怎么爬出大数据陷阱

‘壹’ 大数据需留意的六个安全问题

1、使数据易受攻击

如今，所有数据都是数字化的，并且数量巨大，黑客始终可以在恶意内部人员的帮助下找到进入入侵的方式。如果他们以某种方式可以访问你的关键数据，他们可以根据自己的目的进行修改，甚至删除其中的一些数据。这就是为什么完全依赖物联网、大数据和实时数据分析的公司限制访问并采取某些步骤来检测假数据形成的原因。这是其数据保护协议的关键部分。

2、使访问变得困难

使大数据生态系统有效的另一个重要因素是粒度访问控制。根据等级、权限可以授予不同人员不同级别的主数据访问权限。名义上，访问控制使大数据更加安全。但是，随着组织使用大量数据，增加复杂的控制面板可能变得更加微妙，并可能为更多潜在漏洞打开门户。

3、需要某些安全审核

在每个系统开发中，几乎都是需要安全审核的地方，特别是在大数据不安全的地方。但是，考虑到使用大数据已经带来了广泛的挑战，这些安全审核通常被忽略，这些审核只是添加到列表中的另一件事。这种态度与以下事实结合在一起：许多公司仍需要能够设计和实施此类安全审核的合格人员。

4、分散的框架

使用大数据的公司可能需要在不同系统之间分布数据分析。例如，Hadoop是一种开放源代码软件，旨在在大数据生态系统中进行灵活和分散的计算。但是，该软件初根本没有安全性，因此在分散的框架中有效的安全性仍然是要实现的挑战。

5、数据来源

找到我们的数据来源确实有助于确定违规的来源。你可以使用元数据来跟踪数据流。无论如何，即使对于大型公司，元数据管理也是一个自我战略问题。如果没有正确的框架，实时跟踪此类非结构化数据将是一个挑战。尽管这是一个持续存在的问题，但它并不是大数据问题。

6、实时合规

实时大数据分析在公司的竞争中越来越受欢迎。但是，实时实施这种工具更加复杂，并且还会产生大量的数据。

此类工具的开发方式应使它们在现实中不存在威胁时能够规避对违规行为的错误警告。因此，发现此类错误警告可能很耗时。他们分散了白帽黑客的注意力，使其免受真正的故障和攻击并浪费资源。

关于大数据需留意的六个安全问题，青藤小编就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助。如果您还想了解更多关于数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。

‘贰’ 大数据安全问题 这六点你知道了吗

【导读】当涉及到大数据和分析时，列出企业应该远离的陷阱清单也同样重要，大多数组织为其成功实施项目工作，都已经制定了一套大数据的最佳做法。那么大数据安全问题有哪些?我们在进行大数据分析的时候需要注意什么呢?下面我们就来具体了解一下。

1、需要某些安全审核

在每个系统开发中，几乎都是需要安全审核的地方，特别是在大数据不安全的地方。但是，考虑到使用大数据已经带来了广泛的挑战，这些安全审核通常被忽略，这些审核只是添加到列表中的另一件事。这种态度与以下事实结合在一起：许多公司仍需要能够设计和实施此类安全审核的合格人员。

2、使访问变得困难

使大数据生态系统有效的另一个重要因素是粒度访问控制。根据等级、权限可以授予不同人员不同级别的主数据访问权限。名义上，访问控制使大数据更加安全。但是，随着组织使用大量数据，增加复杂的控制面板可能变得更加微妙，并可能为更多潜在漏洞打开门户。

3、分散的框架

使用大数据的公司可能需要在不同系统之间分布数据分析。例如，Hadoop是一种开放源代码软件，旨在在大数据生态系统中进行灵活和分散的计算。但是，该软件初根本没有安全性，因此在分散的框架中有效的安全性仍然是要实现的挑战。

4、实时合规

实时大数据分析在公司的竞争中越来越受欢迎。但是，实时实施这种工具更加复杂，并且还会产生大量的数据。

此类工具的开发方式应使它们在现实中不存在威胁时能够规避对违规行为的错误警告。因此，发现此类错误警告可能很耗时。他们分散了白帽黑客的注意力，使其免受真正的故障和攻击并浪费资源。

5、数据来源

找到我们的数据来源确实有助于确定违规的来源。你可以使用元数据来跟踪数据流。无论如何，即使对于大型公司，元数据管理也是一个自我战略问题。如果没有正确的框架，实时跟踪此类非结构化数据将是一个挑战。尽管这是一个持续存在的问题，但它并不是大数据问题。

6、使数据易受攻击

如今，所有数据都是数字化的，并且数量巨大，黑客始终可以在恶意内部人员的帮助下找到进入入侵的方式。如果他们以某种方式可以访问你的关键数据，他们可以根据自己的目的进行修改，甚至删除其中的一些数据。这就是为什么完全依赖物联网、大数据和实时数据分析的公司限制访问并采取某些步骤来检测假数据形成的原因。这是其数据保护协议的关键部分。

关于大数据安全问题，就介绍到这里了，如果您还想了解更多关于大数据工程师的技巧及素材等内容，可以通过其他文章进行学习，或者找专业的老师进行咨询了解，掌握自己的学习方向。

‘叁’ 防止坠入“大数据陷阱”，除了技术还需要什么

面对互联网金融大潮，在兴奋激动之余，我们还需要一种相对冷静平和的心态。如果我们真的要搞金融大数据开发，真的要靠有关数据来办互联网金融，那确实就要认真思考一下自己所谓拥有的“大数据”真的足够大了吗？足够长了吗？

当今，互联网化正带动着许多行业、产业的组织变革和商业变革。在这一历史性的进程中，互联网技术的迅速发展也给金融领域的创新带来了巨大活力，显着提升了金融服务的水平。首先，我在大数据巴士中看到有统计从银行来说，现在银行已普遍通过互联网渠道开办各类业务，银行服务的成本有了下降（电子银行每笔交易成本大约只有银行柜台每笔交易成本的五分之一到六分之一）；银行传统信贷的模式有了改变（例如工商银行(601398,股吧)无人工参与的全流程在线的网络贷款已超过其网络融资的20%）；银行业务处理能力尤其是支付结算的能力和效率都有了提高（例如工商银行现在每秒钟业务交易量峰值已超过8700笔，在去年一年的电子银行交易已占全部交易的88%，电子银行交易金额达到了456万亿元，所有的异地支付早已实现实时完成。）；各家银行的服务模式都已越来越多地、越来越自然地融入商业场景之中，一个覆盖和贯通金融服务、电子商务、社交生活的互联网银行架构正在不断形成和完善。其次，这些年来，各类互联网企业从事金融业务的也越来越多，互联网金融已从最初的电子商务、第三方支付等更多进入了资金募集、理财和借贷领域。如果说Paypal、ApplePay和支付宝等，是让小额支付更便捷，那么P2P、众筹包括余额宝等则是对金融资源配置方式的一种有意义的探索，它给不少人提供了一种新的投资渠道，也满足了一些人筹集资金的需求。近来，一些人又已经开始把更多注意力放到了区块链技术，不少人正在争先恐后地进行基于区块链的支付和记录技术等方面的研究和开发。

这一切的结果在大数据巴士中的统计都是显得那么的令人振奋，令人欣喜。但我认为在看到互联网金融快速发展所带来的种种积极变化的时候，在继续推进金融创新的过程中，似乎也应该注意两个问题，一、金融创新的全部内容是不是金融的互联网化；二、是否应该避免陷入技术至上、唯数据论的误区。第一点比较容易理解，答案也应该是明确的。关于第二点想必看法不会完全一致。我想就此谈谈一己浅见。这可以从北京大学国家发展研究院沈艳教授最近的一篇文章说起。

沈艳教授的文章题目是《大数据分析的光荣与陷阱——从谷歌流感趋势谈起》。她在文章中讲了一个故事，那就是谷歌公司在2008年11月启动了一个“谷歌流感趋势”（GoogleFluTrends，GFT）项目，这个项目曾被许多人认为是大数据分析优势的一个证明。这个项目的团队曾宣布他们通过数十亿搜索中45个可能涉及流感关键词的分析，就能够比美国疾控中心提前预报流感的发病率，从而使人们可以有充足的时间提前采取预防措施以避免患上流感。倘若真能如此，这个成果无疑具有重要的社会意义和经济价值。可惜的是2014年，美国《科学》杂志的有关文献报道了GFT在2009年没有能预测到有关流感的爆发，在2011年8月到2013年8月间的108周里，有100周预告不准（预测率是实际报告值的1.5倍多）。沈艳诘问道，为什么传说中充满荣光的大数据分析会出现如此大的系统性误差呢？她认为如果在数据分析中只关心相关关系而不注意因果关系是不行的，必须避免模型对数据值作出“过度拟合”，她还指出尤需注意不能以为大数据可以完全替代小数据，她呼吁要防止坠入“大数据陷阱”，力戒“大数据自大”。我十分赞同沈艳的观点。沈教授所指出的问题正是若干年来我们在推进互联网金融发展中所一直十分注意和努力想解决的问题。

撇开银行在产品研发、客户营销、员工及机构管理等方面的数据应用问题暂且不谈，就说银行最常见也最重视的风险管理，多年来许多银行尤其是一些大中型银行都在如何利用数据技术提升风险管控能力方面进行了很多的探索，做出了不懈的努力。例如，工商银行在估算客户的违约概率（PD）、违约损失率（LGD）的时候，十分注意把数据长度作为风险参数量化过程中的一个重要因素，坚持要求数据观察期起码必须涵盖一个完整的经济周期，以努力避免简单地以昨天的数据来说明今天和预测明天。现在工商银行非零售业务和零售业务的客户违约率、损失率数据积累长度均已超过12年。同时包括工商银行在内的不少银行还建立起了全行数据质量的管理标准和平台，不断进行内部评级的复核验证，以尽可能减少失真数据的干扰和影响。为了能够对各种风险进行量化，在信用风险管理方面仅工行就开发了34个法人客户评级模型，实现了对所有法人客户违约概率（PD）的计量，开发了175个信贷产品的3类债项评级模型，实现了对违约损失率（LGD）的计量。对零售业务，工行还开发了75个信用评分模型，覆盖了个人客户准入、账户信贷审批和业务管理的完整业务生命周期。在面对市场风险（因市场价格例如利率、汇率、债券股票价格、商品价格的不利变动，而使商业银行表内和表外业务发生损失的风险）的防控方面，我们制定了16个办法，开发了17个定价估值模型来进行风险价值（VaR）和压力风险价值（SVaR）的计量，并且在实践过程中每日实施返回检验，把模型计算所得的风险价值与发生的真实损益进行比较，以检验模型、方法的准确性和可靠性。在防控操作风险（主要是指由不完善或有问题的内部程序、员工行为和信息科技系统，以及外部事件所造成的风险）方面，工行开发了操作风险损失事件管理系统，分别用于对操作风险高频低损和低频高损部分的计量。

为了达到上述的这种数据采集、挖掘和应用水平，仅为积累有关数据、开发这些风险管控模型，工商银行就先后花了将近15年时间，投入了巨大的人力和财力。尽管目前这一套风险识别和计量的方法、模型已经按照国际金融稳定理事会的有关标准，经过监管部门组织的多轮评估获得通过，认定为合格，但坦率地说，我们从来也没有认为这一切已经是完美无缺的了。面对不断变化的社会经济环境，随着银行业务日新月异的发展，在数据的管理利用方面确实还有许多问题需要解决，前面的路还很长。这也正是工商银行近年来又推出了eICBC新发展战略的一个重要原因。

我之所以不惜篇幅地介绍这些情况，主要想说的就是许多事确实不像想象的那么简单。面对互联网金融大潮，在兴奋激动之余，我们还需要一种相对冷静平和的心态。如果我们真的要搞金融大数据开发，真的要靠有关数据来办互联网金融，那确实就要认真思考一下自己所谓拥有的“大数据”真的足够大了吗？足够长了吗？

自己拥有的数据中的信噪比问题有效解决了吗？自己拥有的数据分析模型如果对样本内的数据分析还算准确的话，那它对样本外的预测结果也能一样有效吗？自己所拥有的数据处理模型是否完全建立在一种假定之上了，那就是以为人们的社交行为数据、那些非结构化数据都是真实的？坦率地说，我始终认为只要一些数据生成者知晓自己的行为数据可以影响自己的利益（例如可以获得信誉、信用积分，可以获得授信融资等），那对这部分数据的可靠性就有质疑的理由。这也许就是人文科学领域的“测不准原理”。现在各种花样百出的水军现象已经一再提示我们，真是“不能天真地认为数据使用者和数据生成机构都是无意识生产大数据的”（沈艳，2015）。

上述这些还没有涉及诸如homes系统、高频交易等技术在这一轮股市风波中的作用究竟应该如何认定的问题。尽管对此还可能有这样那样的看法，但可以确定的是，在某些条件下，所谓的技术中性在面对市场时是完全可能发生变异的。

总之，我认为金融的创新、互联网金融的发展，除了技术，还需要一系列的条件支撑，包括营造一种良好的文化氛围。在眼花缭乱之中，要力戒浮躁，脚踏实地。互联网技术是时代进步的标志，是现代文明的产物，它与那些江湖气其实是不搭的。诸如“流量为王，就是要靠烧钱来吸引客户”，“互联网就是财富重分的过程，就是赢者通吃的游戏”，“羊毛出在猪身上，猴数钱，牛买单”等说法，如果仅是开开玩笑，说说段子，那也未尝不可，但作为一个要对投资者负责、对债权人负责、对债务人负责、对市场稳定负责的金融从业者来说，如果把这真的当成了自己的经营理念，那是万万不可的。

‘肆’ 大数据分析的四类陷阱

大数据分析的四类陷阱

科技领域的人们正摩拳擦掌以迎接大数据（Big Data）时代的到来。大数据技术的本质是能够对数十亿的信息进行分析，从中获得有价值的洞见。例如惠普的研究人员就能根据Twitter来预测好莱坞的票房。由此看来，其它行业只要具备合适的工具，就能对社会网络进行数据分析。但是事情并非如此简单。首先，分析大数据集并不是什么新鲜事。有些公司已经做了几十年的数据分析。当前技术的不同之处在于，它提升了分析的速度，扩展了数据规模，使小型企业也能使用这种技术。而另一方面，大数据也会造成更严重的错误。针对上例，普林斯顿大学就得出了不同的研究结论：Twitter并不能真的预测票房成绩。对同一个问题，研究者怎么会得出相反的结论呢？我们来看一下数据分析中最常见的四类陷阱。1、样本缺乏代表性大数据的背景仍是统计分析和推断。而统计系学生应该学到的一件事就是：统计结论依赖于样本的代表性。Twitter用户可能受到更高教育且收入更高，其年龄也会偏大一些。如果用这种有偏的样本来预测目标观众是年轻人的电影票房，其统计结论可能就不会合理了。提示：确保你得到的样本数据代表了研究总体。否则，你的分析结论就缺乏坚实的基础。2、事物是变化的对研究对象的科学理解需要耐心。可能你的实验获得了预期的效果，但这还不够。你应该进行后续实验看能否得到相同的结果，还要看其他研究人员能否重现你的实验结果。特别是在处理人类个体或团队行为的时候，这一点尤其重要。这是因为事物在是不断变化的。惠普和普林斯顿大学的研究项目有两年的时间间隔，在这段时间中Twitter用户有可能发生了改变。同样的道理，如果观察到公司的增长速度发生变化，这有可能是客户群的情绪变化，也可能是使用了错误的数据收集或分析方法。提示：不要只进行一次分析。要定期验证你之前的结论。3、理解数据方式不同惠普和普林斯顿的两组研究人员所看到的数据不仅仅是推文。惠普的研究人员建立了一个模型，来研究电影首映时的发推率和上映影院数量。但上映影院的数量与票房成功之间有很强相关性。而普林斯顿的研究人员使用机器学习技术，来研究在三个不同时间段（影片上映之前、期间或观影后）用户的推文情绪特征（正面或负面）。也就是说，这两个研究团队都表示，他们在研究Twitter的预测能力。但实际上，他们除了使用twitter数据之外还利用了其它数据资源，例如上映影院数量和IMDB评分等等。这样Twitter的预测效果与其它因素混合在一起，它或许是预测票房成功的一种影响因素，这要取决于研究人员如何理解和使用它。提示：一组数据可以提供多种类型的信息。你需要找到不同的解释方式，并加以分析4、错误和偏差人会犯各种错误。有可能是某个研究小组出现了某个错误。例如试图将所有的推文都归为正面或负面的情绪，这种方法也许有些粗糙。又或许研究人员不自觉地选择数据，以支持他们的论点。例如普林斯顿大学研究人员假设，是推文本身而非推文的数量，蕴含着消费者的情绪表达。提示：不要只使用一种方法。用事实来检验你的假设是否奏效。大数据技术能很好的改善企业产品和服务，并更好地满足市场。但是，信息需要人来解释，而人的错误有时是致命的。所以大数据是一柄双刃剑，成功与否还得看持剑人的功力。

以上是小编为大家分享的关于大数据分析的四类陷阱的相关内容，更多信息可以关注环球青藤分享更多干货

‘伍’ 正确运用避免陷入大数据的“陷阱”

正确运用避免陷入大数据的“陷阱”
通常，对于新的IT关键词必定会出现“反对派”。最近，“大数据”就成为被攻击的对象，诸如“大数据失败论”等论调也明显增加。
业界对大数据抱着极大的期待，这一点从大量的大数据研讨会和展示会风潮就足以证明。这些年来，除了云计算浪潮，缺乏热烈话题的IT业界而言，大数据是期待已久的大型关键词，也许大数据会成为恢复业界活力的强心剂。

与此同时，日本政府提出新的IT战略--“将行政数据向民间开发，以便不断创造新商务”。也就是说，如何有效利用数据，推动商业成功，业已成为国家战略的一环。
虽然笔者既不是强烈的赞成派也不是反对派，但通过以往的采访经验，对处理数据的难度有着清醒的认识。更何况涉及到大数据，其难度显而易见。
笔者周边很多人对大数据也有着各种不同的看法，提出各种问题。当然这些对于IT业界的读者而言，都是理所当然的事情，笔者说这些也许是班门弄斧了。但是，正是这些众所周知的道理通常也是非常重要不可忽视的。因此，下面笔者将重新提出大数据的“陷阱”，探讨如何才能避免运用大数据的失败。
是否真正需要大量的数据
首先，必须明确的一点是，是否真正需要大量的数据。
在一次活动中，一位统计分析的专家在谈到大数据时说：“本来统计分析学是如何通过少量的取样，去了解事务整体的学问。例如，电视的收视率调查就是一个典型的事例，这类调查就是通过极少的样本，来掌握日本全国的收视状况。如果目的明确，并不需要大量的数据。”
由于上述言论出自目前作为“数据科学家”备受瞩目的统计分析方面的专家之口，让笔者不禁大吃一惊。这就是说，只要有一定量的数据，无关数据数量，分析的结果并不会有很大的差别。如果果真如此，不禁让人产生怀疑，即到底大数据是为何而存在。
听到上述观点，使人感到大数据所面临的矛盾的应当不仅仅是笔者一人。本以为通过大数据分析，满怀期待能够发现以往没有认识到的新的东西，但有时其结果不过是已有所知的事实而已。如果企业为系统开发投入数十亿日元，得出的不过是证明资深职员“经验”的结论，这也未免让人难以接受。
正因为如此，就有必要重新考虑为何需要大数据这一问题。例如，企业需要明确通过将有交易往来的公司和社交媒体等本企业外的大量数据进行组合，是为达到何种目的等，即有必要事先制定大数据的目标。
数据的“质量”有无问题
第二点是由谁来维护大量的数据，即数据的“质量”如何能够得到保障。
笔者曾听说这样一件事。某企业的总经理每个月都会收到有交易往来的IT供应商的宣传（PR）杂志，但收件人的头衔不是“总经理”，而是他曾经兼任公司CIO时的头衔“常务董事”。虽然将头衔搞错，但还是都能收到，因此并没有太在意。但当这家IT供应商的总经理到公司进行礼节性拜访时，就提出了希望改一下头衔的想法。
而这家IT供应商的新的卖点是大数据，公司的总经理当场表示回去马上会进行修改。起初以为这点事情对于运营大数据业务的IT供应商而言不过是举手之劳，一定会进行纠正。但是，等到下一个月他收到的的PR杂志时，发现收件人的头衔仍然是“常务董事”。这位总经理通过两本PR杂志感到仿佛看到了大数据的现状，因此他非常失望地说：“归根到底IT供应商并没有维护顾客数据库”。
上述例子虽然是顾客数据，而不仅仅是顾客数据，说到大数据必然还需要处理很多各种各样的企业外部的数据。但是，这些数据是否是最新数据，其数据的精确度又如何等数据的“质量”就会非常重要。分析出处不明的数据将毫无意义。如果顾客数据不能随时进行维护，也就不会产生任何价值。不应当将当初以为是宝山的大数据，变成一座堆满垃圾的山。
是否忽视了现场职工的工作干劲
第三点就是企业不仅应当努力培养数据科学家，同时也需要提升现场职员的分析数据的能力。如果在店头等现场直接接触顾客的员工变得“擅长数字”，他们也能够常常通过数据考虑事情并进行判断，这样的企业必定会强大起来。
例如，有一家超市的店头销售员就从与顾客的对话中得到启发，通过购进新的商品或是改变商品陈列的方法，提升了销售额。又比如，在特快列车上负责销售的员工，发现似乎“可吸烟座位的咖啡畅销”，当他整理出不同列车的销售业绩，结果发现确实是如此。于是决定在吸烟车厢集中推销咖啡，结果咖啡的销售量明显增加。
当然，通过现场增加的销售额，也许和利用大数据获得的销售数字相比很小，而且其分析能力也远远不及数据科学家。但是即便如此，如果通过将这种方式横向拓展到其他现场，积累的数字也会非常可观。同时，最为重要的是，这种方式能够提升现场员工的工作动力。
实际上，某零售企业自从将其销售分析统一由总公司实施后，店头员工就失去干劲，甚至出现退职的员工。这说明只依靠上级的指令，则会降低现场的职业道德。因此，这家公司决定给予现场员工自由分析判断的职能，由此店头又重新恢复了活力。虽然大数据非常重要，但是如果将权限集中在某些部门，则会导致现场丧失工作干劲。
以上三点实际上不仅仅对大数据而言非常重要，而且同时适用于整个信息系统。大数据是IT业界期待已久的关键词，为使其成长壮大，就需要脚踏实地的努力，而不应被其华丽的部分所束缚摆弄。正因为如此，笔者认为提出的上述三点需要重新铭记心中。

‘陆’ 如何才能避免运用大数据的失败

如何才能避免运用大数据的失败
当一个新的理论被提出和应用时，似乎都会遭到不同程度的反对，而在最近，“大数据”就成为IT界被攻击的对象，人们对大数据是褒贬不一，但业界对大数据抱有极大的期待，这点从大量的大数据研讨会和展示会风潮就足以证明。

近几年，云计算浪潮的来临，大数据的随后而至，给IT带来了不小的动力，也许大数据会成为恢复业界活力的强心剂。与此同时，日本政府提出新的IT战略--“将行政数据向民间开发，以便不断创造新商务”。也就是说，如何有效利用数据，推动商业成功，业已成为国家战略的一环。
很多人对大数据有着各种不同的看法，也提出了各种问题。这些对IT业界的读者而言，都是理所当然的事情。但正是这些众所周知的道理通常也是非常重要不可忽视的。下面将重新提出大数据的“陷阱”，探讨如何才能避免运用大数据的失败。
是否真正需要大量的数据
首先，必须明确的一点是，是否真正需要大量的数据。有人说，只要有一定量的数据，无关数据数量，分析的结果并不会有很大的差别。如果果真如此，不禁让人产生怀疑，即到底大数据是为何而存在。这些观点，使人感到大数据所面临的矛盾。本以为通过大数据分析，满怀期待能够发现以往没有认识到的新的东西，但有时其结果不过是已有所知的事实而已。如果企业为系统开发投入数十亿日元，得出的不过是证明资深职员“经验”的结论，这也未免让人难以接受。正因为如此，就有必要重新考虑为何需要大数据这一问题。
数据的“质量”有无问题
第二点是由谁来维护大量的数据，即数据的“质量”如何能够得到保障。举个例子，某企业的总经理每个月都会收到有交易往来的IT供应商的宣传杂志，但收件人的头衔不是“总经理”，而是他曾经兼任公司CIO时的头衔“常务董事”。虽然将头衔搞错，但还是都能收到，因此并没有太在意。但当这家IT供应商的总经理到公司进行礼节性拜访时，就提出了希望改一下头衔的想法。
该IT供应商的新卖点就是大数据，公司的总经理当场表示回去马上会进行修改。起初以为这点事情对于运营大数据业务的IT供应商而言不过是举手之劳，一定会进行纠正。但是，等到下一个月他收到的的PR杂志时，发现收件人的头衔仍然是“常务董事”。这位总经理通过两本PR杂志感到仿佛看到了大数据的现状，因此他非常失望地说：“归根到底IT供应商并没有维护顾客数据库”。
例子中所提到的虽然是顾客数据，但也不仅仅是顾客数据，说到大数据必然还需要处理很多各种各样的企业外部的数据。但是，这些数据是否是最新数据，其数据的精确度又如何等数据的“质量”就会非常重要。分析出处不明的数据将毫无意义。如果顾客数据不能随时进行维护，也就不会产生任何价值。
是否忽视了现场职工的工作干劲
企业应当努力培养数据科学家，同时提升现场职员的分析数据的能力。如果在店头等现场直接接触顾客的员工变得“擅长数字”，他们也能够常常通过数据考虑事情并进行判断，这样的企业必定会强大起来。
通过现场增加的销售额，也许和利用大数据获得的销售数字相比很小，而且其分析能力也远远不及数据科学家。但是即便如此，如果通过将这种方式横向拓展到其他现场，积累的数字也会非常可观。同时，最为重要的是，这种方式能够提升现场员工的工作动力。
文中所提到的这几点对大数据很重要，而且还是和用于整个信息系统，IT业界对于大数据的期待已久，想要让大数据成长壮大，就需要踏实努力，不要被华丽的外表所束缚摆弄，希望大家对上面这几点仔细考虑。

‘柒’ 骗子利用大数据进行电信诈骗的“九大套路”

骗子利用大数据进行电信诈骗的“九大套路”
如今的电信诈骗，已经不只是发个短信通知中奖，或者“领导”打电话让你去办公室那么简单的伎俩了。通过大数据分析盘点电信诈骗的“九大套路”，帮助消费者擦亮双眼，看穿骗局。最重要的是，在个人信息泄露泛滥的今天，心中一定要有根弦——没有免费的午餐。

套路一
“你的账户有资金异常变动
骗子首先窃取了受害者网银登陆账号和密码，通过购买贵金属、活期转定期等操作制造银行卡上有资金流出的假象。然后假冒客服打电话确认交易是否为本人操作，并同意给用户退款骗取用户信任。骗子会再次通过账户内部的资金交易，制造用户账户有资金退回的假象，但由于存在交易手续费的问题，所以退款额一般比之前的账户内部交易金额要小。接下来，骗子会使用受害者网银进行转账操作，或开通快捷支付操作，并选择短信验证码的方式进行验证，这样一来，受害者的手机上就会收到一条验证码短信。最后，骗子再以限时退款为由，要求受害者立即提供自己手机收到的验证码，受害者一旦把短信验证码提供给了对方，对方就得手了。
怎么破：几乎天衣无缝。最简单有效的办法是，立即直接拨打银行的官方客服电话进行核实，别相信任何主动呼入的、自称是客服的电话。
电信诈骗九大套路
套路二
“你涉嫌违法了”
“你涉嫌洗钱”、“你涉嫌非法集资”、“你信用透支需负刑事责任”，这些都是冒充公检法实施诈骗的由头。这种手法并不新鲜，但由于其极具恐吓性，不了解此类诈骗的人还是很容易上当。现在很多骗子通过改号软件伪装成官方客服电话，但如果受害者真的反拨回去，一般就能识破骗局。甚至还出现了“升级版”：骗子以赠送免费物品为由，引导用户通过电话下单，以货到付款的形式邮寄，若用户拒绝签收快递或者退货，诈骗者便以公检法的口吻对用户进行威胁恐吓，进行诈骗。
怎么破：不要轻易相信陌生人打来的电话，如果有人说自己涉嫌犯罪，应当首先拨打110询问。或向身边的亲友询问一下，一般都能很快识破骗局。
套路三
“您乘坐的××航班取消了”
手机订机票成了网络诈骗的风口。骗子谎称改签退票等理由，引导民众进入钓鱼网站，虚假号码，进行到汇款的陷阱。《腾讯2016年第二季度反电信网络诈骗大数据报告》显示，这一诈骗类型高达44%，成为网络诈骗主流。骗子能够准确说出受害者的姓名、航班信息，多以可以获得改签补偿金的名义进行诈骗。
怎么破：机票退改签业务，通过航空公司、票务代理商等正规渠道的网站、电话、服务厅办理，别相信任何电话、短信，即使与本人信息完全相符。
套路四
“你购买的商品断货，可以申请退款”
骗子首先完全掌握了受害者的网购信息，并通过准确的描述受害者购物信息来取得受害者的信任，进而套取受害者的银行卡号、密码和短信验证码。骗子们有的时候是直接用电话套取相关信息，有时也会让受害者打开钓鱼网站并手动填写相关信息。银行卡号、密码、验证码同时泄露，骗子就顺利地将受害者网银账户中的钱转走了。
怎么破：遇到商品交易出现异常、断货等情况，应当首先向购物网站的官方客服电话进行咨询，不要轻易相信主动呼入的、自称是客服的人。网购账号、支付账号应当单独设置密码，并且密码要足够复杂，定期更换。
套路五：“向您推荐十大牛股”
此类骗术通常以学习股票知识、推荐股票为名，向用户收取押金或保证金，对那些急于求成的新股民尤为有效。事实上，正规的证券公司一般是不会向股民提供付费荐股服务的，更不会以此为名向用户收取押金或保证金。他们通常发来所谓公司的营业执照、工商证明或组织机构代码等的照片或图片，只要拨打证券公司的官方客服进行询问也就能清楚了。
怎么破：不要相信任何荐股、选股信息，不论这些信息是来自网站、QQ、短信还是电话。可通过回拨官方客服电话的方式求证。
套路六：“699元免费赠送苹果6S”
最近湖南警方通告的一起新型诈骗案，某诈骗团伙以“收取699元个人所得税，免费赠送苹果6S手机和700元电话卡”名义，向被害人寄送假冒、损坏手机或手机模具进行诈骗，两个月里先后诈骗受害群众数百人，诈骗金额数十万元。
怎么破：以貌似合法促 销的名义进行诈骗，不能存侥幸心理，哪有天上掉馅饼的好事。
套路七：“请您及时领取新生儿补贴”
犯罪分子以领取新生儿补贴为由行骗，由于他们能说出受害人的详细信息，让受骗人信以为真。骗子在获取受害人银行账号之后，通常会要求受害人到 ATM自动取款机操作，按照对方的“引导”进入英文操作界面。由于受害者看不懂ATM机上的英文提示，往往把转账程序当成输入验证码，最终上当。
怎么破：此类电话或短信，切勿轻信，更不要到ATM操作。
套路八：补换手机卡
最近出现的这种诈骗，其套路通常是先用几百条垃圾短信和骚扰电话轰炸手机，以掩盖由10086客服发送到手机号码上的补卡业务提醒短信；然后，拿着一张有受害者信息的临时身份证，去营业厅现场补办手机卡，使得机主本人的手机卡被动失效；最后就是更改手机客服密码和银行卡密码，并通过短信验证码把绑定在手机APP上的银行卡的钱盗走。
怎么破：常用网站密码、客服密码与银行密码和其他关键业务登录密码最好不相同，而且要定期修改；对于各类号码发送的链接，不要随意点击。如果接收到大量骚扰电话或短信，切勿关机，应使用手机安全软件屏蔽骚扰号码，并立刻解除银行卡绑定；在使用公共WiFi的场合下，尽量不要登录手机中的银行类 APP或者使用手机转账。
套路九：“小三怀孕了急需钱做流产”
这是长期活跃的一种诈骗类型，但是最近一个“小三怀孕了急需钱做流产”的骗子电话蒙了80多位老人。骗子充分利用老年人心疼儿子的特点，诱惑受害者转账，这是比较新的手段，是骗子在骗术上的不断翻新与改进。
怎么破：不要轻易相信陌生人打来的电话，尤其是急事急需打款。电信诈骗九大套路
160万人分布在黑色产业链
几十个工种环环相扣
电信诈骗的戏码每天都在上演，诈骗者的剧本也在不断翻新。某网站首席反诈骗专家裴智勇表示，如今电信诈骗已形成从上游的个人信息攫取、兜售到实施诈骗、分赃的黑色产业链。令人瞠目结舌的是，这个链条越来越产业化、专业化，分工越来越细，新的角色不断冒出，二三十个“工种”环环相扣。
根据某网站猎网平台的数据，中国信息诈骗产业规模超过1152亿元，诈骗从业者超过160万人。电信诈骗屡屡成功，究其原因，安全专家认为，电信诈骗数量巨大、信息泄露现象普遍、产业链完善、从业人员经过体系化的培训等都成为关键因素。
据了解，诈骗产业链上至少分为四大环节：上游的信息获取、中间的批发销售、面向公众实施诈骗、最后的分赃销赃。在这四大环节上，又有钓鱼编辑、木马开发、盗库黑客、钓鱼零售商、域名贩子、个信批发商、银行卡贩子、电话卡贩子、身份证贩子、电话诈骗经理、短信群发代理、在线推广技师、财务会计师、 ATM小马仔、分赃中间人等多个工种环环相扣，将受害人一步步引入陷阱。

‘捌’ 大数据营销的陷阱，你知道么

邮件群发是一种很棒的推广营销方式，下面是一米软件的智能QQ邮件群发软件，你可以了解一下。

1，QQ直接弹窗提示：QQ收件箱直接弹窗提示收到邮件，提醒用户第一时间查看。

2，QQ邮件图片直接显示：QQ邮件中的图片直接显示，无需点击查看。

3，无视邮件内容屏蔽规则：智能干扰加密算法大大提高进箱率。

4，多模式换IP发送：支持动态vps拨号发送，动态移动IP池发送等(自主研发)。

5，集成多种方式发送：支持smtp/网页协议方式发送等。

6，支持任意邮箱发送：可任意配置邮箱发送，企业邮箱及小号等，默认配置6种以上邮箱发送。

7，精准抓取QQ邮箱：可根据年龄，性别，地区，是否在线等条件抓取QQ邮箱。

8，批量提取群成员QQ邮箱：可批量提取所有群成员的QQ号及邮箱。

9，自动过滤无用QQ邮箱：可自动识别过滤未开通邮箱或小号QQ邮箱，保证群发准确性。

‘玖’ 大数据应用企业如何避免失败

大数据应用企业如何避免失败
面对新事物很多人在第一时间很难接受，而“大数据”也被当成了攻击对象。而不可否认的是，大数据给IT带来了不小的动力，而如何有效利用数据推动商业成功，也已成为国家战略的一环。

很多人对大数据众说纷纭，也发表了自己的看法和理解，这对IT业界的读者而言，都是理所当然的事情。但正是这些众所周知的道理通常也是非常重要不可忽视的。下面将重新提出大数据的“陷阱”，探讨如何才能避免运用大数据的失败。
是否真正需要大量的数据
有人说，只要有一定量的数据，无关数据数量，分析的结果并不会有很大的差别。如果果真如此，不禁让人产生怀疑，即到底大数据是为何而存在。这些观点，使人感到大数据所面临的矛盾。本以为通过大数据分析，满怀期待能够发现以往没有认识到的新的东西，但有时其结果不过是已有所知的事实而已。
数据的“质量”有无问题
由谁来维护大量的数据？即数据的“质量”如何能够得到保障。虽然是顾客数据，但也不仅仅是顾客数据，说到大数据必然还需要处理很多各种各样的企业外部的数据。但是，这些数据是否是最新数据，其数据的精确度又如何等数据的“质量”就会非常重要。分析出处不明的数据将毫无意义。如果顾客数据不能随时进行维护，也就不会产生任何价值。
是否忽视了职工的工作干劲
在关注企业发展的同时，还应当努力培养数据科学家，同时提升现场职员的分析数据的能力。如果在店头等现场直接接触顾客的员工变得“擅长数字”，他们也能够常常通过数据考虑事情并进行判断，这样的企业必定会强大起来。
通过现场增加的销售额，也许和利用大数据获得的销售数字相比很小，而且其分析能力也远远不及数据科学家。但是即便如此，如果通过将这种方式横向拓展到其他现场，积累的数字也会非常可观。同时，最为重要的是，这种方式能够提升现场员工的工作动力。
以上所提到的这几点对大数据很重要，而且还是和用于整个信息系统，IT业界对于大数据的期待已久，想要让大数据成长壮大，就需要踏实努力，不要被华丽的外表所束缚摆弄，希望大家对上面这几点仔细考虑。