各個領域都在應用大數據，它的產業鏈都有什麼？
原創： 倩倩博士
「大數據近年來在各行各業遍地開花，對於行業調研分析、企業管理、市場佈局等多個方面都有重要的借鑑意義。」
比如環保行業，智能環保，智慧環保模式能夠汙染源監管，通過藉助物聯網技術，將傳感器和相關設備嵌入大氣、汙染等監控對象，數據傳輸到後臺，實現智能分析及預警管理。
比如營銷領域，大數據能夠有效深度整合行業內產品銷售、數據管理、創意優化、品牌等領域數據，把營銷渠道、工具、用戶需求等有效的連接起來，為營銷人員監控營銷薄弱環節，打造全域營銷解決方案。
比如房地產領域，一直保持高利潤、高增長，他們更加積極開展大數據開發，國內大部分有資本的企業都或多或少佈局房地產，包括國美、阿里、京東等。去年，小米與華潤合作拿地轟動市場，小米利用自身“互聯網+”優勢，管理房產更容易，雙方取長補短，資源優化配置，強強聯合，前景可期。
各行各業都在利用大數據
研究趨勢
預測未來
大數據產業鏈
大數據的產業鏈大致可分為數據標準與規範、數據安全、數據採集、數據存儲與管理、數據分析與挖掘、數據運維及數據應用幾個環節，覆蓋了數據從產生到應用的整個生命週期。
大數據產業鏈構成分析
（一）數據標準與規範
大數據標準體系是開展大數據應用的前提條件，在標準化建設方面，參與單位主要包括中國電子技術標準化研究院、各個數據庫公司、數據擁有部門以及各個行業的標準化組織。大數據標準包括體系結構標準、數據格式與表示標準、組織管理標準、安全標準和評測標準。
（二）數據安全
隨著海量數據的不斷增加，對數據存儲和訪問的安全性要求越來越高，從而對數據的訪問控制技術、加密保護技術以及多副本與容災機制等提出了更高的要求。數據的多元化與彼此的關聯性協同發展，如何保護數據價值不洩露、信息不丟失，保護所有站點的安全是大數據發展面對的重大挑戰。
（三）數據採集
重要性：如何在數據大爆發的互聯網領域採集有效的數據需要進行精細化設計，即使最精細化的設計，仍需要大量的人工干預進行數據清洗。數據採集及應用需要多個部門協調、多個平臺支持及多種互聯網技術的應用。
來源：政府部門、一些專做大數據的互聯網企業、運營商等是當前大數據的主要擁有者。除此之外，利用多種途徑對網絡數據進行採集也是大數據的主要來源。
數據處理：現實世界中的數據大多不完整或不一致，無法直接進行數據挖掘或挖掘結果不理想，需要對採集的數據進行填補、平滑、合併、規格化、檢查一致性等數據預處理操作，並且往往需要大量的人工參與，因此數據採集和清洗成為大數據產業鏈的一個重要環節。
（四）數據存儲與管理
大數據存儲與管理主要以傳統數據庫企業為主，主要有 IBM、Oracle、Intel、中興、華為、阿里雲等。各家企業針對大數據應用開展各具特色的數據庫架構和數據組織管理研究，形成針對具體領域的產品。
（五）數據分析與挖掘
大數據分析與挖掘的意圖主要集中在兩方面：
- 從大量的機構結構化和半結構化數據中分析出計算機可以理解的語義信息或知識；
- 對隱性的知識，如關聯情況、意圖等進行挖掘。常用的方法包括分類、聚類、關聯規則挖掘、序列模式挖掘、時間序列分析預測等。
數據分析與挖掘的核心算法與軟件主要掌握在大型數據庫公司及高校的手裡。國際上主要參與者包括 IBM、甲骨文、微軟、谷歌、亞馬遜、Facebook 等，國內主要參與單位包括數據庫企業、高校、以 BAT 為代表的大型互聯網企業等。數據分析與挖掘的能力是大數據產業的核心。
（六）數據運維
由於數據的重要性得到普遍認可，除政府部門不具備數據運維服務條件外，數據的採集者通常就是數據運維者。各地政府方面則通常利用大數據平臺建設來推動政府大數據的公開與共享，如雲上貴州，吸引個人和企業用戶開展創新與創業，積極推動大數據的增值服務。
（七）數據應用
大數據對傳統信息技術帶來革命性挑戰，正在重構信息技術體系和產業格局。國內以阿里巴巴、百度、騰訊為代表的互聯網企業、雲計算和數據庫廠商紛紛加大應用推廣力度，在國際先進的開源大數據技術基礎上，形成獨自的大數據平臺構建和應用服務解決方案，以支撐不同行業不同領域的專業化應用。雖然這些企業在平臺構建上有著得天獨厚的優勢，但是在某些具體業務領域並不擅長，比如涉及技術研發的新材料領域，數據零散，專業性強，分析起來需要大量的人力干預。
目前，有資金和規模實力的傳統企業以及大數據企業是大數據應用的主力軍，是大數據發展的原始推動力。伴隨移動互聯網、智能硬件和物聯網的快速普及，全球數據總量呈現指數級增長態勢，與此同時，機器學習等先進的數據分析技術創新也日趨活躍，使得大數據隱含的價值得以更大程度的顯現，一個更加註重數據價值的新時代已經來臨