【图文】中国工业大数据的实践与思考_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
中国工业大数据的实践与思考
上传于||文档简介
&&工​业​大​数​据​ ​清​华​大​学​王​建​民
大小：1.11MB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢未来5年中国大数据产业发展前景展望_中商情报网
中商智业·领先的研究咨询服务机构
未来5年中国大数据产业发展前景展望
来源：通信产业报 日期： 【】 【】
　　横空出世的&大数据概念&如今成为了市场热词。近来大数据概念领涨，并带动科技股飙涨，而IDC发布的《中国大数据技术与服务市场年预测与分析》显示，该市场规模将会从2011年的7760万美元增长到2016年的6.17亿美元，未来5年的复合增长率达51.4%，市场规模增长近7倍。正如拓尔思总裁施水才所言，大数据是块&大肥肉&。未来，大数据将大放异彩，&得数据者得财富&，甚至&得数据者得天下&，在如火如荼的智慧城市建设浪潮中，如何充分利用大数据，进一步发展壮大，也成为整个IT界共同探究的热点话题。
　　大数据时代的狂欢
　　&大数据概念&正刮起一阵强劲飓风。可视化数据分析供应商 Tableau及大数据营销公司Marketo近期登陆美股市场，引来疯狂买盘。有券商表示，新的5.19行情即将到来。&大家还没搞清PC时代的时候，移动互联网来了，还没搞清移动互联网的时候，大数据时代来了。&5月17日晚上，马云发表卸任演讲时如是说。
　　什么是大数据?有将大数据定义为，由数量巨大、结构复杂、类型众多数据构成的数据集合，是基于的数据处理与应用模式，通过数据的整合共享、交叉复用形成的智力资源和知识服务能力。大数据技术的战略意义在于对这些有意义的数据进行专业化处理，从海量数据中发掘出真正的价值。
　　实际上，&大数据&已经在我们的身边。当你上搜索网站的时候，一些公司会记录下你的搜索习惯，并根据这些信息自动向你推荐相关广告;当你在商务网站购物时，一些电商公司会依据你的购物喜好，自动向你推荐有关产品;当你驾车上路时，电子导航系统会自动定位并向你指示方向&&得力于计算机对海量数据的存储、分析以及处理，我们能够并且可以运用大数据实现原来遥不可及的梦想。
　　大数据的应用前景之广阔已经毋庸置疑。据IDC发布的关于中国大数据技术和服务市场的首份报告《中国大数据技术与服务市场年预测与分析》显示，该市场规模将会从2011年的7760万美元增长到2016年的6.17亿美元，未来5年的复合增长率达51.4%，市场规模增长近7倍。
　　大数据应用的探索
　　如今，大数据的概念已深入IT业界，一些IT公司正在有意识地利用大数据相关技术，另一些国际IT巨头正在布局大数据产业。广州国际创新谷联合创始人许洪波表示，大数据时代的创业机会的大应用方向是智慧城市，、医疗健康、，电子商务以及、社交媒体等，移动互联网是未来10年IT产业的下一个金矿。目前，国内一些领先的互联网企业，包括新浪、腾讯、阿里巴巴等，已开始了实质性的探索。
　　比如，阿里、新浪联姻之后，新浪微博近期推出重磅作品：&Page页面&，通过微博信息流，微博用户可以通过&关注&、&赞&、&点评&与之产生互动关系。新浪微博面临的化难题是众所周知的，而阿里巴巴和微博之间的战略协同，将打造出一个颇具想象力的横跨社交领域和电商领域的生活平台。
　　IDC中国负责商业分析软件市场研究的研究经理潘永花指出：&在中国，互联网巨头是率先使用大数据技术的用户，但他们主要基于开源软件自主开发大数据应用。电信和(行情 专区)领域开始对大数据技术和服务产生浓厚的兴趣，将会从非关键应用开始尝试使用大数据解决方案。&
　　据了解，在工信部发布的十二五规划中，信息处理技术作为四项关键技术创新工程之一，其中包括海量数据存储、数据挖掘、图像视频智能分析，这些都是大数据的重要组成部分。专家介绍，大数据在中国给出了一个大机会，使得中国能够更快地追赶英美等发达国家。
　　大数据引领&智慧城市&建设
　　大数据的重要性已是共识，而大数据在实际应用场景中的落地是大数据真正为人们所用的前提。对于国内如火如荼的智慧城市建设热潮，大数据将无疑成为&智慧引擎&。
　　结合智慧城市对信息的需求，大数据将为智慧城市的各个领域提供强大的决策支持。在城市规划方面，通过对城市地理、气象等自然信息和经济、社会、文化、人口等人文社会信息的挖掘，可以为城市规划提供强大的决策支持，强化城市管理服务的科学性和前瞻性。在交通管理方面，通过对道路交息的实时挖掘，能有效缓解交通拥堵，并快速响应突发状况，比如，市目前正在研究建立一系列基于数据的交通管理系统，建立应对流量研判、道路疏导、楼宇规划、道路管制应急响应、特征车辆检索等一系列应对措施，在交通拥堵时疏导交通，并可及时提醒用户。
　　赛迪智库软件与信息服务业研究所所长安晖指出，在智慧城市中，不管要把信息技术应用到哪里，重要的是提高相关人的意识，让人能够主动地、清楚地运用信息(数据)。从规划之初就必须从整体考虑建设和运营智慧城市，此外，眼光应瞄准实际应用，从城市发展和百姓生活最关注的领域和角度出发，开发应用，推广应用，发挥大数据价值。
　　&大数据是这个时代的标识，它代表了信息资源的有效开发和利用。&工业和信息化部官员表示，从数据到信息再到资源，是应用价值和效益逐步清晰的过程。
　　不过，需要看到的是，罗马不是一夜建成的，大数据概念的真正落地还需要一个过程。只有采集到足够多的数据，才有可能构建模型，做出统计分析，这在很大程度上有待于各个领域打破各自的&信息孤岛&。
标签：大数据
本文分享地址：
相关新闻：
最新新闻：
第一章 珠海地区婚戒首饰机构前期...
中国有机食品市场发展概...
全国咨询热线: 400-666-1917 (7*24小时)　2
可行性研究报告\商业计划书咨询热线: 400-788-9700 (7*24小时)　IPO咨询咨询热线: 400-788-9689(7*24小时)
媒体合作: 5 　广告合作: 5 　网站合作: 5 　传真: 5
　 客服QQ：
　 客服电邮：
北京地址：北京市朝阳区东四环中路41号嘉泰国际大厦B座13层（中国纺织科学研究院）　邮编：100025　
深圳地址：深圳市福田中心区红荔路1001号银盛大厦7层(团市委办公大楼) 　 邮编：518027 　
香港地址：香港皇后大道中183号中远大厦19楼 　电话：(852)
askci Corporation, All Rights Reserved 中商情报网 版权所有
&&增值电信业务经营许可证：粤B2-制造业怎么应用大数据？
提高生产效率、减少不良消耗、提高订单量、规避风险等都可以说说（貌似大数据主要应用在营销上，类似于服务业、商业用得多，制造业好像很少应用？）
谢邀！大数据概念越来越广，现在我们最好不纠结于大数据的概念，探讨一下如何使用更广的信息与数据，和在行业内外创新的使用数据。目前我了解到比较有意思的例子是：1. 尚品宅配优化生产环节尚品宅配将前台的订单与后台的生产环节打通，在制作板式家居的时候，自动形成配料单，同时，各类板子也编上了代码。这样做一个是优化了原料使用，一块板子可以最大限度的为各个订单生产零件，另外机器指挥人干活，工人来了，机器告诉工人，要什么原料，怎么放，生产效率明显提高2. UPS使用大数据规划物流线路UPS通过各类社交媒体的信息，预测各种危机节点，在转运关键节点出现意外、罢工、天气灾害等可能时，自动优化、调整配送线路，保证客户（特别是汽车领域的客户）空运订单及时到达。以上两个例子，说明了制造业利用大数据有几个维度。一个是结合工业4.0，物联网，各类传感器等产生的新数据，对生产过程进行优化一个是结合外部数据，对自己的生产内容，经营行为进行选择和优化还一个一个是将自己的数据，服务于金融等其他行业，获取必要的利益，比如一家企业，如果能将自己的用电量，用水量，机器工作时间提供给金融服务机构，则很有助于金融机构判断企业的经营情况，对其发放贷款。（浙江的担保、小贷公司也基本是这么干的）应用数据的思维古已有之，如同所谓的互联网思维，其实几十年前的营销学原理就有涉猎。关键在于我们能通过适当的技术与工具把数据联结起来，进行分析，进行跨界创新应用。我始终认为中国这个制造业大国，在工业企业信息化，数据化，数据创新应用领域有很多可以做的事情。一定可以诞生很多有趣的企业。
谢邀。首先声明一点，我的回答不代表SAP公司，本人并非ERP的专家。做了24年数据库，数据仓库，数据挖掘软件开发、使用、管理工作经验，在SAP全球及SAP中国都负责过不同的大数据方面的职务，在最近十年的工作中开始和各行各业的数据库/大数据用户接触，对一些行业中的大数据问题及解决方案有研究。问题不光在于制造业如何应用大数据，而更多地在于制造业如何认识和看待大数据。传统来看制造业并不是信息化非常发达的行业，这一点体现在多数制造业的流程传统而粗糙，即使有现代化的设备，整体的信息化方案也多半来自设备制造商（本身有时候被算作高科技业，例如Applied Material一类的半导体设备制造商，还有台积电一类的半导体代工厂商）。但是在大数据时代，似乎这不是一个绝对的坏事，就好像中国的电信行业直接跳过美国花了上百年发展的固话业务，直接跳到移动电话业务，迅速提高了中国人民的通讯水平和通讯体验，以中国移动为代表的电信运营商还迅速跃升为全球顶级的运营商，在大数据时代，更是迅速成为大数据的领先选手。我认为中国的制造业需要对大数据有以下几点认识：1，制造业是需要数字化的：数字化会给制造业带来更精准、更先进的工艺，更优良的产品，这个概念可以补足中国的制造业在此之前的整体水平2，制造业首先是大数据的源头，一旦制造业进一步数字化，生产流程中产生的数据都轻而易举地属于大数据的范畴，其数据量、产生频度、类型从IT角度来看，都极具挑战性和吸引力。一个半导体生产机台一天产生的数据量可以轻松上TB，这样几年积累的数据就在PB级了，如果对此数据进行分析研究，就是个实实在在的大数据问题3，从制造业本身来说，国际上以德国的“工业4.0”口号为代表的数字化制造，物联网为代表的信息化产品，将占据制造业的重要平台性话题，在这个方面没有布局的企业可能很快都要被划为“传统制造业”，从而面临工业革命历史上必然遇到的被淘汰的挑战。4，制造业可以通过IT技术的提升，特别是大数据技术的提升而成就离子式跳跃，大数据技术代表了新的制造业产业革命，产业转型的标志性技术和关键性技术，“传统制造业”可以通过IT技术的提升而实现弯道超车，迅速实现转型当然这一切的挑战是大数据人才的深度和厚度，对大数据的理解和大数据技术的采用程度愿中国的制造业把握机会，瞄准方向，实现飞跃
6sigma 什么的不早就把数据分析作为制造业规范化数字化还有风控方面的应用了么？不存在大数据又来个噱头炒炒x.0的概念吧。要说有概念但难于落地我能想到的两个方面：1. 前端数据无法搜集。（也就是在整个过程中可能产生的所有数据类型难以搜集或无法搜集并利用）这个随着科技发展，应该不是难点。2. 商业模式不利于数据分析？这个只是假设，等我想明白再补充。
制造业从业人员怒答。一句话：谁说制造业不用，大数据太重要了！！！！！从本行说起，本人从事制造业良率提升，实际工作中，对失效品的个案分析往往无疾而终，有价值的信息淹没在量测误差、实验噪声或者不科学的实验设计里。而通过对于大量数据的分析，噪声信息会消失，差异点会叠加放大。生产的过程数据越多，分析就越细致，在信息充足的情况下，工程师甚至可以将异常定位到机台的某个机构，从而实验设计也能合理化，目的化，极大地加速良率提升的脚步。而产品的质量监控就更不用提了，这在高新科技制造业已经是常识——没有好的过程管控，是不可能控制好产品质量的。而收集并自动监控生产过程中的各种特征值，也是大数据的一部分。-----------------------------以下是吐槽，干货不足见谅……-----------------------------好多人都觉得大数据挺简单的呐，收集收集数据，然后分析分析，几张图表一个PPT，OVER。有鬼咧！！！大数据为什么NB，因为它大啊！！！！概念大家一听就懂啊！！！用起来才知道蛋疼啊！！！产线每天都产生着以TB计的的资料你们造吗？！量产半年服务器就快塞爆了，IT被工程部骂成狗你们造吗？！数据服务商换了2家，每家都不给力啊！！！！结果还是我们的员工重写了代码提升了数据读取速度，拿了公司最佳员工你们造吗？！即便如此，每天早晨都要花个把小时从服务器捞数据你们造吗？！捞数据捞到一半去拉个屎，回来计算机休眠了卧槽！！！白捞了啊！！！！！我为什么要去拉屎啊！！！！这TM又要加班了啊！！！！不说知乎IT工程师多吗？快来制造业创造价值吧！！！不要看不起制造业啊！！！我们的的需求很墙裂啊！！！TM必须节省空间啊！！！服务器每天都在哀嚎啊！！！TM必须提高数据库读取的效率啊！！！我每天也在哀嚎啊！！！绝壁蓝海啊有木有！！！我代表工程师感谢你们啊！！！馋嘴牛蛙毛血旺水煮牛肉豆花肥肠随你挑啊！！！我买单啊！！！！哎……继续捞数据，D盘已经被EXCEL塞满了……
不要着急玩大数据-
从TIM全面库存管理角度看数据 - 程晓华沸沸扬扬的“大数据（Big Data）”，把很多企业、很多人搞得魂不守舍，蠢蠢欲动，似乎只要一玩大数据，大家都可以发大财似的。其实，你只要静下心来想一想，很多企业，似乎还没有资格去玩什么大数据。因为，“微数据（Micro Data）”、“小数据（Small Data）”你都还没有搞清楚，你去玩什么“大数据”？那么，什么叫微数据呢？说简单点，所谓的微数据就是你自己的数据（见附图第一层），如制造业普遍使用的ERP数据。很多企业，花了很多钱上了ERP，结果还是“不好使”，给客户及时交货率没有提高，呆滞库存还是数不清，库存周转率还是上不去，为什么？很多人抱怨是上错了ERP，或者怪ERP功能不完善，更有甚者是把使用了多年的BAAN/ORACLE换成了SAP，结果呢？还是那个样儿！这是为什么？业务流程、组织架构没有与ERP有效结合是个很重要的原因，但ERP内部数据不准确，却是个重中之重的原因！所以，我跟很多企业讲，其实你不需要这么昂贵的ERP，你花十分之一、甚至是百分之一的钱，用个金蝶K3或者用友的U8也就足够了，因为“一只拿着木头棒子的猴子，完全可以杀死一头拿着AK47（突击步枪）的猪”（注：这句话不是我说的，是我伟创力一个兄弟的发明），你信不信？关键的问题是你先理清你的微数据。微数据包括主数据（Master Data），如BOM数据，交易数据（Transactional Data），如收、发货的数据等等，但这些说白了都属于企业内部的数据，理论上是完全可控的，但你真正控制住了吗？我的TIM审核、数据挖掘的12张表，基本都属于“微数据”的范畴，但又有几家企业能够比较完整地提取出来？接下来才是所谓的“小数据”，见附图第二层。小数据是指企业外部的，但是又是来自于合作伙伴的数据，如供应商的库存，客户的库存，甚至是供应商的供应商的库存，客户的客户的库存。这些数据基本上也是可控的，但前提是需要ERP之外的工具链接，如一些供应链管理协同软件，类似E2OPEN等等。但现在的问题是，这些小数据，对很多企业来讲也是个巨大的挑战。我在审核很多企业的供应链管理过程中，发现一种我称之为“伪VMI”的现象。我的很多咨询客户的客户要他们做VMI（供应商管理库存），但客户的客户每天用了他们多少东西，什么时间用的，用了多少，又不告诉人家，没有任何系统对接，只有等到财务月结的时候才产生个数据，准不准也不知道，这叫什么VMI？当然，“伪VMI”还包括让供应商被动地补货，这里就不多讲了。小数据搞不定，又会直接影响微数据的准确性，反之亦然，于是就乱成了一锅粥。物流的三流（物流、信息流、资金流）被讲了多少年了，但最基础的信息流，也就是数据流都搞不清楚，又哪来的物流、资金流？小、微数据乱了套，搞大数据又有啥用？从供应链管理的角度（见附图第三层），基础原材料的供应市场分析应该属于所谓大数据的范畴。如，你要研究电子元器件的价格、供应走势，你就必须从大数据的角度，来研究硅、镍、铜等基础原材料的市场情况；你要研究哪款产品好卖，你就要从大数据角度，研究终端消费者的消费行为、习惯等等。但问题是，你大数据研究的再好，你的小数据、微数据不给力，你不是该出不去货，还是出不去，该有的呆滞库存，你还还是有吗？基础打不好，你即使能伸到“云”里去，又能怎么样呢？从“微”到“小”，再从“小”到“大”，这是个规律啊！作者程晓华先生，《制造业库存控制技巧》、《CMO首席物料官》著作者；《制造业库存控制技术与策略》课程创始人、讲师 ；“TIM-全面库存管理”首席咨询师
制造业一直在用大数据
Hortonworks有一系列很好的科普文讲大数据的用途。这篇讲制造业：里面有个参考架构图：我摘要一下里面提到的用途：1. 供应链优化。RFID随时监控材料用量。2. 基于传感器的质量监控。不光是实时监控产品流水线，还可以线下机器学习，改善监控精度。3. 基于传感器的设备维修保养。4. 监控药品生产环境，提高成品率。这个我不太懂。5. 社交网络上收集分析用户反馈。这个比较通用，什么行业都会用到。基本上还是物联网的思路。
大数据得先大hadoop建议大数据量起步是12tb每天达到这个数据量的log的web公司中国过不去10家所以先解决大数据的大吧
数据分析在制造业早就应用了吧，6sigma，精益生产10多年前就开始普及了。只是制造业的数据可能在终端客户那里还没有收集到
楼上说的都有点虚，来点干货吧。本人在汽车行业ABB的其中一家整车厂的焊装车间工作。举几个大数据应用的栗子，每辆生产的白车身的各种连接技术都有数据监控及记录；每辆生产的白车身的重要尺寸测量点都有测量记录；每辆生产的白车身的车身表面间隙平顺度都有测量记录；这是质量相关的......每天生产的节拍和停机时间都会自动记录；设备自身也会记录自身的使用频率和更换周期；生产和设备相关的......简而言之，我们生产的每台车都能查的到它生产时的相关数据
已有帐号？
无法登录？
社交帐号登录一、大数据的初步理解似乎一夜之间，大数据(Big Data)变成一个IT行业中最时髦的词汇。首先，大数据不是什么完完全全的新生事物，Google的搜索服务就是一个典型的大数据运用，根据客户的需求，Google实时从全球海量的数字资产(或数字垃圾)中快速找出最可能的答案，呈现给你，就是一个最典型的大数据服务。只不过过去这样规模的数据量处理和有商业价值的应用太少，在IT行业没有形成成型的概念。现在随着全球数字化、网络宽带化、互联网应用于各行各业，累积的数据量越来越大，越来越多企业、行业和国家发现，可以利用类似的技术更好地服务客户、发现新商业机会、扩大新市场以及提升效率，才逐步形成大数据这个概念。有一个有趣的故事是关于奢侈品营销的。PRADA在纽约的旗舰店中每件衣服上都有RFID码。每当一个顾客拿起一件PRADA进试衣间，RFID会被自动识别。同时，数据会传至PRADA总部。每一件衣服在哪个城市哪个旗舰店什么时间被拿进试衣间停留多长时间，数据都被存储起来加以分析。如果有一件衣服销量很低，以往的作法是直接干掉。但如果RFID传回的数据显示这件衣服虽然销量低，但进试衣间的次数多。那就能另外说明一些问题。也许这件衣服的下场就会截然不同，也许在某个细节的微小改变就会重新创造出一件非常流行的产品。还有一个是关于中国粮食统计的故事。中国的粮食统计是一个老大难的问题。中国的统计，虽然有组织、有流程、有法律，但中央的统计人员依靠省统计人员，省靠市，市靠县，县靠镇，镇靠村，最后真正干活或上报的是基层兼职的调查人员，由于众所周知的KPI考核导向的原因，层层加码，几乎没有人相信这个调查数据，而其中国家统计局的人是最不信的。在前两年北京的一个会议上，原国家统计局总经济师姚景源向我们讲述了他们是如何做的。他们采用遥感卫星，通过图像识别，把中国所有的耕地标识、计算出来，然后把中国的耕地网格化，对每个网格的耕地抽样进行跟踪、调查和统计，然后按照统计学的原理，计算(或者说估算)出中国整体的整体粮食数据。这种做法是典型采用大数据建模的方法，打破传统流程和组织，直接获得最终的结果。最后是一个炒股的故事。这个故事来自于2011年好莱坞的一部高智商电影《永无止境》，讲述一位落魄的作家库珀，服用了一种可以迅速提升智力的神奇蓝色药物，然后他将这种高智商用于炒股。库珀是怎么炒股的呢?就是他能在短时间掌握无数公司资料和背景，也就是将世界上已经存在的海量数据(包括公司财报、电视、几十年前的报纸、互联网、小道消息等)挖掘出来，串联起来，甚至将Face Book、Twitter的海量社交数据挖掘得到普通大众对某种股票的感情倾向，通过海量信息的挖掘、分析，使一切内幕都不是内幕，使一切趋势都在眼前，结果在10天内他就赢得了200万美元，神奇的表现让身边的职业投资者目瞪口呆。这部电影简直是展现大数据魔力的教材性电影，推荐没有看过的IT人士看一看。从这些案例来看，大数据并不是很神奇的事情。就如同电影《永无止境》提出的问题：人类通常只使用了20%的大脑，如果剩余80%大脑潜能被激发出来，世界会变得怎样?在企业、行业和国家的管理中，通常只有效使用了不到20%的数据(甚至更少)，如果剩余80%数据的价值激发起来，世界会变得怎么样呢?特别是随着海量数据的新摩尔定律，数据爆发式增长，然后数据又得到更有效应用，世界会怎么样呢?单个的数据并没有价值，但越来越多的数据累加，量变就会引起质变，就好像一个人的意见并不重要，但1千人、1万人的意见就比较重要，上百万人就足以掀起巨大的波澜，上亿人足以改变一切。数据再多，但如果被屏蔽或者没有被使用，也是没有价值的。中国的航班晚点非常多，相比之下美国航班准点情况好很多。这其中，美国航空管制机构一个的好做法发挥了积极的作用，说起来也非常简单，就是美国会公布每个航空公司、每一班航空过去一年的晚点率和平均晚点时间，这样客户在购买机票的时候就很自然会选择准点率高的航班，从而通过市场手段牵引各航空公司努力提升准点率。这个简单的方法比任何管理手段(如中国政府的宏观调控手段)都直接和有效。这里多说一两句，过去一个暴政国家对内的控制主要是物理上的暴力，就是强力机构权力无限大，搞国家恐怖主义;而现在一个暴政国家，主要是就靠垄断信息、封锁信息，让民众难以获得广泛而真实的信息，从而实现国家的控制。这个信息封锁，就是对大数据的封锁。没有整合和挖掘的数据，价值也呈现不出来。《永无止境》中的库珀如果不能把海量信息围绕某个公司的股价整合起来、串联起来，这些信息就没有价值。因此，海量数据的产生、获取、挖掘及整合，使之展现出巨大的商业价值，这就是我理解的大数据。在互联网对一切重构的今天，这些问题都不是问题。因为，我认为大数据是互联网深入发展的下一波应用，是互联网发展的自然延伸。目前，可以说大数据的发展到了一个临界点，因此才成为IT行业中最热门的词汇之一。二、大数据将重构很多行业的商业思维和我想以对未来汽车行业的狂野想象来展开这个题目。在人的一生中，汽车是一项巨大的投资。以一部30万车、七年换车周期来算，每年折旧费4万多(这里还不算资金成本)，加上停车、保险、油、维修、保养等各项费用，每年耗费应在6万左右。汽车产业也是一个很长产业链的龙头产业，这个方面只有房地产可以媲美。但同时，汽车产业链是一个低效率、变化慢的产业。汽车一直以来就是四个轮子、一个方向盘、两排沙发(李书福语)。这么一个昂贵的东西，围绕车产生的数据却少的可怜，行业产业链之间几无任何数据传递。我们在这里狂野地想象一番，如果将汽车全面数字化，都大数据了，会产生什么结果?有些人说，汽车数字化，不就是加个MBB模块吗?不，这太小儿科了。在我理想中，数字化意味着汽车可以随时联上互联网，意味着汽车是一个大型计算系统加上传统的轮子、方向盘和沙发，意味着可以数字化导航、自动驾驶，意味着你和汽车相关的每一个行动都数字化，包括每一次维修、每一次驾驶路线、每一次事故的录像、每一天汽车关键部件的状态，甚至你的每一个驾驶习惯(如每一次的刹车和加速)都记录在案。这样，你的车每月甚至每周都可能产生T比特的数据。好了，我们假设这些数据都可以存储并分享给相关的政府、行业和企业。这里不讨论隐私问题带来的影响，假设在隐私保护的前提下，数据可以自由分享。那么，保险公司会怎么做呢?保险公司把你的所有数据拿过去建模分析，发现几个重要的事实：一是你开车主要只是上下班，南山到坂田这条线路是非繁华路线，红绿灯很少，这条路线过去一年统计的事故率很低;你的车况(车的使用年限、车型)好，此车型在全深圳也是车祸率较低;甚至统计你的驾驶习惯，加油平均，临时刹车少，超车少，和周围车保持了应有的车距，驾驶习惯好。最后结论是你车型好，车况好，驾驶习惯好，常走的线路事故率低，过去一年也没有出过车祸，因此可以给予更大幅度的优惠折扣。这样保险公司就完全重构了它的商业模式了。在没有大数据支撑之前，保险公司只把车险客户做了简单的分类，一共分为四种客户，第一种是连续两年没有出车祸的，第二种过去一年没有出车祸，第三种过去一年出了一次车祸，第四种是过去一年出了两次及以上车祸的，就四种类型。这种简单粗暴的分类，就好像女人找老公，仅把男人分为没有结过婚的、结过一次婚的、结过二次婚的、结过三次及以上婚的四种男人，就敢嫁人一样。在大数据的支持下，保险公司可以真正以客户为中心，把客户分为成千上万种，每个客户都有个性化的解决方案，这样保险公司经营就完全不同，对于风险低的客户敢于大胆折扣，对于风险高的客户报高价甚至拒绝，一般的保险公司就完全难以和这样的保险公司竞争了。拥有大数据并使用大数据的保险公司比传统公司将拥有压倒性的竞争优势，大数据将成为保险公司最核心的竞争力，因为保险就是一个基于概率评估的生意，大数据对于准确评估概率毫无疑问是最有利的武器，而且简直是量身定做的武器。在大数据的支持下，4S店的服务也完全不同了。车况信息会定期传递到4S店，4S店会根据情况及时提醒车主及时保养和维修，特别是对于可能危及安全的问题，在客户同意下甚至会采取远程干预措施，同时还可以提前备货，车主一到4S店就可以维修而不用等待。对于驾驶者来说，不想开车的时候，在大数据和人工智能的支持下，车辆可以自动驾驶，并且对于你经常开的线路可以自学习自优化。谷歌的自动驾驶汽车，为了对周围环境作出预测，每秒钟要收集差不多1GB的数据，没有大数据的支持，自动驾驶是不可想象的;在和周围车辆过近的时候，会及时提醒车主避让;上下班的时候，会根据实时大数据情况，对于你经常开车的线路予以提醒，绕开拥堵点，帮你选择最合适的线路;在出现紧急状况的时候，比如爆胎，自动驾驶系统将自动接管，提高安全性(人一辈子可以难以碰到一次爆胎，人在紧急时的反应往往是灾难性的，只会更糟);到城市中心，寻找车位是一件很麻烦的事情，但未来你可以到了商场门口后，让汽车自己去找停车位，等想要回程的时候，提前通知让汽车自己开过来接。车辆是城市最大最活跃的移动物体，是拥堵的来源，也是最大的污染来源之一。数字化的车辆、大数据应用将带来很多的改变。红绿灯可以自动优化，根据不同道路的拥堵情况自动进行调整，甚至在很多地方可以取消红绿灯;城市停车场也可以大幅度优化，根据大数据的情况优化城市停车位的设计，如果配合车辆的自动驾驶功能，停车场可以革命性演变，可以设计专门为自动驾驶车辆的停车楼，地下、地上楼层可以高达几十层，停车楼层可以更矮，只要能高于车高度即可(或者把车竖起来停)，这样将对城市规划产生巨大的影响;在出现紧急情况，如前方塌方的时候，可以第一时间通知周围车辆(尤其是开往塌方道路的车辆);现在的燃油税也可以发生革命性变化，可以真正根据车辆的行驶路程，甚至根据汽车的排污量来收费，排污量少的车甚至可以搞碳交易，卖排放量卖给高油耗的车;政府还可以每年公布各类车型的实际排污量、税款、安全性等指标，鼓励民众买更节能、更安全的车。电子商务和快递业也可能发生巨大的变化。运快递的车都可以自动驾驶，不用赶白天的拥堵的道路，晚上半夜开，在你家门口设计自动接收箱，通过密码开启自动投递进去，就好像过去报童投报一样。这么想象下来，我认为，汽车数字化、互联网化、大数据应用、人工智能，将对汽车业及相关的长长的产业链产生难以想象的巨大变化和产业革命，具有无限的想象空间，可能完全被重构。当然，要实现我所描述的场景，估计至少50年、100年之后的事情了，估计我这辈子是看不到的。下面一个想象是围绕着人本身来展开的。人的数字化生存也就是这几十年的事情。我爷爷奶奶那辈子，是在人生末年的时候有照片，算是初步在个人形象方面有了一点数字化，让我们及后代还可以知道爷爷奶奶的光辉形象。而我们从小就有照片，这些年我们的数字化就越来越多了，身份是数字的(就是身份证)，银行存款是数字的，照片是全数字，体检单也数字化，购物数字化(淘宝上有我的几十个地址、几百条购物信息、上万次搜索信息)，沟通数字化(微信上有新的朋友圈生态)，初步构建了一个数字化生存的状态。而我们的下一辈或下下一辈将进入完全的数字化生存，人从一出生就有基因图谱，到后续的每一次体检、每一次化验，到每一年、每一个月、每一个日子的活动，到相关亲戚的轨迹，从每一个人，到每一代人，到整个族谱，到整个国家，到整个全球，这些海量数据的产生将从量变到质变，这些数据的挖掘与使用将对人类本身产生革命性的影响。这里，我们也想象一下：比如，在你找对象的时候，碰上一位心爱的姑娘，大数据系统就像算命系统一样，根据双方海量数据的挖掘，告诉你和姑娘匹配指数是多少，告诉你全球类似情况的夫妻日后离婚概率是多少，低于某个匹配指数，大数据系统会慎重建议你认真考虑不要这个姑娘继续交往下去。听起来是不是特别像门当户对的数字化呢?当然，你可能会说，这样的人生多没有意思啊，错误本来就是人生最美丽的一部分。呵呵，我只讨论科学问题，对你这种以&浪漫主义&为名，事实上是不以结婚为目的的耍流氓式的恋爱，不予以理睬。其实，我内心也承认，偶尔耍耍流氓是很好的。呵呵，开个玩笑。又比如，在你找工作的时候，可能会有这么一天，当你面试时，HR会淡定的告诉你，对不起，经过我们的大，你历来的网贴、微博、微信总体负面情绪过多，不符合我们企业阳光乐观积极向上的主题，出门左拐就有地铁站，慢走。再比如，在你过生日的那天，朋友们生日快乐祝福之后，大数据分析系统会告诉你，你的生命将进入倒计时，根据过去几年的身体数字化大数据，根据基因图谱，根据你亲戚的相关情况统计，你有80%的概率在20年内死去，有30%概率在60岁左右因基因缺陷发生脑溢血，因此你要改善生活习惯，并重点加强监控脑溢血发生的可能性。这些事情如果都发生，会出现什么情况?第一，估计人类的生命普遍将延长10年以上，因为很多潜在的突发性恶性疾病爆发的概率大幅度降低了。第二，和上面的汽车故事一样，保险公司也可以基于大数据重构商业模型，可以对每个人的大数据进行分析，对每个人进行针对性的保险业务设计。第三，药厂的商业模式可能也改变了，药厂拥有你相关的大数据，可以为你量身定做药品，西服都能量身定做，药品为什么不能呢?定制的西服更合身，定制的药品肯定针对性更强、副作用更少。西服能量身定做，是因为有你三围的数据，药品能量身定做也是因为有你身体的数据，道理是一样的。第四，国家的医保政策也可能重构，国家能根据大数据系统，分析整体国民素质，分析老龄化情况，分析养老金系统的承受能力，针对性地增强某些区域的医疗资源，或者动态调整养老保险费率，或者动态调整退休年限等等。对汽车产业和数字化人生的想象告一段落。这里，我想系统回顾一下工业文明的发展历程，首先是物理世界的工业文明，典型是蒸汽机的发明，使汽车、轮船进入生活;然后是数字世界的工业文明，就是IT技术的使用，使PC及各种电子产品进入生活，以及企业数字化系统的建立，使沃尔玛这样的巨型企业产生成为可能;下一步就是物理世界和数字世界的融合，这也就是业界热炒的&工业互联网&、&IT 3.0&，而这里面除了数字技术在传统行业的使用(这个事实上已经在广泛使用)、电子商务在渠道的广泛推行，更重要的就是大数据的产生及挖掘、使用，使企业在管理方式、市场机会挖掘、产品设计、营销、服务、商业模式等发生巨大的变化，这种巨大的变化带来了很多行业的革命性变局，也就是颠覆与改造。这种变化在所谓的低效率的大行业将最为明显与直接。这些所谓的的低效率大行业，就是垄断特征明显、产业规模大、产业链长、历史悠久但长时间变化少、IT应用水平低的行业，如汽车、金融、保险、医疗等。在这个章节的最后，我想总结一下自己对大数据的看法。第一，大数据使企业真正有能力从以自我为中心改变为以客户为中心。企业是为客户而生，目的是为股东获得利润。只有服务好客户，才能获得利润。但过去，很多企业是没有能力做到以客户为中心的，原因就是相应客户的信息量不大，挖掘不够，系统也不支持，目前的保险业就是一个典型。大数据的使用能够使对企业的经营对象从客户的粗略归纳(就是所谓提炼归纳的&客户群&)还原成一个个活生生的客户，这样经营就有针对性，对客户的服务就更好，投资效率就更高。第二，大数据一定程度上将颠覆了企业的传统管理方式。现代企业的管理方式是来源于对军队的模仿，依赖于层层级级的组织和严格的流程，依赖信息的层层汇集、收敛来制定正确的决策，再通过决策在组织的传递与分解，以及流程的规范，确保决策得到贯彻，确保每一次经营活动都有质量保证，也确保一定程度上对风险的规避。过去这是一种有用而笨拙的方式。在大数据时代，我们可能重构企业的管理方式，通过大数据的分析与挖掘，大量的业务本身就可以自决策，不必要依靠膨大的组织和复杂的流程。大家都是基于大数据来决策，都是依赖于既定的规则来决策，是高高在上的CEO决策，还是一线人员决策，本身并无大的区别，那么企业是否还需要如此多层级的组织和复杂的流程呢?第三，大数据另外一个重大的作用是改变了商业逻辑，提供了从其他视角直达答案的可能性。现在人的思考或者是企业的决策，事实上都是一种逻辑的力量在主导起作用。我们去调研，去收集数据，去进行归纳总结，最后形成自己的推断和决策意见，这是一个观察、思考、推理、决策的商业逻辑过程。人和组织的逻辑形成是需要大量的学习、培训与实践，代价是非常巨大的。但是否这是唯一的道路呢?大数据给了我们其他的选择，就是利用数据的力量，直接获得答案。就好像我们学习数学，小时候学九九乘法表，中学学几何，大学还学微积分，碰到一道难题，我们是利用了多年学习沉淀的经验来努力求解，但我们还有一种方法，在网上直接搜索是不是有这样的题目，如果有，直接抄答案就好了。很多人就会批评说，这是抄袭，是作弊。但我们为什么要学习啊?不就是为了解决问题嘛。如果我任何时候都可以搜索到答案，都可以用最省力的方法找到最佳答案，这样的搜索难道不可以是一条光明大道吗?换句话说，为了得到&是什么&，我们不一定要理解&为什么&。我们不是否定逻辑的力量，但是至少我们有一种新的巨大力量可以依赖，这就是未来大数据的力量。第四，通过大数据，我们可能有全新的视角来发现新的商业机会和重构新的商业模式。我们现在看这个世界，比如分析家中食品腐败，主要就是依赖于我们的眼睛再加上我们的经验，但如果我们有一台显微镜，我们一下就看到坏细菌，那么分析起来完全就不一样了。大数据就是我们的显微镜，它可以让我们从全新视角来发现新的商业机会，并可能重构商业模型。我们的产品设计可能不一样了，很多事情不用猜了，客户的习惯和偏好一目了然，我们的设计就能轻易命中客户的心窝;我们的营销也完全不同了，我们知道客户喜欢什么、讨厌什么，更有针对性。特别是显微镜再加上广角镜，我们就有更多全新的视野了。这个广角镜就是跨行业的数据流动，使我们过去看不到的东西都能看到了，比如前面所述的汽车案例，开车是开车，保险是保险，本来不相关，但当我们把开车的大数据传递到保险公司，那整个保险公司的商业模式就全变了，完全重构了。最后一点，我想谈的是大数据发展对IT本身技术架构的革命性影响。大数据的根基是IT系统。我们现代企业的IT系统基本上是建立在IOE(IBM小型机、Oracle数据库、EMC存储)+Cisco模型基础上的，这样的模型是Scale-UP型的架构，在解决既定模型下一定数据量的业务流程是适配的，但如果是大数据时代，很快会面临成本、技术和商业模式的问题，大数据对IT的需求很快就会超越了现有厂商架构的技术顶点，超大数据增长将带来IT支出增长之间的线性关系，使企业难以承受。因此，目前在行业中提出的去IOE趋势，利用Scale-out架构+开源软件对Scale-up架构+私有软件的取代，本质是大数据业务模型所带来的，也就是说大数据将驱动IT产业新一轮的架构性变革。去IOE潮流中的所谓国家安全因素，完全是次要的。所以，美国人说，大数据是资源，和大油田、大煤矿一样，可以源源不断挖出大财富。而且和一般资源不一样，它是可再生的，是越挖越多、越挖越值钱的，这是反自然规律的。对企业如此，对行业、对国家也是这样，对人同样如此。这样的东西谁不喜欢呢?因此，大数据这么热门，是完全有道理的。三、新智慧生物的诞生?下面的想象就更狂野了，真正要实现，估计至少是我们十辈子或者一百辈子以后的事情。那时候，我们已经是祖宗了哈。大家就当科幻小说来看好了。从最近一位微软副总裁的演讲说起。瑞克&拉希德(Rick Rashid)是微软研究院的高级副总裁，有一天，他在中国的天津迈上讲台，面对2000名研究者和学生，要发表演讲，他非常非常紧张。这么紧张是有原因的。问题在于，他不会讲中文，而他的翻译水平以前非常糟糕，似乎注定了这次的尴尬。&我们希望，几年之内，我们能够打破人们之间的语言障碍，&这位微软研究院的高级副总裁对听众们说。令人紧张的两秒钟停顿之后，翻译的声音从扩音器里传了出来。拉希德继续说：&我个人相信，这会让世界变得更加美好。&停顿，然后又是中文翻译。他笑了。听众对他的每一句话都报以掌声。有些人甚至流下了眼泪。这种看上去似乎过于热情的反应是可以理解的：拉希德的翻译太不容易了。每句话都被理解，并被翻译得天衣无缝。令人印象最深的一点在于，这位翻译并非人类。这就是自然语言的机器翻译，也是长期以来人工智能研究的一个重要体现。人工智能从过去到未来都有清晰而巨大的商业前景，是以前IT业的热点，其热度一点不亚于现在的&互联网&和&大数据&。但是，人类过去在推进人工智能的研究遇到了巨大的障碍，最后几乎绝望。当时人工智能就是模拟人的智能思考方式来构筑机器智能。以机器翻译来说，语言学家和语言专家必须不辞劳苦地编撰大型词典和与语法、句法、语义学有关的规则，数十万词汇构成词库，语法规则高达数万条，考虑各种情景、各种语境，模拟人类翻译，计算机专家再构建复杂的程序。最后发现人类语言实在是太复杂了，穷举式的做法根本达不到最基本的翻译质量。这条道路最后的结果是，1960年代后人工智能的技术研发停滞不前数年后，科学家痛苦地发现以&模拟人脑&、&重建人脑&的方式来定义人工智能走入一条死胡同，这导致后来几乎所有的人工智能项目都进入了冷宫。这里讲个小插曲。我读大学的时候，有个老师是国内人工智能的顶级教授，还是国内某个人工智能研究会的副会长。他评述当时的人工智能，不是人工智能，而是人工愚蠢，把人类简单的行为分解、分解再分解，再去笨拙地模拟，不是人怎么聪明怎么学，而是模拟学习最蠢的人的最简单的动作。他说，对于当时人工智能的进步，有些人沾沾自喜，说好像登月计划中人类离月亮更进一步了，其实，就是站上了一块石头对着月亮抒情，啊，我离你更近了。他对自己事业的自我嘲讽，让我至今记忆非常深刻。后来有人就想，机器为什么要向人学习逻辑呢，又难学又学不好，机器本身最强大的是计算能力和数据处理能力，为什么不扬长避短、另走一条道路呢?这条道路就是IBM&深蓝&走过的道路。日，国际象棋大师卡斯帕罗夫在和IBM公司开发的计算机&深蓝&进行对弈时宣布失败，计算机&深蓝&因此赢得了这场意义深远的&人机对抗&。 &深蓝&不是靠逻辑、不靠所谓的人工智能取胜的，就是靠超强的计算能力取胜：思考不过你，但是算死你。类似的逻辑在后续也用到了机器翻译上。谷歌、微软和IBM都走上了这条道路。就是主要采用匹配法，同时结合机器学习，依赖于海量的数据及其相关相关统计信息，不管语法和规则，将原文与互联网上的翻译数据对比，找到最相近、引用最频繁的翻译结果做为输出。也就是利用大数据以及机器学习技术来实现机器翻译。现有的数据量越是庞大，那么这个系统就能越好地运行，这也正是为何新的机器翻译只有在互联网出现以后才有可能重新取得突破性进展的原因所在。因此，目前这些公司机器翻译团队中，有不少计算机科学家，但却连一个纯粹的语言学家也没有，只要擅长数学和统计学，然后又会编程，那就可以了。总而言之，利用这种技术，计算机教会自己从大数据中建立模式。有了足够大的信息量，你就能让机器学会做看上去有智能的事情，别管是导航、理解话语、翻译语言，还是识别人脸，或者模拟人类对话。英国剑桥微软研究院的克里斯&毕肖普(Chris Bishop)打了个比方：&你堆积足够多的砖块，然后退上几步，就能看到一座房子。&这里我们假设这种技术能够持续进步，未来基于大数据和机器学习基础上的人工智能达到比较流畅地模拟人类对话，就是人类可以和机器进行比较自如的对话。事实上，IBM的&沃森&计划就是这样科技工程，比如试图让计算机当医生，能够对大部分病进行诊断，并和病人进行沟通。另外，也假设目前刚刚兴起的穿戴式计算设备取得巨大的进展。这种进展到什么程度呢?就是你家的宠物小狗身上也装上了各种传感器和穿戴式设备，比如有图像采集，有声音采集，有嗅觉采集，有对小狗的健康进行监控的小型医疗设备，甚至还有电子药丸在小狗的胃中进行消化情况监控。小狗当然也联上网，也一样产生了巨大的数据量。这时，我们假设基于这些大数据建模，能够模拟小狗的喜怒哀乐，然后还能够通过拟人化的处理进行语音表达，换句话说，就是模拟小狗说人话，比如主人回家时，小狗摇尾巴，旺旺叫，那么这个附着于小狗身上的人工智能系统就会说，&主人，真高兴看到你回家&。不仅如此，你还可以和小狗的人工智能系统进行对话，因为这个人工智能系统能基本理解你的意思，又能够代替小狗拟人化表达。以下我们模拟一下可能的对话：你：&小狗，今天过得好?&小狗：&不错啊，主人你今天换的新狗粮味道很好，总觉得没有吃够。&你：&那很好。我们以后继续买这种狗粮。对了，今天有什么人来吗?&小狗：&只有邮递员来投递报纸。另外，邻居家的小狗玛丽也来串门，我们一起玩了一下午。&你：&那你们玩的怎么样?&小狗：&很开心啊。我好像又进入了初恋呢。&&&我们可以把上面的模拟对话当成一个笑话。但其实，我们这个时候就会发现一个惊人的事实，就是你其实是面对了两只小狗，一只是物理意义上的小狗，一只是基于大数据和机器学习的人工智能虚拟小狗，而且虚拟小狗比物理小狗还要聪明，真正善解人意。那么，这个虚拟小狗是不是新的智慧生物呢?我们继续把这个故事来做延伸，把小狗换成未来的人，人在一生中产生大量的数据，根据这些数据建模可以直接推演出很多的结论，比如喜欢看什么样的电影啊，喜欢什么口味的菜啊，在遇到什么问题时会怎么采取什么行动啊。这样的数据一直累积下来，直到这个人去世。我们有个大胆的想象，这些巨大的数据能否让这个人以某种方式继续存在下去呢?后代有什么问题需要寻求答案的时候，比如在人生的关键抉择时，比如大学要上什么专业、该不该和某个姑娘结婚，可不可以问问这个虚拟的人(祖先)有什么建议呢?答案是当然可以。在这种情况下，数字化生存不仅在人生前存在，也可以在人死后继续存在。人死了，可以在虚拟空间中继续存在。一辈子、一辈子的人故去，这些虚拟的智慧都可以继续存在，假设很多年过去了，这些虚拟智慧的祖宗们太多太多了，活着的子孙们甚至可以组建一个&祖宗联席参谋委员会&，优选那些考得好的(比如中过状元)，当过国家高级公务员(比如太守)、当过企业高管(比如CEO)、当过教授、当过作家的等等当过成功人士的祖宗，专门用于后代的咨询、解惑。让这些祖宗死后还有竞争，别死了就没有事情干了。这个场景是不是很熟悉啊?就是迪斯尼动画片《花木兰》中出现过的场景啊，花木兰在面临是否代父参军的重大人生时刻，就向&祖宗联席参谋委员会&倾诉过困惑，得到了指点。再更大胆地想象一下，假设材料科学也取得巨大的进展，那我们能不能把这些虚拟的生命重新植入到模拟人类的生态体上呢?当然也可以。这个新智慧体可非常像真正的人啊。那这算不算人死后复生呢?那这个新智慧体能不能继续拥有以前的身份证呢?能不能继续拥有以前的财产呢?能不能继续享受养老金呢?是不是也要有强制规定一定的寿命限制呢?这种智慧体会不会自学习、自进化?他们会不会爆发和人类的战争?往深处多想想，感觉全乱套了，现在的伦理、法律等都面临巨大的挑战。这些说明什么呢?就是随着大数据和机器学习的进一步进展，这个世界出现了新的智慧生物!大数据和机器学习在改变、重构和颠覆很多企业、行业和国家以后，终于到了改变人类自身的时候了!人类的演进出现了新的分支!有科学家画了下面一张图，来描述这两者智慧生物。一种是基于生物性的，经过几百万年的进化而来;一种是基于IT技术，基于大数据和机器学习，通过自模拟、自学习而来。前者更有逻辑性，更有丰富的情感，有创造力，但生命有限;后者没有很强的逻辑性，没有生物上的情感，但有很强的计算、建模和搜索能力，理论上生命是无限的。当然，这些事情要发生都会非常非常遥远。反正我们活着的时候是见不到了，死了也见不到，因为我们死的时候，我相信这种建立在大数据和机器学习之上的虚拟生命还不会存在。四、结束语我最后想说的是，我们对未来的认知，主要是基于常识和对未来的想象。根据统计，现在《纽约时报》一周的信息量比18世纪一个人一生所收到的资讯量更大，现在18个月产生的信息比过去5000年的总和更多，现在我家一台5000元电脑的计算能力比我刚入大学时全校的计算能力更强大。科技的进步在很多的时候总会超出我们的想象，试想如果未来我们一个人拥有的电脑设备超过现在全球现在计算能力的总和，一个人产生的数据量超过现在全球数据量的总和，甚至你的宠物小狗产生的信息量都超过现在全球数据量的总和，世界会发生什么呢?那就取决于你的想象力了。对于未来，你想象到什么了呢?
24小时报不停
上午十一点 阿里双十一购物节交易额冲至769亿
ODG 秘访上海，与 EasyAR 达成合作
一代女神张曼玉 在Apple Music推首支单曲Look In My Eyes
京东双11：1小时13分订单量超2013年全天 第一单13分钟送达
周黑鸭今日在港交所挂牌 招股价为5.88港元
有盼头了？ 传闻AirPods无线耳机下周开卖
双11来临 阿里巴巴、京东、亚马逊股价齐下挫
前程无忧第三季度营收5.95亿元：净利润同比降35%
天猫双十一购物节6分58秒交易额破100亿 其中无线占比达86%
央视专访刘强东：京东电商早就开始赚钱了
易到回应外媒报道，称新一轮融资在平稳进行
证监会高官李量受审，收受693万帮乐视等9公司上市
泰笛生活冠名天津男篮，体育营销又火了
带我飞宣布完成Pre-A轮融资，腾讯、合享资本参投
第三大股东欲转让股权，猪八戒网由盈利变亏损最新估值120亿
雅虎正式承认Verizon可能会因数据泄露事故放弃收购
苹果SEC文件证实：下代iPhone用OLED屏
58同城第三季度营收3亿美元 净亏损60万美元同比收窄
网易第三季度营收13.8亿美元，净利润同比增长45.6%
瓜子以SEC文件回应融资造假传闻：受法律严格约束，无造假可能
易果生鲜获2亿美元融资，将接管苏宁生鲜频道