大数据基地合作协议书 共建基地战略合作协议(九篇)

在日常的学习、工作、生活中，肯定对各类范文都很熟悉吧。大家想知道怎么样才能写一篇比较优质的范文吗？下面我给大家整理了一些优秀范文，希望能够帮助到大家，我们一起来看一看吧。

有关大数据基地合作协议书(推荐)一

1. 对接风控模型团队，参与模型技术设计、数据提取清洗、数据衍生变换、模型开发、模型验证评估到最终模型实施的项目全生命周期，解决不同场景下的风控业务问题，包含但不限于审批、贷中管理、催收和反欺诈等。;

2.了解结构化及非结构化数据挖掘方法，熟悉统计建模、机器学习等量化建模方法。

3.协助部门建立风险数据库，了解同行业最新模型及分析技术，结合业务现状进行模型优化;

4、完成领导交办的其他工作

技能：

1、熟悉scala、java、python语言

2、熟悉sql，关系型数据库(如：mysql、postgresql)和nosql(redis、mongodb)

3、熟悉各类数学算法，从数据中发现现有系统和算法的不足，提出改进的算法并推动实现

4、了解大数据hadoop、spark生态系统组件

5、良好的沟通、学习、团队协作能力

6、有统计学数学知识，海量数据处理、数据分析和挖掘项目经验优先

有关大数据基地合作协议书(推荐)二

职责

1.负责数据etl开发，优化etl流程设计;

2.负责数据质量问题的分析、跟进、解决，进行数据质量监测、校验和提升;

3.负责etl开发实施文档的编写;

4.负责梳理公司数据仓库/数据集市数据清单、数据映射关系，优化现有数据仓库模型;

5.完善和梳理数据指标体系，完成和维护数据字典的工作;

6.参与数据标准的制定、数据标准管理和数据安全管理工作;

7.参与公司大数据平台的建设，包括sugar报表或神策接口配置，用户画像标签体系的开发等

任职要求：

1.有shell或python脚本开发经验;

2.有传统数据库sql server和mysql，有存储过程编写能力;

3.熟悉hadoop生态相关技术并有相关实践经验，包括但不限于sqoop、hive、hbase、kylin等开发经验;

4.有kettle、azkaban或oozie工作流调度经验;

5.熟悉hive sql或flink sql的开发;

6.有数据仓库模型设计，有使用kafka flink streaming实时数据处理经验优先;

7.有sugar、神策或tableau使用经验,有用户画像或客户召回标签工作经验优先;

8.对数据挖掘和机器学习有所了解，包括常用的机器学习算法和数据建模过程的优先

有关大数据基地合作协议书(推荐)三

职责：

1、制定全渠道商品(新老品)的供需计划(年度-季度)

2、制定库存商品的销售计划，并对库存的消化进度进行管控

3、主导完成商品数据库的建立与持续完善

4、通过协助各部门的业务数据梳理，及时反映数据进展，为业务提升提供支持;

5、通过内部数据，平台数据分析，竞争对手数据，行业数据，社会趋势等的分析，为关联部门提供决策支持;

6、配合上级完成其他各类数据挖掘分析，并促进转化。

任职要求：

1、本科及以上学历，统计学、数学等相关专业，2年以上电商运营数据分析相关工作经验;

2、具备较强的数据分析和处理能力;

3、熟练使用办公软件，熟悉常用的数据库和大数据技术工具;

4、较强的逻辑思维能力，强烈的数据敏感度。

有关大数据基地合作协议书(推荐)四

高校教育大数据的分析挖掘与利用

摘 要,本文从高校教育大数据的汇聚融合与挖掘应用的角度,分析了如何运用教育大数据技术推动大学管理和人才培养的创新改革的思路和方法。首先,分析了教育大数据对高校现代化、精细化、规范化管理的4个价值,其次,给出了高等教育大数据技术平台的基本技术架构,第三,结合教育大数据实际应用,介绍了陕西省高等教育质量监管大数据中心、mooc中国、西安交通大学教学质量综合监控与评价三个典型案例,最后,提出了教育大数据分析挖掘中的3项基础性关键技术

关键词,高等教育,大数据,分析,挖掘

高校大数据分析挖掘至少有四个典型价值, 一是使得大学的管理更加精准高效,可以朝着智慧治理、分类管理、过程监控、趋势预测、风险预警的方向发展,真正实现基于大数据分析规律的精准治理,改变管理的模糊性, 二是可以更加准确地分析评价课堂教学的质量,过去我们对课堂、对老师的评价是定性和模糊的,而在大数据智慧课堂的模式下,可以真正实现采集样本的持久化,采集方式

的多元化,挖掘手段的多样化,分析技术多维度,通过这些方式可以提高课堂教学的质量, 三是使得教和学更加智慧,更加有效。对学生来说,老师可以了解学生学习的进展情况,发现学习兴趣点,以及对老师讲的哪些内容理解或者不理解,学习路径分析及课程推荐等等。对教师而言,不仅可以跨校跨地域分享他人的优秀课程,而且可以对学习者进行精准分类,进行个性化指导, 四是资源服务的个性化、精准化推荐与服务,学习绩效的个性化评价,以及个性化教学管理,个性化手机内容推送等等,这些功能将有效提升教与学的效率和质量

首先,我们对高等教育大数据技术平台有一个总体的顶层设计,如图1所示。这不仅是学校自己要有一个大数据的管理平台或者是数据中心,而且也是面向区域乃至全国的平台。教育部评估中心正在努力建立国家级高等教育教学质量监控大数据中心,陕西省也是这样考虑的。数据来自高校、教育管理部门以及行业、第三方、企业用人单位等等各方面采集的数据,该数据平台既有大学的业务数据、课程资源,也有政府部门的统计数据,还有学生网上学习的日志数据,用户产生的ugc数据,比如微信、微博、论坛等等的数据,基于大数据平台,开展面向学习者、面向高等教育管理机构、教师、高校等提供服务,并和教育部评估中心、主管部门等

进行数据交换与对接

显然,这样一个大数据平台必须是一个高性能的计算平台,没有这样的基础设施一切无从谈起,所以去年我们学校花了很大的力气做了两件事,一个是把校内二级单位原来小的集群计算进行整合,形成学校统一的高性能云计算平台,既面向校内的科学研究、人才培养提供服务,其实也可以为社会提供合作共建共享模式。目前,我们已建立了一种自我造血机制,四两拨千斤,以这个平台吸引更多的外部资源,努力扩展平台的性能和应用

目前,我校的高性能平台除了应用于材料、航天、能动、信息等大型科学计算之外,还开展了以下三项典型的大数据应用

案例1,陕西省高等教育质量监控与评估大数据应用

图2所示的是陕西省高等教育的整体架构。其数据基础是来自陕西省100多所高校的各种办学状态数据,有将近700个表格,以及陕西省教育厅各个职能部处的各种各样的管理数据,此外还有行业第三方提供的数据,包括招生、就业数据等等,这个平台上我们开展预测预警、查询在线分析、信息发布、统计决策等等,主要是为省级教育管理部门、评估机构、教育管理机构提供各种各样的办学状况的分析、统计、关联分析

建设全省高等教育大数据服务平台,实时采集各高校的办学状态数据,其根本目的是为了汇聚全省各高校的办学状态数据,打破数据孤岛,融合各方数据,实现横向关联比较、纵向历史分析,提供精准服务,支持科学决策

首先,该平台面向省教育厅提供了11项功能,从根本上解决了原来各处室间的数据孤岛的问题,实现了数据融合,横向关联,纵向融通,这个数据和各个高校是实时融通的,为省教育厅领导和职能部处提供了领导仪表盘、各职能处室的专项服务、81张高基表及年报年鉴表格的自动生成、绩效分析、招生就业及办学指标计算、教育评估等功能,从根本上解决了数据碎片化及其治理问题

其次,面向全省高校辅助决策,为高校领导以及校内各个职能部处提供了系列功能,包括办学情况综合分析和在线查询,专业结构分析比较,校级的教学质量监控评测体系,教师管理等等,这些功能非常实用,这是大学实现精细化、规范化、现代化管理的必备基础。以我校为例,我们过去教师的数据可能在人事处、教务处、科研院等学校的职能部门,采取本平台以后,把教师有关的所有数据都进行了融合,打通了所有原来割裂的数据。从去年开始,我们学校的职称评聘,年度考核全部基于这一平台,全部在大数据里,建立健全了基于数据驱动的精准化服务,解决了数据碎片化历史遗留问题,实现了从管理信息化向服务信息化的根本转变

第三,为本科教育教学评估及专业认证提供技术支撑。鉴于本平台能提供比较全面的高校办学状态数据,便于专家在进校之前全面系统地掌握学校办学的情况,找到问题,精准查看验证,提高效率,给高等教育评估提供了重要支持。基于本平台,我们成立了中国西部高等教育评估中心,接受陕西省教育厅指派的省属本科高校的审核评估和专业论证。如果没有这一高等教育大数据平台的支撑,工作量和难度是极其巨大的,甚至难以实现

案例2,mooc中国技术平台

mooc中国成立于2015年1月,到目前为止已经有121所高校加入,理事单位40家,会员单位80家。该平台的宗旨是,做政府想做的,做社会愿意做的,做单一高校做不了的事情。例如,真正解决校际资源共享、学分互认等,开拓远程教育国际化等未来发展的难题。 图3给出了mooc中国的技术框架。其核心是互联网 教育,实现互联网教育从1.0到2.0的升级。基于这一平台,既要开展网络教育业务的国际化,比如我们牵头成立的“丝路大学联盟”,其目的之一是借助mooc中国平台,实现网络教育业务的国际化,通过mooc中国平台,面向“一带一路”国家开展开放教育和技能培训

到目前为止,mooc中国已经有了9911门课程,用户将近600万,其中光it培训的有500多万,学历教育在读

学生50多万

案例3,西安交大教育教学大数据分析挖掘与应用

学校非常重视教育信息化技术融入和应用到教育教学之中,去年一次性建成了80个智能教室,把物联网技术、云计算技术应用于智能教室和教学一线,基于物联网技术实现教室设备的集中管理、智能控制,同时,将互联网技术深度融入到教室的管理当中,除了多媒体的直播录制功能以外,还提供了学生考勤和专家的精准督导,通过云平台来集中管理各个教室,比如说开投影机、关电源、关多媒体设备等等,都可以通过后端的云平台集中管控,真正实现教室管理的数字化、智能化、精细化,提升了教学保障的能力,也大大提高了教室管理的效率。更重要的是,这些教学的过程数据可以全程采集下来,获得数据,有了这些数据,就可以做精准化分析服务,建立西安交大教学质量大数据监测中心 目前,我校的教学大数据主要包括两大部分,一是教师在授课过程中的全程录制的课堂实况,二是学生在学习过程中产生的大量日志数据。基于这个平台,我们可以开展教育教学的大数据关联分析,开展课堂教学质量的综合评价,实现正面激励、负面惩戒、精准督导,实现教学评价从模糊宏观到量化精准、从每学期制到持续常态、从部分随机到全面覆盖、从事后评价到实时动态的根本转变。通过评价激励老师敬畏课堂,评选精品课堂、示范课堂,在全校内进行正面

表彰,另外也作为教学质量评价的重要依据,包括教师的职称晋升,评选最喜爱的老师等等

此外,本系统还为学院领导和管理部门提供了针对性的信息服务与决策支持,以数据说话,量化分析,改变了以前我们的模糊评价,采取多维度、全覆盖、持续化、精细化的过程评价与监控

首先,介绍一下大数据人工智能的基本原理。前段时间,alphago战胜世界围棋冠军这一故事炒得很热。这对我们的教育科研工作者提出了一个重要的课题,到底人工智能会不会战胜人类的智能,将来教师存在的主要价值是否还有必要,863计划正在研究一个项目,到2020年,人工智能软件参加高考得分要超过一本线,这就是说,计算机教出来的机器软件参加高考都能达到一本线以上。这就引起我们的思考,这是一个深层次的方向性问题。当然我们今天不是谈这个问题,而是我们要看看alphago的原理,其核心是价值计算函数,用收益函数来判断围棋下一步该落子到哪里其收益是最大的,其中采用了人工智能深度学习方法。alphago并非天生聪明,其实他的智慧是分三步完成的, 第一步,给alphago输入了3000万个人类围棋高手的棋谱和走法,任何一个人是不可能记住3000万个棋局的,只有人工智能才能记住 第二步,alphago自己和自己对弈,在对弈过程中找到自己的薄弱点,进而改进和完善,这其实和人的学习原理类似

第三步,才是人机对弈,从职业选手到世界围棋冠军,通过这样不断的对弈完善算法,校正学习,使得alphago具有强大的智能计算能力。alphago的难点在哪,其关键在于在一个巨大的落子空间选一个最大的收益点,或者落子点,称之为movepicker,,函数,这个空间很大,有10170次方,在如此庞大的计算空间中选择最优函数,只能依靠高性能计算平台

alphago为我们研究大数据问题提供了思路和启发。我们在研究教育大数据问题中需要着力攻克以下理论与技术难题

第一,大数据造成了严重的认知碎片化问题。比如,大家在百度搜糖尿病会检索出4440万个数据源,谁也看不过来,并且里面还有一大堆真假难辩的数据。所以,碎片化知识的聚合是一个非常基础的难题,高度的碎片化降低了知识的可用性,造成了分布性、动态化、低质化、无序化等典型的问题

一方面是知识的碎片化,另一方面是每个人的兴趣和需求还不一样。所以,资源的碎片化整合以及个性化推荐是今后人工智能中的关键问题。我们的思路是,一方面,我们要

从资源的角度把无序、分散、低质的资源进一步重组以后形成知识点,形成有序的知识地图,另一方面,要对学习过程进行跟踪,实现兴趣、个性、情感等方面的动态分析与挖掘,两者结合起来,建立基于用户兴趣和个性的资源推荐,最后实现个性化精准过滤,通过知识地图面向用户提供导航学习,从而缓碎片化知识的问题。开展这一研究也要建立庞大的基础数据,就像刚才讲的alphago,光靠智能软件肯定不可能那么聪明,需要建立庞大的知识地图、知识图谱,并将其放到了国际开源社区和开放数据平台之上 第二,碎片化知识的聚合问题。其目的是解决“既见树木,又见森林”的问题,破解“学习迷航”、“认知过载”的问题。我们正在承担国家自然科学基金重点项目,研究如何将多源、片面、无序的碎片化知识聚合成符合人类认知的知识森林,找出主题与主题之间的认知关系,最后形成一个知识森林,其中需要解决主题分面树的生成、碎片化知识的装配、知识森林生成、学习路径选择与导航等有关知识地图、知识图谱构建与应用等许多基础性关键技术

第三,学习行为的分析和挖掘技术。网上学习最大的好处我们可以把教师和学生所有的教与学的行为记录下来,讨论、作业、习题、笔记及进度记录下来,有了这些数据,我们可以进行后续分析,开展学习行为的特征识别和规律发现等等,既可以跟踪挖掘某个个体的学习规律,也可以找出一

个群体、一个小组的特征和规律。针对不同的课程,开展课程点击率、学习人群、知识关注点、学习时间等的分析与跟踪,刻画一个学生学习的过程,从时间、空间和课程知识导航的角度,甚至围绕某个知识点,研究学习者的特征、行为、交互等相互之间的关系,为老师深化课程改革、探索以学生为中心的教学设计具有非常重要的意义

教育是全人类、全社会发展的基础性事业,随着互联网 技术全面渗透和深度融入教育教学,不仅产生了大量的课程资源和学习内容,而且还产生了巨量的教育教学管理数据、行为数据、服务数据,蕴藏着巨大的价值,亟需我们开展深入研究,可谓前景广阔,挑战巨大，

,编辑,王晓明,

有关大数据基地合作协议书(推荐)五

职责：

1、负责项目的数据需求调研、数据质量治理、数据分析及数据挖掘建模等工作; 建立有效的分析模型，为政府类客户的应用及业务发展提供决策支持;

2、根据政府的实际业务要求，与团队内其他成员共同设计完成数据分析平台，建立数据分析的流程，规范和方法;共同探索用户洞察，综合运用定性、定量的多种研究方法，深刻理解用户，研究用户不断变化的诉求，研究行业同类产品的数据，分析研究用户的喜爱相关性，输出用户需求分析和满足用户需求的方向和方法;

3、对交付部门进行数据需求支持，挖掘分析主题，开展数据分析工作，基于数据分析成果，为管理层和交付部门提供维护策略分析和业务优化建议，持续改进;

4、基于海量数据运行数据分析，制定多维度获取相关数据的策略;通过对数据和业务的挖掘，持续给出优化、升级方案;完成上级交办的其他工作。

任职要求：

1、大学本科及以上学历;统计学、应用数学、计算机等相关专业;5年以上数据统计分析、数据挖掘、数据算法等相关工作经验;

2、能熟练使用sql、spss、sas等统计相关软件或工具，会数据建模者优先考虑;擅长数据分析，对数据具有足够的敏感性、对数据分析极为细心，熟悉数据建模知识、数据挖掘理论，掌握数据分析体系方法，统计方法;

3、熟悉数据产品的设计、开发流程，有类似业务分析场景经验，对数据分析思路开阔;

4、熟悉聚类、决策树、回归、朴素贝叶斯算法、svm、神经网络等算法，有实际的算法开发经验和建模经验优先;精通excel，掌握python、r、sas、spss等任一数据分析工具;熟悉sql脚本编写快速准确进行数据提取和处理，为决策提供数据支撑;有hadoop进行分布式数据处理经验，对hbase、hive操作熟练;熟悉storm或spark流计算开发技术，实际开发过实时数据应用者优先 逻辑思维能力较强，能独立思考和分析问题，善于将业务问题转化为数据挖掘模型;

5、自我驱动，快速学习能力，抗压能力;

6、有政府类用户数据治理分析经验优先，知名互联网公司经验优先，有海量数据分析、处理经验及大数据分析计算平台的开发经优先。

有关大数据基地合作协议书(推荐)六

读完《大数据时代》这本书后，我意识到：我们即将或正在迎接由书面到电子的跳跃之后的又一重大变革。

这本书介绍了大数据时代来临后，接踵而至的三项变革——商业变革、管理变革和思维变革。

其实，这场变革已经打响。商业领域由于大数据时代的到来而推陈出新。前几年，一家名为farecast的公司，让预订到更优惠的机票价格不再是梦想。公司利用航班售票的数据来预测未来机票价格的走势。现在，使用这种工具的乘客，平均每张机票可以省大约50美元，这就是大数据给人们带来的便利。

大家应该都知道20__年出现的h1n1型流感，就拿美国为例，疾控中心每周只进行一次数据统计，而病人一般都是难以忍受病痛的折磨才会去医院就诊，因此也导致了信息的滞后。然而，对于飞速传播的疾病，google公司却能及时地作出判断，确定流感爆发的地点，这便是基于庞大的数据资源，可见大数据时代对公共卫生也产生了重大的影响!

在我看来，如果想在在大数据时代里畅游，不仅要学会分析，而且还要能够大胆地决断。

在美国，每到七、八月份时，正是台风肆虐之时，防涝用品也摆上了商品货架。沃尔玛公司注意到，每到这时，一种蛋挞的销售量较其他月份明显增加。于是，商家作了大胆的推测，出现这样的结果源于两种物品的相关性，便将这种蛋挞摆在了防涝用品的旁边。这样的举措大大增加了利润，这就是属于世界头号零售商的大数据头脑!

大数据时代的到来，可以让我们的生活更加便利。但是，如果让大数据主宰一切，也存在一定的风险。

大家应该都知道电子地图，它可以为人们指引方向。但大家应该还不知道，它会默默地积累人们的行程数据，通过智能分析可以推断出哪里是自己的家，哪里是工作单位。我们的隐私就这样被不为人知地收集着。

大数据时代的到来，让我们的生活更安全，更方便，但与此同时，我们的隐私不再是隐私，数据的收集变得无所不包、无孔不入。世界已经向大数据时代迈进了一小步，一个崭新的时代正向我们走来。让我们用知识武装大脑，做好准备，迎接新时代的到来!

有关大数据基地合作协议书(推荐)七

职责：

1、 负责基于hadoop/spark平台架构的开发、设计和布局 ;

2、 完成系统框架的设计和核心代码的编写;

3、 针对海量的用户行为数据进行统计、分析与挖掘，不断提高系统运行效率;

4、 负责对数据进行分析，为项目组提供大数据技术指导及分析手段支撑;

5、 负责大数据平台的性能监控和持续优化;针对需求提供大数据分析技术解决方案 ;

6、 大数据平台的运维工作，持续完善大数据平台，保证稳定性、安全性;

7、 熟练使用大数据etl数据抽取工具;

8、领导安排的其他工作。

任职资格：

1、 3年互联网行业开发经验，计算机或相关专业本科以上学历;

2、 精通hadoop大数据平台架构，具有扎实的java/python等开发语言;并可以开发高效可靠的代码;

3、 具有较强的数据分析、数据挖掘的能力;

4、 熟悉spark、hive、storm等计算框架者优先，对分布式存储和计算原理有较深的理解;

5、 严密的数学思维、突出的分析和归纳能力、优秀的沟通表达能;

6、 个性开朗，对技术钻研好学、逻辑思维能力强，沟通能力优秀，有团队合作精神。

有关大数据基地合作协议书(推荐)八

职责：

1.参与大数据平台搭建以及项目技术架构。

2.数据分析，挖掘，模型具体的产品化;

3.根据产品需求，分析编写和制定大数据相关解决方案

岗位要求：

1、计算机相关专业本科以上学历，编程基础扎实，有2年以上大数据开发经验

2、熟悉hadoop生态和体系架构，熟悉flink、spark，hive等常用开源工具

3、熟悉flume，kakfa，scribe等日志收集体系

4、熟悉主流数据库(oracle、postgresql、mysql、sql server)中的1种及以上，有较好的sql性能调优经验

5、有数据仓库etl经验者优先

6、有用户行为日志采集、海量数据处理、数据建模方面经验者优先

7、有持续学习的能力;喜欢开源软件，乐于知识分享;对工作认真负责;可以独立承担较大工作压力

有关大数据基地合作协议书(推荐)九

大数据，或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、“大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用g或t来衡量。

中国的大数据

大数据的特点：

具体来说，大数据具有4个基本特征：

一是数据体量巨大。百度资料表明，其新首页导航每天需要提供的数据超过

1、5pb(1pb=1024tb)，这些数据如果打印出来将超过5千亿张a4纸。有资料证实，到目前为止，人类生产的所有印刷材料的数据量仅为200pb。

演绎历史仅需133天

二是数据类型多样。现在的数据类型不仅是文本形式，

更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。

三是处理速度快。

数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。四是价值密度低。以视频为例，一小时的视频，在不间断的监控过程中，可能有用的数据仅仅只有一两秒。

有用数据仅为3600分之一面临大数据时代的到来，你准备好了吗?

大数据时代到来

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

进入20xx年，大数据(bigdata)一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。它已经上过《纽约时报》《华尔街日报》的专栏封面，进入美国白宫官方的网站的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国金证券、国泰君安、银河证券等写进了投资推荐报告。

2、数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。正如《纽约时报》20xx年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”

大数据应用案例：

1、医疗行业

在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。

2、能源行业智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。

3、通信行业

电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情，结合自己的经历，移动推出夜间流量包。

4、零售业

零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某领先零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。