文档介绍：大数据+深度学习
未来两年内将成为大部分企业的标配
一、 什么是大数据？
数据已经被使用了十几年了，比如它们总是被用于各种 分析，所以为什么说是「大数据」呢？主要是因为我们现在 可用数据的数据量(Volume)、处理速度(Veloci用大数据，同时16%的有计划将大数据并 入他们的策略中（相比于此，美国分别是35%与9%）。
六、如何使用大数据
由大数据提供的机遇范围从节约成本到改进分析等。调查对 象被问及相比于传统的系统，他们看到的大数据提供的最大 机遇是哪个领域。62%的认为实时分析是如今最大的潜在增 长机会。
鄂
门户
企期
隆莊JT成本
■趋勢分析(比如年垃蜡，而非月磴野)
整皆费据呱岛(data silos )
■抓器学习
■实时分析
我不知遇
相比于传统系统，大数据分析为你公司提供了什么机
会？
金融服务行业内的公司主要认为大数据的机遇来自于 实时分析(70%)以及趋势分析(67%)。
金融服务公司比其他产业内的公司更加重视大数据分 析的价值，当出现新技术时也更早的采纳，其中67%的调 查对象称它为保持竞争力的必需品，68%期望在两年内使用 机器学习捕捉商业洞见。
想要缩小提供的体验与消费者的期望之间的差距让金 融机构面临的压力日益增大。银行正在采用来自消费者的线
索，也从其他产业学习，比如媒体、移动以及零售，并且基 于这些其他产业内的经验设定期望。
在金融领域，知识能提供竞争优势，驱动数百万的附加 收益，这比其他产业要多。能提供这种洞见的科技成为了高 度追求的对象，大数据分析这样的工具也在上升。对金融部 门而言，大数据是迎合客户需求，提供更为快速、准确的服 务的关键部分。
制造业有同样的看法，60%的调查对象认为大数据分析 是必需品，且62%计划在未来部署机器学习。
对IT产业而言，大数据的好处大多可视为是降低成本 （80%的调查对象），反映出他们的使用许可以及节约硬件的 意识。
七、机器学习
62%
52%的公司期待在2018年前
将机器学骂应用于大腿
机器学习是一个新术语，但它有现实生活中的应用
机器学习带来的一大主要益处是能快速而有效地分析 海量数据，而人类要做到这一点需要庞大的团队。这已经在 金融服务业被证明是有效的，在这个行业内，保险公司、银 行和贷款机构需要有价值的及时的洞见。机器学习还帮助金 融机构提供更好的客户体验，以及更强的识别发展趋势和模 式的能力，从而减小风险。
例如，银行可以使用预测性分析改善贷款批准流程。使 用遍及大型匿名数据集的一套标准化准则，银行可以将他们 的批准过程从几天加速到几分钟。
公司正意识到这点，当他们孤注一掷，部署机器学习技 术时，他们可以在短时间内领悟许多洞见，从消费者在做什 么转变为理解消费者为什么这样做。
这份报告显示，在下一个十年，大数据、机器学习和人 工智能将无缝对接到许多不同公司的结构体系中。研究结果 强调，大数据「甜蜜点」对每家公司是相异的，但是每个部 门都能获得相当大的收益。从日益增长的顾客忠诚度到更快 的业务流程，来自大数据的奖赏绝不会是微不足道的。像这 样的未来投资预计是有意义的。
八、大数据，高价值
然而，当大数据有潜力提供重大价值时，它也存在新的 挑战。调查考虑了各行各业的增长困难。例如，零售行业最 关心数据管理。
■完全赞同
■有点费同
■既不赞同也平反对
有点反对
完全反对
相比于传统系统，大数据分析的数据管理更值得关注。 总体上看，76%的公司赞同在进行大数据分析时，数据管 理比传统系统更值得关注的，这表明数据管理对所有行业而 言仍然是一大挑战。这还证明，公司需要针对隐私、安全和 管理采用积极主动的方法做好隐私，安保，和管理工作，从 而保证所有数据和洞见都被安全地保护起来。
九、打破信息孤岛
公司孤岛都有传统上数据准确性的复合问题 (compounded problem)。商业领域有自己的习惯，许多已经 习惯于在孤岛中专注于某一焦点上的工作。这会导致独立的 数据集以及临时行动，而这些反过来会产生不充分或不精确 的数据。未能将这些数据源联系起来，阻碍了不同部门获得 关键洞见，这可能就意味着成功与失败的差别。
48%的金融^务公司认同
大数据分析提供了整合数据枫册的机会°
48%的金融服务公司认同大数据分析提供了整合数据 孤岛的机会。在情理之中的是，与金融世界最紧密相连的公 司将大数据视为优先事项。根据Gartner的报道（「数据质 量现状：现行的做法和发展趋势」），低质量的数据每年让 公司付出1420万美元。财务报表上不可能存在该对这种级 别的损失负责的条目。通过系统地整合这些数据孤岛，大数 据转变是可以克服这个挑战的 而且可以将低劣的数据
转换