ビッグデータの生産と運用にはインフラも含まれる（国家統計局元副局長徐先春：「各業種の企業の生産と運用におけるビッグデータのさまざまな応用シーンとは？」）

国家統計局元副局長 徐先春：各種企業の生産・運営におけるビッグデータのさまざまな応用シーンにはどのようなものがありますか？

徐先春氏は元国家統計局副局長だった。

企業の生産と運営におけるビッグデータの応用

徐賢春

清華大学経済管理学院教授

清華大学中国経済社会データ研究センター所長

王洋

清華大学中国経済社会データ研究センター研究員

情報通信技術の急速な発展と、データの収集、保存、処理、開発、応用能力の継続的な向上に伴い、ビッグデータの規模は急速に拡大し、その種類も増え続け、企業の生産と運営においてますます重要な役割を果たし始めています。企業の種類によって生産・運営方法が異なるため、ビッグデータを企業の生産・運営プロセスに適用すると、さまざまな応用シナリオが生まれ、さまざまな企業がさまざまな形で品質向上、効率向上、コスト削減、収益増加を実現できるようになります。企業の生産と運営におけるビッグデータの応用が広まるにつれて、ビッグデータの応用シナリオと方法はより多様化していますが、同時に、企業はビッグデータを適用する際、技術、人材、セキュリティなどの面で依然として困難と課題に直面しています。

1. さまざまなタイプの企業におけるビッグデータ

生産と運用におけるアプリケーションシナリオ

企業の種類によって生産・運営方法が異なり、生産・運営におけるビッグデータの応用シーンも異なります。本稿では、主に農業企業、製造企業、運輸・旅行企業、小売・飲食企業、運輸・物流企業、不動産仲介企業、観光サービス企業、医療サービス企業、金融サービス企業など、いくつかの種類の企業におけるビッグデータの主な応用シナリオを整理し、まとめます。

1. 農業企業

農業企業によるビッグデータの応用は、主にビッグデータ、クラウドコンピューティング、モノのインターネットなどの技術を利用して、農作物、家畜、水産物の生育状況データをいつでも入手し、分析結果に基づいてタイムリーな介入を実施して、農業生産の正確な制御とインテリジェントな管理を実現することに反映されています。

1つ目は、作物の生産を正確に管理することです。作物の植え付けプロセスでは、衛星リモートセンシング技術、ドローン航空写真、センサーなどを使用してデータを収集します。収集されたデータには、主にリアルタイムの土地と土壌のデータ、天気と気候のデータ、作物の生産データ、害虫と病気のデータなどが含まれます。収集されたデータを分析および処理し、視覚化モデルを確立することで、適切な植え付けエリアの計画、作物の成長予測、作物の収穫量予測、害虫と病気の防除を実現し、作物の生産の正確な管理を実現します。

2つ目は、家禽類や家畜の飼育を改良することです。家禽や家畜の飼育の過程では、耳タグ、ウェアラブルデバイス、カメラなどを使用してデータを収集します。収集されるデータは主に、鶏舎データ、飲料水データ、肥料清掃データ、典型的な行動、成長データなどです。収集したデータを分析することで、ディープラーニングアルゴリズムを用いて畜産・家禽類の健康状態、給餌状況、位置情報、発情期予測などを判断し、正確に管理します。

3つ目は、精製水産養殖です。養殖の過程では、水中センサー、モニター、その他のインテリジェントなセンシングデバイスを使用してデータを収集します。収集されるデータには主に、溶存酸素、pH値、温度、摂食、水生生物の活動と死亡などの水質指標が含まれます。収集したデータを処理して視覚的なグラフィックやチャートに変換することで、水質や水産物の成長を遠隔かつリアルタイムで監視し、洗練された水産養殖を実現できます。

4つ目は、インテリジェント農業生産設備です。農業生産管理の過程では、新しい技術を伝統的な生産ツールや材料に統合することで、作物生産のインテリジェントな管理を実現できます。例えば、ドローンの植物防疫への応用は、先進的なセンサー設備を備えたドローンを使用し、地形や地勢、特殊農薬の組み合わせに応じて作物に正確かつ効率的に散布作業を実施し、人（植物防疫チーム）、機械（無人植物防疫機）、農薬（農薬）の融合を通じて水と農薬の節約効果を実現します。農業機械の自動運転の応用は、衛星ナビゲーションを使用して、農業機械が直線に沿って動作する機能を実現することです。主に角度センサーを使用して農業機械のオフセットデータを取得し、カメラを使用して周囲の作物の成長データを取得し、ナビゲーション衛星を使用して車両情報データをリアルタイムで位置特定および追跡します。 3つで取得したデータは無線ネットワークを介して制御端に送信されます。データを分析した後、車載コンピューターのディスプレイを使用して、操作状況と進行状況をリアルタイムで表示します。現在、農業用車両ナビゲーションシステムは、主にトラクター、収穫機、小麦収穫機、サイレージ収穫機などの農業機械に使用されています。

2. 製造業

製造企業におけるビッグデータの応用は、生産と運用の全プロセスにわたって行われます。製品ソリューションの設計から生産、加工、アフターサービスまで、ビッグデータの応用シナリオが反映されています。

1つ目はカスタマイズ生産です。顧客のニーズがますます洗練され多様化するにつれて、企業の生産モデルは均質生産からカスタマイズ生産へと徐々に進化し、さまざまな顧客の個別のニーズを満たすカスタマイズされたサービスを提供しています。製造企業は、インダストリアル インターネットなどのプラットフォームを通じて、製品の色、外観、構造、機能などの製品パラメータに関する顧客要件を収集し、その要件をコンピューターが認識できる言語に変換して、製品設計プラットフォームにアップロードします。設計エンジニアは顧客のニーズに基づいて製品設計図、プロセス要件、生産要件などを作成し、それを生産工場に渡します。柔軟な製造生産ラインを通じて、顧客の個別のカスタマイズ要件が最終製品に変換され、顧客のニーズに基づいたカスタマイズされた生産が実現します。

2つ目は、インテリジェントな産業生産ラインです。生産管理の過程では、工業製造の生産ラインに設置された小型センサーが、振動、音、変形、変位、亀裂、摩耗、温度、圧力、流量、電流、速度、トルク、電力などのデータをリアルタイムで収集します。収集されたデータは処理され、電力消費、エネルギー消費、品質事故などのパラメータについてさらに分析されます。設備診断結果に基づきタイムリーな予知保全を実施します。生産工程における原材料や中間製品のデータをリアルタイムで収集・アップロードすることで、生産能力の制約、人員のスキルの制約、材料の可用性の制約、ツールや金型の制約などをさらに考慮し、インテリジェントな最適化アルゴリズムを活用して、事前に計画された生産スケジュールを策定し、計画と実際の現場状況の偏差を監視して生産計画を動的に調整します。予測メンテナンスと動的スケジューリングにより、産業生産ラインのインテリジェントな管理を実現できます。

3つ目は、インテリジェントなアフターサービスです。アフターサービスプロセスでは、ビッグデータの応用により、製品の動作状況の監視や顧客の意見に対するタイムリーなフィードバックを実現できます。製品の動作状態の監視は、主に解体・検査に適さない大型ユニットや主要設備などの高精度な設備で使用されます。設備稼働中の各種ステータス情報データを収集することで、製品稼働状況をリアルタイムに監視し、製品の問題点を早期に発見し、的確な解決策を提案します。顧客の意見に対するタイムリーなフィードバックは、主にインテリジェントクラウド顧客サービスインタラクションプラットフォームに反映され、顧客の電話音声相談、マルチメディア音声およびテキスト相談などをデータに変換し、データマイニング、ニューラルネットワークなどの技術に基づいて重要な情報を抽出して相関関係を分析し、自動的にソリューションを生成し、顧客にリアルタイムのフィードバックを提供することで、インテリジェントな製品アフターサービスを実現します。

（III）運輸・旅行業

運輸会社は、運転手データ、乗客データ、道路データ、リアルタイム交通データなどを集め、これらのデータをマイニングして発見することで、さまざまな応用シナリオを実現します。

1 つ目は、ドライバーと乗客の需要と供給をインテリジェントにマッチングすることです。 Didi Chuxingなどのタクシー配車アプリの台頭は、ビッグデータの活用によって支えられています。プラットフォーム企業はアプリ端末を使用して、車両の地理的位置、運行状況、乗客の負荷、乗客の車両需要に関するリアルタイムデータを収集します。機械学習、クラウドコンピューティングなどの技術に基づいてデータの相関分析を行い、インテリジェントな発注配分、需給予測、キャパシティスケジューリングを通じて、ドライバーの供給と乗客の需要のインテリジェントなマッチングを実現します。

2つ目は、公共交通機関の配車・管理の改善です。公共交通機関各社は、バスやバス停などに公共交通機関要素識別タグやバス情報センター（車載RSU）などのIoTデバイスを多数配備し、バスの運行状況、駅情報、運行情報、乗客の流れなどの情報をリアルタイムで収集し、ビッグデータ処理・分析プラットフォームに基づいてデータ処理・分析することで、車両間距離監視、正確な駅アナウンス、配車と乗客の流れのマッチングなど、公共交通機関の精緻な運行管理を実現します。

3つ目はスマート信号機です。交通渋滞をより効果的に緩和するために、滴滴出行はビッグデータに基づく「スマート信号機」を導入した。 Didiの始点・終点データと、都市交通情報、基本的な道路網情報、交通施設情報、政府からのその他のデータとを組み合わせることで、モデル予測を通じて、スマート信号機はエリア内の交通量に基づいて道路資源と移動速度を合理的に調整・制御することができます。

（IV）小売業および飲食業

小売・ケータリング企業がビッグデータを応用することで、オンライン企業にとっては正確なマーケティング、生鮮食品やケータリングの即時配達、オフラインの小売・ケータリング企業にとっては正確な場所の選択を実現できます。

1つ目は、精密マーケティングです。 TaobaoやJD.comなどの電子商取引プラットフォーム企業における精密マーケティングの応用は比較的成熟しています。企業は、ウェブサイトの閲覧記録、閲覧した製品の種類、さまざまなページでの滞在時間、閲覧回数、履歴などの消費者のオンラインショッピング行動データを収集し、それを消費者の個人識別情報データと組み合わせます。処理と分析を行った後、ユーザー興味モデリング、ユーザー関係モデリング、ユーザーライフサイクルモデリング、ユーザークレジットモデリングなどを実施して消費者のプロファイルを作成し、さまざまなマーケティングシステムの基礎データとして提供します。さまざまなマーケティング システムが、ユーザー ポートレートに基づいて、電子メール、携帯電話のテキスト メッセージ、アプリ メッセージ プッシュ、製品パッケージ広告などを使用して製品を宣伝し、精密なマーケティングを実現します。

2つ目は即納です。即時配達は、MeituanやEle.meなどの食品配達会社や、Hema Fresh、Dingdong Maicai、MissFreshなどの新しい生鮮食品小売スーパーマーケットで広く使用されています。インスタント食品の配達に関しては、インテリジェントなスケジュール設定が中心的な役割を果たします。このプラットフォームは、膨大な過去の注文データ、ライダー（配達員）の位置データ、正確な販売者の特徴データを利用して、ライダーのリアルタイムのシナリオ（タスク量、配達距離、注文の統合、評価）に基づいて注文をインテリジェントにマッチングします。さらに、インテリジェント音声、ルート推奨、店舗リマインダーなど、乗客向けの補助的な意思決定サービスも提供します。配送時間や配送料金の計算、自動スケジュールや最適な配送ルートの計画などのサービスをユーザーに提供します。生鮮小売スーパーマーケットの即時配達では、配達員の配達ルートの最適化に加え、スーパーマーケットと倉庫の商品のピッキング効率も重要なリンクです。 Hema Freshを例にとると、効率を最大化するために、Hema FreshはピッキングにIoTに基づく全自動吊りチェーン物流システムを採用しています。バックエンドシステムは、IoTにリンクされた在庫製品ラベル情報に基づいて注文をインテリジェントに分割し、ピッキング担当者は最適なパスに従ってピッキングを完了し、ピッキングパスの最適な設計を実現し、即時配送の効率サポートを提供します。

3つ目は、正確な敷地選定です。小売店やケータリング会社の所在地を決定するために人間の経験に頼ると、限界や逸脱が生じる可能性があります。ビッグデータは、商業用地の選択において、より科学的な意思決定の基盤を提供することができます。対象エリアの乗客の流れと群衆の流れの軌跡をリアルタイムで監視し、位置情報、時間情報、世論情報、人物行動情報などを収集し、ビッグデータマイニングと分析技術を使用して、選択した対象場所の群衆の特徴プロファイルを作成することにより、さまざまなカテゴリとブランドの企業が潜在的なユーザーを理解し、市場予測分析を行うための基礎を提供し、オフラインの小売およびケータリング企業に正確な場所の選択を実現します。

（V）運輸・物流企業

運輸・物流企業におけるビッグデータの応用シナリオは、主に貨物の供給元と輸送能力の正確なマッチング、スマート物流、貨物業界向け信用システムの構築という3つの側面に反映されています。

まず、貨物の供給元と輸送能力を正確に一致させます。 HuochebangやYunmanmanなどの貨物O2Oプラットフォームは、ビッグデータ技術を活用してインテリジェントな貨物配送と車両検索を実現し、輸送資源の利用率を向上させます。荷主はプラットフォームに貨物情報を公開し、出発地、目的地、車種、車両位置、車両長さ、積載量などの要件を入力します。プラットフォームは、コアビッグデータアルゴリズムを通じて、車両位置、軌道分析、車両ポートレート、安全運転指数などのデータ指標に基づいて、ネットワークに接続された車両をマイニングし、荷主に最適な代替トラック輸送プランを提供し、車両所有者に要件を満たす貨物情報を提供することで、貨物の供給元と輸送能力の正確なマッチングを実現します。

2つ目はスマートロジスティクスです。宅配便や物流会社によるビッグデータの応用は、主に物流ルートのインテリジェントなスケジューリングと物流保管および輸送の積極的な認識に反映されています。物流ルートのインテリジェントなスケジューリングに関しては、宅配便や物流会社はビッグデータと人工知能技術を使用して、インテリジェントな車両ルート計画を実行し、物流輸送ルートを最適化します。物流保管・輸送の積極的な認識では、宅配便・物流会社は消費者動向のビッグデータを基に需要を予測し、商品を事前に配送することで、消費者の注文を最短距離・最短時間で玄関先に届けます。

3つ目は、貨物業界向けの信用システムの構築です。 Huochebangは実名認証と保険信用保証の二重の手段を通じて業界信用システムを確立します。一方で、実名認証システムを確立する。 Huochebang プラットフォームは、車両所有者の情報をデータベースにアップロードし、車両所有者の取引完了状況を記録し、各一致を評価およびスコア化し、対応する車両所有者または貨物所有者のファイルにクレジット ポイントを記録します。ビッグデータ作業システムの下で個人の評判を重ね合わせ、個人の評判と取引品質を分析・比較することで、評判の高い個人をふるい分け、評判の低い個人を排除し、貨物輸送過程での損失を回避し、経済的利益を向上させることができます。一方で、保険や信用保証も整備します。 Huochebang はオンライン貨物保険を提供し、オンラインでの即時購入とオンライン請求をサポートし、ビッグデータを通じてすべての車両情報を保険会社に接続し、さまざまな車両注文のリスク評価を実施します。評価が異なる注文は、異なるカテゴリに分類されます。システムは、このカテゴリに最も適した保険タイプを自動的に推奨し、すべてのトラックが適切な保険に加入していることを確認するためにデータをリアルタイムで送信します。

（VI）不動産仲介会社

不動産仲介会社におけるビッグデータの応用シナリオとしては、主に、オンラインでの住宅内覧、顧客プロファイリング、仲介サービスの最適化などが挙げられます。

1つは、オンラインで住宅を閲覧することです。ビッグデータに支えられたオンライン住宅見学モデルは、住宅情報源の信頼性と住宅見学時間の調整という点で、従来の単一のオフライン住宅見学モデルの問題を解決します。企業はビッグデータ技術を利用して住宅情報を収集し、住宅データベースを構築し、3D再構成とVR技術を使用して、賃借者と購入者に実際の住宅状況を示し、いつでもどこでもオンラインで住宅を閲覧できるようにします。 Beike を例に挙げましょう。 Beike は、社内オペレーティング システム HERP の基本住宅データベースに基づくビッグ データ テクノロジを使用して、住宅製品である不動産辞書を作成します。不動産辞典は、全国327都市、54万コミュニティをカバーし、合計2億2,300万戸の住宅情報を収集し、住宅面積、方位、部屋数、共有財産、周辺施設、標準間取り図、現地調査写真、商圏情報、過去の取引情報、メンテナンス業者や観光ガイドのフォローアップ情報など、433の標準化された住宅フィールドを構築しています。 2018年、北科不動産は不動産辞書を基に、インテリジェントスキャン機器、VRシーン構築アルゴリズム、3次元再構成の開発を通じてVR住宅アプリケーションを作成しました。住宅情報規格は二次元的かつ静的な形式を突破しました。住宅情報によって記述された物理的な空間をデジタル技術によって復元・再構築し、新たなデジタル空間を形成しました。 VR リストは、消費者に没入型の住宅見学体験を提供するだけでなく、住宅の実際のスペース、サイズ、向き、距離、教育や医療などのサポート情報も提供します。 AIやビッグデータと組み合わせて、さまざまなインテリジェントアプリケーションを拡張することもできます。その中でも代表的なのはVR住宅見学＋AI住宅説明、VR＋AIデコレーションです。

2つ目は顧客ポートレートです。不動産仲介会社は、住宅取引の過程で大量の顧客データを蓄積し、ビッグデータ技術を活用して豊富な顧客ポートレートを形成します。 Beike を例に挙げましょう。 Beike は大量のユーザーデータを蓄積しています。 2020年5月現在、Beikeは、アイデンティティ、性別、年齢、職業、閲覧頻度などの事実を特徴付ける1,307次元のデータ3億4,000万件を蓄積しており、その中には168次元の嗜好データ約2億4,000万件が含まれており、アクティブユーザーの70％をカバーしています。これを基に、Beike はさらに AI テクノロジーを活用し、ユーザーの行動データに基づいてユーザーが将来的に重要な行動を実行する可能性を予測し、ユーザーの現在の状況とビジネス レベルを特定し、コンテンツが豊富な顧客ポートレートを形成してコア顧客を確保します。また、顧客ソース分析および解釈ツールも提供しており、ブローカーがユーザーの住宅ニーズを理解し、物件を効率的にマッチングするのを支援します。

3つ目はブローカーサービスの最適化です。ビッグデータ技術を活用することで、住宅、仲介業者、顧客に関する情報をタイムリーかつ公平に共有することができ、接続効率が向上し、仲介業者のサービスが最適化され、住宅購入者ができるだけ早く意思決定を行えるようになり、取引プロセスにおける不確実性が軽減されます。たとえば、Beike Real Estate では、SaaS システムを使用してブローカーと顧客間のやり取りを追跡し、タイムリーなコミュニケーションを確保しています。ブローカーは、SaaS システムを使用して住宅顧客情報を記録、管理、検索し、他のブローカーとの連携を開始できます。 SaaS システムは、顧客の閲覧行動をインテリジェントに分析し、特定の顧客を「潜在的可能性の高い」顧客としてマークして、ブローカーがそれらの顧客を効果的に優先順位付けできるようにします。 SaaS システムは、トランザクション プロセスをデジタル化および標準化することができ、多くの作業リンクをシステムによって自動的に生成できます。ビジュアル取引管理システムにより、ブローカーは、オンライン契約の署名、支払い、エスクロー、住宅ローン、不動産の清算、譲渡などの取引プロセスを追跡、管理、完了できます。取引が完了すると、手数料はシステムによって自動的に割り当てられます。

（VII）観光サービス企業

観光サービス企業におけるビッグデータの応用シナリオとしては、主に観光商品のパーソナライズされた推奨、観光地サービスシステムの最適化、観光地のインテリジェントな管理などが挙げられる。

1つ目は、観光商品のパーソナライズされた推奨です。観光サービス企業は、ユーザーの検索と関連する旅行ルートへの注目に基づいてリソースを統合し、観光客のタグ、好み、閲覧行動などに基づいて、パーソナライズされた価格、パーソナライズされた観光スポット、パーソナライズされたホテル、パーソナライズされたケータリングサービス、パーソナライズされた旅行アクティビティ、その他の観光商品を観光客に推奨します。

2つ目は、景勝地サービスシステムの最適化です。インタラクティブな体験を核として、ビッグデータ技術を活用して、観光地向けにパーソナライズされた人間的なサービスシステムを構築します。たとえば、GPS を使用して観光客の歩行体験を特定し、景勝地の観光ルートを再設計し、景勝地のユーザー エクスペリエンスを向上させます。 VRを活用し、景勝地等のオンライン仮想観光を実現します。

3つ目は、景勝地のインテリジェントな管理です。データ管理を中核として、観光地のインテリジェント管理システムを改善します。例えば、ビッグデータとGIS技術を活用して、観光地のインテリジェント管理プラットフォームを構築し、可視、測定、マイニングが可能な「観光地ホログラム」を構築して、観光地の観光客の動的な視覚的監視と管理を実現することができます。オペレーターのデータを使用して観光客の流れを分析することで、観光産業の上流から下流までのすべてのリンクが科学的かつ正確に計画を調整し、意思決定をサポートできるようになります。クローラー技術は観光地の評判を監視するために使用でき、観光管理者が世論の危機を迅速に発見し、状況が悪化するのを防ぐために適時に介入するのに役立ちます。観光客の評価に基づいた分析も行え、サービス品質の向上や評判の向上をサポートします。

（VIII）医療サービス企業

医療サービス企業におけるビッグデータの応用シナリオには、主に臨床意思決定支援システムや遠隔医療診断が含まれます。

1 つ目は臨床意思決定支援システムです。医療機関は、自ら蓄積し、ビッグデータプラットフォームに収集されたさまざまな症例や治療計画、および患者の基本的な特性を活用して、医療臨床意思決定支援システムを構築することができます。医療スタッフは、システムのサポートを受けて、病気の早期診断、個別化された診断と治療、有害事象（感染症など）の早期警告、医療画像のインテリジェントな認識などの臨床活動を行うことができます。例えば、BGI（135.090、-1.24、-0.91%）の腫瘍遺伝子検出では、ハイスループットシーケンシングを使用して腫瘍患者の癌組織に対して関連遺伝子分析を実施し、病気の特性に合わせた遺伝子データベースを構築し、ビッグデータ技術を使用して、シーケンシングを通じて得られた患者サンプルの遺伝子配列を元の遺伝子と比較して、早期の非侵襲的検出を実現します。

2つ目は遠隔医療診断です。患者はビッグデータ技術を活用して構築されたオンライン医療相談プラットフォームを利用して、病気の自己診断や自己検査、オンライン相談、遠隔医療などを行うことができ、より便利で充実した医療サービスを受けることができます。例えば、朗馬信息（9.520、0.06、0.63%）は、インターネット病院を基盤としたIPTVスマート医療家庭健康サービスプラットフォームを開発し、家庭ネットワークTVボックス上に完全かつ徹底的かつパーソナライズされた医療健康サービスプラットフォームを構築し、コミュニティと家庭に慢性疾患管理、健康相談、知識普及、健康増進を統合したシステムサービスを提供している。このプラットフォームを通じて、患者はセットトップボックスを開き、医師の診察チャンネルに入り、病院と医師を選択し、接続後、ビデオを通じて医師に症状を伝えることができる。検査が必要な項目以外は、ご自宅で診察が完了できます。特に、糖尿病、高血圧などの老年病、一般的な病気、慢性疾患の診断と治療、および日常のモニタリングでは、IPTV を使用すると外来診療の負担が軽減され、患者の時間を節約できます。

（IX）金融サービス企業

金融ビッグデータの応用は金融業界のトレンドとなり、主にリスク管理やインテリジェントな顧客サービスに使用されています。銀行、保険、証券における主な応用シナリオは、信用リスク評価、保険詐欺の特定、スマート投資コンサルティングです。

1つ目は信用リスク評価です。銀行は、顧客レベルのビッグデータに基づいて、顧客の信用履歴、行動の好み、パフォーマンス能力、アイデンティティ特性、個人的なつながりなどの側面から、既存の顧客のポートレートを作成します。顧客価値を推定し、顧客の長所と短所を判断し、顧客の債務不履行の可能性を予測します。これを基に、企業および個人のリスクリストを作成し、リスクの高い顧客を除外します。

2つ目は保険金詐欺の特定です。保険会社はビッグデータの助けを借りて、保険金詐欺識別モデルを確立し、近年大規模に発生したすべての請求事件を特定し、詐欺のパターンを特定し、数万件の請求情報から詐欺の疑いのある請求をピックアップし、詐欺の疑いのある請求に基づいてさらに調査を実施し、保険金詐欺を識別する能力を向上させることができます。

3番目は賢い投資アドバイザーです。証券会社はビッグデータ技術を活用して顧客の多様なニーズにマッチし、スマートな投資助言業務を行っています。スマート投資顧問事業は、オンライン投資顧問サービスを提供します。顧客のリスク選好や取引行動などのパーソナライズされたデータに基づき、定量モデルを使用して、敷居が低く、手数料の低いパーソナライズされた資産管理ソリューションを顧客に提供します。賢明な投資アドバイザーは、インテリジェント システムを使用して、顧客情報の収集と分析、投資計画の策定と実行、その後のメンテナンスなどの手順を自動化します。

2. さまざまなタイプのビッグデータ

企業の生産と運営の役割

ビッグデータにはさまざまな応用シナリオがあり、さまざまな種類の企業の生産と運用においてさまざまな役割を果たします。本稿では、事例分析を通じて、さまざまなタイプの企業の生産と運営におけるビッグデータの役割を整理し、洗練させます。

1. 農業企業

農業企業はビッグデータを活用して、農業の生産・管理方法を革新し、生産コストを削減し、農産物の品質と企業の生産効率を向上させることができます。農業企業の生産と管理にビッグデータを応用することで、伝統的な農業生産と管理の限界を打ち破ることができます。例えば、江西省新豊県ではネーブルオレンジの総栽培面積は13,000ヘクタール、生産量は20万トンを超えています。これまでの伝統的な農業生産・管理モデルでは、人件費が増加するだけでなく、科学的な管理を実施できず、そのメリットは明らかではありませんでした。江西省新豊県現代農業工業団地は、伝統的な優位産業の効率と品質を向上させるために、ネーブルオレンジの生産、品質監視、販売の3つのリンクをターゲットに、農業IoTクラウドプラットフォーム、農産物の品質と安全性の監視と追跡プラットフォーム、農産物電子商取引プラットフォームを構築しました。ビッグデータプラットフォームにより、ネーブルオレンジの生産は標準化され、インテリジェントで便利になります。各ベースおよび処理ラインから送信された情報は、navelオレンジの収量と品質を改善できる、設定されたプログラム標準に従って、生産および処理機械のインテリジェントな適用を指示します。果樹園での水、肥料、薬の統合施用を促進する際に、肥料と薬が時間通りに適切な量で使用され、インテリジェントな機械的操作を実現することができます。果物加工では、ビッグデータプラットフォームを使用して、さまざまな色、サイズ、酸味と甘さ、さまざまな味と風味のへそのオレンジをインテリジェントに並べ替えることができます。ビッグデータテクノロジーの適用により、農業企業の生産効率が大幅に向上しました。たとえば、Qingdao Baojia Groupはビッグデータを使用して、家畜と家禽の繁殖、動物疾患、作物植え付け、害虫駆除、農産物の品質を監視および分析し、正確な給餌と科学的植栽の達成を達成し、農業生産コストを大幅に削減し、生産物の生産量を大幅に削減し、生産を達成するために、生産量を増やすことで生産を達成し、生産を達成します。

2。製造企業

製造会社は、ビッグデータを使用して、生産プロセスを最適化し、コストを削減し、生産効率と市場需要に適応する製品の能力を向上させることができます。製造会社はビッグデータを使用して、生産機器の予測メンテナンスを実現し、機器の故障の可能性を事前に認識し、問題のある機器をタイムリーに維持し、故障の修理による生産ラインの全体的な停滞を回避し、それによって会社の運用とメンテナンスコストを削減します。製造会社は、ビッグデータを使用して、生産プロセスの動的なスケジューリングを実現し、ワークショップでの半フィニッシュ製品のバックログを削減し、生産プロセスのさまざまなリンク間の関係をよりスムーズにし、生産プロセスを最適化し、会社の生産効率を向上させます。

製造企業は、R＆Dナレッジベースと、共同イノベーションプラットフォームによって統合された内部および外部の産業チェーンの共同設計機能に基づいたビッグデータ製品のモジュール分析を通じて、パーソナライズされた製品設計を実現できます。産業生産のビッグデータに基づいた相互接続された工場の柔軟な生産能力により、パーソナライズされた注文設計と低コストおよび高効率の製造が保証されます。リアオン州ダリアンのダヤングループは、大規模なグローバルなカスタムメイドのスーツ会社です。工場のインテリジェントな変革を通じて、同社は複数の品種、小型バッチ、高品質、迅速な対応を備えたカスタマイズされた生産モデルを実現しました。具体的には、3Dテクノロジーを使用して衣服を調整します。ユーザーは3Dテクノロジーを使用してリモートスキャンを実行し、対応するデータを生産のために工場に送信できます。情報技術の継続的なアップグレードと5Gテクノロジーの熟練した使用により、このモデルの適用は調達の終わりから生産の終わりまで拡大し、次にクライアントの端のチェーン全体に拡大し、パーソナライズされた効率的でインテリジェントなユーザーエクスペリエンスを提供し、市場の需要に適応する製品の能力を向上させます。

（iii）輸送および旅行企業

輸送会社は、ビッグデータを使用して、ユーザーの旅行体験を最適化し、サービスの効率と品質を向上させることができます。 Didi Chuxingを例にとると、Didi Chuxingはビッグデータによって提供される情報を使用してドライバーと乗客の間の情報の非対称性の問題を解決し、ビッグデータのマッチングと分析を通じてドライバーと乗客の間の需要と供給の合併症の効率を改善し、同時にビッグデータの正確な予測を使用して、ユーザーの時間投入コストを削減します。豊富なビッグデータと強力なアルゴリズムに依存しているディディの統計によると、ドライバーはインテリジェントな派遣を通じて事前に派遣され、需要集約型の領域の需要を高めます。その結果、1時間あたりドライバーが受け取った注文数は33％増加し、ドライバーと乗客間の通信時間は15％減少しました。ドライバーと乗客の間の平均通信時間は1分未満であり、ゼロコールの割合は35％に達しました。

Didiのスマートな信号機は、地域の交通の流れに基づいて道路リソースと旅行速度を合理的に調整および制御し、それにより都市の道路の使用を最適化し、旅行効率を改善します。同時に、ビッグデータ分析を通じて、リアルタイムのトラフィック条件が監視され、トラフィックガイダンスがドライバーに提供され、交通渋滞を軽減します。 2017年末の時点で、Didiは1,200を超えるスマートな信号機を建設し、平均10％から20％の混雑を軽減していました。

（iv）小売およびケータリング企業

小売およびケータリング会社は、ビッグデータを使用して顧客のニーズに迅速に対応し、マーケティング能力と収益性を向上させることができます。例としてヘマフレッシュを取ります。モノのインターネットの助けを借りて、Hema Freshのすべての製品をインターネットに接続し、独自のラベルを持つことができます。注文を受け取った後、インテリジェント配信システムは吊り下げチェーンを使用して、ヘマストア全体で商品の注文を組み合わせます。スタッフは注文に応じて商品を配達する必要はありませんが、システムの要件に応じて、責任あるエリアに商品を断熱バッグに入れるだけです。人件費を削減する一方で、ピッキング効率を大幅に改善します。プロセス全体の時間配分は、ピッキングで約3分、コンベアベルト輸送で3分、マージとパッケージの場合は3分です。 Hema Freshは30分以内に配達を完了し、顧客のニーズに迅速に対応することができます。

Hema Freshは3年間しか設立されていませんが、すでに小売業界でハリケーンを作成し、インターネットの有名人による新しい小売業のベンチマークになっています。モデルを急速に拡大および複製しながら、異なる地域やシナリオの小売フォーマットもインキュベートしています - ヘマ野菜市場、ヘマミニストア、ヘマ駅、ヘマF2。 HEMAの新鮮な店のほとんどは、オフィスビル、中〜高級コミュニティ、住民の消費レベルなどのサポート施設に囲まれた、人口密度の高い繁栄したビジネス地区にあります。消費者の経験の観点から見ると、Hema Freshが多数の顧客を引き付けることができる理由は、ビッグデータ、クラウドコンピューティング、およびモノのインターネットを使用して、メンバーシップシステム、支払いシステム、在庫システム、およびサービスシステムを完全に接続し、効率を改善し、コストを削減することです。

（v）輸送および物流企業

輸送および物流企業は、ビッグデータを使用して、輸送リソースの利用率を改善し、輸送コストと倉庫コストを削減し、クレジットシステムの建設とリソースの割り当てを最適化し、企業の運用効率を向上させることができます。例として、Huochebangを取ります。 Huochebangは、ビッグデータを通じてトラックと貨物の情報を統合し、車両炭鉱のマッチングの効率を改善し、車両の所有者の車両をより効果的に使用できるようにし、トラックの空の運転率を低下させます。これにより、貨物所有者の貨物を迅速に輸送し、保管コストを削減できます。 2017年には、Huochebangの所有者が所有する車両のアイドル率はわずか14％でしたが、普通の車の所有者のアイドル率は40％でした。 Huochebangは、ビッグデータマッチングを使用することにより、アイドルレートを大幅に低下させました。 Huochebangは、ビッグデータテクノロジーと関連するアルゴリズムを使用して、車両所有者と貨物所有者の間の情報の非対称性の問題を軽減しました。ドライバーについては、貨物検索時間の大幅な短縮により総輸送コストが6.3％削減されました。貨物所有者の場合、商品の貯蔵時間が大幅に短縮されており、貯蔵コストが半分になります。

貨物業界のクレジットシステムの建設において、Huochebangはビッグデータテクノロジーを使用して保険および信用保証サービスを実施し、業界全体の信用レベルを確保し、取引のスムーズな進捗を確保し、それによってトランザクションの成功率を高めることができます。 Huochebangのビッグデータシステムに確立された業界クレジットシステムに基づいて、Huochebangメンバーとして登録および認定された650万人以上の正直なドライバーメンバーがいます。 Huochebangプラットフォームに参加した自動車所有者のデフォルト率は、2015年の1.79％から2016年の1.22％に減少しており、2017年には0.8％に低下しました。Huochebangの業界全体の信用システムは基本的に確立されています。ビッグデータは、より多くの商品と自動車の所有者をHuochebangにもたらし、業界の健全な発展を促進し、経済的利益を改善しました。

スマートロジスティクスの適用において、ロジスティクス企業は、ビッグデータと人工知能技術を通じて、インテリジェントな車両ルートの計画と物流輸送ルートの最適化を実現しました。たとえば、SF Expressのインテリジェントルーティングおよび注文配信サービスは、各Expressパッケージに最適なルーティング計画を見つけることができ、カスタマーサービスの派遣量を32％以上削減し、Transit Express Parcelsの手動レビュー量を60％以上削減し、Expressサービスの全体的な適時性で1位を達成します。

（vi）不動産仲介会社

不動産仲介会社は、ビッグデータを使用して、ブローカーのサービス機能と顧客満足度を改善し、住宅取引サービスの効率と品質を向上させることができます。 Beikeのトランザクションプロセス全体を例として取り、2020年初頭に、BeikeはVRハウスビューイングとAIハウスの説明を組み合わせた関数を起動しました。システムは、自己学習知識グラフと音声出力を通じて、特定の部屋の種類を顧客に説明できます。 VR House ViewingとAI Houseの説明の組み合わせは、一方で、消費者が事前に不動産の詳細な理解を得て、不必要なオフラインの家の視聴の数を減らすことができます。一方、ブローカーの時間を節約し、サービス効率を向上させることができます。データは、AIハウスサーチングソフトウェアをオンラインで使用するBeike Real Estateのユーザーの平均リスニング時間は120秒であり、従来の不動産業者の平均オフラインリスニング時間（42秒）の約3倍です。ユーザーのAIハウスサーチングソフトウェアの平均リスニング完了率（75％）は、従来の不動産業者の3倍以上（24％）であり、オンラインサービスがユーザーがより多くの時間を費やすことができることを反映しています。

プロパティビューイングプロセスに関する限り、スマートドアロックなどの機能モジュールは、ブローカーの作業効率を大幅に改善しました。 2019年末の時点で、スマートドアロックを使用したブローカーは、スマートドアロックを使用していないブローカーよりも20％近くのプロパティキーコミッションを受け取り、毎日の平均ショーは約40％高かった。スマートドアロックを使用するブローカーは、過去の時間を店で費やしてキーを拾い、さまざまなパーティーで予約をして事前にリセットします。携帯電話のみを使用してドアのロックを解除できるようになり、キーアポイントメントの作成やキーの拾いなど、繰り返し、退屈な、および機械的なタスクのブローカーの時間を節約できます。これは、運用効率を大幅に、普遍的に、そして無差別に改善しています。

署名プロセスに関する限り、オンライン署名およびオンラインローン署名の導入により、住宅購入者、所有者、ブローカー、銀行、その他の当事者の時間コストが大幅に節約され、署名効率が向上しました。たとえば、Beike Real Estateは、青島とHubeiの間の取引を完了しました。買い手と売り手は、Beike Real Estateアプリの中古住宅取引契約のオンライン署名を完了しました。さらに、北京、ジナン、カナダにまたがる不動産取引がわずか17分でオンラインローンを完了しました。

署名後のプロセスに関しては、プロセス自動化ロボット（11.970、0.06、0.50％）は、政府のオンライン登録と銀行ローン情報の入力の自動操作を実現し、取引後の退屈で些細な情報抽出とサービススペシャリストの入場を排除し、取引スペシャリストの運用効率を5〜10回改善します。自動化されたロボットは、プログラムによって設定された操作パスを厳密に実行します。これにより、手動操作によるエラーを減らし、100％の正確な情報エントリと7*24時間のサービスを実現できます。

（vii）観光サービス企業

観光サービス会社は、ビッグデータを使用して社会的リソースの利用率を改善し、複数の関係者から双方にとって有利な結果を達成できます。 Ctrip Travel Networkを例として、Ctripは、さまざまな場所での交通条件と観光資源利用に関するデータのリアルタイム監視と分析を実施しましたピークシーズンに編集」。これは、社会的資源の合理的な割り当てを促進し、公共旅行体験を改善することを助長するだけでなく、あらゆる種類の伝統的な商人がより大きな利益を得ることができるようにします。

観光市場を標準化し、ルートからの旅行体験を改善するために、Ctripはユーザーが生成する評判データシステムを確立し、ユーザーの苦情メカニズムを継続的に改善し、規制技術と取り組みを強化し、複数の測定を通じてサービス品質を改善するように企業を導きます。ツアーガイドの強制消費、ホテルの装飾の騒音、青色のスカイハイエビなどの極端な事件などの一般的な否定的な苦情に関して、Ctripの評判データプラットフォームは、乗客の関心を完全に保護するためにタイムリーに効果的な介入を迅速に発見し、行うことができます。

Ctripはまた、観光名所のビッグデータの包括的な分析を実施しました。これらの研究結果は、観光産業の不合理なレイアウトを改善し、同様の観光プロジェクトの重複した建設によって引き起こされる資源廃棄物を回避し、新しい消費ホットスポットを探索して探索し、公共観光のますます多様化されたニーズを満たすのに役立ちます。

（8）医療サービス企業

医療サービス会社は、ビッグデータを使用して医療サービスの効率を改善し、人々の医療コストを削減できます。たとえば、Langmaの情報は、39のヘルスネットワーク、Guizhou（Guiyang）Internet Hospital、39 Internet Hospital、Guiyang City Six Medical Sciencesなどに依存しており、約200,000の遠隔の困難で深刻な症例と300万近くの慢性疾患が診断されています。 AIインテリジェント診断研究所を独立して開発し、ディープラーニング理論を使用して医療画像データを処理し、人工知能とGuizhou州の電子医療記録サンプルの医療データクラウドに基づいたビッグデータ分析の医療画像診断システムを形成しました。インテリジェントなトリアージモデル、PACS画像分析システム、およびインテリジェント補助診断システムを確立します。これにより、患者の初期症状の被験者のトリアージを実施し、一般的な病気や一般的な疾患の過度の依存症や一般的な病院や専門家の診断に依存し、人々の医療費を削減できます。

（9）金融サービス企業

金融サービス会社は、ビッグデータを使用して、リスク管理と制御能力を強化し、運用管理の効率を向上させることができます。たとえば、Bank of China（3.270、0.05、1.55％）「AIDA」ビッグデータリスク制御プラットフォームは、ビッグデータやAIなどの新しいテクノロジーを使用してビジネスプロセスとリスク管理モデルを再構築し、ビッグデータアプリケーションを重要なツールとして使用し、リスク管理機能を改善する重要な方法を使用します。ビッグデータリスク制御プラットフォームを使用することにより、データサイロが開かれ、銀行のメモリ内のデータの価値が採掘され改善されました。 「AIDA」プロジェクトは2017年に裁判に導入されました。2018年6月の時点で、機能的最適化、アップグレード、包括的なプロモーションの後、26,000を超える企業ポートレートが達成され、800万件以上の世論情報が特定されました。エクイティ、管理、保証、投資と資金調達の次元のために3レベルの相関マップが描かれ、145の動的警告インジケーターが監視され、5つのビジネスシナリオがカスタマイズされ、リスク管理プロセスリンクを埋め込むために開発されました。たとえば、Sichuan Xinwang Bank Co.、Ltd。は、ビッグデータを、金融分野でのビジネスシナリオの多次元浸透と統合と統合しました。ビッグデータの精度アルゴリズムを通じて、顔認識、インテリジェントな顧客サービス、インテリジェントな監視、インテリジェントなリスク制御、シナリオベースのプラットフォームベースのインテリジェントな金融サービスなどの金融モデルが実現しました。

3。企業の生産と運用におけるビッグデータ

アプリケーションに直面している困難と課題

ビッグデータは企業の生産と運用でますます広く使用されていますが、一貫性のないビッグデータの基準、才能の不足、データセキュリティの効果的な保証の困難、ビッグデータの共有と循環を制限し、エンタープライズの生産と運用におけるさらなる応用など、一連の困難や課題にも直面しています。これらの困難と課題は、さまざまなタイプの企業に関与しており、ビッグデータを適用する際にさまざまな企業が直面する一般的な問題です。さらに、さまざまなタイプの企業がビッグデータアプリケーションのさまざまな段階にあり、彼らが直面する困難と課題も異なります。

（i）データソースは散乱して複雑であり、標準は異なります。

データバリアなどの問題は相互接続を妨げます

センサー、カメラ、ネットワークログ、ネットワーククローラーなど、ビッグデータソースは多様です。さまざまなソースからのこれらのデータは、さまざまなデータ形式で異なるデータ管理システムに散らばっています。各データ管理システムには、一貫性のないアプリケーションモデルや接続が困難なインターフェイスなどの問題があるため、システム間でデータを完全に接続できなくなります。たとえば、製造企業は生産機器と互換性のない通信プロトコルの相互接続がなく、異なるデータの不一致と相互認識をもたらし、データサイロが一般的です。企業のさまざまな部門間で適用される情報管理ソフトウェアは異なり、運用中に生成されたデータは散在して複雑であり、効果的な部門の統合と使用率を達成することはできず、情報サイロは一般的です。多くの製造企業を訪問して調査したとき、企業は一般に、ビッグデータソースとさまざまなデータ構造の多くのチャネルがあると報告しました。情報システムは、企業間、企業内の部門間、および生産ラインの機器間でも互いに独立しています。データ形式と構造は大きく異なるため、この段階で情報を統合することが困難になり、データの障壁がより明白になります。

（2）ビッグデータの才能の不足、

エンタープライズビッグデータテクノロジーの適用を制限しました

ビッグデータの才能は、企業が生産と運用にビッグデータを効果的に使用するための重要な保証です。ビッグデータの才能には、ビッグデータシステムの研究開発、アプリケーション開発、分析、視覚化、セキュリティ、科学研究などの才能が含まれます。これらの才能の市場供給は、「量」または「品質」の観点から、巨大で迅速かつ繰り返し市場の需要を満たすことができません。産業企業によるビッグデータの才能の需要を例にとると、業界のデジタル変革とアップグレードは、人材の質の高い要件を提出します。関連するソフトウェアと技術的才能、ビッグデータテクノロジーの才能、ビッグデータ管理の才能、ビッグデータセキュリティの才能はすべて不十分です。生産プロセスとビッグデータテクノロジーの両方を理解している複合才能は、さらに不足しています。ビッグデータの才能の不足により、企業はビッグデータテクノロジーの適用を制限しています。

（iii）ビッグデータのセキュリティを効果的に保証することは困難です。

データ共有と循環の妨害

現在、ビッグデータに関連する基準はまだ調査期間中であり、さまざまな業界のビッグデータのセキュリティ仕様にはまだ多くのギャップがあります。金融やサービス産業などの一部の業界には、ユーザー情報などのプライバシーデータが増え、データセキュリティや情報保護に関するより厳しい要件があります。統一された業界のセキュリティ基準と仕様がない場合、さまざまな業界やセグメントでのビッグデータの適用が継続的に深化されることで、会社自身の管理に依存するだけで、セキュリティリスクが高まります。たとえば、ビッグデータに含まれるデータは巨大であり、保存すると、簡単に検索するために、比較的クリアなストレージパスビューを備えた分散ストレージ方法が選択されます。ただし、分散型ストレージ方法には比較的単純なデータが保護されているため、ハッカーに利便性を提供し、関連する脆弱性を簡単に使用して違法な運用を実装できます。同時に、ユーザーのプライバシー保護には抜け穴もあります。従来のデータプライバシー保護技術のほとんどは静的データを対象としていますが、ビッグデータにはリアルタイムの更新の動的な属性があり、データプライバシー保護技術に課題をもたらします。

（iv）ビッグデータを「保存できない」という問題はますます深刻になっています。

データの蓄積の制限

情報通信とインターネットテクノロジーの迅速な発展、および結果として生じる新しいアプリケーションの要求により、データの爆発的な成長がもたらされました。大規模なデータには大きな価値が含まれています。より多くの機会をもたらしますが、それはまた、従来のITインフラストラクチャに前例のない課題をもたらします。データを保存、フロー、および使用できないことは、さまざまな業界のデータアプリケーションで最も一般的な問題となっています。革新的な企業は、企業のデータ量をPBからEBに推進しています。 Huawei Global Industry Outlook GIVによると、グローバルな新しく生成されたデータボリュームは、2018年の32.5 ZBから2025年の180 ZBに急速に成長します。ストレージシステムは依然として従来のアーキテクチャであり、ストレージコストが高く、エンタープライズデータの2％未満が現在保存されており、「節約できない」問題はますます深刻になります。

（v）さまざまな種類の企業がビッグデータテクノロジーの開発にあります

さまざまな段階でさまざまなレベルの困難や課題に直面しています

ビッグデータは、企業の生産と運用の品質を向上させ、効率を向上させる上で重要な役割を果たしてきましたが、さまざまなタイプの企業がビッグデータアプリケーションのさまざまな段階にあり、一部のサービス業界はビッグデータとの統合が高くなっています。たとえば、eコマースプラットフォーム企業はビッグデータの適用においてより成熟しており、データプラットフォームはビジネスに直接統合されています。正確な広告、コンテンツの推奨、ユーザータグ、リスク制御であろうと、データ分析システムのサポートに大きく依存しています。サービス業界と比較して、農業と製造は、ビッグデータテクノロジーの適用における開発の初期段階にあります。たとえば、製造業と運用において製造企業によって収集された産業ビッグデータは、ソースと構造の点でより複雑であり、データ収集や不十分なデータ開発とアプリケーションなどの問題に直面しています。同時に、データセキュリティを考慮しているため、一部の企業はデータの共有と流通を妨げるデータを共有したくないと考えています。製造企業は一般に、ビッグデータの適用の調査と幼少期にあります。

4。ビッグデータを宣伝します

エンタープライズの生産と運用における適用に関するポリシーの提案

エンタープライズの生産と運用におけるビッグデータのより良いアプリケーションを促進するために、ビッグデータ標準システムの構築を強化し、ビッグデータインフラストラクチャの構築を加速し、政府データのオープン共有を整然と促進し、複合ビッグデータの才能の栽培を加速し、ネットワークとビッグデータセキュリティシステムを改善する必要があります。

（i）ビッグデータ標準システムの構築を強化する

さまざまな業界でのビッグデータの適用が継続的に深化されることにより、ビッグデータの標準化は、主要なインターネット企業からさまざまな分野への共同参加の新しい傾向に徐々に変化しました。データバリアと「情報島」を効果的に分解し、送信アプリケーションのボトルネックを突破するには、ビッグデータ標準システムの構築をさらに強化し、統合と開発の取り組みを増やし、データ循環規則を改善し、標準化された伝送プロトコルとデータ形式を確立し、さまざまな分野でのビッグデータの標準化ニーズを包括的に考慮する必要があります。国内外のビッグデータテクノロジーや業界の開発動向と密接に組み合わせて、さまざまなアプリケーション分野のビッグデータ基準の要件を継続的に改良および整理し、ビッグデータテクノロジーと業界のイノベーションと開発に関するビッグデータ標準の継続的な促進を確保するために、既存の標準システムに基づいて繰り返して更新します。

企業のコアビジネスと補助事業を整理および分析するための企業を導き、企業の本社とその子会社、企業部門、および企業のポジションとの間の入力と出力の関係を厳密に表現し、エンタープライズ情報システムアーキテクチャ図を形成し、情報システム間の入力と出力関係を決定し、データ共有システムの分類を決定し、データ間隔リストを形成します。企業情報化のトップレベルの設計と構築を促進することにより、企業は「情報島」の障害を破ることができます。

（ii）ビッグデータインフラストラクチャの構築を加速します

データのコレクション、送信、ストレージ、分析、およびアプリケーションは、情報インフラストラクチャのサポートと不可分です。コレクションからアプリケーションまでのすべてのリンクのインフラストラクチャの実際のニーズを完全に組み合わせ、各リンクに必要なあらゆる種類のインフラストラクチャを構築および改善し、企業でのビッグデータのより良いアプリケーションを促進する必要があります。データ収集の観点から、データ収集における産業用インターネットとモノのインターネットの利点に完全なプレイを行い、主要分野での産業インターネットとモノのインターネットの構築と展開を促進し、実世界経済のさまざまな業界と分野のデータ収集の範囲と品質を改善する必要があります。データ送信に関しては、5Gなどのネットワークインフラストラクチャの構築を加速し、ネットワーク通信機能の継続的な最適化により、データ送信速度の着実な改善を促進する必要があります。データストレージの観点から、クラウドストレージの革新的な開発と適用を促進するための努力を増やし、さまざまな業界や分野でのビッグデータの保存に空間的サポートを提供する必要があります。データ分析とアプリケーションの観点から、ビッグデータセンターの構築を促進して、実際の経済のさまざまな分野でのビッグデータの分析と利用を確実にサポートする必要があります。

（iii）整然とした方法で政府データのオープン共有を促進する

企業は、生産と運営中に政府からのデータを使用する必要がある場合があります。したがって、政府は、政府のデータリソースの価値を積極的にリリースして、企業の生産と運営により適切に対応するためにビッグデータを促進する必要があります。政府データのセキュリティを確保するという前提で、さまざまなタイプの企業を生産と運用に適用する必要があるという政府データは、整然とした方法で分類、採点、および開放されるべきであり、地元のビッグデータ管理局は、政府内のさまざまな部門間のデータ間のデータを統合し、政府と循環を結びつける重要なリンクを結びつけるために、地元のビッグデータ管理局の全体的な調整役割を提供する必要があります。ビッグデータ管理に依存して、政府のデータ共有と交換プラットフォームを構築し、あらゆるレベルで政府のデータの分類とグレーディングシステムを確立し、改善し、政府のデータ共有のニーズのリストを策定し、両当事者の権利と責任を共有などの明確化を明確にし、政府データの共有と政府データの共有を徐々に深めます。

（iv）複合ビッグデータの才能の栽培を加速します

ビッグデータの才能に対する企業の需要は、ビッグデータテクノロジーを習得する才能に限定されませんが、エンタープライズの実際の生産と運用のニーズに基づいてアプリケーションシナリオを開発および実現できる複合ビッグデータの才能も必要です。学術教育機関、職業教育機関、企業、ソーシャルトレーニング機関による複合ビッグデータの才能の育成を促進し、才能のデータ認知能力、データコール能力、データ包括的な処理能力、データプレゼンテーション能力、データの意思決定能力、コンピューター、データ分析情報技術に焦点を当てることに焦点を当てる必要があります。 In terms of academic education, we will accelerate the improvement of the construction of big data-related disciplines, actively adopt cross-school, cross-department, and cross-professional cross-cultural training methods, and strive to cultivate professional talents such as data engineers and compound talents with multi-disciplinary knowledge; in terms of vocational education, enterprises are encouraged to strengthen cooperation with universities and vocational colleges and vocational colleges to jointly cultivate big data application talents; in terms of enterprise and social training, we will organize in-service personnel to conduct big data knowledge popularization and application skills training to improve the ability of in-service personnel to integrate and apply big data technology.

（五）完善网络及大数据安全体系

大数据安全问题是制约数据流通共享的关键问题。为了确保数据流通共享过程中的安全，应健全网络环境的安全防护体系，强化大数据安全保障体系建设。在健全网络环境的安全防护体系方面，应加强互联网安全技术的应用，强化网络安全防御体系，完善网络空间日常巡检和风险预警机制，优化网络安全事件应急处置预案，从而全面增强网络安全态势感知、预警和应急处置能力。在强化大数据安全保障体系建设方面，应从制定完善安全标准规范和提升安全保障技术水平两方面入手。就制定完善安全标准规范而言，应组织行业各方主体，协同制定基于不同行业特色的大数据交易规范，明确交易各方的数据安全责任，保障各行业大数据市场的健康、有序发展；制定明确的数据安全使用标准，对大数据的使用权限、使用范围、使用方式和安全机制等，进行严格的规范化、标准化管理；建立有效的投诉机制和惩罚机制，实施全程全网的数据安全使用管控与源头追溯。就提升安全保障技术水平而言，应推动数据防泄漏技术、云平台数据安全等数据安全防护专用技术的研发与应用。

来源/ “新经济智酷”微信公众号