当今的中国从来不缺数据，但目前，该领域还仅仅局限在数据的展示，数据的可视化方面。数据挖掘分析还相当薄弱，处于“婴儿期”的状态。数据分析能力与世界发达国家的水平相比差距在拉大，并不是在缩小。这个过程需要整个互联网产业界，包括政府，包括学界，包括企业，大家共同努力打开大数据的黑匣子，真正实现让大数据”唯你所用“！

Big Data 转换成Big Insight

使用大数据分析技术，包括认知计算，将Big Data通过采用Big Analytics，最终产生Big Insight。Insight才是真正对于企业用户、政府更关心的，通过这些Big Insight，通过大数据分析得出的结果可以指导我们更有针对性的解决问题。

作为认知计算的引领者，四年前，IBM沃森在《危险边缘》(Jeopardy!)节目的一场特殊竞赛中彻底击败两名极为聪明的真人选手，2014年，IBM投资10亿美元成立Watson集团。此后IBM一直不懈地努力将沃森集成到企业的应用中。

同年，IBM高级副总裁Bob Picciano在美国拉斯维加斯召开的2014年IBM Insight 峰会上就表示，“大数据及其实时分析技术将催生一个洞察经济时代的来临”。 所谓“洞察经济”，即因为技术的成熟，企业应用数据分析将会大大增进企业对其业务、趋势、消费者、行业等方面的了解和洞察，从而应用这些洞察力优化企业运营，甚至改造企业原有的商业模式。在“洞察经济”当中，IBM将其定位为技术提供者、赋予能力者和顾问者的角色。

时隔一年，主题为“主导这一刻”的IBM Insight 2015大数据分析峰会在京隆重举行。本着‘在中国、为中国、与中国’的承诺，让我们见证了IBM与中国的合作伙伴在大数据领域的众多举措。

正如IBM大中华区首席执行总裁钱大群先生在致辞中所讲的：“去年是 IBM 中国公司成立三十周年，IBM 在中国启动了新战略，那就是“与中国同创”，从made for China 到made with China。大数据是中国走向工业 4.0 强有力的引擎，IBM仍将与各位前瞻者同行、与中国同创新的辉煌。未来，IBM会有40亿美金继续大幅度投资战略新兴领域，包括数据、云计算、移动互联、社交、信息安全等方面。真正实现IBM的脱胎换骨，希望在中国或者任何地方，我们变成一个“唯您所用”的公司。公司的定位是透过科技转型能力，提升企业的能力，使得数据变成Insight唯你所用。”

“双计划”布局大数据生态圈

“U100百校支持”计划和“百企大数据A100”计划，成为IBM在大数据领域布局的两大举措，两者相辅相成，缺少其中的任何一个都无法准确阐释IBM在大数据生态圈的战略部署。

目前，IBM已经在大数据的投入已经超过250亿美元，拥有超过1万名数据分析咨询师，400多名数学家，IBM每年都会新产生500多个与分析预测相关的专利，在三大洲共拥有9个分析解决方案中心，其中，中国西安实验室着力分析领域的研发，以SPSS为核心发展为全球分析软件实验室。位于中国的IBM中国开发中心和IBM中国研究院为IBM与中国企业和合作伙伴的合作提供重要的支持。在全球拥有超过40000个客户和6000个行业解决方案合作伙伴，积极建设良好的大数据生态环境，并积极推进大数据教育的发展。

“U100百校支持”计划回顾

“U100计划”是在2014年发布的，在这项合作计划中，IBM 将向 100所中国高校捐赠一系列价值 1亿美元的大数据及分析软件，并提供专业知识，支持这 100所中国高校培养下一代数据科学家。截止到目前，已经跟中国28所大学签署了大数据人才培养中心的合同，也完成了软件的捐赠。据IBM大学合作部总经理管连先生介绍，到2015年底将完成60所中国大学的建设工作目标。

基于该计划，将会选出30个方向来建立大数据机分析的专业方向，鉴于所在行业方面的特点，将与5家合作伙伴共建大数据及分析的卓越中心。从而实现“通过人才梯队的培养，生态圈的建设，为中国整个围绕大数据构建的产业出一份力”的终极目标。能够真正和IBM的业务合作伙伴合作，解决一些商业的痛点，应对行业的需求。

对此，外经贸大学商学院的汤谷良院长给出了这样的评价：“U100非常正确，它搭起了企业、高校、社会的平台，它应该给社会引导力的概念，而不是支离破碎的概念。我非常欣赏并支持该计划，商学院将极力做好这件事情。”

“百企大数据A100”计划开启

为了推进大学与企业合作，探索如何应用大数据提升企业营销效率，IBM与香港中文大学市场学系、对外贸易大学国际商学院、西南交大经济管理学院等联合宣布推出“百企大数据A100”计划（以下简称“A100计划”）。该计划，将使“U100计划”培养的人才迅速走向市场、走向行业。目前，该项目已全面启动，并计划分三期将合作高校商学院扩展至10所，参与其中的10所学校均是“U100计划”中签约的成员。

“百企大数据A100”计划主要发起人

根据该计划的安排，加入该联盟的高校将向100个拥有B2C数据的企业投放专业的教授、研究生及本科生，帮助企业进行数据库整合、数据库挖掘、市场决策支持、产品推荐、社交聆听等大数据领域的分析和研究。IBM为此计划提供了全面免费的软件使用和技术支持，共同建立营销工程实验室。该计划将不向企业收取任何费用，只需要企业提供相关证明，以肯定学生在企业进行数据分析的经历。据IBM软件集团大中华区大数据及智慧地球解决方案的总监李永财先生介绍，不管是“U100计划”还是“A100计划”，IBM都充当着“支援者、协助者”的角色。

根据资料显示，从2014年9月开始，“A100计划”已经在香港中文大学市场学系开展试点，现在已有8家不同行业的香港及国内企业参加，囊括了线上线下数据的分析。作为“A100”计划的发起人，香港中文大学商学院市场系教授刘建南博士表示：“高校作为大数据研究的主阵地，一方面有必要从理论出发，帮助企业解决实际问题；另一方面，也应该利用丰富的实践机会，培养更具竞争力的人才。‘A100’计划恰逢其时的给高校学以致用的机会，帮助企业启动大数据商业应用。”

该计划已经制定了未来三年的发展规划，将分3个阶段完成。在三年内致力于将该联盟发展至10所大学的商学院，前两年完成30个项目，2017年完成50个项目，最终完成100个企业支持的项目。

IBM大数据翻转旧思维

从电脑发明、互联网、云端科技，到现在备受瞩目的大数据，人们为了享受更便利的生活，一直不断追求科技创新，科技和人们之间的关系越来越紧密，且科技的进步多超乎想像。

在科技日新月异的今天，透过技术革新，可收集与处理各种庞大信息。身处瞬息万变事业环境中的企业而言，如何活用企业内外充斥的“大数据”，成为提升企业竞争力不可或缺的要素。大数据不只能分析过去，甚至能预测未来，带给人们全新的生活方式。

在刚刚召开的北京“IBM Insight 2015”来自各界的数据分析领先实践者们与IBM领导团队、技术专家一道共同探讨如何更好的利用数据资源支持中国新一代信息产业与传统产业深度融合。

过去的一年，是IBM大举向大数据、云计算、移动社交转型的一年。IBM与Twitter、腾讯，等新兴创新企业开展合作。在中国，IBM以全新的开放联合创新的态度面对新环境发展，在大数据领域，先后与宝信科技、华胜天成、浪潮、用友、数慧科技、南大通用、正通汇智等本土合作伙伴展开合作，并拥有了包括鲁能集团、万得数据、上海虹桥机场、乐友孕婴童、飞鹤乳业、驴妈妈、民生银行、深圳儿童医院等各行业大数据客户。

IBM在大数据努力和成就得到业界的广泛认可，2014年，在20多个来自Gartner，Forrester和IDC的数据/分析软件和服务测评中，IBM都居于领导地位。据最近发布的IBM 2014年财报，IBM在云计算、大数据、移动、社交、安全等领域整体增长了近16%，达250亿美金，占IBM整体营收的27%。其中，作为IBM转型的核心战略，大数据业务增长了7%，营收达170亿美元。

大数据将驱动产业变革

工业是我国经济的立足之本，“工业 4.0”是这场创新大潮当中的亮点。未来，驱动产业变革的不在是石油，而是大数据。

近日，在德国召开的2015年德国汉诺威国际信息及通讯技术博览会（CeBIT 2015）吸引着众多行业内外的眼球。中国的“工业4.0”可以把新一代 IT 科技作为重要的突破口，驱动移动互联经济和IT 产业适度超前发展，发挥带动作用，实现两化深度融合。同时，在发达的移动互联经济基础上，以大数据、云计算、移动和社交等新一代 IT技术为突破口，驱动大规模、活跃的市场创新、应用创新和业务模式创新。

IBM大中华区董事长陈黎明出席表示：“大数据是中国工业重要的软优势，有可能给中国工业企业的转型换代一个一步到位的良机。用好我们的大数据资源，对中国版工业4.0意义重大。IBM一直以来，致力于成为中国企业创新与转型的合作伙伴，所以在中国企业升级的历史机遇期，IBM倡导用大数据驱动智能工业，愿与中国企业携手，助力‘中国制造’走向‘中国智造’”。

不仅是企业，政府也受到大数据的影响而产生改变。政府开始广泛收集各方意见，藉由大数据分析了解人民需求，再以此作为政府政策决定之依据。且随着时间推移，虚拟媒体地位会越发重要，传统有形媒体进行政令宣导之方式已显不足，未来政府应朝向“虚实通路交互应用”前进。总而言之，大数据分析的运用正在改变现有的商业行为、政府决策，甚至是人们未来的生活方式。

中国是数据矿藏量巨大的国家，有超过6亿的互联网人口，繁荣的互联网经济，方兴未艾的政府和企业IT系统，有望迎来爆发增长的物联网和工业互联网。如何用好中国的大数据资源，对中国的“互联网+”，以及工业 4.0 的发展意义重大。在本次会议上，与会者围绕大数据在工业4.0、城市规划、环境保护、交通治理、等诸如雾霾预报和应对，套牌车辆识别，饮食健康、儿童娱乐等大众民生关注领域的发展进行了深入交流和探讨。

IBM大数据聚焦城市民生问题

自2014年 IBM启动科技合作伙伴计划以来，以技术共享、联合创新中心等多种合作模式，利用IBM的全球化视野、专业研发人才、行业洞察等，将各种感测仪器收集到的信息，透过大数据处理平台，从数据的收集、加工、储存、分析到应用，帮助本土合作伙伴突破创新束缚，以协作创新赋能行业创新。在电信、银行、汽车等各个行业， IBM不只是分析市场的参与者，IBM正在塑造这个市场，IBM正在通过自己的创新推动这个市场。在中国，尤其在环保、交通、城镇化等民生领域，取得了卓越成就。

近日，柴静的一部《穹顶之下》，让公众再次聚焦到雾霾治理。透过本次会议，我们获悉，IBM大数据已在大气污染防治、可再生能源高效利用和企业节能减排方面推出了一个长达十年的计划——“绿色地平线”(Green Horizon) ，利用IBM的大数据分析和认知计算科技来进行北京地区的雾霾预报和应对建议。通过监控单位的数据、卫星的数据的整合，透过不同数学模型，透过IBM的认知能力，使得不同的模型能够最优化，目前这个项目已经将雾霾的预报时间从之前的24小时提升到72小时，精度从之前的100平方公里提升到1平方公里，能够为首都地区最终应对雾霾挑战提供重要支持。同样的科技，在行业和智慧城市建设当中都具有广阔的应用前景。

交通是城市发展的命脉，在各地智慧城市建设过程中，智慧交通都处于非常重要的位置。管好交通，需要同时管好车和路。利用车联网技术打通车辆制造、销售、服务、管理每个单元，达到对车辆的有效管理；通过智能交通技术，特别是大数据与分析优化来管理套牌车辆监察、疏通拥堵，提升车辆通行效率，这些是我们共同关心的话题。

车联网和智能交通都呈现数据量巨大尤其是非结构化数据大且数据分布广的特点, 传统解决方案对诸如地理位置数据、图像数据都无法有效快速的支持。宝信与IBM正在合力应对这些交通发展难题，打造智能交通与优化的车联网方案。

据宝信软件研发部总经理董文生先生介绍，目前，在上海拥有19个区，车辆预计在270万辆左右，每天大约有100万车辆行驶在路上，如果同样的车牌装在不同车子上，同时在两个区域出现，传统的技术与现有的系统已经很难实现实时数据的抓取与分析。

近日，由IBM与上海宝信软件股份有限公司联合上海市公安部门，共同就管理套牌车辆监察项目合作，该项目是基于IBM去年收购初创公司Cloudant的软件产品基础上研发的，目前已完成技术验证，预计该项目将于今年下半年正式投入使用。

正如宝信软件研发部总经理董文生先生表示：“ IBM拥有非常多业界顶尖的大数据分析工具和模型，比如Cloudant可以实时分析多类型复杂数据，通过它可以实现诸如套牌车辆识别等艰巨的任务。相信我们的合作一定会在不久的将来为智慧城市建设做出贡献。”

城乡规划对于中国的城镇化建设发展至关重要。城镇变迁所积累的历史文献、影像资料等海量信息，以及多部门协调所造成的复杂流程是当前城乡规划行业面临的两大挑战。数慧科技董事长元哲起先生表示：“数慧与IBM正在携手，利用大数据与分析构建新一代城乡规划业务处理系统，帮助相关部门应对复杂数据、简化流程提升协作，推进城市的可持续性发展。”

IBM大数据与分析的优势还体现在：引领行业认知计算，自然语言理解、机器学习能力，领先的数据安全、保护、风险管理和反欺诈能力，业界最完善的大数据与分析解决方案组合以及对行业业务深入的了解。

IBM大中华区数据与分析事业部总经理钟泽敏先生表示：“IBM将继续践行‘Made With China’的承诺，通过全新的开放协作的模式，与各界合作伙伴一道，通过IBM大数据能力支持行业实现转型升级，与合作伙伴共建中国大数据发展健康生态。”

共享产业信息 挖掘新商机

IBM中国开发中心信息管理总经理朱辉先生介绍到，比如，到银行里换汇要填的换汇理由。大部分会写旅游，或者留学。如果看银行的业务系统，或者外管局的业务系统，在做数据分析的时候，没有人会去看这一栏信息，但是如果从大数据经济、洞察经济的角度来讲，银行要提供增值服务，可以给很多其他的企业提供这样的共享信息，让它们去挖掘出新的价值，这就是精准营销。我要去留学，留学这后面又是一个产业跟在后面，旅游又是一个产业，但是，目前，我们的国家还没有形成这样的产业规模。这上面我们有太大的空间还没有挖掘。

IBM中国开发中心信息管理总经理朱辉先生

身处大数据时代的潮流，也让传统的分析思维产生改变，从原来的“由问题找数据”转变成“由数据找问题”，各领域都从中发掘可利用的价值,真正做到防范于未然。就企业而言，通过大数据分析来描绘客户群像、了解客户喜好，进而推出客户所需的服务。且现在可说是一个消费者主导的世代，若能妥善运用大数据，必然能带给消费者更好的选择。相信这也是IBM与合作伙伴未来努力的一大课题。