❶ 如何发挥大数据对巡逻防控的作用

内特·瑟蒙来德，22分、14个篮板、13次助攻源、12次盖帽，1974年10月18日公牛vs老鹰埃尔文·罗伯特森，20分、11篮板、10助攻、10抢断（联盟历史上惟一一个由抢断构成的“四双”），1986年2月18日马刺vs太阳奥拉朱旺，18分、16个篮板、10次助攻、11次盖帽，1990年3月29日火箭vs雄鹿大卫·罗宾逊，34分、10个篮板、10次助攻、10次盖帽，1994年2月17日马刺vs活塞

❷ 2020受疫情影响的行业有哪些

1、餐饮业

春节本是一年消费旺季，很多餐企年前就储备了大量食材，准备大挣一笔。不想疫情袭来，14亿中国人被迫在家禁足了一个多月，没有了人情往来，没有了亲朋相聚，自然没有了觥筹交错。许多原定的年夜饭、宴席也被取消，大量餐厅饭店闭门停业。

2、旅游业

因本次疫情爆发，很多原本确定的旅游行程不得不取消，很多旅游景点都在春节取消甚至关停了，比如故宫，国家图书馆，九寨沟，长城等等。

往年春节北京的庙会是一道靓丽的风景线，今年却也同样取消了这类活动；海南岛的旅游经济必然也是受到不小的冲击。

3、航空业

世界卫生组织正式把中国新型冠状病毒疫情列为国际公共突发卫生紧急事件。很多国家开始取消或暂停来自中国的航班和去往中国的航班。原本热闹的航空站，飞机场显得越来越冷清，人流量下滑严重。

4、酒店业

酒店业或许在这场突如其来的疫情后，会面临重大洗牌和调整；很多资金链不足的宾馆和低端酒店会面临关停，合并的可能。

很多OTA平台这段时间面临着酒店订单退订潮，携程等OTA平台股价大幅度下挫；去哪儿网，飞猪等平台客服加班加点忙着对客户办理酒店订单退款业务。

5、KTV行业

KTV和电影院是一样的消费场景，也都是人流密集，环境封闭且通风不好的场所。年轻人面临两难的选择，在快乐和生命之间，青年人最终还是毅然选择了生命安全第一的准则。

❸ 众志成城共克难关 疫情下的车企都有哪些动作｜精准科技大数据

今天是庚子年的正月初十

也是不少人开始上班的第一天

但是我相信大部分人和我一样

整个心都悬着

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❹ 疫情带来了大数据的第二春

确实如此！疫情催生在线办公、在线娱乐、在线教育、在线医疗、直播等领域的快速发展，而这些恰恰也是大数据重要的应用场景。可以说，疫情期间的大数据随处可见。在柏睿数据、阿里云、腾讯等一批本土数据库新锐的带动下，中国数据库正在实现质的突破。其中，柏睿数据甚至已经作为主笔参与到了数据库国际技术标准的制定中。

❺ 大数据说话，疫情之下网约车行业的变与不变

疾病是人类前行之路上绕不开的“黑天鹅”。据不完全统计，21世纪最初的20年里，仅爆发性的重大传染疾病致使全球蒙受的经济损失就已经达到了万亿美元的规模。此次爆发的全球性新冠病毒，暂未统计出经济损失，但是对于部分行业的冲击也是肉眼可见，比如，网约车出行行业。

公开数据显示，2019年中国网约车市场活跃用户规模处于稳步增长态势，乘客端表现尤为突出。如果不是此次疫情的突发，2020年或将是网约车市场交易规模再创新高的一年。如今回头观看整个疫情期间的网约车数据表现，也可发现一些有意思的现象。

近日，极光发布了《疫情之下的春节出行和节后返工研究报告》，涉及网约车APP整体运营情况。随着国内疫情防控形势持续向好、生产生活秩序加快恢复，出行需求随之增加。对于网约车用户，极光的调研结果显示，33.9%用户认为网约车是其当前中长距离的最佳交通工具，22.6%对选择何种交通工具没有偏好，21.2%会优先选择其他公共交通（公交、地铁），说明疫情期间选择网约车出行对于原先使用过网约车的用户仍是重要选项之一。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

❻ 疫情期间,税收大数据是如何帮助税务部门打通上下游企业,助产复工的

新冠肺炎疫情影响下，企业复工后寻求上下游配套的需求如何满足？存在的困难如何解回决？答***医疗用品公司是江苏一家口罩生产企业，该公司遇到的原料供应问题，就在税收大数据得帮助下得到了解决。

为提高口罩产量驰援抗疫一线，春节刚过，***医疗用品公司就增设了一条新的生产线，但关键生产原料——“弹力松紧带”存在8吨的缺口，生产线每空转一天，企业都面临不小的损失。

关注到这个求助信息后，作为地方疫情防控领导小组成员单位之一的国家税务总局苏州市*税务局，立即将“弹力松紧带”“弹力带”作为关键词进行税收大数据检索，并对“经营范围”“税目”等关键字段进行进一步地搜索，初步筛选出几十家生产企业，在此基础上通过财务数据比对分析和电话在线沟通联系，最终找到了符合供应需求的*市**服饰有限公司。

“多亏税务部门的大数据鼎力相助，我们才找到了原材料供应商！”**医疗公司负责人激动地说。企业新增设的口罩生产线已正式投产，正开足马力加紧生产。

❼ 大数据如何助力银行业金融机构舆情防控

金融企业运用大数据和机器学习算法，对欠款客户进行人群聚类并根据聚类的结果识别骗贷、恶意欠款、恶意透支、盗刷盗用、对交易有疑问拒绝还款、经济状况恶化无力还贷、遗忘还贷等多种欠款类型；从而准确预测客户的还款概率和金额，从而进行催收策略评估，最大限度降低催收成本。
中国建设银行资产总行风险管理部/资产保全部副总经理谭兴民曾详尽分析大数据何以帮助银行提高征信水平和风险管控能力：
首先，一站式征信平台可以进行贷前客户甄别。目前，银行查询客户的情况既费时、费力，又增加银行费用，而利用企业的一站式征信平台，则可以最大限度地节省银行的人力、物力及时间，并确保数据有效、及时、准确。
其次，风险量化平台可以助力贷后风险管控。平台基于企业日常经营数据，结合平台数据模型，采用动态、实时的云端数据抓取技术，对企业的发展进行分析和评测，给出风险量化分数，并第一时间发现企业的生产经营异动，在风险触发前3到6个月预警，使银行等金融机构能够及时采取相应措施，防止和减少损失发生。
同时，利用“企业族谱”查询，对不良贷款进行监控。如一些企业通过关联交易转移利润、制造亏损的假象，为不偿还银行贷款寻找理由；或者通过关联交易制造虚假业绩，为继续获得银行贷款提供依据，这些假象通过关联交易查询，都可以很快发现蛛丝马迹，让企业造假暴露原形，可防止银行上当受骗。
大数据风控相对于传统风控来说，建模方式和原理其实是一样的，其核心是侧重在利用更多维的数据，更多互联网的足迹，更多传统金融没有触及到的数据。比如电商的网页浏览、客户在app的行为轨迹、甚至GPS的位置信息等，这些信息看似和一个客户是否可能违约没有直接关系，但实则通过大量的数据累积，能够产生出非常有效的识别客户的能力。
在运行逻辑上，大数据风控不强调较强的因果关系，看重统计学上的相关性是大数据风控区别于传统金融风控的典型特征。传统金融机构强调因果，讲究两个变量之间必须存在逻辑上能够讲通因果。
在数据维度这个层级，传统金融风控和大数据风控还有一个显著的区别在于传统金融数据和非传统金融数据的应用。传统的金融数据包括上文中提及的个人社会特征、收入、借贷情况等等。而互金公司的大数据风控，点赞了大量的非传统金融数据。
相对于传统金融机构，互金公司扩大了非传统数据获取的途径，对于新客户群体的风险定价，是一种风险数据的补充。当然，这些数据的金融属性有多强，仍然有待验证。
巨头优势明显，并不代表创业公司的路已被堵死。大公司不可能面面俱到，布局各种场景。在互联网巨头尚未涉及的领域，小步快跑，比巨头更早的抢下赛道，拿到数据，并且优化自己的数据应用能力，成为创业公司杀出重围的一条路径。

❽ 大数据在2020年疫情下是不是起到了很大的作用

新冠疫情下大数据技术确实起到了至关重要的作用，就像支付宝上面的实时省份病例显示，医疗中的实时大盘。每个地方的健康码识别，都会用到大数据技术。如果对大数据又兴趣，可以去黑马看看学习视频，基础班是免费学习的。我的回答不知你是否满意？

❾ 如果以后科技发达,可以怎样防控这次疫情

分等级。
最高等级的科技发达，我们可能早就依靠科学创造星船移民到其他星球。
中等级，地球的科学发达到极致，那么在病毒聚集在市场时就有机器发出报警信号
低等级，创造出医疗机器ai，有ai医生，ai护士，只有主要的职位需要人类。这样医疗资源不会被击穿，就控制住了。