【猎云网（微信：ilieyun
）成都】11月26日报道（文/周丽梅）
近几年来，从社交网络到电商，再到“互联网+”的不断地发展，人们在网络上产生的数据“足迹”越来越多，大数据呈现出的商业价值日渐凸显。因海量数据的产生，数据存储、分析、挖掘及可视化过程所展现出来的巨大商业价值需要被发掘和激活。
2016年11月，银江孵化器成都园区正式落地成都郫县菁蓉镇运营，结合其智慧城市、医疗、交通产业资本优势。11月25日下午，由成都市创新创业示范基地管理服务委员会、银江孵化器、猎云网共同主办的银江孵化器成都园区启动仪式暨大数据·大未来创业论坛在菁蓉镇银江孵化器成功举办，本次论坛邀请行业内专家及创投界大咖共同展望大数据行业发展趋势，研讨大数据发展的机会、挑战，洞见未来投资和创业趋势。
银江股份有限公司 李建元：大数据驱动的智慧交通管理
李建元现任银江大数据研究院院长，本次分享，李建元从大数据、智能交通及智慧交通背景谈起，深度解析了目前国内城市智慧交通管理系统建设与应用现状、行业数据价值利用能力存在瓶颈，并且，从EnLoop智慧交通大数据平台应用产品案例中，阐述了大数据在智慧交通中的想象及探索。以下为分享内容，猎云网有做删减：
智能交通及智慧交通背景
大数据仅仅是一个代名词，表达的是数据处理遇到的综合“挑战”，以及针对“挑战”的应对方式，而不是TB或者PB等确定的界限。将先进的传感器技术、通信技术、计算机技术、电子控制技术等有效地综合运用于城市交通运输、服务控制和车辆制造，加强人、车、路三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
智能交通及智慧交通的区别在于：
1. 两者的目标一致，但技术手段、达成目标的方法不同。
2. 在智慧交通的阶段，“数据资源与大数据技术”将成为决定“智慧”程度的源泉和驱动力。
智慧交通是拥有“华彩乐章”的智能交通，这一华彩乐章的主要形态是拥有了发达的“数据大脑”，机器要能替代人进行大量的思考和分析，从而支撑人的思维和行动，是更为高级的发展阶段。
目前，国内城市智慧交通管理系统建设与应用存在的问题在于“感管控”有余，但不知如何才能高效地“感、管、控”，决策由经验主导，对数据资源的价值利用严重不足。具体表现在：信号控制系统数据源单一、封闭、失修；视频监控系统盲目巡查、被动、成效低下；高清卡口系统记录多、利用少；信息诱导系统路况估计而不是预测、策略缺失；警务勤务系统流程管理、经验驱动；设备管理系统偏重流程管理、故障主动发现难；决策支持系统不成体系、不够充分、不被重视等。
另外，现阶段数据分散在不同厂商建设的数据库中，受不同部门的管辖，共享程度和共享能力严重不足。分散的数据价值极其有限，无法发生“化学反应”，难以释放出巨大的能量，形不成强大的“智慧”。大数据基础架构技术已经成熟，但传统企业对其掌握程度和创新力还有待提高，传统的技术架构体系仍然占主导地位，在扩展性、处理能力、实时性、智能性等方面表现不足，当前处于各类交通大数据项目创新与试点应用的阶段，这也是整个行业的数据利用存在较大的瓶颈所在。
李建元认为，大数据驱动的智慧交通管理在未来发展的趋势主要体现在四点：
1.数据共享与中心化释放洪荒之力
2.机器学习推动非结构化数据的价值全面释放
3.数据化的交通管理决策与服务体系逐步形成
4.大数据驱动的智慧交通进入全面落地应用阶段
成都西科医联科技有限公司总经理、创始人谢维平：健康医疗大数据下的创业机会与挑战
谢维平是81年川北医学院临床医学系毕业，从事临床外科工作35年，曾任原煤炭工业部芙蓉矿务局总医院骨科主任、大外科主任，2001年作为人才引进成都郫县中医院骨科从事临床工作十二年，并任骨科副主任医师，成都中医药大学兼职教授。2013年下海经营民营医院，曾任康世医疗投资公司总监，四川中江民仁医院执行院长，成都兴科欣医院管理公司总经理。对民营医院管理与运作具有丰富的实战经验，现从事互联网+医疗创新创业。以下为分享实录，猎云网有做删减：
人类发展到今天，我们已经迈入一个崭新时代，那就是大数据时代。在这个时代，世界的本质就是数据，数据的生产、加工、 流通、处置与管理，均系数据人必不可少的一部分；人们的行为、位置、 甚至身体的生理数据等每一点变化，都成为了可被记录和分析的数据。可以说，人类在这个“数据大时代”，任何事物、决策及转归都被数据化与电子化了。 云计算、云存储是应对大数据而建立的数据储蓄、管理、计算与加工所提出的优化方案 。而物联网则是将人类的行为、物品状态的信息等收集起来，均存放在网络中的一种终端解决形式，不管是哪一个方式，都是将人类活动信息化、数据化和电子化实施运作的一种管理模式。
医疗大数据作为大数据中极其重要的一部分，它的应用不仅仅是医疗方面的数据信息，还包括了卫生事业、生命健康数字化存储的海量数据。 理论上，医疗健康大数据可以涉及一个国家或地区的全部医院、卫生机构和所有人群，通过医院、卫生机构日常的医疗管理、临床诊疗、病程记录、用药记录、检查检验结果记录可以采集到众多具有极高价值的医疗数据。 这些数据都是患者的真实记录，是临床留下的真实痕迹，其背后都可能隐藏着众多的有待挖掘和分析的医疗信息。
医疗大数据特点：
数据规模大，一个 CT 图像含有大约 150M 的数据，而一个基因组序列文件大小约为 750M，一个标准的病理图则接近 5GB；数据结构多样，医疗数据有各种结构化表、非结构化或半结构化文本、影像等多种多样的数据存储形式；数据增长快，服务过程中包含大量在线、实时数据处理，特别是随着技术的发展，越来越多的医疗信息被数字化；数据价值高，健康医疗大数据不仅与每个人的生活息息相关，对其有效利用更关系到国家乃至全球疾病防控、新药研发和顽疾攻克的能力；具有特有的特征，如多态性，包括纯数据、信号、图像、文字等多种形态的数据；时序性，患者的就诊、疾病的发病过程在时间上有一个进度；隐私性，健康医疗数据具有高度的隐私性，泄漏信息会造成不良后果等。
医疗健康大数据的六大类：
（一）、医院信息化HIS系统采集存储的大数据：日常的患者息管理、常规临床诊治、临床治疗活动产生的数据。
（二）、互联网医疗网站和寻医问药社交网站产生的大数据：日常网民的寻医问药和通过网络药店的购药行为等。
（三）、区域卫生服务平台医疗大数据：区域卫生机构通过计算机网络建立的区域卫生信息平台，实现数据集中管理、区域卫生信息一体化。
（四）、基于大量人群的医学研究或疾病监测大数据：除了上述原生态医疗大数据以外，另有一些医疗健康大数据来自于专门设计的基于大量人群的医学研究或疾病监测。
（五）、生物信息大数据是一类比较特殊的医疗健康大数据。这类数据生物专业性强，主要是关于生物标本和基因测序的信息。虽然在信息内容表达方式上，生物信息大数据与上述所有大数据大不相同，但它直接来源于人体生物标本，并且关系到临床的个性化诊疗及精准医疗，所以可归于医疗健康大数据一类。
（六）、基于移动医疗物联网产生的大数据：属于自我量化数据，一些慢性疾病患者通过APP上传，并交由相关移动健康服务公司进行管理，少数是病人或特殊人群根据医院的治疗或随访要求，上传到医院信息系统或区域健康服务平台并进行管理。目前在人群中只占很小的比例，数据难以代表全体人群。
医疗大数据发展存在的问题与挑战：
医疗大数据应用的热情也非常高涨，但大数据挖掘成功应用的案例还很少。其中存在的问题包括：
采集的高度复杂性：由于数据来源的广泛性，使得来自不同平台的数据结构差异变大，在数据采集的时候会延长周期，而且很难保证数据的完整性。对于医疗数据的采集如果不能做到精准、完整，会对之后的研究带来严重的后果。
机构系统、平台差异非常大大：如何整合出来进行分析处理，而又不违背法律和伦理，这也是一个巨大的障碍。
多样化：存储变得困难，在处理如此复杂的数据时难以保证处理结果的准确性，如果得到的是错误的或是有偏差的处理结果，将影响整个的数据分析判断。
隐私保护受到很大的考验：数据的存储、分析和应用过程中，都可能导致数据的泄露。 患者个人隐私信息的泄露不但会影像患者的个人安全，而且会扰乱社会秩序；一些不法分子可能会趁机通过网络平台获取医疗数据来获取利益，也会给医疗行业带来巨大损失。
机遇与未来：颠覆性的巨大变革
目前，传统医疗模式正向移动医疗模式转变，健康医疗大数据将重点在基于疗效的研究、临床数据挖掘、提升医疗数据透明度、远程病人监控、对病人档案的先进分析、利用大数据提高研发效率，会孕育出医疗服务行新的业商业模式。
清数科技项目经理 鄢民强：金融大数据体系建设
鄢民强是电子科大硕士，曾任广州杰赛科技成都运营中心主任，主攻云计算相关项目及云监控项目研发，前上海丹露电子信息科技有限公司，研发中心副总经理，负责丹露网研发工作及团队管理，主攻电商系统研发，支付业务系统。丹露目前月均交易量10亿+。以下为分享实录，有删减：
我认为，建设大数据体系有四方面的必要性：梳理数据资源，整合多源异构数据、建设⼤数据基础存储分析构架、依托数据决策，⽀撑经营管理创新、培养大数据⼈人才队伍，建设⼤数据分析能⼒。
目前，大数据在金融方面的应用，以银行为例，应用场景主要在四个方面：
其一，历史数据查询分析：如“账户交易明细查询” 思路就是以分布式存储及查询替换传统关系型数据库的分区存储及查询，数据源便是其核⼼系统，其二，报表⽣生成展示；其三，客户⾏为分析；其四，精准营销；其五，实时安全报警。
建⽴银⾏业务系统的统⼀数据分析平台，在CRM、OA、 门户⽹站、营销数据、信贷数据、交易数据、信用卡数据 、呼叫中心数据等方面提供⼤数据智能分析挖掘服务。 利用数据分析挖掘算法，对用户⾏为数据、⽤户群体分析等⽅⾯提供对应的商业分析，结合邮件、短信、线上精准推送等服务。 通过信用卡使用记录中产生的数据，针对信用卡用户的消费⾏为进⾏聚类分析，找出拥有相同特点的信用卡用户，并对他们进⾏信用评级，能够⾼效的进⾏广告和增值服务等⽅面的推荐，提高短信或者邮件推⼴的转化率。
通过信⽤卡⽤户的历史数据，包括刷卡记录、还款记录、商城消费记录等，对信用卡用户进⾏信⽤评级，对⽤户进⾏行分类：高价值用户、潜在高价值⽤户、低价值用户、恶意用户等；
⾏业监督，基于企业内外部交易和历史数据，实时或者准实时预测和分析欺诈、洗钱等⾮法⾏为，遵从法规和监管要求。 每天针对不同的分类建立不同的模型，进⾏行为评分、预测对客户营销可能性、 提前还款的可能性、坏账的可能性等。 对所有客户的交易⽇志和当前的债权状况进⾏分析、建模、及分析当前模型的精确性。
