怀来县大数据是干什么用的？
大数据中心有什么用？对老百姓应该说来，唯一的意义就在于能征你点地，对怀来县财政来说是一种可以增加财政收入的一个合适的渠道，说到这里，你可能会问，可以增加财政收入的渠道那么多，为啥大数据会特别适合怀来县，这就得提到怀来县的独特位置了，怀来县在于北京周边，可以说与北京一衣带水，当地政府执政第一要义就是做好北京的护城河，（湿地公园项目 这几年每年怀来都花费上亿来做绿化 ……）发展经济最好的办法，坐山吃山坐水吃水，到了怀来自然啦不吃香了。
不好意思，题外话说了太多！下面切入正题，大数据有啥用？大数据是将海量的、多维的、变化的、有价值的数据归集一起而形成的大数据，当然是一种资源，也能产生能量。同换一句话说，“无数据，不决策”是指有价值的、可支持决策的信息和数据，而不是指那些海量的、杂乱无章的、原始的大数据。“大数据工程”是一个全新的、科学的有机的系统工程 现在全国各地都在建设大数据中心或是大数据局，招投标许多名为“大数据项目”，实为“软件项目”。
测算的工程开发费用还是传统的硬件集成费用 软件开发费用，项目开发和监理方式还是“软件工程”方式，按照人月报工作量，验收文档还是开功能模块。这种方式忽略的项目最本质内容就是大数据的价值挖掘和提炼。大数据项目需要全新的“大数据工程”方式开发和建设。而不是简单地将各个信息系统的数据归集，然后做一个“大数据可视化”就完工了。
因为，这样的工程归集的只是“小数据”、统计数据以及各类信息，而不是大数据的归集。“大数据工程”是以面向场景应用为本，提炼挖掘、算法模型、业务流程再造、加工处理成有价值、可支持决策的“成品数据”，进而通过这些“成品数据”赋能决策，提高生产效率、实现精准营销和辅助社会治理。政府和企业归集的大数据资源，可以通过脱敏方式形成“开放数据资源”，构成丰富的有价值的社会资源。
政府机关和企事业单位可以根据各类场景应用的需求，获得相应的“开放数据资源”开发利用的授权，并且构建起相应场景应用的“专业大数据工程”，例如旅游大数据工程、医疗大数据工程、交通大数据工程，去加工提炼这些“开放数据”公共资源。数据不动、算法动社会开放大数据资源可以存储在政府监管的大数据中心或是“数据港”，各企事业单位或是个人要利用这些资源，可以获得授权，将相关的场景应用的大数据挖掘、相关性分析等模型和算法部署到“中间层”，通过大数据工程加工处理，形成“有价值的成品数据”赋能行业和产业。
这样就能保证数据的安全性和集约性，同时，也能评估出哪些领域的应用成果。而各类算法模型、各类专业的大数据工程以及所产生的计算结果等都可以作为有技术含量和专业KnowHow的知识产权保护。大数据难于确权，个人信息须保护一些城市和地区沿用传统的要素市场概念，匆匆创建“大数据交易中心”，以为可以像“钻石交易中心”、“黄金交易中心”、“人才交易中心”那样运作并盈利。
这些年过去，实际交易量和成功案例甚少。究其原因主要有三个方面：1、大数据资源与钻石、黄金、石油等物质资源不一样，不存在稀缺性和不可复制性；2、大数据难以确权，不像人才、知识、土地、房产有着明显的主体和边界；3、大数据不同于信息、知识，许多大数据都是公开数据、政府数据、公众数据、数字信号的归集，例如气象数据、路灯信号、交通视频等都是可以采集的，不归属于某一个体。
大数据之用的底线思维 网上流行的“大数据杀熟”，更有“大数据买披萨搞笑视频”，都不是真实的大数据，是对大数据的误解和误读，甚至是对大数据产业会有负面影响。这些打着大数据的幌子，干着收集或窃取了公民个人隐私信息（不是大数据）为实，例如医疗信息、家庭住址信息、个人身份信息等。这些信息本身已经是有价值的，而且具象的，信息的归属权明显的，都是归属公民自己的。
只有在征得个人同意和允许情况下才能有限度使用，就像欧洲出台的通用数据保护条例GDPR那样。大数据之用的底线思维，我们在八年前做国家旅游局的“全国旅游团队服务管理系统”和“全国旅游电子合同平台”就说过，大数据归集之后会有许多个人信息和敏感数据，经过脱敏存储，要符合“三级等保要求”，防止数据泄露或是被黑客攻击。
应用场景中有“三个不用”，即“涉及个人隐私的不能用，涉及企业商业机密的不能用，涉及国家安全的不能用”。大数据公司首先要对客户和用户负责，要有责任信和诚信的道德，就像储户相信银行那样，客户将数据和信息交给大数据公司开发和归集，就要保证用户数据安全，承担起“数据银行”的角色，不能将“储户的钱当做自有资金去投资或消费”。
大数据具体是做什么？有哪些应用？
大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。提到大数据，最常见的应用就是大数据分析，大数据分析的数据来源不仅是局限于企业内部的信息化系统，还包括各种外部系统、机器设备、传感器、数据库的数据，如：政府、银行、国计民生、行业产业、社交网站等数据，通过大数据分析技术及工具将海量数据进行统计汇总后，以图形图表的方式进行数据展现，实现数据的可视化，在此基础上结合机器学习算法，对数据进行深度挖掘，发掘数据的潜在价值。
应用部分，大数据不仅包括企业内部应用系统的数据分析，还包括与行业、产业的深度融合，大数据分析的应用场景具有行业性，不同行业所呈现的内容与分析维度各不相同，具体场景包括：互联网行业、政府行业、金融行业、传统企业中的地产、医疗、能源、制造、电信行业等等。1. 互联网行业大数据的应用代表为电商、社交、网络检索领域，可以根据销售数据、客户行为（活跃度、商品偏好、购买率等）数据、交易数据、商品收藏数据、售后数据等、搜索数据刻画用户画像，根据客户的喜好为其推荐对应的产品。
2. 政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等，质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查，保证食品物品安全；气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径，精准地预测气象变化，寻找最佳的解决方案，规划应急、救灾工作。3. 金融行业的大数据分析多应用于银行、证券、保险等细分领域，在大数据分析方面结合多种渠道数据进行分析，客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据，结合客户年龄、资产规模、消费偏好等对客户群进行精准定位，分析其在金融业的需求等。
4. 传统行业包括：能源、电信、地产、零售、制造等。电信行业借助大数据应用分析传感器数据异常情况，预测设备故障，提高用户满意度；能源行业利用大数据分析挖掘客户行为特征、消费规律，提高能源需求准确性；地产行业通过内外部数据的挖掘分析，使管理者掌握和了解房地产行业潜在的市场需求，掌握商情和动态，针对细分市场实施动态定价和差别定价等；制造行业通过大数据分析实现设备预测维护、优化生产流程、能源消耗管控、发现潜在问题并及时预警等。
