2020中国大数据应用现状分析

王竞一

大数据已经成为人类生活中不可分割的一部分，以需求为驱动，大数据的应用场景越来越广阔，这些应用场景也使人们得以享受更加便捷、舒适、安全、智能的生活。

人类的发展从某种角度来看就是社会分工日趋复杂的过程。从原始人类的男女分工直到如今各种精细化职能的分工，随着社会的发展，无数的职业应运而生，而人类的需求也变得愈加复杂。这些需求汇集到一起，催生了越来越多的应用场景。新冠肺炎疫情的发生，让更多的人意识到数据的重要性，大数据一方面在在拓展需求，加速经济发展方面意义重大;另一方面。在新基建的应用场景中，大数据充当着类似传统基础建设设施中路和桥的作用。到目前为止，大数据已经在大量的应用场景中发挥效能。

精准营销平台、直播带货驱动互联网大数据加速发展

在数字经济时代，由于消费的场景化、渠道的多元化、产品与服务的一体化，企业开始利用“+互联网”思维模式重构营销链条。当前互联网大数据主要应用在广告营销等方面，厂商通过新媒体、自媒体、融媒体、网络广告等方式以及数据库和大数据分析平台，帮助企业自身提升用户和流量，加强客户黏性，精准匹配用户需求，并为用户推送更多的内容。

全球广告营销正在被数据所驱动，打通全渠道客户，让数据孤岛融入场景，将数据转换为个性化营销、差异化服务成为企业间新一代竞争利器。但在实际过程中存在以下几个痛点。

一方面是用户数据获取成本增加，在客户和流量一定的情况下，随着行业厂商越来越多，对于保持客户黏性与稳定的流量需要付出更高额的费用。

另一方面是数据分析技术、数据量、数据平台等多要素导致厂商提供的服务与客户需求不匹配。此外，营销管理能力不足，行业厂商对于线上线下资源整合能力不足，难以开展以人为核心的工作流程管理，并实现精细化管理与提升营销效率。

针对上述痛点和行业发展趋势，未来的机会点主要体现在以下几个方面：

一是精准营销平台建设：精准营销平台的建设帮助企业通过获取数据并加以统计分析来充分了解市场信息，掌握竞争者的商情和动态，知晓产品在竞争中所处的市场地位。同时，通过积累和挖掘电商行业消费者档案数据，分析顾客的消费行为和价值取向，提高对消费者的服务能力，培养忠诚顾客。

二是电商直播新模式：随着5G技术的应用，未来短视频与直播将从轻量触达向着深层次的沉浸式体验转化，并伴随着VR、MR等技术的开发，使得当前对于直播的流量限制进一步弱化或取消，更丰富了直播的形式与内容。

三是大数据+AI+精准推送。通过大数据技术，将用户浏览过的物品与用户进行直接关联，再通过精准画像与画像人群进行关联，积累和挖掘行业消费者档案数据，分析顾客的消费行为和价值取向，为用户提供更多的增值服务与精准推送，提高对消费者的服务能力。

基于5G场景、AI技术的应用引领电信大数据新发展机遇

电信大数据业务与传统电信业务存在较大差异，电信大数据业务以产品为核心，整合分散在各部门、各环节的数据，构建专业化的大数据运营体系。

研究发现，电信大数据应用场景不断完善，但运营商内部运营机制在一定程度上限制了电信大数据发挥其作用。运营商内部以多层级运营架构为主，大部分运营商内部数据仍存在区域分割的情况，难以适应大数据业务灵活敏捷的变化特点，“两级”数据整合涉及组织架构、运营方式等多方面改变，因此，对于运营商来说平台架构转型难度较大。

从行业整体来看，电信大数据标准化程度较低，不同领域的数据壁垒较严重，行业缺乏统一的存储管理标准和互通共享平台，数据协同能力不足，跨领域和跨行业的数据应用困难较大，在此背景下，难以实现数据价值最大化。

此外，运营商在大数据技术使用上仍有待突破，在算法设计、分布式计算架构、大数据处理、分析和呈现等方面仍与其他行业存在较大差距，技术短板直接制约了数据质量和数据价值的提升。

针对上述痛点，未来行业机会点主要体现在以下几方面：

1.抢抓5G建设机遇，通过电信大数据分析，实现基站和热点的科学选址和资源调整配置，优化网络质量和利用率，同时，运营商积极布局5G商用场景，加速5G在云视频、机器人技术、自动驾驶等领域商用，加速产品和服务创新研发，持续提升5G网络运用效率。

2.随着网络和高清视频的快速发展，视频、图片等非结构化数据爆发式增长，并逐渐成为电信大数据的主要组成部分，人工智能技术能够为非结构化数据的分析提供重要支撑，提升数据价值，强化数据输出能力，为产品或服务创新发展奠定基础。

3、隨着城市数字化转型进程不断加速，数字化基础设施建设成为必不可少的一部分，运营商在数据中心等方面的建设上有先天优势，同时，运营商应顺应智慧城市、数字政府等发展趋势，探索与行业龙头企业的合作模式，积极布局数字安防、数字交通等应用，提供集网络建设、云服务、数据服务于一体的解决方案。

数据平台建设、数据驱动政府治理、数据中台成为政府大数据关注点

当前数据量的爆发式增长，数据的复杂性程度更高，政府大数据存在数据资源不均衡、数据质量不过关等问题，同时，数据融合、数据分析、数据治理等管理工具成为数据应用的瓶颈。

从行业总体来看，政府大数据痛点与难点主要集中在以下几个方面：

1.数据资源不均衡。从数据来源看，大部分政府掌握的数据是通过业务开展积累形成的，以自身政务信息系统产生为主，通过国家数据共享交换平台获取数据的能力不足，对大型平台企业、互联网及其他社会外部数据的共享和利用相对缺乏。从数据内容看，多类数据均以手工单次填报获取，更多表现为文本表格化数据，而动态更新、多元异构类的数据偏少，并且多数政务信息系统建设以满足政务服务、行业监管需求为要，使得服务于产业、城市等各类经济对象运行监测的数据缺乏，而这类数据价值往往更值得关注。

2.数据质量参差不齐。到目前为止，尚未形成统一普适的数据质量标准，各政务信息系统所属部门在采集、使用、维护数据的过程中存在诸多不规范的操作，数据真实性、可靠性、完整性、可用性、实时性等难以得到保障。同时，在大平台、大系统统建过程中，数据清洗挖掘、交换传递、共享开放等工作主要通过技术方案解决，并未建立数据全生命周期管理的意识和制度体系，难以对数据使用时的可信性、安全性、可关联性、可追溯性、可再用性实施全过程管理。

3.数据治理机制不完善。我国当前法律法规体系对于数据权属、利用、安全等方面的规定尚未细化、可操作性不强。特别是关于政务数据的所有权、控制权、使用权、解释权等，以及政务数据在使用、共享过程中，涉及的数据基础设施保护、追溯监控技术干预规则、信息安全防护和保密建制等内容均缺乏具体标准，如何建立一个开放共赢的数据应用环境，填补数据泄露、对隐私侵犯的追踪、合法合规制裁等治理内容，是亟待解决的难题。

4.数据应用不深入。一方面，多数政府业务部门对本部门的数据资源基底和核心关切点并不明确，在数据查询和应用时，存在需求描述不具体，重复作业、难以一次到位等情况，导致数据应用效果差。另一方面，数据应用普遍局限在业务部门内部，跨部门协同的关联业务应用分析较少，面向重点产业、重点领域、重大应用场景的数据决策分析相对缺乏，政府大数据的深层价值难以体现。

政府大数据未来发展机遇点

随着数字政府和新型智慧城市建设的持续推进，与社会治理、民生服务、政务应用密切相关的政府大数据应用成为热点。中国政府掌握着80%的高价值公共数据，如何盘活这些海量数据资源，是未来政府大数据发展的关键。未来机遇点集中体现在以下几个方面：

一是加快统一的数据平台建设。采用数据中台服务方式，对数据资源进行集中清洗、整合、按主题入库、算法模型沉淀，面向平台用户提供数据订阅分发、查询/申请、调用API、算法模型工具、公共数据资源池开放、按需响应等服务，发展基于应用导向或业务导向的数据个性化服务。

二是构建数据驱动政府治理的应用生态。进一步明确各级信息化主管部门在数据开发、利用和管理方面的职责，强化其协调职能。同时，属地管理的力度还应该适当增强，数据资源管理方面的“纵强横弱”现象需要调整，实行垂直领导的机构除了信息公开等工作之外，在数据共享、数据开放等方面接受政府的统一指导和协调。分解梳理落地应用的小场景，快速试错，交替迭代，使应用需求和实现路径、落地形式不断清晰化;积极构建数据决策应用生态，推动各部门共同参与大数据建设，在数据采集分析、管理运维、服务决策等方面探索有效的激励机制，充分调动业务部门积极性。此外，还须配套组建由业务部门骨干、行业研究专家及IT服务部门组成的专职化数据决策中心，负责采集业务部门决策需求，开发应用算法模型和应用系统，开展决策研判分析，形成与业务需求紧密结合的数据决策，真正实现政府治理能力现代化。

三是释放数据资产红利：疫情期间，数据资产应用释放数据价值，助力政府优化政务管理，政府利用大数据分析进行企业分类有序的复工复产。未来，政府和企业将更加注重数据资产管理，打造数据中台，推动数据共享开放，提升数据质量，创新数据资产运营模式，支撑数据治理精准化与高效化。

四是深化大数据+人工智能在政府行业应用。2020年4月，中共中央、国务院印发《关于构建更加完善的要素市场化配置体制机制的意见》（以下简称《意见》），首次将“数据”与土地、劳动力、资本、技术等传统要素并列为要素之一。当前数据的复杂性程度更高，对于这样复杂的数据，人工智能与大数据分析工具融合应用不断深入，尤其是在大数据分析、商业智能、可视化等方面。以可视化为例，人工智能与大数据技术结合越来越紧密，实现数据多指标、多维度、全息化的呈现，为决策者提供全面有效的决策支撑。未来，数据量的增加与数据共享开放程度加深，将为大数据可视化提供更多丰富的数据资源，大数据+人工智能将在更多的应用场景中被需要，尤其是在监控检测、指挥调度、模拟仿真、数字孪生等应用场景中。

供应链协同、设备维护管理、智能生产等应用成为引领工业大数据发展新机遇

在我国大力发展工业互联网、推进制造业与互联网深度融合、促进制造业高质量发展的当下，如何进一步挖掘工业数据应用价值将成为关注焦点。2020年4月，工信部发布《关于工业大数据发展的指导意见》，提出加快数据汇聚、推动数据共享、深化数据应用、完善数据治理、强化数据安全、促进产业发展等六方面重点任务，为全面提升工业大数据产业发展指明方向，加快促进了信息化技术和工业的深度融合，助力创新实现工业发展新技术、新产品和新模式。

钢铁行业具有生产流程长、工艺复杂的特点，钢铁企业生产环节的运转通常依賴于人工经验，因此易造成产品质量波动，通过整合生产过程中的数据，将隐形数据封装成软件模型，实现生产过程可视化，有助于提升产品质量和生产效率。同时，钢铁行业生产设备价值较高，事后维护容易造成生产停滞，通过传感器等传输数据可自动实现故障感知，提升设备可靠性。

石化行业部分材料一定程度上依赖进口，易受国际行情影响，亟须通过建立供应链上下游企业间的协同关系，提升行业灵活性，及时调整生产销售各环节。石化生产的产品大多为危险品，常规依赖人工的检查受环境等制约，效率较低，通过工业机器人等设备采集数据进行安全检查可以保障实时性、精准性。

我国电子行业目前暂以生产、组装为主，基于数字孪生技术的生产计划、订单管理将有助于改进生产流程，提升产品生产效率。近年来，电子产品趋于小型化、精密化发展，这对产品的制造精度、质量提出了更高的要求，基于大数据、人工智能技术的产品质量检测能够及时发现产品质量问题，形成产品质量追溯渠道，提升成品率。

汽车行业从生产到销售的过程中企业间的协调较多，包含车企、零部件供应商、经销商等，各环节信息孤岛问题较突出，建立数据共享的渠道有助于打通汽车产供销信息，为产业链各环节企业决策提供支撑。汽车研发涉及大量专业领域，各方面协调难度大，利用仿真设计技术、建立云协同平台等能够有效的缩短研发周期。

工程机械行业的备件管理是其重要组成部分，在一定程度上备件可以缓解需求压力，但是相应的存储、物流、资金、人力等成本也随之上升，未来跨部门跨区域的备件信息与供应商数据打通，可以满足备件计划、采购到追溯等数据实时对接，提高备件流通效率。近年来用户端对产品的服务需求呈上升趋势，供应商逐渐从产品生产向供应设备运维、个性化定制等方向转变，未来如何增加产品附加值将成为供应商提升优势的关键。

智能风控、智能监管、智能理赔是金融大数据应用的焦点

随着金融行业数字化转型推进，金融大数据正向金融领域各细分场景和业务渗透，开始从客户画像、精准营销、智能客服、交易监控加速向智能风控、智能监管、智能理赔演进，金融服务日益呈现出向智能化发展的趋势，金融机构的运营效率不断提高。随着大数据、人工智能、云计算技术的成熟和广泛应用，金融与科技融合成为市场关注焦点，应用金融大数据的能力逐渐成为金融机构的核心竞争力。2019年8月，中国人民银行印发《金融科技（FinTech）发展规划（2019-2021年）》，明确提到2021年，要实现金融科技应用先进可控、金融服务能力稳步增强、金融风控水平明显提高、金融监管效能持续提升、金融科技支撑不断完善、金融科技产业繁荣发展。

在智能风控方面，风险控制是金融的本质，是银行、保险、证券等金融机构开展金融业务的基础，而传统风控存在信息信息不对称、时效性差、反馈效率低等问题，智能风控已逐渐成为各金融机构稳健经营的关键，能够实现风险早识别、早预警、早处置，提升金融风险整体防控水平。目前，深入挖掘和分析金融大数据、高质量高水平构建风控模型、有效筛选实用的指标等方面仍存在较大问题，构建的风控体系不能及时准确反馈经营过程中的风险，智能风控发展水平不及预期。

在智能监管方面，信息技术在金融领域应用广泛，出现了电子支付、消费金融、网络借贷、众筹等创新型商业模式，也出现了借助新技术创新规避监管的做法，通过新技术进行各种不规范操作的行为。在金融商业模式创新加快和监管趋严趋势的双重压力下，监管能力必须进一步提升，实现对传统金融业务以及创新型金融业务全方位的监管，推动金融监管模式由事后监管向事前、事中监管转变，智能监管将成为提升监管有效性的利器。目前，各个金融机构之间的数据互联互通不够、监测分析在部分领域存在漏洞，导致金融机构“暴雷”情况时有发生，未来智能监管发展进程将大幅加快。

在智能理赔方面，智能化理赔已逐渐成为客户和保险机构最重视的环节之一，也是金融大数据应用的重点方向，能够实现保险理赔的智能化定损和智能化核赔，提高理赔的效率和准确性，成为金融大数据应用重点，中国人寿、新华保险等保险机构已开始推出智能化理赔方案。目前，各险种标准化的数据库尚未建立，仍需人工根据条款和出险人情况核算理赔金额;运用数据识别欺诈行为不够准确，导致骗保行为频频发生。这些情况导致理赔效率低、风险大，智能化理赔亟须进行全面推广。

远程诊疗、在线诊疗持续引爆医疗大数据市场

大数据技术在医疗行业的应用虽能一定程度解决传统医疗行业痛点，但也仍处于起步发展阶段，面临着以下四大挑战：

1.随着新型医疗诊疗技术的发展，诊疗过程中产生了海量的数字化影像、生理监测等数据，医疗数据量呈现爆炸式增长。庞大的数据量需要有更大、更可靠的存储空间以及相比较小规模的数据处理，因此医疗大数据对数据存储提出了更高要求。

2.目前医疗数据的记录格式主要有文本型（电子病历、医嘱、手术记录等）、数值型（生理数据、生化数据等）和图像型（X光、B超、MRI等），其中文本数据的表达存在一定的主观性和随意性，非结构化数据多。此外，各医疗机构的信息化系统数据标准不统一，对医疗数据治理标准体系提出更高挑战。

3.各医疗机构产生的数据孤岛阻碍了原始医疗数据的合并、处理，不利于后续数据分析和数据挖掘，导致医疗大数据难以释放真正价值。

4.各医疗机构大数据人才紧缺，人才培养有难度。一方面，医疗大数据人才不仅需要具备医学、管理学、计算机学、统计学等多学科综合知识体系，还需要熟知医疗机构业务流程;另一方面，医疗信息化人员的薪资相比医疗人员、信息化人员没有优势，人才流动性强，难以形成有效的知识积累。

未来机会点主要有以下四个方面：

1.在国家政策的大力引导下、新冠肺炎疫情的影响下，远程诊疗、在线诊疗市场需求快速提升，医疗资源“线上”配置将不断优化。

2.医疗信息系统中医疗数据库的底层架构搭建也将由医疗机构、科室为中心构建模式转向以个人为核心的构建模式。

3.针对数据孤岛问题，政府应强化顶层设计，搭建有科研院所、医疗机构、医疗大数据企业及个人公共参与的医疗大数据共享平台，推动医疗、医药、医保等多方的信息资源共享。

4.针对医疗大数据人才缺乏、培养难度大的挑战，各医疗机构对信息化部门人员定期开展操作系统、数据库、网络安全、数据分析等方面的培训，同时，政府可以通过政策引导，针对有意从事医疗大数据的人员定期开展基础医疗、医院业务流程管理、统计分析、计算机技术等相关培训课程。

企业营收与业务、数据安全与治理是疫情期间大数据企业关注重点

2020年，新冠肺炎疫情爆发，给我国带来了社会经济挑战，大数据企业同样面临多重困难。

一是企业营收受疫情影响可能大幅下降;二是在租金、工资、税费等综合成本方面压力增加;三是线上办公、远程办公等办公方式对企业自身数字化水平是一个巨大的考验。

根据2020大数据产业生态联盟调研数据分析，2020年上半年，受疫情影响，33.8%的大数据企业收入与2019年同期持平，32.4%的企业收入下降20%以內，19.7%的企业收入相比同期有所提高。从结果上来看，数字化程度低的企业，对线下实体空间依存度较高，受疫情影响较大;数字化程度高的企业，受疫情冲击影响相对小，部分企业在疫情推动下得到更快发展。从疫情对企业业务的影响情况来看，60%的大数据企业认为，企业级业务是疫情期间大数据企业受创最大的业务类型。

从疫情后大数据细分领域未来机会点与业务预测方面来看，随着大数据技术与人工智能、物联网、5G等新一代信息技术深度融合，大数据在政务、应急管理、交通运输、健康医疗、社会保障等领域应用场景不断丰富。

2020年，抗击新冠肺炎疫情是对国家治理体系和治理能力的一次大考，依靠整体性社会动员机制、缜密的社会治理网络与现代化的网络技术正在发挥积极作用。但同时，此次疫情也暴露出社会治理存在的问题，给社会治理体系带来重大挑战，加强和创新社会治理，推动社会治理重心下移，成为了关注的焦点。

根据2020大数据产业生态联盟调研数据分析，2020年，社会治理（安防、舆情、应急管理、信用、环境监测、交通、能源、城市管理等）、政务、软件与信息服务三个大数据细分领域最被大数据企业看好，未来机遇点多，受企业关注度高;同时，从市场上大数据业务来看，众多大数据企业更加看好政府业务，有50%的受访企业认为政府业务将给大数据企业带来较多机遇。

数据治理标准与机制、数据安全是大数据各行业均存在的问题

疫情期间，大数据在政府、互联网、电信、工业、金融、健康医疗等行业提供了强有力的支撑，其中，应急指挥平台、疫情防控大数据平台等成为疫情下政府大数据建设重点;互联网大数据在态势研判、舆论引导等方面支撑疫情防控;电信大数据支撑服务疫情态势研判、疫情防控部署以及对流动人员的疫情监测，助力相关部门精准施策;工业大数据解决疫情下物资流通、企业复产复工难等问题;金融大数据助力政府高效发放消费券;无接触医疗、影像识别成为疫情下医疗大数据应用的热点等。

从行业大数据建设情况来看，在数据治理标准与机制、数据资源整合、数据平台建设、数据应用与服务、数据安全五个方面暴露出来诸多问题。例如，在政府大数据领域，存在数据治理机制不完善，数据质量参差不齐，数据资源整合能力有待提升，数据基础设施建设水平与需求不能完全匹配，数据应用程度不深等问题;在健康医疗大数据领域，随着新型医疗诊疗技术的发展，医疗数据量呈现爆炸式增长，庞大的医疗数据量对行业数据资源整合能力要求更高，此外，医疗机构的信息化系统不兼容、厂商数据标准不统一，给数据标准、服务接入管理等制定带来难题。从统计情况来看，数据治理标准与机制、数据安全是各行业均存在的问题，数据资源整合能力有待进一步优化。

根据2020大数据产业生态联盟调研统计分析，数据治理标准与机制、数据安全是大数据各行业均存在的问题。在数据治理标准与机制方面，由于数据标准化程度不高导致数据接口不一致，需要对数据语义进行重复解释，造成对数据多次翻译，大大降低了数据使用效果。数据权威性不够，使得数据汇聚集中后，没有明确主数据和参考数据，难以决定以谁的数据为准。因此，在标准分类规划的基础上需要制定相应的数据标准，定义数据标准的相关规则。同时，在数据的生命周期内各不同环节所涉及的信息系统、运行环境、业务场景和操作人员等数据安全问题，也引发了关注。从行业表现来看，工业大数据和健康医疗大数据成为问题最为集中的两个行业。

互联网大数据在态势研判、舆论引导等方面支撑疫情防控

互联网大数据防疫是指运用互联网大数据分析，支撑疫情态势研判、舆论引导、疫情防控部署以及对流动人员的疫情监测，助力疫情期间的政府决策与生产生活，助力提升疫情防控支撑的科学性，精准施策。

2020年春节期间，疫情信息搜索与推送等是大家获取信息和知识的主要途径。基于搜索大数据，针对用户普遍关注的防疫知识、疫情进展以及谣言，相关部门、权威媒体或者学者专家在第一时间进行解答，确保科学、权威信息的快速传播。比如互联网企业在“抗击肺炎”频道上线的“近日疫情热搜”“防疫知识热搜”和“热搜谣言粉碎”榜单，基于大数据分析结果，展现亿万用户每天最关注的疫情信息、防疫知识和谣言，点击关键词就可以看到最权威的解答或者辟谣信息。

随着疫情相关信息的爆炸式增长，利用人工智能、大数据，以及有效的数据处理和分析手段，将有价值的信息从不断增长的海量数据中提取出来，传递给公众。将越来越多的先进数据分析技术运用到疫情防控，不仅引导公众理性抗击疫情，更为政府防治疫情提供决策参考。在此次疫情中，互联网大数据在数据收集能力强、数据检索覆盖范围广、数据信息传播途径多、影响广，以及强大的数据分析能力等方面表现出优势，以地图大数据为例，此次疫情爆发后，地图大数据应用在驾车、公共出行、景区等各类场景，帮助公众减少出行，防护预警，实时上线因疫情管控实行的道路封闭信息;百度地图启动各类场景强提示，实时上线道路封闭信息，并推出公众场所人流密度大数据，引导公众提前避开;通过大数据分析推送，“寻人功能”整理更新有关信息，联合各地发布寻找与确诊患者同乘交通工具的乘客。

互联网大数据也在数据安全、数据等级保护等方面面临挑战。疫情期间，市场涌现出一大批行为检测小程序、App以及大数据平台，大量的个人数据被众多互联网企业获得，个人数据安全与隐私安全存在隐患，数据的使用、结果的共享等操作难以有效实现明示告知以获得数据主体的授权同意，数据也可能存在多方共享使用的情况。同时，数据等级保护有待完善。在疫情防控期间，由于资源调整，部分监管机关、疾控主管、医疗机构等单位网络与信息防护极有可能出现防护空洞风险，数据等级保护工作有待进一步完善。

信息安全、数据资源整合是疫情下电信大数据亟须突破的关键点

在新冠肺炎疫情的背景下，基于电信大数据的分析应用在支撑疫情防控和复工复产中起到关键作用。在国家大力推行实名制后，电信大数据可以最准确的定位用户的身份信息、时间信息、位置信息、行为信息等，由于我国电信用户规模大、覆盖面广，现有的公众通信网每日产生的电信数据约数千亿条。针对海量的电信数据进行分析，可以统计全国和重点地区的人员動态流动情况，预测确诊、疑似患者及密切接触人员等重点人群的动态流动情况，为疫情防控提供精细化数据支持。运营商着手开始建立特定用户的高危接触用户筛查模型、区域人口流动模型，开发基于人口流动的疫情防控、风险预报等大数据平台，以支撑服务疫情态势研判、疫情防控部署以及对流动人员的疫情监测，助力相关部门精准施策。

在当下精准防疫的大环境下，电信大数据应用上的变化体现在以下几方面：

1.电信大数据应用场景进一步丰富。从应用热点领域上来看，针对电信大数据的分析统计一直聚焦优化运营商内部网络管理、基础设施建设及对垂直行业合作方提供精准营销、客户关系管理、信用分析等服务，随着疫情的爆发，政府对于人口流动统计、重点人群排查的精准度和效率要求不断提升，电信大数据在人员流动位置监测、重点区域客流量统计等方面的优势日益凸显，逐渐成为为政府决策提供支撑服务、改善公共服务建设的重要工具。

2. 由于电信大数据因涉及用户个人隐私，在用户数据和信息保护等方面要求严格，因此在对外应用方面屡受信息安全等因素限制，数据并未发挥出极大数据价值。疫情防控机制下，工信部组织制定了严格的管理规范，加强人员管理和数据分级分类管理，运营商基于大量网络信令而形成的统计性大数据，并在数据收集、流转、使用等各环节加强数据安全防护技术手段，为电信大数据的广泛应用奠定安全稳定的基础。

3.运营商大力促进三域（B域、O域、M域）数据融合，打通不同领域数据壁垒，对外推动数据变现，积极整合区域级大数据平台与集团平台的数据资源，兼顾数据应用的标准化和个性化，提升业务灵活性。同时，逐渐意识到电信大数据与医疗、气象、人口等专业领域的协同，将有助于进一步发挥大数据分析的支撑服务作用，尤其在疫情的风险评估和精确预测研判方面。

应急指挥平台、疫情防控大数据平台等成为疫情下政府大数据建设重点

从新冠肺炎疫情爆发伊始，到中央成立应对新型冠状病毒感染肺炎疫情工作领导小组、各地纷纷启动一级应急响应后，疫情防控形势取得积极进展的整个过程中，多应用场景为政府大数据建设带来发展空间，主要有以下几个方面：

1.政府网站成为疫情防控信息发布的重要窗口。政府网站成为政府发布疫情信息、网民了解疫情动态的重要渠道，网络让信息快速高效触达更多的人，为群防群控、科学防疫奠定了良好的基础。据赛迪顾问不完全统计，几乎所有的省级以上政府网站都设立了疫情防控专题，市级以下政府网站开设疫情防控专题的比例超过60%。约80%的省级政府发布了疫情防控投诉举报电话或互联网投诉渠道。大多数的省级政府通过网上举行新闻发布会，特别是上海、湖北等地网上新闻发布会数量超过10场。

2.政务新媒体成为公众了解疫情网上办事的主渠道。据赛迪顾问统计，全国31个省（区、市）推出了政务App，有25个推出了政务服务小程序，部分省（区、市）通过微信、支付宝、百度多个平台同时推出了小程序。此次疫情推动政务新媒体由信息传播向网上办事渗透，越来越多的网民通过移动端对接政府信息，在线政务服务由PC端向移动端迁移趋向明显。

3.疫情期间政务数据、民生数据共享开放，实现疫情防控高效化、立体化。政务数据与民生数据的融通，使政府能够了解民生需求，优化资源配置，拓展服务渠道，扩大服务范围，提高服务质量，推动公共服务向基层延伸，缩小城乡、区域差距，构建公平普惠、便捷高效的民生服务体系。在这次疫情中，政府大数据也存在一些问题：

一是在线用户规模激增使得多地方出现了政务系统崩溃的问题。疫情引发消费者对口罩、消毒水等医疗物资的需求快速增长，厦门、东莞、广州等地为了解决口罩供给紧张的局面，火速开发了口罩预约系统，蜂拥而至的大规模用户访问使得一些地方出现了政务系统崩溃的问题。

二是以健康码为代表的新应用存在安全风险。健康码对疫情防控具有重要作用，但作为新应用，存在一些需要完善的问题，尤其是在数据安全方面。基于各部门数据设计算法形成的健康码，为政府应对疫情带来便利的同时，也使公众个人隐私保护面临严峻挑战。

三是政务数字化转型意识和步伐亟待提速。疫情初期，在线政務服务质量相对不高。据赛迪顾问不完全统计，全国有2000多个县没有数字政务。以湖北省红十字会为例，物资发放仍采用手工表格统计，无法满足巨量物资的快速调配。疫情让医院停止了常规诊疗服务，但大多数的医院并不能提供在线诊疗服务，而且一些互联网诊疗服务的权威性也有待考证，同时互联网医疗也面临着首诊、医保支付等政策壁垒，技术和精准度也使得互联网医疗的就诊范围受到一定局限。

工业大数据解决疫情下物资流通、企业复产复工难等问题

疫情对我国工业经济的负面影响一度导致产业链循环严重受阻，企业生产经营受到较大冲击，主要指标波动超出预期。随着经济社会秩序逐渐有序恢复，各地复工复产和复商复市的有序推进，部分行业产能利用率稳步回升。从2020年上半年国民经济运行情况统计数据我们也可以看出，上半年全国规模以上工业增加值同比下降1.3%，降幅比第一季度收窄7.1%，其中第二季度连续三个月实现增长，工业生产恢复较快。此次疫情期间，工业大数据的应用主要体现在保障物资生产、远程调度建设、快速匹配物资供需三方面，全方位助力企业复工复产。

一是实现企业高效转产和智能化生产。部分企业依托自身积累的资源优势、柔性化生产能力和数字化基础支撑，利用产业链上下游的关系，寻找有原材料或具有生产能力的下游企业，合作筹建生产线，同时，基于智能工厂的智能化生产系统、网络化分布生产设施，人机交互、虚拟仿真等技术实现计划排产、生产监测等应用，快速实现产能转换，创新无接触的新型生产方式，满足疫情防控的生产要求。

二是实现项目远程调度建设。疫情下对于需机械连续工作、可远程操作调度的项目，可通过传感器、监控设备等进行远程数据采集，并对数据进行整合分析，动态编排机械作业，利用工业APP实现远程监视、设备诊断、设备控制、整体调度等，提升工作效率。工业大数据的远程调度应用在疫情期间对方舱医院建设、设备故障问题的解决均起到支撑作用，强化企业应急处理能力，提升实施高效性和准确性。

三是促进资源供需对接和优化配置。通过全面连接产业体系的全要素、全产业链、全价值链，快速精准对接供给侧与需求侧数据信息，进而提高紧急状况下的关键物资配置效率，充分结合标识解析、区块链等技术，在关键物资生产储存时打上唯一标识，即可通过工业大数据平台了解物资的位置、数量、种类等信息，追踪物资仓储和分配情况。京东利用自身物流优势，上线的“国家疫情防控物资工业大数据公共服务平台”，建立了覆盖防疫物资需求采集、统筹调度、供给保障、物流跟踪等模块的综合服务体系，保障了对防疫物资的快速、高效和全面供给。海尔、航天云网等龙头企业发挥自建平台优势，精准对接供给侧与需求侧的数据信息，促进产业链上下游的信息交互。

四是帮助政府进行复工复产政策的制定和复工复产审批节奏把控。如浙江、四川等省份率先推出了企业复工电力指数，并已在全省进行了推广应用，复工指数能实现分地区、分行业分析，纵向涵盖全省各地市、县级层面，横向涵盖信息传输软件业、公共服务业、工业等国家规定的十余种行业分类。对各行业进行纵深观察，分析各行业上下游全产业链复工复产情况，帮助解决产业链配套难题，助力产业链各环节协同复工复产。

疫情冲击下，金融大数据助力政府高效发放消费券

疫情防控期间，全国各地均采取禁止人员大规模流动和聚集等抗击疫情的应对措施，线下消费类商家和中低收入群体受到明显冲击，疫情防控常态下发放消费券成为各地政府救助消费类企业和中低收入群体的重要措施。

金融大数据在其中发挥重要作用，支撑各地方政府高效、精准发放消费券，有效助力帮扶消费类企业、救助中低收入群体，也拉动了疫情后消费领域的复工复产复市。

目前，支付宝、微信支付、京东等支付平台凭借日常频繁的资金交易活动已成为采集、分析和应用金融大数据的平台，能够根据金融大数据篩选识别特定的消费群体、精准定位特殊领域的商家，能够支撑各地方政府发放消费券，已成为政府发放消费券的主要基础设施。

同时，这些金融大数据平台能够实时跟踪消费券使用时间、地点、金额、方式等数据，便于政府部门准确评估消费券的流向和使用效果，从而及时优化消费券发放政策，保障政府发放消费券过程的高效性、公平性、合理性等，为助力企业纾困和民生救助提供有力支撑。

从发放群体看，支付宝、微信支付、京东等金融大数据平台能够根据消费者平均消费金额、日常消费频率、借贷情况、社保公积金缴纳额等金融数据指标，对每个消费者进行精准画像，精准筛选识别高收入群体、中等收入群体、低收入和特困等群体，解决中低收入群体和有消费能力群体不易识别的问题，助力政府精准发放消费券，使消费券能够精准触达特定人群，保障困难群体基本生活，同时也能够增加消费者的消费频次，带动消费增长。

从合作商家看，支付宝、微信支付、京东等金融大数据平台能够根据疫情前、中、后期各个商家日常平均交易流水、缴税额等金融数据指标，准确掌握各类商家经营情况，研判各类商家受损失的程度，可以精准定位到餐饮、文旅百货、超市等领域受到疫情冲击最严重的、急需救助的、复工复产压力较大的商家，避免出现不需要帮扶商家的套利问题。

针对这些商家发放消费券，帮助其吸引更多的客流，做到有效精准帮扶商家，助力商家快速走出困境和经济逐渐复苏。

无接触医疗、影像识别是疫情下医疗大数据应用的热点方向

面对这场疫情防控战争，各地政府、医疗机构、企业不断创新工作思路，将大数据赋能医疗行业，多方面多层次助力疫情防控工作的顺利推进。在疫情中，大数据主要有以下几个方面的应用场景及亮点。

1.无接触医疗：疫情期间国家卫健委、国家医保局、国家发改委纷纷发文，明确支持互联网诊疗。各大互联网医院、第三方互联网医疗平台纷纷推出在线免费咨询、便民门诊、远程会诊、医保支付、药品配送等服务，例如，北京、上海、厦门等众多城市的医生通过便民门诊、远程会诊的方式为医疗资源极度紧张的武汉人民开展诊疗服务;阿里健康在淘宝和支付宝App上线“买药不出门”服务，该服务可联动超过50家全球顶级制药企业保供给，并组织全国药店24小时寻找紧缺药品，开辟药品运送通道，为1300万名湖北慢性病患者送去救命药。由此可见，无接触医疗可以有效实现线下医疗资源快速整合、优化配置。

2.新冠肺炎CT影像识别：对于新冠肺炎严重程度的分级及疗效评价是临床关注的重点。疫情期间，湖北省人工智能重大项目“基于健康大数据的智能医疗服务算法与应用”项目组，与武汉大学人民医院放射科查云飞教授团队协作，开发了一套新冠肺炎CT影像人工智能处理系统，从胸部CT影像上检出新冠肺炎的敏感性达到97.6%，初筛普通型和重型患者的准确率达到91.5%，系统检出新冠肺炎CT影像病变平均只需耗费1.33秒。基于大数据技术的医疗影像识别能够大大提升新冠肺炎患者诊断效率、减轻医务人员工作压力，为患者赢得宝贵的救治时间。

3.病毒测序、新药研发：应对突发公共卫生事件，药物研发是疫情防控的重要一环。疫情期间，阿里云等网络公司为公共科研提供数据计算与分析技术，支持科研人员开展的对新冠病毒的新药研发、病毒基因测序、蛋白筛选等工作。大数据等技术的应用可实现十余分钟内完成高精度的个人全基因组测序、30秒内完成病毒的全基因组二级结构预测，将复杂的药物筛选过程大大压缩，缩短新冠病毒疫苗及药物的研发周期。

4.疫情防控平台、流行性疾病监测预警：湖北、四川、北京等多个省（市、区）在疫情期间快速上线疫情防控平台，平台集成疫情大数据分析、疫情预警等系统，拥有疫情线索防疫求助、预防诊疗指南等服务模块，为患者及时就医及疫情精准防控提供依据;部分企业积极研发智能化传染病疾病监测、流行病防控整体解决方案，能够对新冠肺炎疫情及其他流行性疾病进行监测预警。