時間：2024-02-21 14:45:12
序論：在您撰寫大數據運營分析時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
【關鍵詞】 大數據 電信運營商 4V Hadoop Spark 流計算
一、引言
大數據的應用是在互聯網的高速發展中誕生的。谷歌提出了一套以分布式為特征的全新技術體系，即分布式文件系統（GFS，Google File System）、分布式并行計算（MapReduce）和分布式數據庫（BigTable）等技術。這些技術奠定了當前大數據技術的基礎，可以認為是大數據技術的源頭。
二、大數據發展現狀
近年大數據的發展呈現以下兩個特征：1）互聯網公司引領大數據發展?；ヂ摼W公司在搜索、廣告領域積極采用大數據技術優化既有業務。二是今年以來陸續推出一系列面向第三方的大數據服務。2）傳統企業大數據應用仍處在探索期，發展漸趨理性。傳統企業在大數據應用的思路上也在糾偏，更加務實。一是更加注重更干凈、結構化小的數據。二是更加注重企業自身沉淀下來的內部數據的價值挖掘。三是更加注重根業務需求把Hadoop 與傳統數據倉庫結合起來用。
三、大數據關鍵技術
1）大數據存儲管理。傳統的單機文件系統和網絡系統要求一個文件系統的數據必須存儲在一臺物理機上，在冗余性、可擴展性和容錯能力和并發能力上難以滿足大數據的需求。2）大數據計算能力。傳統的數據計算能力的提升依賴于擴容單機的CPU性能、增加內存、擴展磁盤等方式，難以支撐平滑擴容。以MapReduce為代表的分布式并行計算技術可以通過低成本的通用服務器搭建系統。通過添加服務器擴展系統的總處理能力。3）大數據分析技術。大數據分析主要在兩個方面，一是對海量的結構化和半結構化數據進行高效率的深度分析，如從文本網頁中進行自然語言分析；二是對非結構化的語音、圖片和視頻進行機器可以識別的分析提取有用的信息。
四、大數據的主流技術
1、Hadoop。Hadoop是基于Java語言開發，以分布式文件系統和Mapreduce為核心。其特點如下：1）可擴展性：Hadoop運行在基于X86結構的普通PC服務器或刀片服務器上，硬件和軟件松耦合在一起，可以很方便的增加計算節點。2）可靠性：Hadoop能夠自動保存數據的多個副本，并且能夠自動將失敗的任務重新分配，確保能夠針對失敗的節點重新分布計算。3）低成本：Hadoop架構在廉價的硬件服務器上，不需要昂貴的硬件作支撐。其軟件是開源產品，不需要授權費用。4）高效性：相比傳統并行計算結構，Hadoop的計算和存儲是一體的，實現任務之間無共享，I/O開銷小。
2、Spark。Spark擁有MapReduce的優點，但不同于MapReduce的Job中間輸出，其結果可以保存在內存中，從而不再需要讀寫HDFS。其有以下特點：1）速度快。Spark支持內存計算，對于小數據集能達到亞秒級的延遲。2）易于使用。Spark支持Sscala、Java和Python編寫程序。Spark提供了超過80個高級運算符，以便于更容易的構建并行應用程序。3）與HDFS底層兼容。Spark能夠運行在Hadoop 2.x的YARN集群管理器上，并且能夠讀取任何存在Hadoop數據。
2、流計算。流式數據是指將數據看作數據流的形式來處理。數據流是在時間分布和數量上無限的一系列動態數據集合體；數據記錄是數據流的最小組成單元。流計算的技術特點如下：1）實時性。流數據是實時產生、實時計算，結果反饋往往也需要保證及時性。2）易失性。在流計算環境中，數據流往往是到達后立即被計算并使用，只有極少數的數據才會被持久化地保存下來，大多數數據往往會被直接丟棄。3）突發性。在流計算中，數據的產生完全由數據源確定，由于不同的數據源在不同時空范圍內的狀態不統一且發生動態變化，導致數據流的速率呈現出了突發性的特征。
五、主流技術方案比較
目前大數據平臺建設最常見的是基于Hadoop平臺和MPP數據庫的兩種方案。Hadoop、MPP數據庫和傳統數據庫并非是互相取代的關系。因此，在很多大數據解決方案中，單一大數據技術無法滿足所有的要求，而是要根據實際場景采用不同的技術方案或采用混搭架構進行綜合處理。
六、電信運營商大數據部署建議
大數據平臺建設目前有兩種方式，建議采用第2種方式：1）以現有分析系統BI為基礎，進行擴展，構建統一開放數據平臺。2）以統一數據管理為契機，通過數據統一采集、存儲與處理入手，新建大數據平臺。方式2可迅速匯聚數據，不影響現網各系統的運行，后期可將經分，性能管理等系統上移為數據集市，專注于專業分析。各數據源僅將數據送往大數據平臺。
大數據技術架構建議按照“松耦合、標準化、分層開放”的標準進行方案選取。而在數據層面，運營商面臨數據規模大，數據處理復雜，數據結構多樣化等多種挑戰。無論是傳統數據庫還是分布式數據庫，均難以單獨滿足數據存儲和分析的需求。大數據平臺建議采用Hadoop作為大數據的主要存儲平臺，各分析集市、應用系統可根據數據分析的深度，實時性采取Hadoop，Spark或MPP混搭架構。
參 考 文 獻
>> 電信運營商大數據引入策略分析 電信運營商跨行業大數據融合應用場景分析 大數據時代下的電信運營商變革 運營商大數據要去電信化 電信運營商大數據應用系統建設方案研究 供應鏈視角電信運營商的大數據應用方向探討 電信運營商真正的優勢在于大數據分析 電信運營商大數據業務運營流程深度剖析 運營商大數據技術及應用 中電信“天翼大數據”品牌 運營商能否做好數據買賣？ 大數據時代電信運營商4C營銷策略探析 大數據時代電信運營商如何重構轉型競爭力 電信運營商大數據在金融行業實體選點中的運用 電信運營商大數據發展策略與價值挖掘 大數據時代下電信運營商的發展戰略探討 電信運營商大數據變現之關鍵技術 電信運營商大數據資源變現模式及策略研究 電信運營商FTTX應用模式 運營商部署VPLS案例分析 數據挖掘在電信運營商經營決策系統中的應用 常見問題解答 當前所在位置：l.
[2] 傅志華. 大數據在電信行業的應用[EB/OL]. （2014-11-17）. http：//.cn/Bigdata/2014-11/17/content_1479083.htm.
[3] 曉鏡. Sprint：運營商僅靠大數據就能生存[N]. 中國郵電報， 2012-11-21（5）.
[4] 朱敏. 大數據時代運營商戰略及市場影響[J]. 中國電信業， 2015（5）： 78-79.
[5] 何非，何可清. 大數據機器及其科學問題與方法的探討[J]. 武漢大學學報（理學版）， 2014（1）： 1-12.
[6] 洪瑩，李政. 針對電信運營商的大數據價值化經營研究[J]. 移動通信， 2015（13）： 47-50.
[7] 黃勇軍，馮明，丁圣勇，等. 電信運營商大數據發展策略探討[J]. 電信科學， 2013（3）： 7-11.
[8] 施巍巍. 大數據助力電信企業實現精確營銷[J]. 信息技術與信息化， 2015（1）： 92-94.
最近讀完了《幸福的方法》，對書中一段話非常有感觸："忙碌奔波型是未來的奴隸，享樂主義型是現在的奴隸，而虛無主義型則是過去的奴隸。"在運營商工作的我們都經歷過從通信業黃金十年帶來的"金飯碗"、行業遭遇"高原平臺期"的銅飯碗，甚至全社會"人人得而誅之以后快"的"紙飯碗"，無論是企業還是身處其中的個人，都在感受著巨大的壓力與阻力。
于是，一些人選擇了"享樂主義"式生存，日復一日在單位混日子；一些人則選擇了"虛無主義"式生存，沉浸在過去的輝煌，躺在功勞簿上過日子；還有一些人選擇"忙碌奔波"式生存，開不完的會、做不夠的匯報、寫不盡的方案，雖終日忙忙碌碌卻無所作為。正是如此，才有了我上篇文章中寫到的"四種人"——那些想走又能走的人最終選擇了離開這里，那些想走卻不能走的整日抱怨體制，那些不想走也不能走的昏昏度日，剩下那些能走卻不想走的痛苦掙扎……
一、運營商正在經歷什么？
借用雙城記那段經典開場白：這是一個最好的時代，這是一個最壞的時代。對于運營商這樣天生依靠人口紅利、規模紅利的傳統企業，未來的日子或許并不好走。無論是從媒體的口誅筆伐，還是用戶的人人喊打，亦或是員工的紛紛出離，種種跡象都在表明這個行業早已從大象快跑的“神壇”跌落，變得遲鈍、緩慢甚至有些狼狽了。
可十年前絕不是這樣。三十年前更加不是。
《大跨越：中國電信業三十春秋》的開篇語這樣寫道：從經濟瓶頸到社會先導，從全球末游到用戶總量世界第一，改革開放三十年中國電信業實現了舉世矚目的大跨越!這一切是怎么得來的?這本生動再現改革開放30年來中國通信業輝煌歷程的著作選擇了兩個有意義的時間點，1978年跟2008年，前者是中國正式吹響改革開放號角的關鍵一年，而后者則是代表了通信業黃金十年的關鍵一年。
字里行間都可以讀到中國通信業經歷過怎樣的輝煌，可以感受到從業者那種由衷的自信與榮耀。時代巨變，昔日巨頭創造了比以往更加令人矚目的經營業績，卻在政治地位以及行業形象上連連敗走麥城。
時至今日當我們再次談論運營商，你想到了什么?是財務報表上無比閃耀的光輝業績，還是面對行業內外競爭暗戰的困惑焦慮；是建成一張張4G、4G網絡的驕傲欣喜，還是管道化、低值化、邊緣化的郁悶心酸；是對KPI下多少就能完成多少的自信得意，還是對基層不斷涌現離職潮的始料未及。
是運營商真的做錯了什么嗎？可能并不是。
放眼看看這個時代吧！這是一個在和同行不斷抗衡，卻無奈被OTT抄了后路的時代；一個到處充斥著機會，細看時卻滿目危機的時代；一個傳統大機構失勢瓦解，個人自由連接全面崛起的時代……
這是一個唯變不破的大時代。在這個時代里，競爭對手變了、游戲規則變了、用戶習慣也變了，曾經習以為常的一切突然間發生了天翻地覆的變化。話音、短信這些傳統業務正在加速下滑，流量雖然成為新的增長點，卻不得不面臨著“提速降費”的巨大壓力?？梢哉f，在這樣的時代背景下，運營商像是被困的巨獸，想掙扎卻又充滿無力感，想改變卻又害怕不確定，想突破卻又找不到突破口……
唯一的方法大概就剩下三個字：豁出去。
二、運營商該怎么辦？
對于眼下的運營商來說，出路無非兩條，要么精耕存量客戶，挖掘更大的價值點；要么開辟新市場，尋找行業的破局地。關于精耕存量市場，已經有太多這方面的文章，這里不再贅述。我想重點談談新市場。
1.新市場在哪里？
日前，互聯網教父、科技商業預言家的凱文·凱利在斯坦福大學進行長達3小時的分享，暢談他對未來20年重大科技商業潮流的見解。我對其中一個觀點很感興趣，他說不管你現在做什么行業，你做的生意都是數據生意。
數據！
無論是風生水起的移動互聯網，還是改變世界的蕓蕓眾生，他們都在通過運營商的網絡來獲取信息。
2014年三月在北京舉行的一場大數據產業推介會上，阿里巴巴集團創始人馬云在主題演講中發表了他的觀點——“人類正從IT時代走向DT時代。IT時代是以自我控制、自我管理為主，而DT時代，它是以服務大眾、激發生產力為主的技術?！?/p>
我們都知道，今年的雙11全球狂歡節中，阿里巴巴天貓用時不到12小時就打破了去年創下的571億元的交易額，最終將記錄鎖定在912億，其中無線交易占比71%，全球產生成交的國家和地區達到205個。
巨量交易額的背后是什么？是阿里越來越強大的供貨和物流系統？還是傳統零售業的全面沒落？其實都不是的。我以為這背后體現了阿里巴巴強大的數據分析和挖掘能力。在這樣的購物節中，最重要的問題是商家要備多少貨？而這可以通過平臺歷史銷售大數據，預測貨品需求，為商戶提供庫存依據，提升庫存效率和有效性。
而在百貨商店時代，購物數據只有通過人工才有可能統計完并且不一定準確，但是阿里巴巴會把每個人的歷史購物和瀏覽數據都留在云上。因此，淘寶可不光是一個電商平臺，更是顧客的大數據平臺。
阿里巴巴集團副總裁涂子沛在講到這個概念的時候舉了一個更容易理解的案例：請你預測全國哪些地區會有更多的二孩出生？按照傳統的數據統計，估計只能依靠人口普查、各地市區縣統計部門的層層上報，不但會有偏差而且還會滯后。而在阿里巴巴，只需要統計哪些區域的孕嬰用品銷量激增就可以了，不但真實而且更加便捷。
運營商也是一樣的。你以為運營商只是通信管道的提供者？其實或許還是信息適配的服務商。在過去，我們使用的文件、文件夾、桌面這些東西都是停留在本地的。我還記得那個時候最好的備份工具大概是移動硬盤或者是藍光光盤之類的東西。而進入網絡時代之后，數據就出現在網頁上、鏈接里。現在的云上有標簽、有流量、有新聞，還有各種各樣我們需要的信息。云、數據化才是這個時代的關鍵詞。要知道，這些所有的信息都是通過運營商的網絡傳輸的，就和從淘寶上銷售的商品信息一樣，除了信息本身，它的發送端和接收端或許才是我們關心的重點。
于是，將合適的信息主動推送給需要的人，就是運營商能提供的大數據服務了。
2.新市場有多大？
中國云計算技術與產業聯盟理事長吳基傳曾指出：大數據是云計算服務的基礎，是構架云平臺最基本的要素，沒有對海量信息的分析的大數據，就沒有為所有信息消費者獲取有價值的信息的可能性。
因此在商業界，大數據已經開始成為很多企業的生意?！?015年中國大數據交易白皮書》顯示，預計到2020年，中國大數據產業市場規模將超過這個市場去年規模的10倍，由2014年的767億元擴大至8228.81億元。
2015年8月19日，國務院常務會議通過《關于促進大數據發展的行動綱要》，這或許意味著，大數據在中國將逐漸步入正軌，進入到頂層設計時代，這無疑將加速經濟發展引擎的進一步開發。
從運營商的角度來看呢？以中國移動為例，我們有超過8.2億用戶，110萬4G基站，經營分析系統里有10B以上的數據，我們的10086每分鐘都有海量用戶的呼叫，實際上所有這些動作每天都在產生大量的數據。那么，這些數據到底有多大，集中以后會是個什么效果？
有人曾經做過測算，一個省公司一天的數據要上百P，這些數據集中在一點傳輸到中國移動(貴安)大數據中心，需要重建一個中國移動的CMNET，也就是中國移動Internet的骨干網。
所以某種意義上來說，運營商擁有采之不盡用之不絕的數據富礦，站在金礦上總比無礦可挖強，這也是我判斷運營商或許會在大數據時代“觸底反彈”的依據之一。
3.還有什么不確定因素？
雖說前途可期，但畢竟是一個全新的領域。在新領域就一定有新的游戲規則，也會有相應的規則適應過程。
在過去的幾年中，大數據的概念在產業界引發了無數的爭議和討論，甚至長期出現在Gartner的新興技術成熟度曲線(也稱新興技術炒作周期報告)中。原因非常簡單，一項新技術多被談及概念，雖然在媒體上屢屢曝光，但應用案例寥寥。
因此，大數據越來越被看做是評論界的談資，而非真正意義上的產業。
在貴陽成立的全球第一家大數據交易所，通過電子系統面向全球提供數據交易服務，計劃2020年數據清洗交易量年達1萬PB、年總額3萬億。然而，成立至今，這個深孚眾望的機構撮合的交易記錄也不過3000多筆?！坝幸庠附灰状髷祿钠髽I和機構還不多?！苯灰姿ぷ魅藛T如是說。
除此之外，還有幾個關鍵不確定因素在影響著大數據產業發展。
A.技術能力不足。IT作為后端的支撐手段，大量通過外包或采購方式實現，所以在自身軟件開發和大數據平臺運維、大數據新技術應用、大數據分析挖掘方面能力相當有限。
B.數據“墻”大量存在。很多數據是分散在不同的系統中的，經過長時間的“豎井”式運作，已經形成了難以突破的壁壘。以中國移動為例，B域主要是經營分析數據、O域主要是網絡運維數據、M域主要是管理信息數據，但這三域的IT系統分別由三個不同的部門負責，整合難度較大，較難形成“1 1＞2”的數據融合效果。
C.組織架構不匹配。目前看，很少有機構會設置專門的部門去集中各種散落的數據，更別提對這些數據進行標準化的管理和維護了。
D.思維觀念的滯后。如果說技術、資金、人才方面的劣勢都可以通過后天的努力來補足，那么意識層面的缺失就需要相當長時間的培育了。
除了以上說的幾點，大數據交易的安全性、定價的合理性、客戶信息的保密性，都在一定程度上影響著大數據業務的規模和發展空間。
三、運營商玩大數據的心法與身法
運營商究竟該怎么玩兒大數據呢？竊以為先要回答好三個問題：一是數據在哪里？二是數據放哪里？三是數據怎么用？
1.數據在哪里？
都說我們正在經歷一個全新的商業時代——分享經濟的時代，消費者正在放棄傳統的、效率低下的企業，轉而投入分享型企業的懷抱，來獲取他們想要的產品和服務。Uber讓座駕更好地分享，Airbnb讓空閑的房屋更好地分享，八戒網讓創意和設計更好地分享……現在看，一切可以分享的都是價值數據。
在分享經濟的時代，真正分享的是有效的供需關系。因此，在分享經濟中，更重要的其實是創建供需場景，建立供需聯系。
數據也是相同的道理。隨著移動互聯網、云計算、物聯網等新一代信息技術的爆發式發展，智能手機、平板電腦、可穿戴設備以及遍布各個角落的傳感器，正在越來越多地接入到運營商網絡。各種交互數據、傳感數據正源源不斷從各行各業迅速生成。這些數量龐大、種類廣泛、迅速產生和更新的大數據，蘊含著前所未有的社會價值和商業價值。
如何能夠有效挖掘并體現出數據的價值是亟待解決的問題。竊以為，關鍵就在于建立數據使用的場景并搭建數據交易平臺。
比如說，城市規劃設計院需要對新區進行商業價值評估，可以通過運營商的網格數據分析提供區域人口及經濟狀況解析；再比如，醫療機構需要在一段時期對藥物及醫療設備做儲備，可以通過醫保報賬平臺統計該區域的醫療診斷及藥物使用情況，預測出該區域可以發生的大規模疾病，從而及時儲備相關資源。
重要的是，幫助數據消費者更加迅速有效地找到他們需要的數據，并促成雙方交易。
2.數據放哪里？
如此大規模的數據存放在哪里也是考驗大數據產業的要素之一。要知道并不是所有的機構都有足夠的資源去建設自己的數據中心。而在這方面，運營商恰好可以提供服務。
通信行業有個詞叫做“電信級服務”，意思是通信服務要具備不間斷運行、大容量、高穩定性、可靠性等特點。而要達到這些條件，就需要完備的QoS保障機制，而其中重要一環就是設施先進、管理規范的通信機房。
因此可以說，在數據機房方面，通信運營商具有先天的優勢。
能否將此作為運營商進入大數據市場的切入點呢？開放、合作就成了這個部分的關鍵詞。前文說過，傳統機構中有很多數據與信息孤島，要想打破不斷構筑的“數據墻”，首先是要將他們集中化的存儲、管理、運營。因此，運營商的高標準數據中心或許只是一個必要而非充分條件，要讓源自不同領域的數據發生“化合作用”的前提是將這些數據存放在運營商的數據中心。
ICT基礎設施有連接和存儲的作用，其產生的數據通過不同的終端存儲下來，這些數據在應用程序中使用才會有價值。而運營商同時具備連接和存儲兩項功能。
面向未來，運營商數據中心將成為網絡的中心，構建面向業務的敏捷、柔性、綠色的云IT基礎架構將使運營商數據中心成為新一代ICT基礎設施的驅動中心。
3.數據怎么用？
運營商現在最大的挑戰是什么？是端到端的質量保障不足導致用戶體驗還不夠好嗎？是受到OTT業務的沖擊導致傳統業務快速下滑嗎？還是業務量收剪刀差不斷加大、投資壓力日趨吃緊嗎？個人認為都不是的。我們最大的挑戰在于用戶往往滿足于現有的業務。這會讓我們產生嚴重的路徑依賴，從而也會形成“自滿”情緒。
事實上，運營商現在面臨著三大重要轉變：一是從關注功能向關注最終用戶體驗轉變；二是從提供語音和帶寬向提供豐富、開放的ICT融合信息服務轉變；三是從基于人口紅利的增長向應用創新增長轉變。這三個轉變帶來了商業模式、運營模式、研發模式和科技創新的轉變，將驅動電信行業從封閉走向開放的數字化運營。
數字化運營，至少有三件事可以做：一是盤點數據資產；二是建立計算能力；三是開放數據平臺。按照貴州移動羋大偉總經理的思路，運營商大數據發展路徑分為1.0、2.0和3.0三個版本。
大數據1.0主要針對運營商內部分析，建設重點以數據整合和能力構建為主，為數據價值發掘奠定基礎，重點支撐精準營銷和精確建網；大數據2.0主要針對數據價值提升，重點是逐步拓展對內對外數據價值挖掘的能力；大數據3.0主要針對數據變現，聚焦重點客戶和行業，構建數據生態系統，逐步凸顯外部收入。
目前，運營商在IT系統和網絡系統上積累了很多數據資產(當然如果處置不當也可能會變成數據遺產……)，通過SDN和NFV等IT技術重構的通信網絡，將會形成全新的彈性、智能的網絡架構。而網絡IT化，就要求建立以云數據中心為核心的網絡架構，數據中心將成為ICT基礎設施的核心，數據中心的布局和規劃決定未來網絡的架構，也決定了未來的競爭力。
伴隨20多年的互聯網發展，掌握未來的“聯接一代”和“數字元人”已經長成。相比上一代人，他們的溝通、交友、娛樂、消費、工作、學習等行為方式和思維模式，已經發生深刻的變化，他們對于數字社會和互聯網的依賴與生俱來，代表著互聯網時代的新消費行為。
運營商新的業務運營系統不再是簡單的支持系統，更不是簡單的營銷界面在線化，而是連接運營商、客戶和合作伙伴，連接網絡、應用和內容的價值創造系統和生態鏈系統。傳統的線下營業廳或將大幅減少甚至消失，取而代之的，是用戶可以全在線模式按需、實時定制享受各項服務，運營商通過大數據分析洞察客戶和精確營銷，提供更加智能的客戶服務。
從購買產品走向購買服務，商業世界的游戲規則正在發生根本上的變化，商家和用戶之間的關系從交付那一刻才剛剛開始。
互聯網之父勞倫斯·羅伯茨曾講過：“自網絡誕生以來，我們只實現了網速的提高，而在提升網絡性能及其他方面毫無進步。”在這方面，運營商正在積極從消費體驗出發打造新型的業務運營系統，新系統不再是簡單的業支系統和網管系統，更不是簡單的營銷在線化，而是連接運營商、客戶和合作伙伴，連接網絡、應用和內容的價值創造系統。
一、前言
近年來，大數據迅速發展成為工業界、學術界甚至世界各國政府高度關注的熱點。在大數據時代，“數據即資產”的核心理念已成為各個行業的共識，大數據具有4V的特點：一是數據容量巨大（Volume），二是數據類型眾多（Variety）；三是數據價值密度低（Value）；四是處理數據的速度要求非?？欤╒elocity）。相關研究預測標明，2015-2020年是大數據行業高速發展期，到2020年中國的大數據市場規模為454.33億元，增長速度為20%。互聯網行業、政府、金融、電信、零售等典型行業率先啟動大數據產業布局，傳統行業也積極收集行業數據，引入外部大數據，建設大數據平臺，開展跨行業大數據創新應用實踐，不僅使行業內部運行效率得到提升，加速傳統行業轉型升級，而且已經創造出巨大的經濟價值和社會價值。2016年7月28日，《國家信息化發展戰略綱要》，明確指出要促進工業經濟向信息經濟轉型，大力推進數據資產化和資源化，優先開放政務和民生保障服務相關的數據，隨著政策紅利不斷發放以及大數據共享機制的逐漸完善，毫無疑問，大數據將更加深刻地推動產業發展。
二、跨行業大數據應用場景和典型案例（圖1）
電信行業通過將行業內部的B/O/M域數據、上網日志等和外部金融、旅游、政務等行業數據進行結合，已經實現了端到端網絡分析優化、精準營銷、用戶體驗提升、地理位置服務、智慧旅游、智慧城市、行業分析報告等場景應用。例如國內三大運營商基于上網日志分析和外部數據綜合分析，解決用戶上網流量投訴，提供行業指數，并與金融、公共服務、位置服務等在大數據應用進行合作。
金融保險行業整合個人特征數據、資產數據、保單數據等行業內部數據和互聯網行為數據、地理位置信息、個人消費數據、征信數據等行業外部數據，形成基于大數據的客戶洞察、互聯網征信、投資預測、風險控制、極速放貸、電信詐騙攔截等創新應用場景。
醫療健康行業通過將個人體征數據、個人特征數據、基因檢測數據、電子病歷、遺傳數據等醫療領域數據和互聯網用戶搜索數據、地理位置數據、氣候數據、環境數據、人口流動數據等行業外數據融合和分析，可實現疾病預測、個人健康監測管理、癌癥診斷和預測及早產兒病情診斷。
文化傳媒行業通過將消費者數據庫、影視基礎數據、影視評分數據、用戶視頻播放行為數據、電視節目收看行欏⒕緙播放設備、劇集播放時間等行業數據與互聯網搜索數據、社交網絡數據、線上購物數據等進行融合，進行投資風險評估、受眾定位、影視精準營銷、票房預測。
旅游行業通過將個人特征數據、景區數據等行業內部數據與氣候數據、地理位置數據、運營商移動用戶數據等行業外數據結合，實現旅游指數、景區客源分析、個性化推薦、景區預警等。
能源行業作為典型的傳統行業，也開始將行業內部的企業生產數據、勘探大數據、油氣管道數據、風電場實時流體模型數據、光伏電站數據、氣象數據、地理數據等和外部地理位置數據、環境數據、氣候數據、風速數據、海拔數據、大氣溫度、日照數據、周邊救援方案數據、地震數據、能源輸送數據等進行結合，開展了自動化礦井值守、精準化油氣開采、井位確定、安全監控和預警、油氣管道腐蝕點預測、風電場自動化選址設計、風能發電量預測、光伏電站健康度檢查、光伏電站精準運營等創新應用。
零售貿易行業通過運用大數據技術提高了生產數據的計算速度，還通過將銷售數據、人力成本、物流數據等內部數據和突發事件、交通數據、氣候數據等外部數據相結合，實現貨品擺放營銷設計、物流成本控制、銷售數據分析、產品溯源等應用。
農林牧漁業通過將農業生產數據、養殖數據、質檢數據、消費者評價數據、生產/設備監控數據、土壤數據、人力成本、物流數據、銷售數據、農產品市場價格等內部數據和突發事件、交通數據、氣象數據等外部數據相結合，實現可視化農場生產管理、農場耕作精細化管理、物流成本控制、肉類/乳品安全溯源體系、種植灌溉差異化、防災預警等。
汽車行業通過內部汽車企業運營數據、汽車企業研發數據、汽車銷售數據、車輛行駛狀況數據、車聯網傳感數據、座椅壓力數據、汽車配件數據等行業內部數據和互聯網輿情數據、用戶群體行為數據、實景地圖數據等外部數據結合，實現產品人性化設計、無人駕駛、汽車網站用戶導流、精準廣告推送、汽車防盜、行駛安全預警。
化工行業通過將物流管理大數據、銷售數據、人力成本數據、ERP系統數據、訂貨數據、加油站銷售數據結合行業外部的氣候數據、交通數據、網上支付數據、個人互聯網用戶行為、個人位置信息數據等，實現石腦油原料操作樣本建模、石化產品結構優化、生產安全預警指揮、環境應急預警、客戶識別、精準營銷。
公共事業領域利用公共設施監測數據、維修記錄、交通監測數據等進行公共設施危險預警和事故追蹤；通過對患者數據、疾病數據和診療數據進行綜合分析可幫助醫院進行智能病癥診療；公安部門基于交通信息、旅游數據、安防數據、地理位置、道路監控數據、用戶真實信息等多方位數據結合，可以實現人流、車流的實時監控，以及異常人群聚集預警等。
此外，房地產、冶金、教育培訓等領域也進行了非常多的行業大數據應用探索?？梢钥闯?，充分挖掘產業大數據的商業價值可大大促進產業服務質量和效能提升，加速傳統行業的轉型升級。
三、電信運營商跨行業合作方向建議
大數據可能確實是一個網絡行業熱潮，但我們現在尚不清楚這項技術是否可以實現關鍵的信息到知識的過渡。所幸的是，網絡管理員可以通過一些努力來穿過大數據炒作的喧囂，把她當做改善網絡運營的工具。
在網絡中，大數據通常是指從標準管理系統和接口獲取的大量流量、中繼以及設備信息，這些數據是從部署在各個端點的探頭以及從客戶端及服務器設備中的網絡層軟件來收集。當這些數據放在標準管理系統接口框架中時，一些信息可能會反映出當前的故障、配置、結算、性能和安全(FCAPS)管理做法，但大多數公司不能將來自客戶端/服務器設備的數據域當前的運營活動關聯起來。而這正是大數據和大數據分析的“用武之地”。
有效利用網絡大數據的最關鍵的因素是保證所有數據元素的精確事件定時。網絡是關于事件的瞬間情況和并列，失去時間同步性意味著在分析信息時完全失去價值。如果所有數據收集都是從共同來源定時，就能夠確保時間同步性。如果不是這樣的話，你應該將同步化事件引入到大數據收集點，以在正則點關聯所有記錄的時間。
建立映射來查明網絡問題
在保證事件的時間可以精確地關聯后，下一步是在這個共同時間軸和網絡問題之間建立映射。有關網絡問題來源的信息可能出自當前的FCAPS過程、用戶投訴或者客戶端/服務器遙測。后者也可能有助于恢復體驗信息質量，如響應時間，以及測量數據包丟包率和延遲性(例如從TCP窗口大小)的網絡性能數據。這種映射允許大數據分析來探索這些問題點與問題第一次出現之前時的指標的關系。
這種類型的大數據分析能夠幫助分析網絡問題的根本原因，這往往是通過其他手段不可能做到的。由于網絡環境變化非常迅速，管理員經常在追逐問題，從一個地方到另一個地方，然而，當問題發生時從來沒能找到正確的原因。大數據分析可以將數千(或數百萬)數據元素與已知問題點相關聯，找出相關性，然后通過數據分析來找出根本原因。
確定正常運行情況
利用大數據解決網絡問題的另一種策略是使用大數據得出正常網絡環境的基本數據。如果上一步(映射問題點到大數據共同時間表)正確完成的話，我們將知道當沒有任何問題時網絡的情況。收集這些“運行良好”時期網絡數據的分析將允許管理員確定什么是正常網絡行為，并根據收集的數據量來量化這種“正?！?。
然后，基線正常行為可以用來分析網絡運營中不被視為問題的時段，但也不能完全確定是否是正常操作行為。經驗豐富的網絡管理員都知道，有時候網絡會進入一種不穩定的狀態，實際上并沒有出現故障或者收到用戶投訴。在網絡、整體需求或者服務器資源狀態中，也有這樣的情況會影響網絡運營?；€數據可以幫助找出造成這種狀況的原因。
大數據分析可以幫助找到方法來修復網絡環境
我們需要尋找這樣一種行為，即分析表明網絡環境未能生成問題報告時，甚至當它密切模仿一個問題時期。在這里，我們的目標是利用分析來探索是什么緩解了預期的問題；這可能改善你的根本原因分析或者提供其他方式來修復環境。
另一個需要檢查的是資源如何受到網絡事件、應用或服務器事件，或者用戶流量負載的變化的影響。當這些方面發生顯著變化時，網絡應該以可預見的方式作出回應。例如，應用流量的顯著變化通常會導致響應時間的明顯增加，以及丟包率的上升等。
但如果這些行為發生時沒有伴隨流量的重大變化，則表明資源已經超載。同樣，如果流量發生重大變化，而沒有伴隨響應時間或網絡丟包的增加，也可能表明網絡供大于求。在這種情況下，可以減少一些容量，從而幫助保護較低的運營預算。
只專注于可操作的情報
【摘要】近年來，中國影視行業蓬勃發展，伴隨著互聯網技術革新，影視業正在與大數據舉行一場盛大聯姻，以實現交互式的影視制作。國內影視業日漸重視大數據的運用，《小時代》、《失戀33 天》等國產電影因此而獲得成功的票房。本文從影視作品的創作、傳播、接受環節探討大數據分析的運用及其意義，以及未來影視大數據的發展趨勢。
關鍵詞 大數據 影視業 創作 運營
2013 年被稱為影視界的“大數據元年”，運用大數據分析成功營銷的影視作品使人們看到了大數據給影視行業帶來的無窮潛力。在中國，影視大數據也越來越受到專業人士的重視。2014 年6 月23日，一檔尋找電影天才的真人秀節目《全民電影》在吳宇森、章子怡和劉儀偉等明星助陣下拉開帷幕。在這個中國首檔全媒體電影項目中，百度利用自身數據優勢首次深度介入，對一部電影從選題、融資、組隊等制作階段開始，到發行再到播放的全流程，提供深度數據規劃與策略支持。
一、大數據和影視行業
“大數據”一詞最早出現在美國著名未來學家阿爾溫·托夫勒的《第三次浪潮》一書，2011 年全球著名咨詢公司麥肯錫研究所在其發表的報告《大數據：下一個創新、競爭和生產率的前沿》中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素; 而人們對于海量數據的運用將預示著新一波生產率增長和消費者盈余浪潮的到來。①大數據是指所涉及的數據量規模巨大到無法通過人工在合理時間內達到截取、管理、處理、并整理成為人類所能解讀的信息。②根據Philip Rossum 在《大數據分析》一書中指出的那樣，大數據不僅僅指的是數據的大數量，還包括多種類和高速度，這三方面都是保證數據質量的關鍵要素，缺一不可。③
在傳統意義上的影視行業中，影視作品是否能夠受到廣泛的歡迎，主要依賴的是創作者自身的專業水準，對受眾心理的洞悉程度，以及選擇演員的眼光等等。大數據的出現使得影視作品的傳播方式由之前的單向傳播轉變為交互傳播。影視大數據的數量大，可以從空間維度和時間維度上來分析。（見表1）
影視數據種類多是指影視大數據中包括的影視作品本身的創作信息、銷售信息、觀眾的反饋信息等多個層次，但凡是與影視作品有關的，都囊括在影視數據庫中。并且影視大數據的數據庫范圍也依據不同的分析目的而可大可小。按照戴志強等的分類，影視大數據主要可以分為三大類，即用戶大數據、內容大數據和渠道大數據。④
二、大數據與影視創作
中國影視行業近年來飛速發展，以電影行業為代表：
上述表2 和圖1 中可以看出，我國以電影為代表的影視行業近4 年正在蓬勃發展，不僅全國電影票房呈現良好的上漲態勢，其中國產片票房占比也在持續升高。為此，國產片在創作過程中也在不斷借助大數據的力量來制作出符合大眾審美情趣的影視作品。由優酷土豆集團攜手儒意影業、樂視影業制作的電影《老男孩之猛龍過江》，就是通過對粉絲的情感洞察和行為分析，來指導其內容創作，堪稱開創了中國互聯網電影的新模式。
在大數據指導下的互聯網電影創造過程中，觀眾可以從被動的受眾變為主動的影片制作參與者。以2014 年阿里巴巴推出的“娛樂寶”為例，網民出資100 元即可投資熱門影視劇作品，通過投票來決定電影的制作人、導演、男主角、女主角等。首批登錄娛樂寶界面的6 個項目—— 電影《小時代3》、《小時代4》、《狼圖騰》、《非法操作》以及社交游戲《魔范學院》等，截止到4 月3 日已經全部售罄，共出售78.5 萬份，總投資額達到7300 萬元。受眾能做的不再限于觀影后的反饋和評價，而是能夠從作品生產初期就提出自己的意見。
同時，受眾不僅可以影響制作團隊的構建，也可以改變劇情的發展。國外知名電視劇《紙牌屋》通過云計算確定下集劇情，國內雖然沒有如此先進的大數據技術，但是通過大數據得到的用戶評價確實能夠改變編劇的心意。2014 年七夕檔熱播都市愛情電影《單身男女2》的結局之所以扭轉，就是因為早在《單身男女1》上映后，許多觀眾不滿于女主角做出的選擇，紛紛留言表示惋惜，于是導演決定在第二部里讓女主角再選擇一次。
從影視制作方來看，大數據能夠使制作方更了解觀眾的期待，“娛樂寶”則折射出了這些投資人的興趣愛好，以此幫助電影實現觀眾的精確定位，包括影片類型、上映時段等。大數據不僅“ 大”而且更“細”，在影視創作階段的大數據分析應當既包括對于用戶歷史數據的分析，如通過前期不同類型電影的票房分析、受眾對不同題材影視的反饋分析等，又包括用戶對電影的期許，如某類用戶的特定需求、拋出目前電影創作計劃得到的回應等。創作者可以找到與自己風格相契合的受眾群體，或者可以使自己受益最大化的定位。
電影《小時代》的出品方樂視影業，根據網絡上《小時代》的搜索量，分析了關注《小時代》的人群，最后描繪出《小時代》的目標受眾，即“互聯網的原住民”。這些90后大部分是郭敬明和楊冪等主創人員的忠實粉絲，也是當前電影市場的主流消費群體。（見圖2）
總之，大數據可以提升國產電影的成功率，促進更有特色更高質量作品的生產，同時，大數據提供了一個絕佳的視野幫助國內的制作班底了解國外受眾的品位。
三、大數據與影視傳播
在中國影視市場，大數據的應用最主要集中于影視傳播階段，中國電影業迎來發展良機與大數據有密不可分的關系?！吨虑啻骸?、《失戀33 天》、《北京遇上西雅圖》、《中國合伙人》等的成功，都離不開大數據在背后的支持。（見圖3）
大數據應用于影視作品傳播的目的是為了改變以往不但不會提升傳播效果反而可能引起反感的狂轟濫炸式統一傳播。其傳播方式如圖4 所示。
目前普遍使用的一種高精準度宣傳是利用社交媒體傳播。以《小時代》為例，還在拍攝階段時，原著作者兼導演郭敬明就通過個人微博向網友透露《小時代》的拍攝情況，在臨近上映時，郭敬明的個人微博狀態幾乎全部和小時代有關，不僅如此，郭敬明還和《小時代》的主要演員在微博上互動宣傳。采取郭敬明個人微博的宣傳方式其實就是一種定向宣傳，關注其微博的網友大多為郭敬明的讀者粉絲或者對其一定程度感興趣的人，這部分人很可能成為觀眾，或者上述分析中的前兩者，因此也是宣傳的主要對象。
但總體上來說，傳播手段的選取要基于對特定用戶的特性，在做好用戶定位之后，就要利用大數據分析用戶的媒介使用偏好或者其他與電影主題相關的特性，以此來定制傳播方式。樂視通過分析還發現，《小時代》用戶中，女性占到78%，男性占到22%，因此做了很多針對女性的線上線下的活動。⑥
由此看來，大數據強調“大”，但更要“準”，大數據雖然揭示的是群體的共性，但價值更在于細分群體，實現定制化服務。愛奇藝網站就在2013 年推出了“千人千面”的個性化首頁，為不同的用戶量身定做觀看內容，增進用戶體驗。
四、大數據與影視接收
接收應該包括收受（或適應）和交流兩個層面。⑦對于影視作品收受效果的分析不應該只是事后統計分析，更應該是事前分析市場和預測銷售前景。由谷歌推出的電影票房預測模型，能夠基于數據分析，通過分析電影相關的搜索量來預測電影最終的票房成績，準確度可高達94%。⑧
同時，對于票房之類的單一指標，存在著難以全面衡量影視作品收受效果的問題。在大數據時代，用戶在視頻網站的觀看記錄連同用戶的點擊、搜索、暫停、跳轉等觀看行為和使用設備狀況及用戶的IP 地址等信息都會被程序捕捉到。這些細節可以很好地反映用戶喜歡哪些情節，對哪段情節沒有觀看欲望等，這些方面，是沒有辦法從是否觀看的票房指數中得出的，也是無法從對影片的整體評價中得出的，但是這些細節數據卻對影視作品的改進更具有指導意義。另外一方面，用于更全面反映影視作品傳播效果的綜合指標也在不斷更新中。比如2014 年4 月電影頻道公布的電影大數據指數即“M 指數”，是以電影的影院、電視、新媒體三大主體市場平臺海量信息為核心，運用大數據挖掘技術運算而成的綜合指標。⑨又如優酷、土豆推出的“中國網絡視頻指數”，則是分析互聯網平臺上的視頻綜合效果，以娛樂綜藝《快樂大本營》為例，“中國網絡視頻指數”顯示了其播放指數、播放設備、播放網站、每一集分析、人群和地區分布等。（見圖5）
現在，用戶在觀影后喜歡在社交媒體上分享自己對影視作品的看法，尤其是年輕的上網一族，這又為大數據分析發揮作用提供了新的源泉。通過詞頻分析、話題查找等方式，可以把分散在各大社交網站上的零碎感受整合起來，作為分析對象，了解用戶的真實想法。值得注意的一點是，為了能夠更好地得到用戶的反饋，影視創作營銷人員應該為受眾開創一個反饋交流平臺，比如說一個微博公共賬號，或論壇貼吧等。用戶之間可以形成交流觀影感受的圈子，也可以及時向創作者反饋自己的看法。這樣一方面，自身構建的數據庫得以補充，另一方面，可以增加用戶粘度。
所以說，大數據分析影視接收情況，不僅僅是為了了解本次影視作品的傳播效果，更是為了了解用戶習慣，增加用戶忠誠度，為以后的系列片子或者其他相關作品累積經驗，以收獲更大的成功。
結語
大數據為我國影視行業的發展帶來無窮潛力，通過在創作、傳播、接收環節的數據分析，能夠幫助影視行業實現更精準的用戶定位和市場分析，以生產出內容優質、符合受眾口味的高質量影視產品，同時能夠提升用戶服務使之貼合用戶習慣。總之，大數據提高了國產電影的成功率，加強了生產者與用戶之間的互動，有助于國產片早日走出國門。
參考文獻
①⑧張璠，《影視業中“大數據”技術應用》[J]《. 信息技術與信息化》，2014（4）：232-234
②Manyika J， Chui M, Brown B, et al.Big data： The next frontier for innovation,competition， and productivity[J]. 2011.
③Russom P. Big data analytics[J]. TDWIBest Practices Report, Fourth Quarter，2011
④戴志強、朱海澎、潘皓，《影視大數據: 影視互動體驗與量化認知的根本》[J].《現代傳播》，2014（9）：126-129
⑤中國新聞出版網，《互聯網電影新鮮“出爐”》，chinaxwcb.com/2014-01/16/content_284956.htm
⑥陳肅，《大數據，連接電影與觀眾的“網關”》，http：//tech.qq.com/a/20131119/013653.htm
⑦李興，《消費時代的作者、讀者和文本——對接受美學的新思考》[J]《. 大眾文藝》，2008（12）
[摘 要] 大數據時代，需要更多的引擎支持，同時也創造了更多的應用。建立在分析數據集成數據的基礎上，全面的運營檢測信息系統不可或缺。通過對其理念、范圍、應用進行探究，淺析其架構和用途?？萍荚诓粩噙M步，數據的集合更有無數種方式，同樣面臨更多的關卡，這需要全人類進行探索和啟發，從問題中尋找新出路。
[關鍵詞] 大數據；運營監測信息系統；應用
doi ： 10 . 3969 / j . issn . 1673 - 0194 . 2017. 07. 081
[中圖分類號] TP315 [文獻標識碼] A [文章編號] 1673 - 0194（2017）07- 0184- 02
0 前 言
大數據時代，我們需要更多的引擎支持，同時也創造了更多的應用。建立在分析數據集成數據的基礎上，全面的運營檢測信息系統不可或缺。
1 應用理念
運營檢測信息系統，是利用了整個服務中心的數據，同時對監測中心進行調度，在各業務信息系統的支持、輔助、決策和展示下，建立起成果。它能夠及時全面地反映公司整體經濟的運作情況，宏觀掌控布局，推動整個單位公司的走向。它將企業管理模式由自轉轉向公轉、由壁壘轉向協同、由分散轉向集中、由自發轉向可控、由孤島轉向共享，從而實現縱橫貫通、雙向協同、權責明確、流程清晰、管理高效的“五強”體系格局，建立了更堅固的保障墻。
同時，海量的大數據歷史庫存，是一筆無形的寶藏。企業可以對其進行數據建模，通過分析分類，更加全面地發揮運營檢測信息系統的功能，提高其預警力和分析力，為業務創新創造新途徑。
2 應用范圍
大數分析下的信息支撐系統的應用，是現代化技術的優秀產物，也是人類進化的驕傲作品。我們可以將它推廣至各大企業公司，推進他們的變革創新，實現資源整合共享，提升其運營水平和速度，實現對規劃、建設、運營、檢修、營銷、人力、物力和財力的全面規模化評估。
同時，大數據能夠實現對預算和收支的合理調控、電力購銷的把控、資產全壽命周期的預估。甚至可以將產業發展和金融領域進行流程監測性分析，構建出集全面監測、運營分析、協調控制、全景展示和指示預警于一身的綜合性系統平臺。而且，在當前的市場和技術掌握下，我國已經實現了部分的自主化和科技化，將推動他們步入更多的企業，進行市場性的貫通。
3 應用概述
3.1 工作臺系統
工作臺是對數據進行操作的系統平臺，通過對大數據按照應用指標、分時段和維度進行重新構造，并在終端顯示應用。工作臺系統在日常中進行檢測和調控，配合系統的綜合管理，對企業經營進行24小時在線實時監控分析。同時，通過工作臺系統，可圍繞核心業務活動與資源，對10年內的業務數據進行定向分析，通過構建監測模型、采用一定的指數體系和指定的閾值，將外部運營環境狀況與核心資源綜合績效進行綜合，在24小時在線的業務流程動態值下，可以實現對運營過程中設定的異動警報和預警處理。
3.2 數據庫
檢測數據庫是建立在總部以及各大分部的兩級數據中心資源上的，我們需要足夠的支撐區檢測分析和展示。在此臺面上，將運營檢測中心的指標體系進行整合，實現兩級數據的整合，使得工作配合更加完善。
理想狀態中，數據中心應該分為兩類，結構化與非結構化數據庫，將整個相關數據系統內同步至數據庫中心，可以再數據庫完成建模分析工作，同時通過ETL工具進行指定數據的抽取和驗證，將指標合理展現。
3.3 大屏展示
大屏的展示是系統的輸出端口，它包括展示類和檢測類，將通過靈活可調控的方式定位展示場景，多方位多角度地進行全面無縫隙檢測，使得運營分析和全景展示更加和諧。
3.3.1 全景可視
全景展示下，我們可以創建概念主題庫，按照數據庫的構建，快速縱覽企業概況，綜合化地展示其經營成果，體現其協調的管理水平。并通過多維展示發展成果，總結服務成效的進步，將整個熱點設計聚焦于一體，目標性地展示公司運營的業績成績和管理成效，形成企業完善的形象。
3.3.2 全面監測
企業有自己獨立而富含特色的運營模型，運營檢測中心對公司的各大版塊進行了在線檢測控制，實現了外部環境、綜合績效、核心資源、運營狀況和關鍵流程的一體化，將“全天候、全方位、全流程”的核心展示出來。大數據下的分析進度，一般是對當天檢測的報道，經過分析比照，報告的內容得以支持，并運用于業務推進，為企業領導的決策增加了準確有力的數據支持，實現了高層的進一步高效化、
3.4 資源管理器
管理工具是系統檢測運行的重要零件和引擎支持，因為高質量的數據管理、運作合成，都需要工具的精準和合理化，這樣才能提供合理有效的數據分析。隨著智能網絡的發展建設，基于數據中心的企業級數據資源管理工具，將進一步對其數據庫進行深入和管控。從保護核心資產安全和權威性權限來說，這樣的高級管家是一個整體團隊運行所不可缺少的靈魂角色，并且更有利于鞏固現有的成果。
4 應用關鍵
基于大數據分析的運營檢測信息系統，關鍵性在于將各大業務線進行匯總。在完整而準確的數據庫中，充分集成分析，通過先進的預設數據管理工具，結合業務本身的指標和指令，建立相應的數據分析模型，并進行高校的歷史記錄化的數據分析，從而實現智能化報告支持，解決了人力所不能完成的分析，幫助高層及時決策調整。
4.1 科學高效的業務能力
當前先進的數據庫管理工具有ETL和OGG，在其全面梳理公司環節的同時，通過對其要素的相關性進行檢測，提取各大要素模型化并結構化。最后，在ETL的自動抽取技術和OGG的數據同步技術下，實現最有效的企業檢測業務架構管理，將各大要素整合，全面推進數據分析的應用水準和管理水平。
4.2 統籌治理與分析
數據中心是數據的儲藏室，本身并沒有計算能力，需要將他們進行統籌才可以創造價值。因此，有序的管理和數據治理，是需要完善和加強的步驟，只有這樣，集成數據庫的業務數據才能更加完整和準確。
4.3 系統集成的閉環流程
數據的匯總離不開各大來源的高度集成，這樣才能實現數據的實時性、共享性、和協同性，才能不“辜負”系統的高度進化。所以，需要主動推進業務融合，保持數據唯一性和新鮮度，充分提高他的標準度和穩定性，堅持ESB等企業服務總線技術，將數據交換的樞紐更加統一，維護好集成架構，規范化企業體系，實現完整的閉環流程管理模式。
5 結 語
數據時代，科技在不斷進步，數據的集合更有無數種方式，同樣面臨更多的關卡，這需要全人類進行探索和啟發，從問題中尋找新出路。
主要參考文獻
