大数据在科研上的应用有哪些？

数据自然是过去式的历史堆砌，以史鉴今，应知兴衰;老衲拙识，数据的定义分析推断等各呈气象，殊途不一定谓归一，在基本科研活动中应用以鉴定人员素质为例，数年内结果2例，正面效用明显，完全可作为HR部门业务指标衡量，且具客观性。

大数据可以对科研有以下帮助：

· 大型强子对撞机实验代表约 1.5 亿个传感器每秒提供 4000 万次数据。每秒有近 6 亿次碰撞。经过筛选并避免记录超过 99.99995% 的这些数据流后，每秒有 100 个目标的冲突。

因此，仅使用小于 0.001％ 的传感器数据流，来自所有四个 LHC 实验的数据流在复制之前的年度速率为 25 PB（截至 2012 年）。复制后这将变成近 200 PB。

如果所有传感器数据都记录在 LHC 中，那么数据流将非常难以处理。在复制之前，数据流量每年将超过 1.5 亿 PB，或者将近 500 EBabytestes。以数字来看，这相当于每天500 个字节（5×1020）字节，几乎是世界上所有其他来源的 200 倍。

· Square Kilometer Array 是由数千个天线构成的射电望远镜。预计到2024年将投入使用。总的来说，这些天线预计将收集 14 EB 字节，并且每天存储 1 PB 字节，这被认为是有史以来最雄心勃勃的科学计划之一。 · 当斯隆数字巡天（SDSS）在 2000 年开始收集天文数据时，它在头几周收集的数据比以前天文学历史上收集的数据要多。 SDSS 以每晚 200GB 的速度继续运行，累积了超过 140TB 的信息。当 SDSS 的继任者，大型综合测量望远镜在 2020 年上线时，其设计人员预计它将每五天获取一次该数据量。

· 解码人类基因组原本需要 10 年 的时间来处理，现在可以在不到一天的时间内完成。在过去的十年中，DNA 测序仪已经将测序成本减少了10,000，这比按照摩尔定律预测的成本降低便宜了 100 倍 。

了解更多硅谷前沿深度讯息请看 硅发布 微信公众号

大数据细分应用领域需求与市场分析

制造业需求市场

一、行业信息化建设现状

当前，我国工业正处于转型升级的攻坚时期，国家工信部印发《信息化和工业化深度融合专项行动计划(2013-2018年)》，积极推动信息化和工业化深度融合，国家工信部先后认定16个两化融合试点城市， 各地都取得了显著的成果。上海作为首批8个国家级两化融合试验区之一,连续5年保持全国领先水平。

图表：2016年中国制造行业信息化投资规模统计

数据来源：中研普华

2013年，中国制造业信息化投资达620亿元，略有增长，同比增长率为0.8%。2015年，中国制造业信息化投资规模达到655亿元，同比增长3.4%。但是中国制造业中不同行业、不同规模的企业，信息化建设状况差距很大。石化、钢铁、汽车等行业集中度高企业的信息化建设较好，一些企业已基本具备了与国际同行接近的信息化水平;而纺织、轻工等行业，信息化建设水平较低。

随着信息技术的发展以及信息化普及水平的提高，数字技术、网络技术和智能技术日益渗透融入到产品研发、设计、制造的全过程，推动产品生产过程的重大变革。

世界工业化发展正在面临着新的变革，发达国家中德国战略性地提出“工业 4.0”，美国着力打造“工业互联网”，新的动态变化都将影响全球制造业版图，我国制造业亟待转型升级。

二、行业数据量及其特点

制造业的存储数据一般被分为以下几种类型：其一，产品设计数据，这类数据的典型特点是以文件为主，非结构化，共享要求比较高，保存时间也比较长;其二，企业生产环节的业务数据，其特点是以数据库等结构化数据为主，这些数据的重要性不言而喻，它们不仅表现企业目前运行的状况，而且为企业进一步发展决策提供有价值的分析;其三，生产监控数据，其特点是数据量非常大，对存储空间以及I/O吞吐要求高。制造企业中，企业对数据的记录多停留于两种形态：1、传统的纸笔记录;2、Excel电子表格记录。这些操作起来看似简单的数据管理方式，在浪费人力物力的同时，还为企业生产及质量监控埋下了巨大的隐患。而真正挖掘数据背后的价值，更是无从谈起。

三、行业大数据应用需求分析

在制造业的应用中，产、供、销一体化为基本核心外，还有延伸的客户关系管理、供应商信息管理等外延系统，各种海量数据库同时交叉运行，并行服务，用户访问量大，频度高，系统负荷重，而且需要保证数据处理的高实时性，这样信息化才能有效地服务于生产和运营。日常操作及追加资源频繁，是一种复合型的高度动态化应用：数据实时变化频度高，牵扯面广，系统需要形成一个有机的整体随时更新各个状态。

制造型企业的良性运营对信息化的依赖性越来越大，对系统的可靠性、稳定性、安全性和反应速度均提出了很高标准和严格要求：随着企业规模的扩展，信息化应用的规范和普及，对企业网电子数据的使用反映出实时、动态、突发、连续、超高负荷等特点，与生产、销售、供应紧密联结，不容许服务中断甚至反应迟缓。因此硬件设备的性能应体现出较强的先进性、一定的超前性、充分的可靠性及迅捷的反应速度。

四、行业大数据应用场景分析

第一个是在设计环节上。纵观国外能做成百年企业的，都是设计能力超强的公司。设计能力强的企业有个特点，他们会经常到网上去搜用户的反馈，甚至建立一个网上社区，由粉丝参与到设计环节当中，这个时候可以借助大数据的分析能力，将这些反馈快速融入到产品设计当中，推出来的产品才会有消费者买单。而在高端制造业上，需要有设计参数的积累。同样的材料做出来的产品，有的能耐用10年，有的用几年就坏了，这是为什么呢?主要就是原料配比、加工、工艺等的差别，这要依靠很多年的数据积累形成的。鼓励国内制造企业在设计过程中，用大数据的理念，从头到尾捕捉下来，所有的设计人员用数据的眼光去做设计，而不是说产品做不好是其它部门的事，管理水平决定了数据的意识和应用的水平。

第二个环节是生产车间。国内的高端制造业其实信息化程度很高，生产线上的机床基本都是自动化的，从原材料进入车间到成品产生，人甚至都不用干预。每个数控机床就是一部小电脑，一条生产线下来就有几十个质量控制点，只要机器一开每分钟就会产生巨大的数据量。如果在全国有很多工厂，产量比较大的话，这个制造企业本身就是一个标准的大数据应用场景。“大数据对于制造企业来说好像挺高级的，但也不用怕，可以从小的地方开始，先将数据以自己的维度从机器上采集起来，再结合预先建立的模型，就可以逐步形成大数据的应用。通过一个月、半年、一年的积累，就可以分析出质量跟哪些因素相关，以此为依据去改进产品和生产流程。

五、行业大数据应用价值分析

基于工业数据仓库的精准营销管理，依托工行强大的数据仓库平台，建设精准营销管理系统集群，充分运用数据挖掘以及大数据分析等现代化的信息技术手段，就能够通过客户信息的全面采集、高度集成、深度挖掘与高效运用等措施建立“以客户为中心”的精准营销管理体系。

大数据使不同的工业企业构建起了客户营销统一视图，打破信息孤岛，深度挖掘客户需求，实现目标客户精准定位，推进客户分层分类服务。此外，通过搭建智能营销信息服务平台，企业还能实现精准营销信息的智能化、自动化、制度化、流程化管理，推进营销管理模式再造和制度完善，加强与客户之间的沟通和良性互动，提升客户满意度和忠诚度。

想要了解更多关于大数据专业分析请关注中研普华研究报告《2017-2022年中国大数据应用行业全景调研与投资风险预测报告》

大数据细分应用领域需求与市场分析

制造业需求市场

一、行业信息化建设现状

当前，我国工业正处于转型升级的攻坚时期，国家工信部印发《信息化和工业化深度融合专项行动计划(2013-2018年)》，积极推动信息化和工业化深度融合，国家工信部先后认定16个两化融合试点城市， 各地都取得了显著的成果。上海作为首批8个国家级两化融合试验区之一,连续5年保持全国领先水平。

图表：2016年中国制造行业信息化投资规模统计

数据来源：中研普华

2013年，中国制造业信息化投资达620亿元，略有增长，同比增长率为0.8%。2015年，中国制造业信息化投资规模达到655亿元，同比增长3.4%。但是中国制造业中不同行业、不同规模的企业，信息化建设状况差距很大。石化、钢铁、汽车等行业集中度高企业的信息化建设较好，一些企业已基本具备了与国际同行接近的信息化水平;而纺织、轻工等行业，信息化建设水平较低。

随着信息技术的发展以及信息化普及水平的提高，数字技术、网络技术和智能技术日益渗透融入到产品研发、设计、制造的全过程，推动产品生产过程的重大变革。

世界工业化发展正在面临着新的变革，发达国家中德国战略性地提出“工业 4.0”，美国着力打造“工业互联网”，新的动态变化都将影响全球制造业版图，我国制造业亟待转型升级。

二、行业数据量及其特点

制造业的存储数据一般被分为以下几种类型：其一，产品设计数据，这类数据的典型特点是以文件为主，非结构化，共享要求比较高，保存时间也比较长;其二，企业生产环节的业务数据，其特点是以数据库等结构化数据为主，这些数据的重要性不言而喻，它们不仅表现企业目前运行的状况，而且为企业进一步发展决策提供有价值的分析;其三，生产监控数据，其特点是数据量非常大，对存储空间以及I/O吞吐要求高。制造企业中，企业对数据的记录多停留于两种形态：1、传统的纸笔记录;2、Excel电子表格记录。这些操作起来看似简单的数据管理方式，在浪费人力物力的同时，还为企业生产及质量监控埋下了巨大的隐患。而真正挖掘数据背后的价值，更是无从谈起。

三、行业大数据应用需求分析

在制造业的应用中，产、供、销一体化为基本核心外，还有延伸的客户关系管理、供应商信息管理等外延系统，各种海量数据库同时交叉运行，并行服务，用户访问量大，频度高，系统负荷重，而且需要保证数据处理的高实时性，这样信息化才能有效地服务于生产和运营。日常操作及追加资源频繁，是一种复合型的高度动态化应用：数据实时变化频度高，牵扯面广，系统需要形成一个有机的整体随时更新各个状态。

制造型企业的良性运营对信息化的依赖性越来越大，对系统的可靠性、稳定性、安全性和反应速度均提出了很高标准和严格要求：随着企业规模的扩展，信息化应用的规范和普及，对企业网电子数据的使用反映出实时、动态、突发、连续、超高负荷等特点，与生产、销售、供应紧密联结，不容许服务中断甚至反应迟缓。因此硬件设备的性能应体现出较强的先进性、一定的超前性、充分的可靠性及迅捷的反应速度。

四、行业大数据应用场景分析

第一个是在设计环节上。纵观国外能做成百年企业的，都是设计能力超强的公司。设计能力强的企业有个特点，他们会经常到网上去搜用户的反馈，甚至建立一个网上社区，由粉丝参与到设计环节当中，这个时候可以借助大数据的分析能力，将这些反馈快速融入到产品设计当中，推出来的产品才会有消费者买单。而在高端制造业上，需要有设计参数的积累。同样的材料做出来的产品，有的能耐用10年，有的用几年就坏了，这是为什么呢?主要就是原料配比、加工、工艺等的差别，这要依靠很多年的数据积累形成的。鼓励国内制造企业在设计过程中，用大数据的理念，从头到尾捕捉下来，所有的设计人员用数据的眼光去做设计，而不是说产品做不好是其它部门的事，管理水平决定了数据的意识和应用的水平。

第二个环节是生产车间。国内的高端制造业其实信息化程度很高，生产线上的机床基本都是自动化的，从原材料进入车间到成品产生，人甚至都不用干预。每个数控机床就是一部小电脑，一条生产线下来就有几十个质量控制点，只要机器一开每分钟就会产生巨大的数据量。如果在全国有很多工厂，产量比较大的话，这个制造企业本身就是一个标准的大数据应用场景。“大数据对于制造企业来说好像挺高级的，但也不用怕，可以从小的地方开始，先将数据以自己的维度从机器上采集起来，再结合预先建立的模型，就可以逐步形成大数据的应用。通过一个月、半年、一年的积累，就可以分析出质量跟哪些因素相关，以此为依据去改进产品和生产流程。

五、行业大数据应用价值分析

基于工业数据仓库的精准营销管理，依托工行强大的数据仓库平台，建设精准营销管理系统集群，充分运用数据挖掘以及大数据分析等现代化的信息技术手段，就能够通过客户信息的全面采集、高度集成、深度挖掘与高效运用等措施建立“以客户为中心”的精准营销管理体系。

大数据使不同的工业企业构建起了客户营销统一视图，打破信息孤岛，深度挖掘客户需求，实现目标客户精准定位，推进客户分层分类服务。此外，通过搭建智能营销信息服务平台，企业还能实现精准营销信息的智能化、自动化、制度化、流程化管理，推进营销管理模式再造和制度完善，加强与客户之间的沟通和良性互动，提升客户满意度和忠诚度。

想要了解更多关于大数据专业分析请关注中研普华研究报告《2017-2022年中国大数据应用行业全景调研与投资风险预测报告》

一、电商行业

电商行业是最早利用大数据进行精准营销，它根据客户的消费习惯提前生产资料、物流管理等，有利于精细社会大生产。由于电商的数据较为集中，数据量足够大，数据种类较多，因此未来电商数据应用将会有更多的想象空间，包括预测流行趋势，消费趋势、地域消费特点、客户消费习惯、各种消费行为的相关度、消费热点、影响消费的重要因素等。

二、金融行业

大数据在金融行业应用范围是比较广的，它更多应用于交易，现在很多股权的交易都是利用大数据算法进行，这些算法现在越来越多的考虑了社交媒体和网站新闻来决定在未来几秒内是买出还是卖出。

三、医疗行业

医疗机构无论是病理报告、治愈方案还是药物报告等方面都是数据比较庞大行业，面对众多病毒、肿瘤细胞都处于不断进化的过程，诊断时会发现对疾病的确诊和治疗方案的确定是很困难的，而未来，我们可以借助大数据平台收集不通病例和治疗方案，以及病人的基本特征，可以建立针对疾病特点的数据库。

四、农牧渔

未来大数据应用到农牧渔领域，这样可以帮助农业降低菜贱伤农的概率，也可以精准预测天气变化，帮助农民做好自然灾害的预防工作，也能够提高单位种植面积的高产出；牧农也可以根据大数据分析安排放牧范围，有效利用农场，减少动物流失；渔民也可以利用大数据安排休渔期、定位捕鱼等，同时，也能减少人员损伤。

五、生物技术

基因技术是人类未来挑战疾病的重要武器，科学家可以借助大数据技术的应用，从而也会加快自身基因和其它动物基因的研究过程，这将是人类未来战胜疾病的重要武器之一，未来生物基因技术不但能够改良农作物，还能利用基因技术培养人类器官和消灭害虫等。

六、改善城市

大数据还被应用改善我们日常生活的城市。例如基于城市实时交通信息、利用社交网络和天气数据来优化最新的交通情况。目前很多城市都在进行大数据的分析和试点。

七、改善安全和执法

大数据现在已经广泛应用到安全执法的过程当中。想必大家都知道美国安全局利用大数据进行恐怖主义打击，甚至监控人们的日常生活。而企业则应用大数据技术进行防御网络攻击。警察应用大数据工具进行捕捉罪犯，信用卡公司应用大数据工具来槛车欺诈性交易。

在传统领域大数据同样将发挥巨大作用：帮助农业根据环境气候土壤作物状况进行超精细化耕作；在工业生产领域全盘把握供需平衡，挖掘创新增长点；交通领域实现智能辅助乃至无人驾驶，堵车与事故将成为历史；能源产业将实现精确预测及产量实时调控。

个人的生活数据将被实时采集上传，饮食、健康、出行、家居、医疗、购物、社交，大数据服务将被广泛运用并对用户生活质量产生革命性的提升，一切服务都将以个性化的方式为每一个“你”量身定制，为每一个行为提供基于历史数据与实时动态所产生的智能决策。