刘隶放

随着云计算、大数据和机器学习技术的不断发展，各行各业都开始利用大数据分析技术获得深度的业务洞察。比如金融业利用大数据分析甄别洗钱和欺诈行为，最大程度降低风险;运输业利用大数据分析优化车辆运行路线，并对车辆进行预测性维护，降本增效成果显著;零售业也在大数据分析的帮助下获得了对目标客户的精准画像，并最大化提升供应链可视性，有效提升店铺运营效率。

数据风控 杜绝“羊毛党”

如今，金融欺诈层出不穷，犯罪手法日益复杂隐蔽，给金融服务机构带来了巨大的挑战。打击金融犯罪可谓一场永无休止的战斗，然而维度单一、效率低下的传统反欺诈方案已难以应对新型欺诈手段，而且可能会因为误判而终止很多正常交易。对于商家、银行、消费者来说，会带来诸多损失和不便。为了打赢这场反欺诈保卫战，“数据风控”已成为必然趋势。结合大数据平台的机器学习能力，通过模型分析和比对，可以有效甄别洗钱和金融欺诈等行为，快速识别出恶意“羊毛党”，从而最大程度降低金融风险。

Cloudera已经成功帮助许多全球知名的金融客户利用数据风控，实施了高速有效的反洗钱、反欺诈行动，比如万事达卡公司。为了帮助金融机构更好地评估商家的信用风险，万事达卡公司创建了一种被称为MATCH的反欺诈解决方案，其数据库维护着亿万欺诈企业的数据。用户使用该数据库对某一商家进行搜索查询，便可得到快速响应。但是随着平台数据量的增长，基于语音匹配的本地关系数据库查找解决方案已不再能满足用户日益增长的反欺诈需求。因此，万事达卡公司选择采用Cloudera大数据解决方案对现有功能进行扩展，大幅提升搜索能力和准确性，支持客户更快速、更轻松地评估商家，反欺诈能力得以提升。通过重新构建搜索功能，万事达卡每年支持的搜索量是原有量的5倍，同时每天每位客户的搜索量提升了25倍。

运输业的智能化改造

预测性维护是大数据分析在运输业中最常见的应用场景之一，这项应用对于中国企业有很大意义。随着人口红利逐步消退，通过自动化运维的方式来降本增效是大势所趋。

比如美国卡车制造商Navistar公司就和Cloudera合作，为其运营的车队业务提供车辆诊断和路线优化支持。

对运输业而言，没什么比车辆停运的代价更为高昂。Cloudera帮助Navistar构建了一个物联网远程诊断平台，用于车辆诊断管理以及路线优化，帮助车队最大程度地减少停运时间。

该平台从超过37500辆联网车中提取70多种传感器数据，包括发动机性能、车辆速度、加速度、冷却液温度和制动器磨损等。然后，将以上数据与Navistar及第三方数据源相关联，包括气象、地理位置、交通和历史保修等信息。借助机器学习功能自动及早发现引擎等车辆问题，从而提前进行预测性维护。

同时，车队的司机可以通过智能手机监控车辆的健康状况和性能，确定需要维修的优先级，并快速查找附近可用的技术人员和维修区，大大降低了维护成本。

新零售业态的崛起

在实体零售业面临大淘汰，电商也遭遇流量危机的情况下，零售商开启了新一轮的自我升级和迭代，越来越倾向于线上与线下融合、以消费者体验为中心的新零售模式。由于零售业的特点是订单数量多且分散，多渠道环境中的消费者行为更加复杂，因此如何借助大数据分析，连通消费者购买行为的整个链条数据，进而得到统一的商业洞察，对经营者来说尤为重要。

新零售时代，大数据驱动的智能化供应链管理是公认的改善销售预测和提高销售表现的重要来源。与传统供应链仅局限于采购、生产、物流等职能不同，智能化供应链不再是被动等待前端信息的传递，而是更强调与消费者服务和销售渠道的整合。一份来自Gartner、IDC和ISM的报告显示，零售商在采用智能化供应链后，可以同时实现平均2%的收入增长和15%的库存减少。而且，商家逐渐意识到，仅根据历史交易数据来构建需求预测是不够的，还需要集成新的数据源（例如天气因素、竞争对手的价格、社会评论等）来改善库存过剩或不足的情况。Cloudera解决方案能够轻松集成多方面的数据并进行汇总分析，从而最大化实现库存可视性，提升零售业的经营效率。

此外，如何在有限的条件下最大程度地提升销售转化率，是零售商一直以来追寻的目标。而提升销售转化率的关键在于读懂消费者，力求更完美地满足其需求。

目前，许多零售商都同时进行了线上和线下的布局，线上商店对于消费者数据收集相对容易，但线下实体店收集到的销售数据不够具体，很难从中获得有意义的洞察。美国一家知名百货商店之前就陷入了此类困境中，线下店铺的销售转化率表现平平。后来，该百货商店采用了Cloudera解决方案，在店内部署多个传感器，用于捕获在智能手机上裝有移动应用程序的购物者的店内位置数据和停留时间等。

这些实时数据可以无缝集成到Cloudera Data Platform中进行进一步的分析，以提供对整个商店流量的日经营洞察，进而用于重新设计和优化商店内的产品放置位置等。结果表明，采用该解决方案后销售转化率提高了40%。

事实上，除了在金融、运输和零售业的应用之外，大数据分析在制造、电信、医疗等行业也同样扮演着重要角色。各行各业的数字化转型浪潮已经势不可挡，在经营愈加复杂的现代商业中，唯有掌握基于大数据分析的洞察，才更有机会触达商业本质，更早发现通向成功的秘笈。

相关链接

推动工业数据全面采集

支持工业企业实施设备数字化改造，升级各类信息系统，推动研发、生产、经营、运维等全流程的数据采集。支持重点企业研制工业数控系统，引导工业设备企业开放数据接口，实现数据全面采集。

加快工业设备互联互通

持续推进工业互联网建设，实现工业设备的全连接。加快推动工业通信协议兼容统一，打破技术壁垒，形成完整贯通的数据链。

推动工业数据高质量汇聚

组织开展工业数据资源调查，引导企业加强数据资源管理，实现数据的可视、可管、可用、可信。整合重点领域统计数据和监测数据，在原材料、装备、消费品、电子信息等行业建设国家级数据库。支持企业建设数据汇聚平台，实现多源异构数据的融合和汇聚。

统筹建设国家工业大数据平台

建设国家工业互联网大数据中心，汇聚工业数据，支撑产业监测分析，赋能企业创新发展，提升行业安全运行水平。建立多级联动的国家工业基础大数据库，研制产业链图谱和供应链地图，服务制造业高质量发展。

节选自《工业和信息化部关于工业大数据发展的指导意见》