六、重点产业方向及机会识别

（六）重点产业方向及机会识金融大数金融业201年麦肯锡全球“大数据下一个创新竞争和生产率的前沿针对各行业应用大数据潜在价值提升做的一个金融业在大数据价值潜力指数中第一（图1）1。1-1Figure1-1Thebigdatavaluepotentialindexfordifferent营的基础就“大数法则这是行业自身具有的数理逻辑。践中经营业务，而精算师正是以此为基础，提出数学模型，计算新技术与行业应用的融合创新无疑会成为推动行业进行转型和的重要驱动力现在许多公司建立了基于大数据经营赢得自身优势从这个角度看大数据给公司带来的是挑战，更是机遇。金融业大数据应用现金金融业管传统业务以及的原因金融业的数据结构呈现出封闭型的特点在应用大数据方面远远于硅谷的高科技企业刚刚步入大数据时代的初级阶段。2司，例如、腾讯等都逐渐涉足金融业务。1-2根据图1-2大数据厂商提供的金融大数据产品的市场份额情况，组合投资和资本市场、风险模型、信贷与、实时安全是目前金1-3Figure1-3OverviewontheBigDataCapacityBuildingofLeadingBanks1.1.2行业结构化数据服务已基本形成了专业而成服务体系而基于非结构化数据的增值挖掘服务尚处于起步阶段行业的结构化数据大量用于投资决策量化组合管理等投资活动中，基于这类数据有着大量的软件、模型、算法和服务。国内外各大券商数据资讯商和软件服务提供商已形成成商业模非结构化数据主要为等文本数据基于文本信息整合、分析和挖掘等技术的高端文本挖掘分析服务也在逐渐兴起。1.1.3业市场已经开始通过海量数据的挖掘实现业个人量化的风险描述而且这些因素已经开始影响定价决策大数据挖掘的应用将从聚焦于高风险用户细分市场中的检测和亏损防堵转移到个性化定价。金融业大数据应用思金传统金融业的结构化数据和互联网行业的非结构化数据一起构成了互联网金融的资产对这种大数据进行深入挖掘和应用将是（、数额小，从市场、信用风险管理到个性化金融服务等各方面，大数据挖掘技术可以提供强大而有力的支持。图1-4大数据在银行业六块的潜在应驱动的金融智能决策、数据驱动的精细化管理、金融服务创新，未来利用大数据技术公司可依据个人位置和汽车运行数，金融业大数据应型案自2010年成立至2014年年中【阿里小贷共超过亿元，为超过80万家微小企业提供服务。尽管与银行的业务相比仍然微乎其微但阿里小贷效率更高可实时放贷且坏账率维持在1%以下。这种高效放贷的基础，正是基于阿里巴巴平台上的大数据挖掘。民生银行针对小微金融数据整合内部多结构化数据和外非结构化数据进行海量数据处理制定大数据挖掘无贷户信贷需求预测、潜在客户违约风险预测、潜在客户细分、潜在、客户群商榷策略分析客户违约风险预测、小微潜在流失客、三大机构之一的益百利（Experian）开发出了跨身份识别（Cross-ChannelIdentityResolution，CCIR）引擎，利用大数据技术挖掘消费者购物行为、浏览方式、电子邮件回应和社交活动等数据所包含的有效信息，可以满足人员应对社交媒者提供准确及时的预测，大数据挖掘是最佳工具。高频和算法是大数据挖掘在资本市场的典型应用。NASDAQMarketPathfinders是由NASDAQ提供的一个数据传送产品覆盖了境内所有市场包括NASDAQNYSE以及其他地区所上市的产品。Pathfinders基于市场数据进行统计分析，为用户提供的汇总实时数据、日内数据，基于NASDAQ市场参与者的实时决策，度量市场情感倾向性，供有经验的场内者监测意向的变化市场的方向动力和流动性；明盘后订单意向是否汹涌，来判断市场的方向。一 系统内数据公司成立该公司是一 业大数据公的概念基于业内部与外部的数据共享与交换该公司以车险数据起步，未来也会纳入健康险、人身险数据。通过深入大数据挖掘，4S店的话语权等。除了车险，还可以为大型商业诸电站核电站等提供纯风险费率表提升行业经营水平。大数据时代高村金融业发展机电子商务与物流大数电子商总量与构成：描述统计、频率分趋势变化：时间序列、小波理论、关联分析：聚类、回归、二值逻辑、关联规则、决策预测：神经网络、支持向量机、面板模型、网络场景引规则挖信用评物物流信息化、实时与加工精准物与物流业大数据应型案【物流-物美超市以信息系统为建设重点将所有工作外包，竞争力转变为数据方案即如何加工数据从而晚上运营方案，大数据时代高村物流业发展的机工业大数工业大数据应型案医疗健康大数断上升，全球人口化现象日益严重，预计到2050年全球人口老龄化将由现在的10增加至20。医疗业需求的增长也导致了医疗数据的增长预计到2020年医疗数据将急剧增长到35B当于2009年数据量的444-1根据IBM提供的数据，市卫生信息系统，每天生产万条数据、已建立起3000万电子健康每天调阅10000万次近年来我国人口化程度逐步加深，1999年进入化社会时为86001.34-2是国内几百家S厂商，发展空间依然巨大。4-3医疗正在成为大数据的应用医疗行业的管理者们已Hadoop器学语言处理等新型大数据分析技术是带来飞式发展的关键是正在改变医疗行业的大数据创新具体应（1）组学。这是大数据在医疗健康行业最经典的应用医生的BI。人民医院在ERP及数据集成基础上实。语义搜索一家Apixio正试图解决这个问题，Apixio将集中到云端，医生可通过语义搜索查找任何中的相关信息。。疾病Seton医疗机构借助大数据技通过昂贵的昂，通过数据分析，Seton的一个团队发现颈静脉曲张是导致充血性图4-4大数据医疗行业中的应用模 体征、健个性化、个性化医疗组学生物制医疗效果评医疗健康业大数据应型案Regionalhealthinfonetwork（区域医疗及基层医疗信息系统大数实时的医疗数据处理（电子健康，医疗影像数据，支持医疗协同、临床决策支持和公共卫生管理。采用adoop来实现医疗数据分析和处理，未来将拓展到不同领域、不同区域（包括数据交换、处理和分析）大数据时代高村医疗健康行业发展的机生物大数生命的整体性和疾病的复杂性高通量技术的发展和组成本的下降以及医院信息化和IT医疗公共卫生研发医疗市场与费用行为与情绪人类遗传学与组学、社会人口学、环境、健康网络与数据。生物医学大数据可应用于以下方面、①开展组学研究及不同组学间的关联研究。从环境生活方式行为等组学，至细胞分子水平上的组学、表观组学、转录组学、蛋白组学、代谢组学、宏组学，再到健康和疾病、提供全面全新的认识也有利于开展化医学即通过整合系统生物学与临床数据，可以更准确地预测患病风险和预后，有针对性地实施预防和治疗。③快速筛检未知病原和发现可疑致病微生物通过未知病原样本对病原进序并将未知病原与已知病原的序列进行比和路线、开展药物筛选和相应的疾病防治。慢性非传染性疾病及相关监测健康相关监测如出生缺陷监测食品安全风险监测等)此外还可以通过覆盖的患者电子数据库进行监测，通过监测社交或频繁检索的词条来预测某些传染病的流行。例如ends通过找“流感症状“流感治疗之搜索词的峰值在医院流感患者增加之前就能对某些地区的流感做出预测。数据量巨大，近4700台并行台式计算机完成了数据准备、数据仓库建立和数据挖掘分析的自动化和规范化计算。其有关中国的研究发现：与1990年相比，2010年造成群损失的前25位病因中，慢性非传染性疾病显著上升，传染病则显著下降说明慢性非传染性疾病已经成为我国人群健康的主要。⑥实时开展健康管理通过可穿戴设备对体征数据(心率脉实时、连续监测，提供实时健康指导与建议，更好地实施健康政务大数教育大数环境大数交通大数其能源行1Ma