网络大电影经过几年发展，精品制作+营销已经成为一部作品能否取得可观商业回报和市场认可的决定性因素。网络大电影作为爱奇艺率先提出的纯网电影发行模式，如何利用平台大数据精准营销，实现线上最高性价比的导流，成为纯网发行非常重要的环节。近日，“爱奇艺·网大开放日”在京举行，爱奇艺技术产品、后台管理及网络大电影生态运营，及奇树有鱼、淘梦等合作方的一线业务代表出席。就如何应用爱奇艺号进行精准分发和高效变现，向众多网络大电影的从业者进行现场教学和答疑指导。

爱奇艺号一站式内容分发体系 赋能合作方全新变现能力

爱奇艺号于今年五月投入使用，是爱奇艺针对内容生产方上线的一系列新数据服务。爱奇艺号主要联结视频合作者、自媒体、文学作者、漫画作者、泡泡圈主、直播圈主等多种身份用户，以内容生产为出发点，建立内容审核发布、数据分析、粉丝管理、变现分成的完整生态闭环。用户可通过登录注册、创建项目、互动管理、财务收入、意见反馈几大步骤，完成对内容分发的一站式管理，同时前贴片分账、信息流分账、VIP分账、单点付费、粉丝打赏、众筹等多种模式也为用户变现提供了丰富形式。爱奇艺号探索内容分发和变现的新思路，给予合作方全新的空间可能。

在营销推广方面，爱奇艺号同样为内容创作者提供了便捷的营销方式和成熟的营销平台。在爱奇艺号，影片制作方可定制个性化的H5于各个渠道推送，而爱奇艺号则通过对不同营销渠道分配的不同VFM码，搜集统计数据反馈，使得营销效果可监控、营销方向可把控。同时，在爱奇艺泡泡圈，用户可自主进行内容发布、内容管理、视频管理和圈友管理，而完善的直播功能，可最大限度实现影片的传播效果。基于全面的平台管控和数据分析能力，爱奇艺号为片方提供了精准的用户画像分析、用户行为分析、舆情聚焦分析和热点榜单排行，通过内容分发和营销效果监控的实现，了解用户定位和观影偏好，为合作方提供更有效的参考。

大数据助力网络大电影精准营销和全产业链联动

作为网络大电影的一站式内容合作平台，爱奇艺号的服务功能覆盖内容生产与变现的各产业链条环节，更成为广大创作者与观众沟通的重要桥梁，正成为网大营销的重要阵地。对于网大合作片方来说，爱奇艺号首先为其提供基础功能，影片从备案到上线流程清晰，将所有入口集合起来，提高影片管理传播效率；同时，更精准的影片收入数据、影片在线表现数据、用户画像和影片排行数据，赋能片方更有针对性地进行内容分发和导流；再者，爱奇艺号改变了以往单一依靠广告和站内资源位获得流量的网大运营方式，通过泡泡圈和直播等，给予片方更多营销渠道和手段。对于用户来说，爱奇艺号不仅节省用户查找影片的时间，而且自带的互动社交属性，可帮助用户与影片内容、演员、片方等建立联系，爱奇艺平台为合作片方和用户建立更为亲密的互动联系。

后续，随着爱奇艺号多元化生态布局的持续构建，将开放给网络大电影合作伙伴更加丰富便捷的大数据等资源服务。例如，加强文学、漫画、电商、游戏、奇秀直播、爱奇艺头条、泡泡等内容板块的联动，并充分利用短视频图文类APP助力长视频的营销。同时，依托爱奇艺强大的AI技术实现产品升级，不断开发社交新玩法，使资源展示更贴近年轻用户的个性化需求，实现区域强渗透。爱奇艺正不断通过科技创新在网大宣发渠道和商业运作领域实现突破，助力更多合作方精准分发和高效变现。

地理信息数据管理现状

大数据为地理信息行业带来了全新机遇，伴随大数据技术的发展，获取地理信息的各种新技术也在不断涌现。传统的地理信息采集是专业任务，强调几何精确性，测绘遥感是主要的采集手段。而大数据地理信息采集手段更为丰富和自由，传感器网络、个体出行过程、网络行为、消费记录等均可能成为大数据地理信息采集手段。这些地理数据具有体量大、来源广、多样化、多时项、多尺度、高维度、高复杂性和非结构化特点。

目前，各行业用户拥有的地理数据普遍存在着数据分散、重复布局、更新维护困难等情况，严重影响到数据资源的共享、开发、利用。用户迫切需要一款数据管理平台，帮助自己实现海量数据资源的统一管理与维护。

‘安徽·天地图’政务版平台数据管理经验

安徽基础测绘信息中心应用捷泰天域睿图数据库管理系统建立了一套“高效、灵活、实用”的数据资源管理平台，完成了安徽省天地图“母库”库体建设，实现了全省基础矢量数据、影像数据、地名地址数据、三维数据、街景数据、瓦片数据等各类数据资源的高效管理和可视化应用，提高了中心数据资源管理水平与成果应用效能。

系统平台建立了灵活、可配置的数据查询体系，实现了数据查询、统计、提取的一体化；建立了融合数据与母库数据同步机制，形成母库与融合数据的良性互补，减少了重复建设；采用众筹思维模式，建立了需求牵引的快速同步更新机制，通过迭代方式快速更新产品库热点区域数据，然后与母库同步更新，从而完善、提高母库数据质量。

专业数据管理平台——睿图数据库管理系统

捷泰天域为了解决当前海量数据管理难题，推出睿图数据库管理系统，是以空间对象为主体的地理信息综合管理系统，以数据模型为核心，采用插件式开发框架，实现对基础地理信息数据、专题数据、影像数据、文档资料等各类数据的统一组织和有效管理。支持数据模型定制，可以根据实际情况跟随业务进行调整；支持开发定制，满足各种类型地理信息数据库的快速搭建和定制扩展。

用户仅需使用极低的成本，即可获得地理信息数据资源的统一存储和高效管理。捷泰天域数据库管理系统帮助用户实现数据资源的统一管理、更新、维护、分发、共享，使数据更好的为业务应用和数据挖掘提供支撑。

产品的核心价值包括以下几个方面：

数据资源一体化管理

为用户提供从数据质检、数据建库、数据更新到数据查询、数据展示、数据分发、数据共享全流程的一体化管理，减少用户进行数据管理、查找、更新、维护工作量。

灵活的数据建模能力

产品采用数据模型组织管理数据资源，用户可根据需要建立相应的数据模型。模型具备可扩展性，满足未来用户数据管理内容扩展的需要。

高效检索，快速、精确定位

用户无需担忧如何从海量的数据中快速获得到想要的那份数据，首先，产品采用ElasticSearch智能高效检索技术，提升海量数据的检索效率；其次，产品提供多种检索方式，包括空间检索、元数据检索、空间与元数据组合检索等，帮助用户快速、精确的找到需要的数据。

要素级更新能力

产品具备要素级更新能力，支持要素级更新数据的历史管理。帮助用户实现要素级的历史回溯。

提供二次开发接口

产品具备定制开发能力，用户可以通过库管产品提供的二次开发接口，结合自己的业务需求进行二次开发扩展。

目前睿图数据库管理系统产品已面向政府、企事业单位和各行业各层面用户提供了专业的数据管理解决方案，并且产品已服务于时空信息云平台大数据管理、天地图母库管理、大数据中心建设等多个应用领域。

大数据分析是检查大量和多样化数据集（即大数据）的过程，以发现隐藏模式，未知相关性，市场趋势，客户偏好和其他有用信息，可帮助组织做出更明智的业务决策。

大数据分析的好处

由专业分析系统和软件驱动，大数据分析可以指出各种业务收益，包括新的收入机会，更有效的营销，更好的客户服务，提高运营效率以及竞争对手的竞争优势。

大数据分析应用程序使 数据科学家，预测建模者，统计学家和其他分析专家能够分析结构化交易数据的不断增长的数量，以及传统商业智能（BI） 和分析程序通常未被挖掘的其他形式的数据 。这包括半结构化 和 非结构化数据的混合，例如，互联网 点击流 数据，网络服务器日志，社交媒体内容，客户电子邮件和调查响应中的文本，移动电话呼叫详细记录和连接的传感器捕获的机器数据到 互联网上的东西。

在广泛的范围内，数据分析技术和技术提供了一种方法来分析数据集并得出结论，以帮助组织做出明智的业务决策。BI查询回答有关业务运营和业绩的基本问题。大数据分析是一种高级分析的形式，涉及复杂的应用程序，其中包括预测模型，统计算法和假设分析等高性能分析系统。

大数据分析的出现和发展

术语大数据首先被用来指在90年代中期增加的数据量。2001年，咨询公司Meta Group Inc.的分析师Doug Laney扩大了大数据的概念，还包括组织生成的数据种类的增加以及数据创建和更新的速度。这三个因素 - 体积，速度和品种 - 被称为大数据的3Vs， Gartner在2005年收购Meta Group并招聘Laney后普及。

另外，Hadoop分布式处理框架是2006年作为Apache开放源代码项目推出的，它为基于商品硬件构建的集群平台种植种子，并且运行大数据应用程序。到2011年，大数据分析开始在组织和公众眼中牢牢掌握，Hadoop和各种相关的大数据技术纷纷涌现。

最初，随着Hadoop生态系统的形成和开始成熟，大数据应用主要是大型互联网和电子商务公司，如雅虎，谷歌和Facebook，以及分析和营销服务提供商。在接下来的几年中，大数据分析越来越多地被零售商，金融服务公司，保险公司，医疗机构，制造商，能源公司和其他主流企业所接受。

大数据分析技术和工具

非结构化和半结构化数据类型通常不适合 基于 面向结构化数据集的关系数据库的传统 数据仓库。此外，数据仓库可能无法处理需要频繁更新的大数据集合所提出的处理需求，甚至连续不断地进行，如在股票交易的实时数据的情况下，网站访问者的在线活动或移动应用的性能。如果你正在学习大数据，欢迎加群640193172讨论，大家都是大数据党，不定期分享干货，包括我自己整理的一份2017最新的大数据资料和零基础入门教程，欢迎初学和进阶中的小伙伴。

因此，许多收集，处理和分析大数据的组织将转向NoSQL 数据库以及 Hadoop及其配套工具，其中包括：

YARN： 集群管理技术和第二代Hadoop的关键特性之一。

MapReduce： 一个软件框架，允许开发人员编写在分布式处理器或独立计算机集群中并行处理大量非结构化数据的程序。

Spark： 一种开源并行处理框架，使用户能够跨集群系统运行大规模数据分析应用程序。

HBase： 构建为在Hadoop分布式文件系统（HDFS）之上运行的面向列的键/值数据存储。

Hive： 用于查询和分析存储在Hadoop文件中的大型数据集的开源数据仓库系统。

Kafka： 一种分布式发布订阅消息系统，旨在替代传统的 消息代理。

Pig： 一种开放源码技术，可为 Hadoop集群 上执行的 MapReduce 作业 的并行编程提供高级机制 。

在某些情况下， Hadoop集群 和NoSQL系统主要用作数据的着陆点和分段区域，然后才能加载到数据仓库或分析数据库中进行分析，通常采用更有利于关系结构的汇总形式。

然而，更频繁的是，大数据分析用户正在采用Hadoop 数据湖的概念，Hadoop 数据湖 作为原始数据流的主要存储库 。在这样的架构中，数据可以直接在Hadoop集群中进行分析，或通过像Spark这样的处理引擎运行。在数据仓库中，声音数据管理是大数据分析过程中的关键的第一步。存储在Hadoop分布式文件系统中的数据必须进行组织，配置和分区，以在提取，转换和加载（ETL）集成作业和分析查询方面获得良好的性能。

数据准备就绪后，可以用高级分析流程中常用的软件进行分析。这包括数据挖掘工具 ，筛选数据集以寻找模式和关系; 预测分析，构建用于预测客户行为和其他未来发展的模型; 机器学习，这些抽头算法分析大数据集; 和深度学习，机器学习更先进的分支。

文本挖掘 和 统计分析软件也可以在大数据分析过程中发挥作用，如主流BI软件和 数据可视化 工具。对于ETL和分析应用程序，查询可以以批处理模式MapReduce编写; 编程语言，如R，Python和Scala ; 和SQL，通过SQL-on-Hadoop 技术支持的关系数据库的标准语言 。

大数据分析使用和挑战

大数据分析应用程序通常包括来自内部系统和外部来源的数据，例如由第三方信息服务提供商编译的消费者的天气数据或人口统计数据。此外，流分析应用程序在大型数据环境中变得越来越普遍，因为用户希望通过Spark的Spark Streaming模块或其他开源流处理引擎（如Flink和Storm）对进入Hadoop系统的数据进行实时分析。

早期的大型数据系统主要部署在内部，特别是在收集，组织和分析大量数据的大型组织中。但是，像Amazon Web Services（AWS）和Microsoft 这样的云平台供应商已经更容易设置和管理云中的Hadoop集群，而像Cloudera和Hortonworks这样的Hadoop供应商也支持他们分发大数据框架在AWS和Microsoft Azure云端。用户现在可以在云中启动集群，根据需要运行它们，然后将其脱机，使用不需要持续软件许可证的基于使用的定价。

潜在的陷阱可能使组织陷入大数据分析举措，包括缺乏内部分析技能，以及招聘有经验的数据科学家和数据工程师填补空白的高昂成本。

通常涉及的数据量及其多样性可能会导致数据管理问题，包括 数据质量，一致性和治理; 而且，数据仓库可能是由于在大型数据架构中使用不同的平台和数据存储。此外，将Hadoop，Spark和其他大型数据工具整合到一个能够满足组织大数据分析需求的连贯一致的架构中，这对于许多IT和分析团队来说是一个具有挑战性的挑战，这些团队必须确定合适的技术组合，然后将这些组合放在一起。

淘宝的直播功能已经开通了很久，但是这显然还不够。日前，淘宝产品平台总监、淘宝直播负责人陈镭对外披露，淘宝将会推出VR直播，将会利用大数据技术最终实现智能分发。

淘宝产品平台总监、淘宝直播负责人陈镭

淘宝的直播功能至今刚过一周年，从去年3月至今淘宝直播完成了65万场，购买转化率达50%，入住主播过万，用户在淘宝观看直播的时长超过1.4亿小时。并且涵盖了70余档PGC栏目，每天有600场海外现场直播，基本可以保证24小时直播不间断。

今年，淘宝将会推出VR直播，因为直播和VR都会有很强的代入感，二者结合后会有更强的真实感。定位于生活消费类的直播之中，利用大数据对不同人群、不同场景实现智能分发，指导商家反向进行产品的优化。

此外，大数据会在今年真正的发挥到核心作用，未来不同内容主题化聚合和场景化分发，以此将不同的直播服务于不同层次需求的用户。

今日，与ChinaJoy同期进行的世界移动游戏大会上，阿里游戏总裁林永颂发表了主题演讲，他指出：“手机游戏分发市场正在发生变化，传统的游戏分发模式将走向大数据时代，从“人找游戏”向“游戏找人”升级。

中国手机游戏市场在经历了数年的爆发式增长后，逐渐走入了成熟阶段。有统计数据显示，截止2016年中，国内手机游戏的渗透率高达84%、手游用户日均游戏时长32分钟。

林永颂指出，随着手游市场越来越成熟，玩家接触到的游戏产品数量不断增加，对于产品的选择也越来越挑剔、自主选择性不断增强。玩家已经不局限于应用商店的榜单或广告位推荐，还会根据自己的兴趣爱好或主观意愿进行游戏选择，内容的个性化需求越来越明显。

据公开数据显示，当前用户在应用商店中主动搜索的行为占比越来越高，这说明应用商店需要更多的算法来满足和适应当前用户的需求和市场需求。另一方面，手机娱乐内容的不断丰富，新闻资讯、网络购物、热门影视剧、朋友圈、手机直播等都可以成为用户获取信息来源的场景。

在此背景下，林永颂指出，游戏分发即将进入大数据时代，阿里游戏正在尝试改变传统的游戏分发模式，从“人找游戏”向“游戏找人”升级，而“游戏找人”有两大关键词：千人千面和矩阵效应。

所谓“千人千面”是2012年手机淘宝启动的项目，即利用用户属性和历史访问记录进行算法推荐，实现个性化体验。

林永颂认为,“应用商店也可以像手机淘宝一样向千人千面演变，以此来应对市场和用户的变化。此外，千人千面还有助于市场打破流量垄断的局面，大数据的深层应用会让游戏营销变得更有效率、价值更直接，大大节省开发者的营销成本。为更多游戏找到精准用户，让更多中小开发者受益。

在林永颂看来，在千人千面的探索上，阿里游戏最重要的优势，还是阿里独有的大数据能力，包括UC浏览器、神马搜索、阿里文学、高德地图、云OS、优酷土豆等庞大的阿里大数据支撑。

林永颂表示，阿里大文娱版块（由阿里影业、合一集团、阿里音乐、阿里体育、UC、阿里游戏、阿里文学、数字娱乐事业部组成）也将加快阿里游戏从“人找游戏”向“游戏找人”升级的步伐，阿里游戏将获得多元的用户场景支持。“用户主动搜索行为增加，意味着玩家在应用商店之外获得了游戏的相关信息，而用户手机娱乐场景的多元化，意味着资讯、视频、小说、音乐等场景也可能会成为未来手机游戏发行的新阵地。”

在阿里大文娱的矩阵中，除了九游平台、PP助手、豌豆荚等传统的游戏渠道，还拥有UC浏览器、优酷、虾米等泛娱乐流量资源。UC浏览器在全球拥有超过4亿的月度活跃用户，并初步完成了个性化新媒体平台升级，UC头条日均曝光量超60亿次。优酷土豆在PC端拥有3.44亿月活跃用户，在移动端拥有1.67亿月度活跃用户，在今年3月，用户在优酷土豆app的停留时间合计超过了29亿个小时。

矩阵效应还体现在IP上。业内人士指出，在大数据分发中，IP（版权）将会被激发出更大的潜能。游戏、影视、动漫、文学等内容源之间会迸发出更加深层的联动效应。任何一方的用户都会成为另一方的潜在用户，而产品形态之间也将会因为用户的活跃联系更加紧密。阿里游戏、阿里文学、阿里影业都具备创造IP的能力，结合大数据和矩阵效应，将有更多发挥空间。

在2016年3月，阿里游戏就曾与阿里云、阿里影业、阿里文学联手推出“T计划”，在云服务、大数据、IP（版权）、流量等方面，为开发者提供全产业链服务。

以云服务为例，阿里游戏与阿里云，联手推出游戏云2.0，包括速度更快的高爆集群、专业的游戏评测报告、金融级别的安全服务、手淘天猫上的亿万流量以及更多的海外节点等，开发者可以在与阿里游戏的合作中享受到阿里云提供的专家级技术支持和资深架构师上门护航服务，资金方面更是可以得到最高100万元的扶持。

随着金融大数据技术应用，以及相关业务大数据应用不断创新，金融机构的数据分析和业务创新，以及数据安全如何深度融合，是当前金融机构信息化面临的重要挑战。

中国银监会印发《银行业金融机构信息系统风险管理指引》（2006年），其中第二十七条：银行业金融机构应加强数据采集、存贮、传输、使用、备份、恢复、抽检、清理、销毁等环节的有效管理，不得脱离系统采集加工、传输、存取数据；优化系统和数据库安全设置，严格按授权使用系统和数据库，采用适当的数据加密技术以保护敏感数据的传输和存取，保证数据的完整性、保密性。

中国银监会印发《银行业金融机构全面风险管理指引》（银监发〔2016〕44号），其中第四十三条：银行业金融机构应当建立与业务规模、风险状况等相匹配的信息科技基础设施；第四十四条 银行业金融机构应当建立健全数据质量控制机制，积累真实、准确、连续、完整的内部和外部数据，用于风险识别、计量、评估、监测、报告，以及资本和流动性充足情况的评估。

从银监会的两次下发指引文件要求中，我们可以看到，针对金额行业的数据分析，相对传统行业，在数据的采集、存储和处理过程中，在数据安全性、完整性、业务管理全面性上，有着更为严格的要求。

那在金融大数据技术应用领域，如何更高效、安全的实现金融业务数据的精细化采集管理，是其中一个细分的技术领域，也是我们今天探讨的话题。

金融业务大数据的采集管理技术需求

金融行业的信息化在众多异构系统和DT环境中，越来越重视可视化和业务关联性，在互联网化金融交易和大数据技术应用的背景下，相关数据采集、分析的技术需求演进出现了新的变化，那就是分别是分流调度管理技术和业务可视化技术。

可视化分析业务，需要采集、分析不同类别的数据，如基础数据，日志数据，安全数据或特定业务数据，因此需要分门别类进行分类调度。专业的分析应用需要专业的设备和系统配合。

比如风险监管日趋严谨，每家金融机构对贷前风控、贷后风险管理的重视空前提高。而通过信息化手段实现风控能力上，数据准确完整，算法和模型是风控部署的核心。

现在的金融机构IT架构大多分为在线系统、近线系统与离线系统。在线系统主要面向最终用户的交易请求；近线系统则针对一段时间内的历史数据进行存放和进行溯源查询；而离线系统则对历史时间的数据进行归档，在特殊情况下会被恢复进行使用。

随着大数据技术的蓬勃发展，金融机构对全量历史数据的认知有新的变化。如何从历史数据中挖掘其潜在价值，如何将离线数据在线化以满足监管部门的需求，是很多银行开始利用大数据技术解决的问题。

例如征信，银行已经能够获取社会各类有意义的信息进行记录，例如网上的各地各楼盘的房价、人行征信、法院执行纪录、工商局信息、企业上下游现金流等信息，然后通过这种信息对个人企业进行分析对比，对超常理的数据进行风险警告，便于审计人员快速判断识别潜在风险。

又比如客户的POS刷卡记录，企业上下游流水账单，交税信息等等，整个可对企业进行现金流测算。又或者对客户信用卡还款时间，转账时间等等来判断客户手中现金或者回款时间，把推荐的理财营销时间推送给其客户经理等，实现真正的精准营销。

总体来说，金融现有的业务需要把数据的有效分析和灵活应用到金融体系中去，而非空谈大数据应用。

那在大数据业务分析、内容安全审计和业务应用可视化的应用中，面临最核心问题，那就是如何把业务流量正确、按需的方式传递给所需的数据分析系统。笔者认为需要专业的业务流数据管理系统才能够精准的识别、分类和分发传递。

比如很多运维日志数据是通过UDP 514传递的，那日志服务器不需要接受其他内容，针对性采集即可。如交易或征信业务只需要采集数据库的Mysql TCP 3306 和Oracle TCP 1521端口往返数据，那分析系统也可降低性能负载，摘取所需数据是当前数据分析的必要措施。

另外不得不说的是流量不少是无用的数据载荷。而常见的分析系统平台大多为千兆速率，那么网络单接口流量在万兆或更高流量时候，是增强系统分析系统的硬件配置还是通过数据裁剪方式来部署，那选择显而易见是裁剪优化而不是升级分析平台的硬件平台，因为那将是更高昂的硬件摊销成本。

比如交易数据或征信数据等，可以进行剥离掉帧头帧尾和部分封装协议。数据分析服务器（比如性能分析类）吞吐量较低，无法承载大流量分析能力，需要将分发流量进行载荷截短，降低数据流量带宽，提升服务器分析效率。

金融大数据采集分析应用建议使用专业分流技术

上述的金融业务可视化分析以及IT系统环境运维过程中问题，是我们常见的数据采集、归类、提取再分发分析的技术需求和环境。

因此在金融大数据识别、分类采集、分发存储等应用方面建议使用专业数据分流技术，因为其系统的精细化数据流管理功能为相关业务应用提供专业能力的保障，而这个数据分流应用并已在诸多的行业的运维和业务应用可视化领域成熟应用。

目前国内市场上还没有针对金融行业系统应用的专业分流器出现。迈普公司凭借多年服务于金融经验，适时推出了与国外品牌相媲美的“网视”系列网络“数据分流器”产品。三大硬件系列、八大核心功能，在金融行业“可视化运维”部署业务中获得了充分验证和应用部署，打开了国产专业化网络分流器的新篇章。

迈普“网视”系列“数据分流器”采用定制化专业流处理芯片，采用灵活流量调度技术，针对金融行业面临的全网安全审计和多业务点性能分析需求，重点解决基础网络设备“流”分发使用限制多、安全风险高、扩展能力弱等问题。

过滤选项可以帮助用户在数据包层级，选择发送何种数据包到指定的监测端口。专业数据分流特性能实现业务流量正确、按需的方式传递给所需的分析系统，才能实现高效、快捷的问题定位、安全回溯，业务分析等应用。在满足上述需求的同时，更具有不影响原有业务网络、端口密度高和关键数据脱敏等技术优势。

“八大核心功能”依次是：分析流M:N、分析流1：N负载、分析流溯源标识、分析流时间戳标签、分析流数据脱敏、分析流载荷截短、分析流远端IP传输和分析流对称HASH，可以满足运维过程中流量灵活分类、流量压缩、多业务支持的三个关键业务需求，解决传统网络设备的功能不足。

迈普“网视”系列“数据分流器”是国内领先的行业级数据分流器产品，产品功能丰富、定制能力强，目前已经与大量流量可视化厂家实现了应用对接，如天旦、Ixia 、Netscout、赛门铁克、Compuware、科来、绿盟等。

---------------------------------------------------------

1.本文援引自互联网，旨在传递更多网络信息，仅代表作者本人观点，与本网站无关。

2.本文仅供读者参考，本网站未对该内容进行证实，对其原创性、真实性、完整性、及时性不作任何保证。

什么是大数据，大数据有什么用，为什么凯文凯利说数据是必然，马云说数据是未来的一切的来源？

世界每天都在变，新的概念和名词不断涌现。

对有些人来说，大数据早被说烂，已经是过时的风口；

对有些人来说，大数据似懂非懂，听起来很“高大上”；

这篇文章为后一种人所写，如果你对大数据也似懂非懂，读完这篇你就可以搞懂它。

/ 01 /

什么是大数据

关于大数据的概念，有诸多版本，如同文化、精神这类词，没有统一定义。这里不是写论文，只引用两个版本：

1个来自维基百科：大数据是指一些使用目前现有数据库管理工具或传统数据处理应用很难处理的大型而复杂的数据集。

1个来自百度百科：大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

维基百科说了大数据大、难处理，复杂、数据集，百度百科在此基础上强调它是一种信息资产。

两个概念共同昭示了大数据的主要特点：数量大、种类多、复杂、难处理、价值大。

那大数据是谁创造呢？

笼统说：是所有人的所有行为。

它不是今天，或者电脑诞生、互联网诞生后才有，历史上也有，只是那个时候没这个概念，古人行军打仗，商品贸易流通，城市兴起衰落无不是在生产大数据，利用大数据。

你今天早上吃什么，出门选择什么交通工具，一个行为构成一个数据。

无数个你集结一起就是大数据，我们所有人的交易行为集结一起，就是消费大数据，我们所有人出行，就是出行大数据，我们娱乐消遣，就是娱乐大数据……

所以大数据不只是excel表格里的一串字符，从构成元素上看，它包含：文字、图片、视频、音频、交易记录、生产信息、物联网信息……

于我而言，大数据是历史，是信息，是记录，记录我们所做过的一切。

/ 02 /

大数据有何用

大数据有什么用，为什么马云说，数据不仅是能源，是血液，是未来所有的一切的创新和来源？

其实大数据本身是没有任何价值。

比如大数据告诉你每天有10000个人，固定从A移动到B点。这条讯息对你可能没有任何价值。

但如果摩拜知道了，它可以选择在A点和B点分别投放不同数量的车，获得用户增长。

如果广告商知道了，它可以在A点和B点搭建N个广告展示窗口，获得广告费，而广告商背后的广告主也能因此得利。

……

（当然你也可以选择在A点或B点开一个奶茶店。）

因为大数据记录所有，它会告诉别人，人们的喜好，消费习惯，选择偏好、工作习惯……

企业可以从中觅出商机，更好解决人们需要，从而获得利润。

而最终获益的是每一个人，因为我们的需要得到了更好满足。

就目前来看，企业会更直接从大数据中获利。

大数据的价值，可以笼统归为两点：

1. 大数据为人服务，为企业和个人提供决策参考，让人少犯错，更聪明。这方面主要体现在精准营销、用户需求、市场拓展、趋势预测、资源配置、产品升级……

2. 大数据为机器服务。大数据可以训练机器设备、人工智能，让机器更聪明。这方面主要体现在物联设备、人工智能训练、搜索引擎、信息分发平台的推送机制等，都是基于大数据之上的。

关于第2点，举1个例子：谷歌智能机器人阿尔法狗之所以能横扫当代围棋高手，在于它未出战之前，已经和历史上的所有名家学习对战过，并反复与自己对战，不断超越自己，所以才战无不胜。

/ 03 /

大数据的分类

大数据大体可以分两类。

开放数据。开放数据即所有人可见的公开数据。包含但不局限以下：

网站数据；

APP数据；

大众媒介数据，如电视、报纸、电台、书等；

……

内部数据。内部数据即某些特定机构、企业拥有数据。包含但不局限以下：

政府数据，如征信、户籍、犯罪记录等；

企业数据，如阿里巴巴的消费数据，腾讯的社交数据，滴滴的出行数据等；

机构数据，如第三方咨询机构的调查数据。

终端数据，如小米智能手环搜集你的健康数据。

……

两者的区别在于，开放数据体量大，比较杂乱，目前使用率低，会使用的企业和机构较少，需要挖掘，但在未来它必定是主流数据来源，随着数据积累，数据价值和应用率会更高。

内部数据则反过来，体量相对会少，数据相对集中，目前应用更广，但对普通企业/人来说，获取难度比较高。

/ 04 /

大数据如何获取

如果企业、机构或者个人想要获取大数据，该怎么获取呢？

1.购买。

购买分两种，一种是直接向数据拥有者购买。一些公司或个人拥有一些数据，他们会出售数据变现（相对少）；

另一种方式是上数据交易平台购买数据，比如上发源地大数据交易平台，用户可以直接购买数据，也可以发布数据需求，定制数据，从开发者或数据供应商获取数据。

2.采集。

采集数据要看采集什么数据。如果要采集开放数据，方式也是两种，如果懂技术，可以自己写代码采；如果不懂技术，技术小白，可以用数据采集工具采，比如Finndy+云采集引擎。

而如果要采集内部数据的话，一般说来企业内部都有自己的数据采集软件和方式，比如工业设备会通过传感器记录数据，一些企业会人工记录采集数据。

3.自造。

比如阿里巴巴、腾讯、百度这些互联网巨头公司，从某种维度上来说，他们也是数据公司，并且拥有自造大数据的能力，如果你的企业能切中某个社会大需求，拥有海量用户和高使用频次，成为巨头，你也可以自造大数据。

/ 05 /

大数据如何应用

大数据怎么用？

这里只讲流程和逻辑，不切具体行业和场景。

不管你是用大数据去服务人，帮助你做决策，还是用大数据去训练你的机器，算法，一般都要四步骤。

数据采集。

数据采集的方法上面已经说了，这里要说的是，数据采集是数据应用的基础，数据源非常重要，如果数据源错了，后面的所有结果都是错，采集来的数据是否全，是否清洗，是否合法，是否及时，都是数据可靠性和可用性的判断维度。

数据建模。

数据采集上来了，需要对数据进行整理，按照一些规则和维度进行组织，让人和机器都能看懂。

数据分析。

数据该如何分析，分析哪些维度，怎么从过去预测未来，这是个大学问，也是各家各说，无法一一展开，在此不赘述。

数据应用。

分析完就是应用，验证分析结果。这是一个循环过程，通常需要A/B测试，反复验证优化。

如果你对大数据感兴趣，你的企业想了解大数据如何应用，你想听内行专家分享，以他山之石攻已之玉，2017.11.19.上海。欢迎来全创周现场取经。

“大数据应用的现状与未来 ”

09:20~09:45 观众入场 & 来宾签到

09:45~09:50 主办 方致辞 马建军 发源地大数据创始人兼 CEO

09:50~10:25 主题分享 : 大数据最具潜力的应用领域 (拟)

武 星 上海大学计算机科与技术系副主任

10:25~10:50 案例 / 应用内部数据，做好承诺管控 (拟)

汤 灏 零点有数集团上海对外合作总经理

10:50~10:55 Lucky Draw

10:55~11:25 对谈 / 从大数据的源头开始，让安全合规地应用 (拟)

马慧民 上海大数据联盟常务副秘书长 /云计算和大数据部长

罗晓梅 奥孚教育副总裁

11:25~11:50 干货 / 开放数据的应用现状和未来 (拟)

柳 超 天眼查创始人兼 CEO

2017. 11. 19 (日)09:30-12:00 上海 -长阳创谷 (杨浦 区长阳路 1687号)

发源地大数据（Finndy）是国内首家基于自研SaaS2.0云采集引擎的大数据交易平台，支持海量数据的分布式采集、计算及处理，以技术驱动数据交易。

科学分析、行业研究、内容扩充、运营启动，Finndy平台集合了全行业脱敏数据，满足企业对数据分析、数据运营及精准营销等方面的需求。

近日，乐视互娱公布了2016年度应用分发报告，有电视应用分发和手机应用分发两部分，分别基于乐视1000万级别大屏高价值用户和2000级别手机用户产生。

报告显示，乐视超级电视用户94%集中在20-45岁，66%分布在一二线城市，91%的用户付费;乐视超级手机70%的用户在一二线城市，30%以上用户是月均APP使用量超30的应用控。2016年乐视应用商店TV端应用分发量同比增长9.55倍，手机应用累计分发18亿次，分发量增长17倍。

以下都是干货。

手机篇：

1、30岁以下爱网购，30岁以上搞社交。

2、看视频是最大爱好，难怪三生三世、孤芳不自赏动不动就数十亿的播放量，综艺节目功不可没。

3、直播行业谁最强，映客、虎牙、YY。骚浪贱博眼球的小平台越来越难活。

4、共享经济12月环比1月下载超300%，膜拜、OFO，又一轮资本大战。

5、还记得分答不？王思聪用它一天挣了10多万，然后就没有然后了。无论知乎live还是微博提问都不温不火，知识变现的路还很长啊。

6、摩拜、OfO。天天为谁是第一打架。看数据是不是高下立判？

电视篇：

7、到2018年智能电视销量将超过4600万台，是传统电视的4倍。

8、电视消费趋势，大屏、大屏、大屏、

9、电视用户更爱运动健康，果然买电视的都是人生赢家。

10、电视上玩游戏，FPS才是真爱。

11、体感游戏的沉浸感，是手机游戏无法企及的。

12、体感游戏将迎来爆发。

2017年神不知鬼不觉的过去半年了！！

意不意外？扎不扎心？

三个月前我们向大家交出了你我共创的Q1成绩单

那么三个月后的今天我们又有了哪些新的成绩呢？

下面就来看下Q2你我又创造了哪些数据吧

来看看你最喜欢的APP是否还是榜上有名

看看你我在【圈子】又有了哪些新记录

▼

2017年已过四分之一，金立软件商店数据中心发布了2017年Q1数据报告。报告显示，截止日前，金立软件商店历史用户量已超过7500W，历史分发量已突破80亿，呈现快速增长势头。相比2016年Q1，历史分发量增长近一倍。

应用分发趋势虽曲折，但增幅明显

从数据报告来看，近两年来APP整体的分发趋势相对较曲折，但总体来看还是呈现上升趋势且有较大的增长，尤其在2017年春节前后。春节期间，用户对各类APP的需求增大，另一大原因还在于软件商店内策划的为期18天的红包雨活动，活动期间用户活跃度一度高涨，福利的发放极大地推动了用户下载，APP分发量出现较大的增幅，再次实现新突破。

系统安全强者多，头部应用占比高

金立软件商店Q1下载量Top100的应用主要分布在系统安全、影音视听两大类别，其中下载量Top10的应用就有7款应用隶属其中，可见用户在对娱乐有较大需求的同时还对手机安全有着较强的意识，这点也契合了金立软件商店一直强调的“安全下载”理念。

在各类别Top5应用中，头部应用几乎占据了绝大部分流量，除影音视听外，其他类别的Top5应用的下载量总和占该类别总下载量50%以上。下载量Top5的应用几乎都是网友日常生活中耳熟能详的应用，影响着网友生活的方方面面。头部应用愈发强大，中小开发者若想实现新的作为，唯有抓住细分领域作为攻克的缺口方能锁住更多流量。

用户对游戏的需求增大，游戏占比提升

在游戏领域，参与门槛较低的休闲益智类游戏下载量仍然最高，网络游戏超越棋牌桌游类游戏跃居第二，其中下载量Top5的游戏有三款是休闲益智类游戏，入榜的均是时下最热门的游戏，分别是王者荣耀、JJ斗地主、开心消消乐、球球大作战以及我的世界，其中王者荣耀备受用户喜爱，多次荣登各应用商店游戏下载榜榜首。

相对应用类APP来说，游戏类APP的总下载量占比并不高，但与去年同期相比，游戏的下载量占比有明显提升。随着近年来金立软件商店对游戏推广力度的加大，且移动用户对游戏的需求不断增大，游戏类APP的总下载量占比有望再次提升。

男女用户兴趣差异大，但都爱影音视听

在此次报告中我们对其用户群体进行了分析，目前金立软件商店65%都是男性用户，相对女性用户，男性用户更喜欢社交和游戏类APP。每个年龄段的用户对应用的偏好有所不同，但都钟爱搜索下载影音视听类应用。值得一提的是，在用户群体男性居多的金立软件商店，更符合男性用户群体的游戏和社交类的APP相对其他类别APP更能获得更好的推广效果。

女神直播点击热度高，圈子文化深人心

金立软件商店V9300版本加入了娱乐版块，版块汇集了各类媒体化的娱乐内容，其中女神直播最受用户喜爱，吸引了娱乐板块的绝大部分流量。不仅如此，新版本还丰富了原有的圈子内容，用户每天在此发帖、回帖，早已形成独特的圈子文化，深得用户心，用户粘性更足，互动价值不断上升。

这两年，金立手机加大推广力度，产品销量也水涨船高，凭借着天然的入口优势金立软件商店的用户还将持续增长，而金立软件商店也紧随互联网的发展脚步优化升级产品，不断提高运营能力，外加分发模式的多样化，分发能力将再次得到较大的提升。