方案。现在，大数据和人工智能技术趋向成熟，我们完全可以用新技术解决销售预测问题。

　　探迹在做的，就是用大数据预测解决To B企业销售痛点，帮助国内To B企业实现精准营销、快速销售，从而提升销售效率。

　　探迹为To B企业提供一站式智能销售预测解决方案——通过不断分析和挖掘全网在线企业信息，结合企业内部的CRM系统，利用机器学习自动建立量化客户模型，在探迹超过4000万家企业知识图谱中挖掘类似的精准潜在客户，并进行客户画像评分排序。销售线索可直接在探迹预测平台上展现，或导回到合作客户的CRM系统中供销售团队使用，无需再靠人工寻找销售线索和筛选线索。

　　这是把低效率的人工寻找潜在客户的环节，用大数据和人工智能技术转化成机器自主挖掘分析，精准定位目标客户，不但节省了大量的人力资源，而且在潜客线索数量和质量上都是巨大的提升，帮助企业在销售上轻松占领市场先机。

大数据释放出的巨大价值，几乎给每个行业都带来了颠覆，企业可以利用大数据分析用户消费习惯，创造更大的商业价值，尤其是在广告业。

根据CTR市场研究数据，2013年中国电视、电台、报纸、杂志、互联网市场全年广告花费总额超过1.65万亿元，其中交通行业广告投放近700亿元。汽车行业广告花费TOP20的广告主，广告花费近400亿元，其中互联网花费近一半。随着互联网受众的继续增大及汽车电商的兴起，品牌汽车厂商和经销商的网络广告投放规模还将继续加大。

传统互联网广告投放中“目标人群”比较粗糙和局限，营销效果受限。36氪近日接触到的精准科技，致力于高净值人群数据的采集、处理、识别、 挖掘、分析及应用，帮助广告主找到用户真实的潜在需求，锁定目标受众人群，促进潜在目标受众产生购买行为，提升数字营销的转化结果。

精准科技自成立以来，通过与电信运营商、银行等金融机构、电商平台及第三方互联网平台等进行产品合作，整合、汇聚了合作各方的各类数据，共同构建了公司DMP大数据共享平台。

公司通过数据的广泛收集、归类、整理、分析及挖掘等，分析出用户的特点以及潜在需求，为汽车厂商及其广告代理机构提供面向精准的潜在目标受众群开展广告投放、产品定向营销等服务。同时也通过一系列线上线下的活动，将广告投放及营销活动的效果通过公司的DSP平台进行分析反馈，确保广告投放的效果。

精准科技现在有三个核心产品——场景化数据管理平台（SDMP）、大数据模型开放平台（DMOP），和服务化媒体资源平台（DSSP）。

SDMP主要是对包括外部和线上的多元数据进行整合、匹配、处理和深度挖掘，然后应用于营销决策与分析、精准广告投放、品牌与营销活动检测等领域，同时这些应用反馈数据也会被SDMP平台回收，以优化整合、匹配、处理策略。

DMOP旨在提高传统DMP的技术能力，为众多标签/数据源建立一个可以分享、交换、买卖的市场。精准科技董事长杨光告诉36氪，精准科技基于场景开发行业数字标签体系及建立数据模型，已在不同维度建立垂直化的行业大数据标签体系；以汽车行业为例，目前涵盖12大类、118小类、近400个行业标签。

另外，精准科技正在搭建DSSP（服务化媒体资源平台），预期今年年底可以上线。DSSP是指建立在大数据基础上，通过用户行为数据挖掘对用户需求进行判断，整合其他产品资源，融合自有产品，形成增值服务内容精准推送给用户。广告主可以在DMP海量客群数字标签分析基础上，针对受众人群渠道媒体分布，选择媒体服务。杨光告诉36氪，未来可以进一步延伸至个体画像，精准投放做到“千人千面”。

精准科技技术团队由1名印第安纳大学伯明顿分校的教授为外聘科学家、2名海归博士、8名顶级学府硕士及知名互联网企业事业单位从业五年以上的开发人员组成。

如今，朋友圈广告已经“稀松平常”，而用户接收到什么样的商品广告，则基本取决于平日里对微信的使用习惯。无独有偶，淘宝、京东等电商平台在网页中弹出的定向品类广告，也是基于用户对于某一商品的搜索行为。

可见，互联网时代，消费者的一举一动都被“数据化”，透过数据所呈现的用户搜索、消费习惯，形成对消费者个性与喜好的认知，掌握消费者的真实需求，从而对其进行精准营销，实现有效的用户触达。

而随着信息的高度普及、消费者需求的多元，各行各业逐渐重视对大数据的应用，以实现在营销、推广环节中效能的转换。

商业存量时代，形成一个精准的营销闭环

商业存量时代，差异化运营、争取更多的消费者成为商业的关注重点。营销活动相比硬件改造、业态调整、品牌重组，落地更快、更新频率更高，也因此被商业项目视为创新的突破口、触达消费者的最短路径。

然而，以往的营销活动存在较强的主观性，既无法完成对消费者的聚焦与认知，也缺乏对活动投放渠道的针对性选取，不仅耗费了大量人力、物力、财力，而且容易与受众的兴趣点不匹配。

此外，由于活动整体信息化水平有限，无法对活动进行监测和反向评估，据数据统计，每年有超过15亿的实体商业流量被浪费。

当下，大数据已经可以渗透商业活动中的各个场景。

活动前为活动的策划、目标人群的确定提供依据；

活动中对消费者真实需求的把握、最优宣传渠道的选取；

活动后的整体监测与效果评估，完全能形成一个精准的营销闭环。

洞悉与识别，纠正人对事物的主观认知

商业的本质是满足人的需求，营销活动应该遵从人的需求。而关于人的设定和把控，往往与我们想象中的存在着本质差别。

例如：上海某日式百货，开业前将目标客群锁定为全市范围、全年龄层的中高端人群，但大数据监测的结果却表现为，实际消费者仅来自周边3公里、19-35岁、对价格存在一定敏感性的年轻人及年轻家庭。由此可见，针对项目的早期定位，大数据能够精准的判断针对客群的真实辐射能力，从而确定项目的真实辐射范围。

传播渠道的碎片化、消费者的分散化，只有大数据能找到人并找对人。通过对海量数据的监测，生成项目辐射范围的热力图，有助于辨别实际到访消费者和认知中的偏差；对到访客群的监测，有助于判断消费者的年龄结构、职住特征和消费能力；对消费轨迹的监测，有助于了解消费者的品牌偏好和消费习惯……

而在运用数据手段，对项目的实际到访客群以及周边可辐射客群进行系列摸底后，活动策划前期，运营者还需要明确：活动是对辐射范围内、尚未产生到访客群的激活，还是对流失客群的召回？是对到访频次不高的会员的唤醒，还是单纯的一次流量的累积？以及因为活动而留存下来客户是否实现了高频到访频，客群的真实转化率是否有所提升？

全客群的营销方式不仅投入大，而且效果寥寥。因此，将到访客群以活动目的进行细分，并针对客群进行数据解读，打造与其身份标签、实际需求相匹配的活动，不失为一种行之有效的方式。

分裂与重组，匹配与客群标签相符活动

随着消费者需求的升级，想要打动其“芳心”，就需要运营者更加“用心”——打造既满足其需求，又符合其价值观、审美取向的活动。而读懂消费者，需要借助数据的力量。通过数据分析，对指定客群的消费路径、消费行为、消费习惯进行解析，最终得出相应客群的身份标签。

小结

大数据在任何营销场景中的应用，最终都要以人为基准，是要对人的一种解读。而所谓大数据参与的精准营销，其实就是在合适的时间、合适的地点、将合适的产品以合适的方式提供给合适的人，确认过眼神，是我们要找的人。

注：本文由斑马传媒投递数据猿发布

来源：数据猿

大数据平台的技术更新离不开互联网思维的日益普及，全球信息量呈现爆炸式增长态势的同时大数据的应用也呈现着日新月异的良好局面。

目前大多数的商业模式也都或多或少的注入了“大数据”技术，依托多平台的数据采集和整合分析为多种商业模式提供了新的利润增长点。

那么大数据是指什么？基于大数据的营销又究竟有何作用呢？

最早提出大数据时代到来的是麦肯锡：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

目标消费者在购物体验尚未完全形成之前基于大数据的营销行为就已经开始了，它是在消费者的消费行为开始之初就进行技术干预的过程，通过精准的营销推送和消费偏好分析直击用户需求。

在消费者购物前，通过各种方式直接介入其信息收集和决策过程。而这种介入，是建立在对于线上与线下海量用户数据分析的基础之上。相比传统狂轰滥炸或等客上门的营销，大数据营销无论在主动性和精准性方面，都有非常大的优势。它是目前主要的大数据应用领域。

对于企业的大数据，还有一种预测：随着数据逐渐成为企业的一种资产，数据产业会向传统企业的供应链模式发展，最终形成“数据供应链”。这里尤其有两个明显的现象：

一、外部数据的重要性日益超过内部数据。在互联互通的互联网时代，单一企业的内部数据与整个互联网数据比较起来只是沧海一粟。

二、能提供包括数据供应、数据整合与加工、数据应用等多环节服务的公司会有明显的综合竞争优势。

而目前已经到了收集数据的黄金时期，如何整合这些数据成为未来的关键任务。

企业提升效率的助推力对于大多数企业而言，运营领域的应用是大数据最核心的应用，之前企业主要使用来自生产经营中的各种报表数据，但随着大数据时代的到来，来自于互联网、物联网、各种传感器的海量数据扑面而至。

于是，一些企业开始挖掘和利用这些数据，来推动运营效率的提升。

基于大数据的营销方式已经从海量广告过度到一对一以用户体验为中心的精准营销，一对一精准营销实际上是对于任何一个互联网用户在某一刻根据之前的积累进行信息的集中爆发，力图在较短时间内最大程度满足消费者的最大需求，揣测好市场需求才是企业营销的最终归途。

在大数据时代，企业面对众多新的数据源和海量数据，能否基于对这些数据的洞察，进行决策，进而将其变成一项企业竞争优势的来源。

在大数据时代的背景下，飞速更新的生产技术和创新方法都是企业不容错过的制胜法宝，只有精准把握时代发展机遇，企业的营销路才能更加长远。

一说到大数据，大家想到最多的是马云老师的云计算。就像马云自己说的那样，他也不知道大数据怎么弄，但就是认为大数据会成为未来的重要决策依据。

如果说马云智商超人，可能站不住脚，因为他也是经过多年的努力才有了今天。但是我们仔细分析一下，马云近几年的投资与决策好像从来没有失手过。小编认为这与他能获取到海量数据信息有关，通过数据分析后的布局和打法显然比那些毫无依据的自嗨决策来的精准。

随着移动互联网的发展与普及，人们的生活无处不在互联网上留下痕迹，可以毫不夸张的说，你几时吃饭，几时睡觉，在何地停留几时几分，在大数据下都会清清楚楚展现出来。因为，你手里的手机以及手机里的各种软件，通通会记录你的习惯，通过这些习惯数据基本分析，甚至可以分析出你是一个什么样性格的人。所以说大数据无处不在。

但是，无需紧张。因为一个人、一个点的数据没有任何意义，只有海量的数据汇聚以后加以分析后，才能勾勒出一个有价值信息。另外一个层面，有了大数据后，一些商业行为才能体贴我们的需求。大数据可以为顾客提供更高的透明度。在顾客得到实惠的同时，商家也将从中获得丰厚的利益。

未来，大数据将会对企业的商业行为具有核心指导价值。未来，数据将成为重要的资源，就像资金、劳动力一样的资源。

大数据时代，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。对于海量数据数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。回顾近两年对大数据的探索历程，某基础运营商一方面顺应大势，牢牢把握大数据技术快速发展的机遇，另一方面应势而动，充分释放前期IT集中化、一体化的红利，鉴定推进数据集中。先后经历了数据集中采集的积淀、初试大数据平台、传统数据库与sefve获客云混搭架构的大数据平台创建，以及目前朝开放式大数据服务平台迈进四个阶段。

精准化营销与维系系统，依托大数据精准定位支撑端到端多维度系体系，构建在大数据平台之上，面向客户、面向服务、面向管理，深化数据分析、数据挖掘能力、洞察客户、透视企业，是将大数据转化为实际生产力的重要云化应用之一。

大数据技术架构

MPP数据库

MPP（Massively Parallel Processing，大规模并行处理系统）由多个SMP（Symmetric Multi Processing，对称多处理系统）服务器通过一定的节点互联网络进行连接，协同工作，完成相同的任务，从用户的角度看它是一个服务器系统。其基本特征是由多个SMP服务器（每个SMP服务器为一个节点）通过节点互联网络连接而成，每个节点只访问自己的本地资源（内存、存储等），节点之间的信息交互是通过节点互联网络实现的。目前的技术可实现512个节点互联。MMP数据库有以下特点。

①一般存储为结构化数据，有明显的星型或雪花型结构，适用于大数据分析的应用；

②每个服务器都有自己独立的存储、内存和CPU，允许动态地增加或删除节点；

③数据分区划分到不同的物理节点上，通过分布式查询优化来提高系统整体性能；

④主要用在数据仓库和大规模的分析处理应用中。

ETL技术

ETL是指将数据从源端经过抽取（Extract）、转换（Transform）、加载（Load）至目的端的过程，该部分在数据挖掘和分析过程中为最基础的一部分。一个良好的ETL系统应该有以下几个功能。

①消除数据错误并纠正缺失数据；

②对于数据可信度的评估提供文档化衡量；

③获取相互作用的数据流程来保护数据；

④整合多个源数据；

⑤将数据进行结构化供最终用户使用。

广州四方传媒股份有限公司，为众多客户提供大数据精准营销服务

近几年，大数据的发展异常迅速，多数企业都在绞尽脑汁地思考如何借助大数据为企业创造更大的价值。但是，任何新技术都是一把双刃剑，大数据带来变革的机遇，也带来更多的风险，尤其在安全方面。

近几年，大数据的发展异常迅速，多数企业都在绞尽脑汁地思考如何借助大数据为企业创造更大的价值。

现在谈大数据已经不再单纯地只谈大数据，而是结合区块链、人工智能、云计算一起谈，因为它们结合得很紧密。虽然它可以解决企业现有的数据问题，但是早期的 BI 分析也不应该丢，而且要最大程度地实现资源复用。同时，企业应做好技术的历史传承，利用好原来的数据团队。

当前大数据的应用模式主要有两种：

“直接”应用场景，主要是通过海量数据分析摸索出数据模型，然后将数据模型再应用到实际场景中。

“间接”应用场景，即从海量数据分析中直接得出结果，而这种方法适合在无人场景下应用。大数据分析报告之所以多数会被认为不准确的原因就在于采用“间接”应用场景时掺杂了太多的人为因素。

最后，谈到大数据能否颠覆现有商业模式时，他强调，如果商业模式被颠覆了，那一定是大数据与人工智能、云计算、区块链等技术的共同作用。

大数据的 IT 支持要实现高可用

大数据在金融领域有很多应用，特别是在精准营销和风险预测方面尤为备受关注。但是，想要应用好金融大数据，其强大的功能背后也需要有足够的IT设施支撑。

如果想借助大数据实现更大的价值，那么，高可用的 IT 架构是必不可少的。尤其要确保在流量突发或者其他特殊情况下，不会影响到后台数据，更不能导致系统崩溃。大数据的安全保障也不容小觑，任何新技术都是一把双刃剑，大数据带来变革的机遇，也带来更多的风险，尤其在安全方面。

中国惠普打印与信息产品集团大客户部银行业客户经理孙志刚在讨论环节强调，“大数据时代，打印机的信息安全同样也不容忽视。当前，大多数公司已基本实现了网络化，但是，你却不知道一些重要的大数据分析报告在打印后是否会被人偷偷拿走，甚至打印机是否会被不法分子植入一些病毒来破坏企业的网络导致数据泄露。”他从优化运营管理以及信息安全保障的角度论述了文印管理对于大数据的意义。“很多人会忽视文印管理的隐性成本，以为其成本就是几个打印机和几张纸的费用。其实不然，数据的管理，数据的交付成本都是文印管理的成本，而且这些会占据极高的比例。”

他指出，大数据的确能够给企业带来很多商业价值，但是，“我们绝不能忽视对信息安全的重视。既要在设备方面有足够的安全保障，软件方面也要重视对数据的加密以及后续的检测管理。”

总结

来自银行、保险、互金、支付等金融行业领域的专家们就金融大数据如何在营销和风控领域赋能的交流讨论集中在了以下几个方面：

一、早期的数据分析团队以及技术要和大数据充分融合，实现最大化利用。

二、在做好数据的收集、分析后，大数据能在交叉销售方面提供更大的支撑。

三、大数据的应用场景分为“直接”和“间接”应用两种，要选择合适的场景。

四、大数据要处理海量数据需要高可用的 IT 架构。

五、大数据时代，安全问题一定要引起足够的重视。

广州四方传媒股份有限公司，为众多客户提供大数据精准营销服务

作为广告精准投放的新媒体平台，太极媒认为有四个问题是广告投放的关键：

1.广告面对哪些客户群体；

2.如何找到这些精准客户；

3.广告以一种什么样的方式呈现在客户面前；

4.是否有足够的广告资源来匹配不同的用户需求。

而其中最具技术挑战性的就是如何找到这些精准客户，也就是如何进行广告精准投放。

移动互联网发展至今，网络广告再也不是传统意义上的“广而告之”，而是有针对性的“有的放矢”。尤其在信息过载的现在，狂轰滥炸式的广告用户体验极差，很容易造成用户反感，真正要将用户对广告的反感指数降到最低，那就必须将广告投放给真正需要它的人，就是所谓广告的“精准投放”。

如何找到真正需要广告的精准客户群呢？太极媒的答案是：用户画像。每个人在现实生活当中都是一个有个性、有体貌、有名称、有学历、有身份、有地位的，人们可以通过这些特征去准确的进行识别。而在网络世界中其实也可以通过各种标签勾勒出与现实生活一一对应的虚拟用户，这样我们就可以在海量互联网信息中准确的找到广告投放对象。

太极媒通过大量的标签来对每一个用户进行画像，再利用大数据技术将他的姓名、年龄、性别、生日、喜好、经历等用户属性塑造出一个能够识别的虚拟用户。通过大数据分析，我们可以了解用户消费倾向，还可以预测用户行为。

例如，1、广告主明确自身需要，定向广告性质和客户群体；

2、在太极媒平台上，千万场景需求发布，广告主登录注册后即可浏览，太极媒根据广告主的需要，将相关性的场景从高到底排列；

3、广告找到合适场景，可以在太极媒平台上找到合适的企业定制品，根据尺寸设计企业广告；

4、场景的精准匹配度，可以使一家高端汽车品牌顺利找到相应消费水平的社区人群，一家房地产开发商可以找到相应的汽车消费意向人群。

对于一个化妆品企业主来说，花巨资打造的天价广告可能面向1.5万商场消费人群，但远远比不上太极媒面向的5万年轻女性。精准广告的意义，就是让企业主的产品与相对性的消费客户群对接，从企业定制品上感受到该企业的文化底蕴和品牌调性。

可以说，大数据技术令用户画像变成更简单，通过对特定人群的分析，就能够准确知晓用户的消费惯性甚至预测出未来用户的购买需求，这无疑为企业的精准营销带来了极大的帮助。因此，企业现在就行动起来，上太极媒实现广告精准投放，与消费者彻底“玩”起来。

今年6月，甘肃考生魏祥写给清华大学的信《一位甘肃高分考生的请求》引爆网络，清华大学的回应和后续安排获得好评，与此同时也引发了舆论对于扶贫问题的多方讨论。放眼全国，扶贫问题一直是舆论关注的热点，清博大数据系统分析显示，在“扶贫”“脱贫”等问题上，甘肃、四川等省份被提及的次数较多，西北地区的话题热度最高；而以“精准扶贫+大数据”为关键词进行搜索可见，除北京外，四川、湖北、上海、甘肃等地的精准扶贫工作与大数据的结合较为紧密。在各地区案例的梳理中，大数据从多个方面为精准扶贫工作提供了助力。

“扶贫”“脱贫”提及热区

“精准扶贫+大数据”提及热区

贵州：多维度数据精准识别贫困人口

贵州省贵阳市通过上线大数据精准帮扶平台，整合了扶贫、民政、卫计、人社、住建、残联、统计、国土等行业数据，建设了统一的扶贫数据库，实现了全市扶贫信息资源的融合共享。截至今年7月份，该数据库已累计汇总数据691.3万条，其中，低收入困难群体的扶贫数据近52万条，此外，还包括卫计数据近625万条、民政数据近5.7万条、残联数据近7.3万条、住建数据近1.3万条。

贫困人口的识别一直是精准扶贫工作的难点。以往的做法是先由贫困户自行申请，再由村民代表会议或群众民主评议，最终对贫困人口进行识别。这种做法，不仅会导致数据更新滞后，还会出现作假、拼关系等情况。贵阳市的大数据精准扶贫扶贫平台让这些问题迎刃而解，该平台的对象管理系统通过建立“贫困人口识别模型”，把多个相关部门的业务数据和传统贫困人口“两公示一公告”的识别模式相结合，进而达到快速、精准识别低收入困难群体的目的。

甘肃：“大数据+电商”开启扶贫新模式

甘肃地区精准扶贫工作的一大特点，是通过大数据与电商的结合，因地制宜开展工作。以陇南为例，该地区把发展电子商务作为助农增收的重要举措，创造出了特色鲜明的“陇南模式”。在销售花椒、核桃、蜂蜜等当地特色农产品的过程中，当地商户通过数据整合，体现出“精准”二字。商户通过前期预热众筹掌握客商需求后，将需求准确传达给贫困农户，并对后续的生产和加工过程进行引导，最终实现商户、农户经济效益双丰收。陇南市的大数据精准扶贫系统，可以跨界分析各类致贫、返贫因素，并精准识别扶贫对象，制定扶贫措施。数据显示，通过大数据与扶贫和电子商务的深度融合，有130万贫困人口的生活得到了不同程度的改善。

在海量数据支持下，陇南建成了乡镇电商服务站150个，建设各类网店9100多个，形成了“一店带多户”、“一店带一村”和“一店带多村”的电商扶贫模式。阿里巴巴“千县万村农村电商计划”西北第一批项目在陇南的武都和成县先后建成，京东帮服务店、苏宁云商农村电商项目也相继入驻陇南。2016年，陇南市被国务院扶贫办授予“电商扶贫示范市”的称号，国务院督查组也将陇南市“电商扶贫”的做法列为典型案例。

湖北：运用大数据监督检查扶贫情况

在湖北地区的扶贫工作中，大数据技术的引入强化了信息透明度，克服了传统扶贫工作“信息不对称”的问题，对遏制扶贫中的贪腐行为起到了有效作用。

一方面，通过网站、廉洁武汉APP等多种渠道受理群众信访举报。基于扶贫大数据的分析，对精准扶贫政策的落实情况进行监督检查，并开展问题整改以及追责问责等工作。近期，武汉市打出系列“组合拳”，加强扶贫领域监督执纪问责工作。日前，武汉市纪委通报了多起向扶贫领域资金“伸黑手”、“动奶酪”的典型案例，如，武汉市黄陂区某村党支部书记重复申报扶贫项目、武汉市新洲区某福利院在供养户去世后仍然继续申请补助等，对扶贫领域的反复起到了震慑作用。

另一方面，建立大数据扶贫系统丰富扶贫人口数据维度。如，在湖北随州市的扶贫大数据系统中，有异地扶贫搬迁、教育扶贫资助资金、扶贫小额信贷资金等12项受惠人员信息，与房产、工商、税务等数据比对后，可以为扶贫反腐工作提供线索和证据。截至2017年8月，随州市共发现可疑线索13万多条，有38人因扶贫腐败被问责。该系统开通了贫困户掌上反馈渠道，保证了一手扶贫数据的及时更新，从而及时预警群众返贫迹象，支持扶贫措施改进。

重庆：大数据平台提升扶贫数据管理效率

在重庆地区，地方政府的精准扶贫工作得以高效推进，受益于电信企业的信息化助推。依托重庆移动提供的精准扶贫整体解决方案，重庆市贫困地区的经济发展活力和群众生活品质都得到显著提高。

重庆移动打造的精准扶贫系统，由手机客户端和大数据分析管理平台两大部分构成。一方面，手机客户端可以帮助扶贫干部、驻村帮扶干部减少工作量、提升工作效率，提供新闻公告、扶贫政策、到村签到、工作台账、案例分享、贫困户查询等十余项功能；另一方面，手机客户端能为贫困户打开信息化窗口，帮助他们及时了解惠民政策，并增强主动脱贫意识。

通过大数据分析管理平台，既可以对贫困户数据进行管理维护，也可以对扶贫干部个人权限和工作痕迹进行管理，为扶贫工作考评提供依据；通过大数据平台的沉淀数据，还可以对数据分析结果进行可视化展现，全面反映扶贫工作动态，为政府提供决策依据。

湖南：贫困劳动力大数据库解决就业问题

湖南省在利用大数据解决贫困劳动力就业问题方面成效显著。岳阳市人社部门与扶贫部门通力合作，人社部门通过建档立卡的方式对全市贫困劳动力进行了逐一摸查，对有就业意愿的7658名贫困劳动力岗位需求、就业地域需求、工薪意愿等信息进行精准采集，并将能吸纳贫困劳动力就业的396家企业、10090个岗位录入数据库；扶贫部门负责就业信息的精准识别和推送，通过数据库进行人岗匹配，将用工信息发布到贫困劳动力手中，实现“掌上”随时求职，大大提高了贫困人口的求职效率。

此外，岳阳市以产业发展和企业需求为出发点，通过大数据预测市场用工需求并选择培训科目，科学合理地安排农村实用技术和岗位技能培训，不断提高贫困劳动力的就业能力。

在助力区域扶贫工作发展之外，大数据在“隐形资助”高校贫困生方面也体现出独特优势。学生不需要当众“哭穷”，不需要填写家庭情况表，也不需要将个人信息公示，就能享受学校补贴，这种“不作秀”的扶贫方式备受舆论好评。以中科大为例，该校会监测每个学生的一卡通在食堂的消费情况，如果每个月的消费低于200元，就会自动给学生打生活补助。据悉，中科大的“隐形资助”计划始于2004年，在国内高校中系首创。在效法而行的校园中，电子科技大学研发了一套“智慧助困系统”，通过智慧助困系统采集到4大类、40余个小类的上千万条数据，再通过大数据挖掘与分析，自动生成家庭经济困难学生建议名单。因此，大数据成为高校精准扶贫的利器。

在精准扶贫进入攻坚期的今天，大数据成为各行业、各地区创新扶贫工作的抓手。2016年10月，联合国开发计划署发布的《人类发展指数之生活水平维度：应用大数据测量中国贫困》报告指出，使用大数据提供的动态信息来测量贫困，将会发挥日益重要的作用。尽管大数据本身实时、动态的性质无法避免误差的存在，但大数据分析法仍是对传统的访谈调查法、问卷调查法的重要补充，通过大数据对贫困进行多维度的描述，对扶贫决策具有重要参考价值，对推动中国在2020年前实现精准扶贫目标具有重要意义。