大数据调研报告 篇1

大数据审计调研报告

胡泽君审计长曾多次强调指出，要积极推进大数据审计，坚持科技强审，通过信息化、数字化，努力提高审计监督的质量和效率。新形势下，审计工作特别离不开大数据的支撑，利用大数据进行审计，或将成为审计机关应对复杂社会经济管理形势、提升审计工作质量的重要手段。以“金审工程”为基础的审计信息系统经过多年的建设发展，目前正逐步建立和完善。同时，在政府各部门中社会保障大数据既具有较高的完整性，也兼具较高的准确性。这些得天独厚的条件，不仅使审计对“大数据”监督管理成为可能，更为实施以“大数据”为基础的审计“全覆盖”奠定了基础。

一、大数据技术在财政审计方面的运用

（一）运用大数据开展财政审计是时代发展的必然要求。大数据不仅是信息技术的重大进步，更是发展理念的重大创新，对经济社会发展起到重要作用，对与数据密切相关的审计工作也必将产生深刻影响。当前，财政、税务、人民银行等部门普遍进行信息系统建设，财政部门开展的“金财工程”覆盖财政收支管理的业务应用系统，涵盖了预算管理、国库集中收付等业务，对财政部门的审计单位信息化的发展，迫切要求运用大数据开展财政审计。

（二）运用大数据开展财政审计是推动完善国家治理的迫切需要。财政审计的范围突破了传统的财政收支概念，囊括了政府性收支的全部内容。全口径预算的审查监督付诸实施，如何在有限的时间内查找和发现问题，运用大数据开展财政审计成为推动完善国家治理的迫切需要。

（三）运用大数据开展财政审计是财政精细化管理的要求。在精细化管理要求之下，财政预算审查、预算执行差异分析、预算与决算的对比分析都是使用系统大数据来完成的。相应地，财政预算执行审计要实现全口径分析，必须使用系统数据。如利用国库支付系统的数据，通过对指标来源、资金性质、资金流向的跟踪分析，实现所有财政资金全过程跟踪审计。（四）大数据审计现在的运用情况。按照^的要求，建立了财政数据定期报送机制，每半年收集一次财政数据，并对收集的数据进行整理，生成审计人员可以使用的标准表。财政科联合信息科，对预算编报系统、预算指标系统、非税征管系统、决算编报系统等的财务和业务数据，集中进行多系统关联、大数据比对。将数据分析形成的审计中间表和疑点表作为重点进行审计，提高了效率和增强指导性。审计结束后，强化经验总结，形成数据采集转换指南，归集整理形成财政大数据审计模型方法体系表，为进一步深化大数据审计积累经验。

二、社保审计大数据信息管理现状

三、大数据审计发展方向 面对大数据时代对审计工作带来的挑战，审计方式和途径将实现以下四个方面的转变。

（一）应用大数据分析技术，实现审计方法从数据验证性分析向数据挖掘性分析转变。

传统的计算机审计，是通过电子数据采集转换对数据进行验证，通过构建查询分析、多维分析等方法模型进行数据分析，而应用大数据分析技术，则能够使审计数据分析逐步由传统的验证性分析向挖掘性分析转变。挖掘性分析是指采用大数据处理技术，利用数据仓库、数据挖掘和模型预测工具进行审计分析，从大量数据中发现蕴涵的数据模式和规律。

（二）应用大数据分析模式，实现审计方式从发现问题向风险预警转变。

传统审计工作以发现问题为主，对经济形势进行预测分析，因而须等到相关事件发生并且形成一定规模后，再根据搜集到的足够数据进行分析研究，具有滞后性。而大数据技术可通过对跨领域的大规模经济、社会行为数据进行分析，对经济社会相关异常动态实现早期关注，利用其对异常数据的敏感性实现早期预警。审计可以运用大数据相关技术，对宏观经济社会风险问题展开初步分析。（三）应用大数据审计作业平台，实现单机审计向云审计转变。

大数据调研报告 篇2

大数据技术市场调查报告：“BigData浪潮”迫使企业做出抉择

数据中心浪潮数据挖掘数据分析大数据

摘要：大数据时代的数据格式特性 首先让我们先来了解一下大数据时代的数据格式特性。从IT角度来看，信息结构类型大致经历了三次浪潮。必须注意这一点，新的浪潮并没取代旧浪潮，它们仍在不断发展，三种数据结构类型一直存在，只是其中一种结构类型往往主导于其他结构： 结构化信息这种信息可以在关...根据IDC的调查报告预测到2020年全球电子设备存储的数据将暴增30倍，达到35ZB（相当于10亿块1TB的硬盘的容量）。大数据浪潮的到来也为企业带来了新一轮的挑战。对于有准备的企业来说这无疑是一座信息金矿，能够合理的将大数据转换为有价值信息成为未来企业的必备技能。恰逢此时，CSDN专门针对企业相关人员进行了大规模问卷调研，并在数千份的调查报告中总结出现今企业大数据业务的现状。在此我们也将调研结果展示与此以供大家参考。

大数据时代的数据格式特性 首先让我们先来了解一下大数据时代的数据格式特性。从IT角度来看，信息结构类型大致经历了三次浪潮。必须注意这一点，新的浪潮并没取代旧浪潮，它们仍在不断发展，三种数据结构类型一直存在，只是其中一种结构类型往往主导于其他结构：

企业内部大数据处理基础设施普遍落后

从调查结果可以看出，接近50%的企业服务器数量在100台以内，而拥有100至500台占据了22%的比例。500至2000台服务器则占据剩下的比例。可以看出面对大数据现今大部分企业还没有完善其硬件基础架构设施。以现阶段企业内大数据处理基础设施的情况来看50%的企业面临大数据处理的问题（中小企业在面对大数据的解决之道应遵循采集、导入/处理、查询、挖掘的流程）。

但这只是暂时状况，“廉价”服务器设施会随着企业业务的发展逐渐被淘汰出历史的舞台，在未来企业基础架构体系的硬件选用上，多核多路处理器以及SSD等设备会成为企业的首选。Facebook的Open Compute Project就在业界树立了榜样，Open Compute Project利用开源社区的理念改善服务器硬件以及机架的设计。其数据中心PUE值也是领先与业内的其他对手。

而在具有大数据处理需求的企业中的日数据生成量在100GB以下，日数据生成量100GB到50TB占据了，而令人惊讶的是，日数据生成量50TB以上也有的份额。数据量持续的增长，公司将被迫增加基础设施的部署。专利费用将一直增加，而开源技术，则省了这笔一直持续的专利费。对于急需改变自己传统IT架构的企业而言，传统的结构化数据与非结构化数据的融合，成了所有人关心的问题。

企业面对大数据处理的挑战与问题

现今大数据呈现出“4V + 1C”的特点。既Variety：一般包括结构化、半结构化和非结构化等多类数据，而且它们处理和分析方式有区别；Volume：通过各种设备产生了大量的数据，PB级别是常态；Velocity：要求快速处理，存在时效性；Vitality：分析和处理模型必须快速变化，因为需求在变；Complexity：处理和分析的难度非常大。

从图中我们可以看出资源利用率低、扩展性差以及应用部署过于复杂是现今企业数据系统架构面临的主要问题。其实大数据的基础架构首要需要考虑就是前瞻性，随着数据的不断增长，用户需要从硬体、软件层面思考需要怎样的架构去实现。而具备资源高利用率、高扩展性并对文件存储友好的文件系统必将是未来的发展趋势。

应用部署过于复杂也催生了大数据处理系统管理员这一新兴职业，其主要负责日常Hadoop集群正常运行。例如直接或间接的管理硬件，当需要添加硬件时需保证集群仍能够稳定运行。同时还要负责系统监控和配置，保证Hadoop与其他系统的有机结合。

而多格式数据、读写速度（读写速度是指数据从端点移动到处理器和存储的速度）以及海量数据是企业面临大数据处理急需解决的技术挑战。众所周知随着大容量数据（TB级、PB级甚至EB级）的出现，业务数据对IT系统带来了更大的挑战，数据的存储和安全以及在未来访问和使用这些数据已成为难点。同时大数据不只是关于数据量而已。大数据包括了越来越多不同格式的数据，这些不同格式的数据也需要不同的处理方法。充分利用有用的数据，废弃虚伪无用的数据，是数据挖掘技术的最重要的应用。

企业内部数据分析与挖掘工具应用现状

大数据调研报告 篇3

大数据在未来发展中的应用

第一方面：客户分析。客户分析主要分为个人客户分析和企业客户分析。个人客户分析包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户分析包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。比如：

（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；

第二方面：精准营销。

（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户刷卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；

（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；

（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；

（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。

第三方面：风险管控。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。

第四方面：运营优化。

大数据调研报告 篇4

蓝皮书旨在描述当前中国大数据在相关行业及典型代表企业应用的状况，分析当前大数据应用中存在的问题和制约其发展的因素，并根据当前大数据应用的实际情况，对其未来发展趋势做出研判。

蓝皮书认为，从应用的角度看，大数据并非一个全新的产业，而是与已有产业融合，对已有模式的改造、升级和替代。制约大数据发展的往往并不是大数据本身，而是大数据所应用的行业和领域原本存在的问题，如行业管制、行政垄断、要素不能自由流动，等等。因此，推动大数据应用的发展，需对不当的行业管理模式进行改革，对既有利益格局进行调整。即便在企业内部，大数据应用也不仅仅是个技术问题，而且是涉及业务流程重组和管理模式变革的问题，是对企业管理能力的一个考验。

大数据应用的三个关键点

大数据应用的三个关键点是数据从哪里来？数据怎么用？成果谁买单？ 数据从哪里来？

数据怎么用？

数据怎么用是我们评价大数据应用的第二个关注点。《大数据纲要》规划了许多大数据应用领域和方向，包括公共部门和产业领域，实际上是提出了许多需要大数据解决的问题或期待大数据完成的任务。如何解决这些问题，如何把数据资源转化为解决方案，实现产品化，这是我们特别关注的问题。大数据只是一种手段，并不能无所不包、无所不用。我们关注大数据能做什么、不能做什么，现在看来，大数据主要有以下几种较为常用的功能。

识别。在对各种因素全面追踪的基础上，通过定位、比对、筛选，可以实现精准识别，尤其是对语音、图像、视频进行识别，使可分析内容大大丰富，得到的结果更为精准。

画像。通过对同一主体不同数据源的追踪、识别、匹配，形成更立体的刻画和更全面的认识。对消费者画像，可以精准推送广告和产品；对企业画像，可以准确判断其信用及面临的风险。

提示。在历史轨迹、识别和画像基础上，对未来趋势及重复出现的可能性进行预测，当某些指标出现预期变化或超预期变化时给予提示、预警。以前也有基于统计的预测，大数据大大丰富了预测手段，对建立风险控制模型有深刻意义。

大数据调研报告 篇5

2015年大数据发展情况调研报告

2015年大数据发展情况调研报告 一、发展现状

（三）民生服务领域发展步伐加快。积极推进教育、卫生、环保、农牧业等领域信息化平台建设工作。持续开展“三通两平台”工程，目前156所学校及相关 教育部门共计200多个单位已实现互联互通；搭建了区域卫生信息协同平台，累计为全盟95万城乡居民建立了健康档案，为全盟37个苏木乡镇卫生院和10个 社区卫生服务中心建立了医院信息管理系统，为242个嘎查村卫生室安装使用了嘎查村卫生室信息系统，实现了基本医疗、基本公共卫生和基本药物的电子化管 理；建成了污染源在线监控平台、空气质量自动监测系统、重污染天气预报预警系统、机动车尾气检测机构在线监控平台，形成了对全盟重点污染源的在线监控；建 立xxxx羊肉全产业链追溯体系综合服务平台，将肉羊养殖、屠宰加工、精加工、物流配送、销售五个环节信息集成，目前已累计为7413户牧户的161万只 羔羊建立可追溯档案，基本实现了“来源可追溯、去向可查证、责任可追究”。

（四）经济运行管理领域发展初具规模。为更好地监管市场，食药工商局为107192户市场主体建立电子档案信息。建立企业信用公示平台，截至10月，全盟已对90591户企业信用信息进行备案，备案率为。建设xxxx盟金财一期工程，覆盖所有财政性资金，辐射各级财政部门和预算单位，进一 步提高财政资金分配和使用的安全性、规范性和有效性。

二、存在问题

（一）数据共享程度低。全盟大数据建设缺乏统一规划和有力的领导，各个委办局信息系统基本都属于独立纵向系统，数据平台并未实现横向互通；数据资源整合力度不够，共享程度低，政府部门间重复建设现象严重。

（二）建设缺乏统一标准。目前，各平台数据采集的基本要素、数据的来源、数据采集的方法及要求没有统一标准，导致产生“信息孤岛”。

大数据调研报告 篇6

大数据中心选址调研报告

一、数据中心概念

大数据中心，是指服务于大数据存储、挖掘、分析和应用的数据中心。大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。目前我国的数据中心总数已接近100万。

二、行业分布

三、发展前景

四、选址要素

通常情况下，如果数据中心用户单独自建用户站，可选择的电压等级有以下几种： a)380V:适合于小型数据中心，不在考虑范围内

b)10KV：适用于两路市电进入用户站的总容量不超过20MVA的容量项目；即，每一路10KV市电进线容量不超过10MVA；当用户的进线容量需求超过这个范围时，可以考虑多路10KV进线的方式。对于数据中心的安全等级要求超过TIER2以上级别时，两路、或多路10KV进线应来自不同上级变电站，或同一变电站的不同的变压器。（目前，国内数据中心用户最多选用的一个电压等级。全国各个省市在具体设计和管理上略有不同。）

c)35 KV：不是所有地方都有该电压等级，在已有的可以选用的35 KV用户站中，其每一路的容量一般不超过20MVA d)110 KV：当用户的单一回路用电负荷超过20MVA级别时，需要考虑110 KV变电站，或66 KV变电站（在我国部分地区有分布）。^在中国采用大工业用电方式计费时，要按照变压器的装机容量记收基础电费（或按照最大装机容量记收基础电费），对于冗余度要求高的数据中心，如TIRE3或以上级别，需要双路市电供电，双路变压器设计的数据中心，过高的变压器装机量冗余度，将使得数据中心本身的基础电费成本过高，在单一回路市电需求功率30MVA以上级别时，尽可能独立考虑独立的110 KV变电站。