智能大数据分析

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇智能大数据分析范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

智能大数据分析范文第1篇

【关键词】 “互联网+” 大数据 “三角服务”模型 智能医疗服务系统

在人口快速老龄化、家庭规模日益小型化和机构养老发展不足等多重因素的影响下，发展社区养老逐渐成为一种必然选择。建立起基于“互联网+”和大数据分析的社区老人智能医疗服务系统，在市区大医院、社区医疗站以及社区老年人三者之间建立起信息网络，使社区老年人的健康问题得到更好的保障。

一、系统概述

现如今，大型医院普遍存在床位紧张、人员调配效果不佳、管理体系不健全等问题。建立社区老人智能医疗服务系统是完善现有医疗体系急需解决的主要问题，同时，随着物联网技术的不断发展，将互联网与大数据分析技术用于社区医疗服务系统，已成为该方面的一项新技术。

二、技术分析

根据上述分析，需要开发一套基于“互联网+”和大数据分析的社区老人智能医疗服务系统，此系统可以最优化利用资源，帮助老人方便、快捷的解决突发状况。为满足需求，该方案需要具备以下技术：1）概率统计。收集社区老人的体温、心率等生命体征数据。以河师大社区为例，运用概率统计技术采集社区老人的生命体征数据。2）大数据分析。分析老人生命体征数据。在信息协作平台上，利用大数据分析、数据挖掘和人工智能中不确定性推理技术，对采集到的老年人信息进行分析及推断。3）互联网技术。构建“三角服务”模型。运用互联网技术，构建一个以老人为中心，社区家庭、社区医疗站、市区医院三大子系统相互连接的“三角服务”模型，实现智能管理。

三、设计方案

1、总体流程。整个医疗服务系统可分为线上和线下两种服务方式。线上：系统按照固定方案进行老人身体数据采集；线下：社区医疗站会定期派专业人士到老人家里对其进行全方位检查以及相关医疗知识的普及。

2、数据采集与处理。首先利用智能手环采集社区部分老年人的身体数据，通过社区中建立的互联网网络把数据传输到手机APP以及信息协作平台上。分析老人生命体征数据。在信息协作平台上，利用大数据分析和不确定性推理技术，对采集到的老年人信息进行分析及推断。

3、“三角服务”模型。“互联网+”社区养老中最为核心的就是系统模型的构建，运用互联网技术，构建一个以老人为中心，社区家庭、社区医疗站、市区医院三大系统相互连接的“三角服务”模型（如图1所示）。

若采集到的老人的身体数据发生了变化，则会通过报警系统反馈到社区医疗站，社区医疗站则做出最快的反应，一方面，会到老人家中对老人进行急救，另一方面，会及时将老人的存档发送给医院，并联系医院进行一系列的急救措施，从而节约了救援时间。

4、构建智能医疗服务系统。开发社区老人智能医疗服务系统。即开发一个集智能医疗设备、智能医护终端设备和带有功能模块的智能医护平台为一体的服务系统。将采集到的老人身体数据存于专门的数据库中，在信息协作平台上将社区老人、社区医疗站和市区大医院三者建立成一个相互共享的网络，实现数据信息的共享。手机APP与信息协作平台相联系，能够通过移动设备查看网络平台的信息，市区大医院的医疗系统与社区医疗站的数据库相连接，从而便于实现信息的共享。

结语：本系统是基于“互联网+”和大数据分析的社区老人智能医疗服务系统，是物联网在医疗领域的应用，目的是为社区老人提供更便捷的医疗服务。将大数据分析技术与智能医疗服务系统相结合，在概率统计的基础上，将手机APP与信息协作平台相联系，通过移动设备查看网络平台的信息，便于实现信息的共享与交流，医疗服务更趋于智能化。

参 考 文 献

[1] 赵静. 基于物网发展的智能化社区医疗服务研究[D].燕山大学，2013.

[2]潘峰，宋峰. 互联网+社区养老：智能养老新思维[J]. 学习与实践，2015，09：99-105.

[3]王蔚，邵磊，杨青. 基于大数据体系下的城市住宅区养老模式研究[J]. 住区，2016，01：35-41.

智能大数据分析范文第2篇

【关键词】人工智能 机器视觉 PCB 机器人生产线

随着《“互联网+”人工智能三年行动实施方案》的和国家对制造业的高度重视，2016年中国人工智能市场规模达到239亿，其中智能硬件平台为152.5亿，占比达到63.8%，高于86.5亿的软件集成平台。未来三年人工智能市场将迎来新兴机遇点，预计2017年产业规模达到295.9亿，2018年将达到381亿元，复合增长率达26.3%。

很显然，人工智能正处于爆发式的发展阶段，作为对于先进科技最为敏感的工业界，会有大批量的技术更新换代的需求。人工智能可以从各种方面优化制造业，提高流水线效率，精进制造工艺，解放技术工人生产力等等。人工智能的发展将会重塑万亿级别的产业，激发工业界的潜在创新能力。

1 基于计算机视觉的视觉层智能高速检测排错设备设计方案

印刷电路板（PCB）是集成各种电子元器件的信息载体，由于贴片元器件体积小，安装密度大，这就要求PCB板的集成度进一步提高。为了保证电子产品的性能，PCB板缺陷检测技术已经成为电子行业中非常关键的技术。电路板缺陷检测包括两部分：焊点缺陷检测和元器件检测，传统的检测采用人工检测方法，容易漏检、检测速度慢、检测时间长、成本高，已经逐渐不能够满足生产需要。因此，设计一种高效精准搭载工业相机以取代人眼的机器视觉电路板检测系统，具有非常重要的现实意义。机器视觉检测技术是建立在图像处理算法的基础上，通过数字图像处理与模式识别的方法来实现，与传统的人工检测技术相比，提高了缺陷检测的效率和准确度。

本系统将视觉设备设置于电子设备（如PCB板，单片机，电脑主板）安装的末端，采用高速工业摄像头，对装配好的器材进行拍照，并出传输到排错设备的主机进行高速的分析，在毫秒级单位的时间内，分析出正在检测的设备是否正确安装及正确排版等一系列视觉层可分析的错误（电容大小是否正确，排线顺序是否正确，电路板虚焊是否存在等问题）。

本系统由计算机视觉的分支：深度学习的CNN（卷积神经网络）在主板中实现，根据检测设备的不同，在前期进行大量的图片训练，调卷积神经网络各个层次之间的参数权重，构建专属的卷积神经网络。将图片转换成像素级的矩阵，并对其进行多层次卷积，得到该像素矩阵的得分函数，返回该图片的分类，确定是否为正确的组装设备，如图1所示。

2 基于视觉机器人智能生产线设计方案

建立在3D视觉引导下的，机器人与机器人间，机器人与供料机构间的定位联动系统。该系统以机器人为主体，供料机构与机器人可任意组合。采用手眼识别的定位原理，首先通过CCD摄像机、图像信号接收与A/D转换模块、图像处理模块，实现对图像信息的获取、采集、转化、分析、提取和边界特征识别，分析出供料机构的空间坐标信息，并传送给总控模块，总控模块做出智能判断并指导控制执行模块，将供料机构的坐标系与自己建立的坐标系关联。通过供料机构的电路接口与主控机器人的电路接口。

该生产线包括传送带和高精度的搬运、注胶、焊接和装配机器人等。在机械臂的末端装置CCD摄像机，使得机器人能够精准快速的查找装备目标，极大地节约设备运行效率。

使用OPENCV编译的可执行文件，对摄像机传输回处理器的图像进行，线性切分，转换像素矩阵，灰度化图像。并在毫秒级环境下，准确提取图片特征，对图片进行分析，找到操作点。

各功能机器人实现联动工作，生产线传送带将空壳体传送至该工位，装配机器人通过视觉设备将壳体固定于装配工位，并根据视觉系统的分析，准确的将零件逐一安装在壳体上，而后通过传送带将其传送至打螺丝工位，打螺丝机器人，通过视觉设备快速定位螺丝口，快速精准选取所对应的的螺丝，从而实现高度智能化，自动化。然后螺丝振动盘上抓取螺丝安装于壳体上，并进行固定；完成安装后传送带将壳体运送到下一个工位。

3 基于大数据深度挖掘的工业智能脑决策系统

随着大规模定制和网络协同的发展，制造业企业还需要实时从网上接受众多消费者的个性化定制数据，并通过网络协同配置各方资源，组织生产，管理更多各类有关数据。

本系统构建了基于大数据深度挖掘及潜在价值分析的智能决策模型，定义为数字工厂智能脑模型，系统体系由以下四个方面组成。

（1）数据流收集系统。数据从设备不同的传感器生成后被通过网络传输到生产商的服务器上。

（2）数据丰富系统。利用其他外部数据来丰富已有的机器日志，比如说人口数据，地址数据。

（3）变量生成系统。在一段时间内，为每个测量值，每台设备生成几千个变量特征的范式。

（4）机器学习系统。具有预测力的变量被自动选择，分类模型已经建立创建完成，并用于后期收集的数据。

（5）商业行动系统。生产商以及销售网络可以执行或者建议对高风险机器进行预防性维修，如图2所示。

4 结束语

人工智能在国内外处于一个黄金阶段且正在高速发展，但国内的发展相对滞后，本文旨在电子行业首创运用AI技术，实现作业机器人与智能视觉的协同，利用大数据分析平台，指导企业的生产优化，对电子行业的智能化发展具有一定的指导作用。

参考文献

[1]丁林祥.电子制造业机器人智能化解决方案[M].北京：机械工业出版社，2016（06）.

[2]吴云峰，邱华，胡华强.面向设计与制造的数字化工厂平台[J].中国制造业信息化，2011（01）.

智能大数据分析范文第3篇

[关键词]Hadoop;大数据;分布式计算;HDFS;MapReduce

doi：10.3969/j.issn.1673 - 0194.2015.20.032

[中图分类号]TP308;TP311.13 [文献标识码]A [文章编号]1673-0194（2015）20-0041-01

1 大数据

大数据需要新处理模式才具有更强的决策力、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。大数据的核心是预测，它把数学算法应用到海量数据上来预测事件发生的可能性。大数据同时意味着思维的变革：①小数据分析的是随机样本，而大数据分析的是全体数据，全面展示样本无法表达的细节信息;②小数据分析追求精确性，而大数据分析具有混杂性，这意味着大数据的简单算法比采样数据的复杂算法更有效;③小数据分析关注因果关系，而大数据分析更关注相关关系，通过分析事物之间的关联性，来预测事件的发展趋势。

2 Hadoop大数据平台

Hadoop是Apache的开源分布式计算平台。受Google大数据论文的启发，Doug Cutting用JAVA实现了以MapReduce和HDFS为核心的Hadoop，并将源代码完全贡献出来。Hadoop充分发挥集群的计算和存储能力，快速完成海量数据的处理。Hadoop采用分布式存储来提高读写速度和扩大存储容量;采用MapReduce整合分布式文件系统上的数据，实现数据高速处理;采用存储冗余数据来保证数据的安全性。

2.1 HDFS

HDFS是基于流模式访问和处理超大文件的需求而开发的，它可以运行于廉价的商用服务器上，HDFS的主要特点有以下3个方面。①处理超大文件：在实际应用中，HDFS已经能够用来存储管理PB级的数据了。②流式访问数据：请求读取整个数据集要比读取一条记录更加高效。③运行于廉价的商用机器集群上：HDFS对硬件要求较低，无需昂贵的高可用性机器。

HDFS体系结构中有两类节点：NameNode和DataNode，NameNode负责管理集群中的执行调度，DataNode是具体任务的执行节点。当执行任务时，客户端访问NameNode获取文件数据信息，与DataNode进行交互以访问整个文件系统。HDFS向用户提供类似POSIX的文件接口，开发者在编程时无需考虑NameNode和DataNode的实现细节。

2.2 MapReduce

MapReduce是Google公司的核心计算模型。在Hadoop中，用于执行MapReduce任务的机器有两种角色：JobTracker和TaskTracker，一个Hadoop集群中只有一个JobTracker，用于任务管理和调度。一般来说，为了减轻网络传输的压力，数据存储在哪个节点上，就由哪个节点进行这部分数据的计算。JobTracker监控任务运行情况，当一个TaskTracker出现故障时，JobTracker会将其承担的任务转交到另一个空闲的TaskTracker重新运行。TaskTracker用于执行具体的工作。

3 大数据在智能电网中的应用构想

通过Hadoop大数据平台，技术人员可实时观察到全网范围内的电能流动状态、电能负载热区、设备故障高发区和客户集中区等数据，实现更加智能化的电网。具体包括以下4个方面。

3.1 电网数据可视化

在未来智能电网中，通过大数据分析融合调度、配电、输电、发电和用电客户数据，实现实时和非实时数据的高度信息化集成，通过实时可视化运算分析，全面展示完整和精细的电网运行状态图，为管理层提供辅助决策支持和依据。

3.2 电网负载趋势预测

在未来智能电网中，通过大数据分析电网负载的历史数据和实时数据，展示全网实时负载状态，预测电网负载变化趋势，通过现代化管理技术的综合应用，提高设备的使用效率，降低电能损耗，使电网运行更加经济和高效。

3.3 设备故障趋势预测

在未来智能电网中，通过大数据分析电网中部分故障设备的故障类型、历史状态和运行参数之间的相关性，预测电网故障发生的规律，评估电网运行风险，开展实时预警，提前做好设备巡检和消缺工作，为电网安全稳定运行保驾护航。

3.4 客户电力需求预测

在未来智能电网中，通过大数据分析电网客户的用电数据，预测区域用电和大客户用电需求变化趋势，针对客户需求提前制订高质量的服务计划，提升社会满意度。

4 结 语

Hadoop充分发挥集群的计算和存储能力，完成海量数据的实时处理。在未来的智能电网中，大数据分析可以应用到电网运行全景可视化、电网负载预测、设备故障趋势预测和客户需求趋势预测等需求，充分挖掘海量数据的价值，为智能电网提供技术参考。

智能大数据分析范文第4篇

智慧油田是在数字油田的基础上，以大数据技术为核心，以降低成本，安全、环保地提升油气产量为目标，实现油田的勘探开发、油气生产、资产管理、流程再造等环节的科学化、透明化及智能化。

【关键词】智慧油田 大数据 应用

随着时代的发展，互联网与信息行业不断地进步，大数据分析的应用越来越广泛。随着国际油价持续低迷，石油企业利润大幅降低， 以降低成本，安全、环保地提升油气产量为目标，实现油田的勘探开发、油气生产、资产管理、流程再造等环节的科学化、透明化及智能化，成为石油行业信息化发展新的突破点。

1 大数据技术与大数据应用

1.1 大数据技术

大数据分析就是在信息网络技术以及科学技术的基础上，经过多元化的渠道与途径，对大量的数据进行收集、归纳、整理，进而形成具有庞大信息数据的体系。随着社会经济的快速发展，科学技术的不断创新，大数据与传统的数据分析存在明显的差异，这主要表现在数据信息量、数据结构、数据分析的方式等几个方面，数据的储存量变大了，传统的数据存储空间已经不能满足现在信息量，在数据信息量增加的过程中，数据处理模式也在不断地变化中，将大量的数据作为新的资源来源方式，大数据分析具有更强的灵活性，可以因时而变。

1.2 大数据特点

大数据具有较强的规模性、数据处理速度高、处理方式多样等特点，迅速成为信息领域颠覆性技术之一。数据处理量大、数据种类多、价值密度低、数据处理速度快是大数据分析的主要优点，这不仅改变了人们生活以及工作的方式，也推动了各行各业的发展。大数据时代有三大转变：

（1）可以分析更多的数据，可以处理和某个特别现象相关的所有数据，通过更高的精确性能够发现更多的细节。

（2）大量的数据分析处理，适当忽略微观层面的精确度，能够带来更佳的分析结果和更大的利益价值。

（3）无需挖掘因果关系，而是更注重事物之间的相关关系。大数据打破了传统数据的边界，改变了以往大多数依靠行业内部业务数据的局面，充分利用了数据资源，不仅包括企业内部数据，也包括企业外部数据，尤其是和消费者相关的数据。

2 大数据在石油行业的应用场景

在石油行业的上游和中游应用大数据分析结构化及非结构化数据具有十分重要的意义。对石油开采过程中产生的数据多维度的深入分析，将有助于快速发现石油、降低生产成本、提高钻井安全性、增大产量等。大数据将在下列石油生产领域应用发挥巨大作用。

勘探：通过应用先进的数据，比如模式识别，在地震采集过程中得到一个更全面的数据集，地质学家可以识别在使用大数据之前可能被忽略了的潜在的富有成效的地震数据。

开发：大数据分析可以帮助石油天然气公司评估生产过程。这些分析涉及到地理空间信息、信息推送、油气信息报道等可以让集团可以更智能的开发油气水井、更富有竞争力的领域发挥大数据分析的作用。

钻井：除了基于有限的数据来进行监控和告警，大数据分析可以使用真正的实时“钻井大数据”来基于多个条件异常或预测钻井成功的可能性。

生产作业：提高采收率是很多石油天然气生产公司的目标。大数据可以同时使用地震、钻井和生产数据，将储层的变化情况实时的提供给储层分析工程师，为生产人员提供举升方法改造方案。大数据也可以用来引导页岩气压裂。

维护：预测性维护对于油气田公司来说已经不是一个新的概念了。但是它并没有得到应有的关注和预算。在上游生产过程中，如果压力、体积、温度可以被一起采集和分析，并且与以往的设备损坏历史数据进行比较，那么预测就是可以自动化的。在中游输油管道的情况也是类似的。这种方法在需要探测故障，尤其是故障会影响健康，安全和环境的时候显得尤为必要。

3 典型应用

3.1 智能化井场

在井口部署单井综合测控柜和压力、温度等多种传感器，实现单井生产参数的采集以及对抽油机的远程启停及变频控制。井场所有数据上传至中心控制室的采集服务器显示、存储及应用，从而实现对单井生产全过程、全天候的远程管理，实现无人值守，井场只需要定期巡检。单井综合测控柜主要针对油井、气井、水井等目标实施智能监测和远程控制。本产品主要实现油井采集示功图、载荷、回压、井口温度、电流、电压有效值、有功功率、无功功率、功率因数、上下冲程最大电流值、上下冲程功率、平衡率、日用电量、累计电量、冲次、系统状态与采集时间等数据；远程控制抽油机的启停。另外，在每座井场内边缘树立监控杆，杆上安装红外一体化摄像机和无线传输设备，实现井场视频图像的采集；监控中心通过视频服务器实现井场视频图像的远程监视、管理、储存和控制。

3.2 油气生产物联网

油气生产物联网是通过部署井场数据采集、远程控制、智能视频监控系统，实现对各类生产井、站、管线的全过程、全天候、全业务、全覆盖，达到对井场自动感知、无人值守、重点巡查、组织维修的效果，实现提高劳动生产效率和安全生产的目标；对参与油馍产的各类资源（人员、设备、仪表等）形成实时管控；构建扁平化综合管理平台，减少管理层级，应用先进、综合技术手段提高管理实效。目前，华北油田油气生产物联网已建成了近2000口油井的数字油田；在山西晋城成功建成了我国第一个数字化、规模化煤层气田；在长庆苏里格气田建成了新一代天然气生产自动化测控系统，实现了远程24小时不间断对各类井站进行可视化监控、生产数据自动录入、远程设备控制、报表自动生成、远程批量启停单井、自动巡井等一系列操作及管理。

随着信息通信技术发展积极累至今，大数据作为新发明和新资源，正通过不断的技术创新和发展，让我们有机会更加深入走进信息社会，正在逐渐改变我们的生活方式和思维模式，其所带来的巨大价值正被人们认可，而且在社会整体建设中的信息孤岛现象将大幅消减，数据共享将成为可能，大数据的发展，有利于提高科学决策能力，有利于管理模式的改变，有利于节约社会资源和成本，提升公共服务保障能力。

参考文献

[1]李金诺.浅谈石油行业大数据的发展趋势[J].价值工程，2013（29）.

[2]宋亚奇，周国亮，朱水利.智能电网大数据处理技术现状与挑战[J].电网技术，2013（04）：927-935.

[3]翟淑伟，石奇光，杨燕玲，等.火电厂运行状态监测数据挖掘技术综述[J].华东电力，2012（02）：29-295.

智能大数据分析范文第5篇

三年前从阿里离开、创立同盾科技以来，蒋韬近段时间感受到了前所未有的压力和机会――“宏观经济下行，各机构都在加大防控金融风险，各行业对大数据的需求倍增”。

2016年12月，中央经济工作会议提出，要把防控金融风险放到更加重要的位置，下决心处置一批风险点。

出身大数据风控和反欺诈的同盾，也由此迎来了高速扩张期。自然，蒋韬加班的时间也在倍增。

截至2017年1月，同盾提供服务的各类机构已近6000家，主要分布在风险集中区的互联网和金融行业，合作银行近100家，其风控云系统累计实时处理100亿+场景化数据，俨然成为行业“独角兽”。其跨行业联防联控、建立智能诚信网络的大数据风控理念，或为我国金融系统乃至全社会信用体系的建设，提供有益参考。

那么，金融风险当前，这类大数据公司能为金融稳定、经济发展带来怎样的契机？

“我们会‘三步走’――从反欺诈到信用建设，再到智能数据分析。”蒋韬的布局，是最终成为一个给各行各业提供大数据分析能力的基础服务商，包括为信用体系、公共交通、物联网等诸多领域提供大数据分析解决方案，而近三年，会专注大数据防控风险，切实提升企业的风控运营效率。

大数据风控

《财经国家周刊》：大数据概念异常火爆，各领域纷纷试水。你从事大数据产业多年，如何描绘产业发展图谱？

蒋韬：在我国，与大数据相关的机构多达数千家，整个产业链可分为三个层面：

第一层即基础层，主要是数据源和基础设施。

第二层是赋能大数据分析技术的机构。包括从事图像分析、视频分析、数据可视化、文本分析等公司，也包括提供基础算法框架、基础数据库等能力的公司。

再上一层，是数据应用公司，如提供舆情监测、精准营销、金融风控、智慧城市等服务的机构。

同盾就是典型的数据应用公司，以数据分析来为客户量身定做解决方案。

《财经国家周刊》：当前，中央高度重视防控金融风险，大数据技术逐渐成为防风险的有效手段。那么，同盾这样的大数据公司如何发挥作用？

蒋韬：同盾这样的大数据公司，能帮助一批新金融机构降低因欺诈、信用违约导致的坏账风险。

防控风险已成为2017年金融系统工作的重中之重。金融风险主要包含市场类风险如流动性风险，操作类风险和信用类风险。尤其是尚不具备银行风控水平的新金融机构，这几类风险均是致命的。对它们的关注点应该在于两方面：一是关注企业自身经营类风险;二是帮助这些新金融机构识别个人欺诈风险和信用风险。

这第二点，正是大数据要解决的问题。成立三年多以来，同盾服务了大量新金融机构，帮助其风控水平上了一个台阶。例如，部分消费金融公司与同盾合作前后的坏账率，从20%-30%降到了5%-8%。

《财经国家周刊》：不仅是新金融，银行等传统金融机构同样面临风险难题。大数据公司怎样助力银行风控？

蒋韬：传统金融机构利润高歌猛进的时代已经结束，纷纷向零售业、小微企业等“薄利多销”的领域进军。而这些领域，是高风险领域，需要精细化的风险管理能力。

一方面，银行要同时面对同业竞争以及第三方支付、网贷等新金融机构的竞争，面临传统银行客群分流、金融脱媒以及产品创新难、获客难、风控难等挑战。

另一方面，金融领域的电信诈骗、网络诈骗等风险愈加复杂，已经在全球形成庞大的千亿级地下黑产，欺诈分子已经团伙化、专业化、地域化。 Y韬

同盾作为专业的大数据风控机构，努力打通行业间数据孤岛，通过设备指纹、复杂网络等专业技术、行业化的风控策略和模型、全局跨行业大数据，精准识别欺诈分子和行为，提供行为关联和欺诈分子画像，为银行提供贷前准入的反欺诈服务，同时，同盾也利用大数据的能力帮助银行做贷中、贷后监控和管理，以及贷后数据服务。

我们还与电信运营商、航旅等跨行业第三方数据源合作，为银行直销银行、企业信贷、信用卡渠道拓展、个人信贷和消费金融等业务，提供全面风控能力。

很明显感觉到，2016年前后，银行对大数据风控的需求陡增，纷纷成立消费金融公司和个人零售部门、网络金融部门，将传统信贷场景化、细分化、线上化，传统的风控手段已无法满足新业务需要。

从反欺诈到智能数据分析

《财经国家周刊》：同盾创立之初便提出“跨行业联防联控”，目前这一格局搭建得如何？数据获取、分析、管理具备怎样的系统性能力？

蒋韬：同盾覆盖客户近6000家，要通过联防联控建立“智能诚信网络”，通过对人与人、企业与人之间的关联分析，抓出团伙欺诈等各种风险。

例如，我们公司大屏幕上有一面中国地图，能够动态展示近期全国车贷领域的个人欺诈情况。这就能充分展现大数据的感知和预测能力，能给放贷机构提前预警，是传统金融机构在数据分析上的盲区。目前，我们这项预警能力已经覆盖的领域，包括车贷、网贷、消费金融和银行信用卡等。

与大部分同业机构不同，同盾不仅服务金融机构，还为非银行信贷、保险、基金、第三方支付、航旅、电商、O2O、游戏、社交平台等行业服务，甚至能揪出婚托、酒托、网购差评师等一系列“坏人”，构建跨行业联防联控的系统性能力。

上述机构反馈回来的各种信息，均可纳入同盾的产品体系，成为智能诚信网络的一部分。当前，国家发改委正在牵头我国社会信用体系建设，我们期待能够为此尽绵薄之力。

《财经国家周刊》：我国经济下行承压，大数据能带来哪些积极作用？

蒋韬：大数据对于经济结构调整的重要性在于两方面――防控风险和提升效率。

例如，银行信用卡部门反映，很多信用卡几年后就“沉睡”了，只能通过大数据来分析用户的职业、购物习惯等信息，挖掘客户需求来盘活“沉睡卡”，同时为银行网上商城导入流量，实现大面积的消费升级，为经济发展提供持续动力。

再例如，未来可利用机器学习、智能分析的技术帮助保险行业提升效率，不但解决理赔、反欺诈等问题，还能为保险产品做精准定价。

大数据的便利无处不在。这种来自于底层的技术推动力，能够帮助顶层设计克服掉诸多障碍，助力政策落地。