大数据的落地

Ⅰ 大数据怎样快速落地的战略方法

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能专具有更强的决策力、洞察属发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

Ⅱ 大数据在新能源汽车行业有哪些可以落地的应用

大数据技术在新能源汽车领域的应用主要体现在智能运营方面。

以智能充电为例，新能源汽车主要以电力能源作为汽车运行的动力，当汽车内部储存的电能消耗到一定程度时，必须充电才能确保纯电动汽车的正常使用。为了确保新能源汽车能够在短时间内完成充电工作，彻底解决以往纯电动汽车充电装置稀缺、充电难等问题，我国正在大力推动新能源汽车相关维护设施的建设工作，在城市区域和高速公路服务区等多个区域修建了大量的电动汽车充电站和充电桩。

作为新能源汽车使用过程中重要的基础设施，充电站和充电桩在为新能源汽车提供服务的过程中会产生海量的运行数据，如果不依托大数据技术对充电设施进行维护管理，新能源汽车在智能充电方面将会耗费大量的运维成本。简单来讲，新能源汽车领域依托大数据技术实现智能运营的主要方案就是打造车联网和充电网，并将二者与互联网相融合，形成一个为新能源汽车运营而服务的云平台。

该云平台首要具备的便是超强的数据处理能力，无论是并发数据还是海量数据均可快速有效地加以处理。其次，该云平台要具备强大的数据分析和挖掘能力，从海量数据中为新能源汽车运营挖掘高价值的数据信息。为了保证新能源汽车运营的效率和质量，需借助运营云平台对运营结构进行改革，整合运营数据，促使新能源汽车运营过程中涉及的全产业链互联互通。

在此基础上，车辆生产商和服务商可以通过大数据云平台获取新能源汽车的车辆信息，驾驶行为信息，电池数据和充电情况，并通过大数据技术建立车辆电池的全生命周期模型，为车辆用户提供更为精细化的管理与服务。

Ⅲ 大数据落地的难度在哪里

除了那些不能工作的，还有什么可用的?是的，但是数量太少了。基本上，这个问题可以用EXCEl代替大数据来解决。
另一个是数据碎片。每个部门的数据都被当作珍宝加以保护，以防其他部门将其拿走，导致数据碎片化而无法整合。举例来说,如果我们想要建立一个智能城市,我们需要至少从部门如运输整合数据,气象数据,人类和社会数据,等等,但是每个部门都有自己的手看到数据和婴儿撞,不能触摸,数据集成?
因此，政府的许多大数据项目到头来都是表面文章，他们最终只能在大屏幕上可视化不良数据，然后向领导汇报。

Ⅳ 大数据落地背后，是未来“数据主义”的前奏

翻看科技发展史，当某些跨时代的技术转捩点来临之时，两种状况似乎同时出现：大众观念里的鸡同鸭讲，以及，从业者对于概念追逐的狂热。近几年一个好例子即是：大数据。

公众一端：哪怕到了2015年，当马云数次宣称阿里正从一家IT企业转型为DT企业，舆论普遍关切的依旧是最新出炉的商业鸡汤。从农业社会，工业社会，到信息社会，中国两三步并作一步的路径，让数据概念几乎远离大众语境。

产业一端：大概三年多前，创业公司十之八九说自己能做大数据，与之相关的产业链也被粗暴切分为采集，处理，分析，可视化四个节点，一时间暗潮汹涌——泡沫也随之而来，从2014年进入2015年，行业开始小步洗牌，大数据从一个纯技术名词，或者说一个虚妄的概念，转变为应用范畴，以更为务实的姿态蔓延到一个又一个行当。时至今日，对大数据概念的热炒已有些无力，各种峰会与论坛所谈话题几乎都是如何让大数据“落地”的声音更为掷地有声。

当然，让数据落地并非新鲜论调，真正令人着迷的是落地的“程度”——数据即权力，这是我真正想说的，大数据带来了权威的转移。

早在几年前关于大数据的哲学意涵呼之欲出的时候，数据是一种“宗教”就被不少学者大肆探讨。最近，我看到关于数据未来最具象的描述，来自《人类简史》作者尤瓦尔·赫拉利（我觉得他最有希望代替凯文·凯利在中国互联网界的地位），他为我们勾勒了一个“数据主义”的未来时代。

在他看来，那些极端的持数据主义世界观的“信徒”将整个世界视作一个数据流，任何事物的价值判断都由它对数据处理的贡献决定。“正如自由市场资本主义者相信市场无形的手，数据主义者相信数据流无形的手，当全球数据处理体系变得全知全能，接入这个系统就成为了一切意义的来源。”

从几年前从业者对大数据概念的热炒便知，大数据是个无远弗届的概念。赫拉利就曾写道：“数据主义允诺了人类在过去几个世纪里求而不得的科学‘圣杯’：一项将从音乐学，经济学一直到生物学的科学学科统一起来的无所不包的理论。根据数据主义，贝多芬第五交响曲，股票交易泡沫和流感病毒不过是三种数据流形式，能用相同基本概念和工具进行分析。”

嗯，数据主义的未来对数据从业者而言非常诱人——倘若数据是这个世界的主体，侍奉它的人无疑将收益颇丰。

将视角拉至现实。

搁置在上述宏大叙事框架中，如果你忘了未来由现实铺就，以下数字似乎顿时显得渺小。

我看到的数字，2016年上半年，共有18家大数据相关创业公司获得上千万融资；新三板与大数据相关企业有50家左右。在寒冬中，资本市场对大数据项目怀有巨大热情。其中一个原因是，越来越多投资者厌倦甚至惶恐于B2C疯狂烧钱的迷途，开始转向那些由技术驱动，商业模式清晰健康的领域，大数据就非常符合他们的胃口，何况在包括赫拉利在内的一众预言家眼中，它看起来就是未来本身。

现在看来，无论数据采集，传输，建模存储，统计分析挖掘还是可视化，都存在创业者的短兵相接。但从他们的服务对象一端分析，必须承认，诸多企业在试图驾驭数据的过程中，都面临着如何快速有效地处理海量数据，以及密集的多源异构数据的现实境遇，对数据关键节点有效整合的方案缺失，也让决策者丧失了对自身业务的最终判断。

而站在数据运营商的立场，将项目充分产品化，脱离难以复制且交付难度相对较大的项目制，无疑是将生命周期延绵下去的最佳商业模式——在大数据行业，这并非易事，困扰大数据产品化至少有三个痛点：1，数据量太大，这对软硬件系统都会带来巨大冲击；2，作为决策依据，数据处理的效率必须非常之高。3，多样性，行业和业务场景的不同，会对数据的呈现方式有不同要求。

所以买卖双方因素相加，做数据的生意，理想之举无疑是提供一整套完善的解决方案——用户的需求加快了大数据行业从软件到硬件到一站式应用的产品化进程。毕竟，面对行业的多元化需求，人们对过去单一的数据分析产品似乎愈加不满，在理解数据的方式上，他们希望最好能有从数据发现，存储，到可视分析，再到交互模式的一站式产品。举例来说，最近被投资人颇为看好的海云数据就发布了通用性综合解决方案“图易大数据决策产品生态平台”，提供一站式整体解决方案，协助企业，园区，城市，政府，重新通过数据认知自己的业务。举这个例子是因为，在面对任何项目和节点里，他们80%的工作都已经完全实现标准化和模块化，另20%则可根据不同行业属性和应用节点定制。

总之，说到底，这个时代，驾驭数据的能力是所有决策者“技能清单”里最重要的一章，因为任何行业，无论竞争，合作，还是管理，其本质都将趋向于“信息战”。而技术变迁史又同时告诉我们，无论哪个行业，谁能率先在行业中拾起新工具是多么重要。譬如对于数据的掌握，谁都知道数据可视分析能最大化做到价值变现，但当不少决策者还将思维停留在用饼状图和百分比了解业务，或者用守旧的IT系统装备自己时，他们已经落伍了，而那些对诸如图易这种“正在发生”的新工具敏感的决策者，无疑拥有了赢得信息战的利器。

因为，历史早已证明，当一项跨时代的技术转捩点来临之时，除了开篇所言的“大众观念里的鸡同鸭讲”以及“从业者对于概念追逐的狂热”，还有另一件更重要的事同时发生：新技术的诞生本身即是一个人群分野过程，它将人群划分为“会用它的”和“不会用它的”——率先拿起新工具的人总会走在竞争者前面。

越是在科技发展深处，这种分野的力量将越加强大。

李北辰/文（知名科技自媒体，致力于用文字优雅的文章，为您提供谈资与见识；微信公号：李北辰）

Ⅳ 大数据比云计算更为落地

大数据比云计算更为落地
大连接，大交互，才有大数据。“大数据时代的到来，除了数据量的增加之外，非结构化和半结构化数据的爆炸增长，数据结构日趋复杂，目前我们使用的工具和技术、信息系统和数据库建设还难以应对大数据的规模和复杂性。”
“大数据比云计算更为落地。”他认为，这是受到商业模式趋势和应用需求驱动的，云计算本身也是大数据的一种业务模式。
大数据处理的技术并不是从现在才开始的，之前已经有大量工具如数据挖掘和数据清洗，这些都是需要继承的技术。当然“大数据还有带来了新的挑战，这种复杂的计算模式，要求采用云计算或者重新进行结构调整的计算技术”。
而大数据之所以得到重视，是因为它蕴含的商业价值，他拿淘宝双十一举例说，通过数据分析预测交易量成长和挖掘商机，这体现了大数据巨大的商业价值。但是，用户行为分析平台现在还面临着海量数据处理困难、分析模型算法复杂、建设和育婴成本高等方面的难点和挑战。
除了蕴含商业价值之外，大数据在智慧城市中也发挥着重要作用，随着智慧城市的建设，社会将步入“大数据时代”，同样地，这其中也不可避免地要解决大数据核心技术不足的难题，在城市发展基础设施和“云产业”的同时，更多重视数据的价值。
“大数据的真谛是删除，而删除的真谛是不删除，也就是保留有用的东西，这是我们对大数据真正的理解。”
这就是宁主任所谓的管理大数据“易”，理解大数据“难”。他任强调说，“大数据不只是指海量的信息，更强调的是人类对信息的筛选、处理。我国在发展信息化方面，应该积极抓住大数据的发展契机，并及时将大数据上升到国家战略层面，打造数据中国。”

Ⅵ 闲话国内大数据发展简史&产业化落地

文·blogchong

之所以想要说一说这个话题，是因为下午在技术群中不经意间，就类似话题进行了比较剧烈的脑暴讨论。

讨论范围包括了互联网公开数据的挖掘、价值变现、数据获取的合法性以及数据产业落地等相关方向。

当时就一直在思考这个问题，后续完了自己又想了几遍，发现确实有所得，也挺多东西想表达一下的。

大数据是在2009年开始相对比较正式引入国内的，基本上与Hadoop的“入侵”国内同步。

但在那时其实并没有实际落地的东西，除了一些大公司在试探性使用，直到2012-2013年，国外已经完成一轮“探险”，国内才陆续开始思考大数据如何落地的事了。

确实是这样的，国内在新技术领域上，一向落后于国外半拍，而我也恰恰也是在那个时候“入坑”的。

那个时候其实很多公司企业(除了当时BAT内部使用的案例)，也是在尝试性的涉足大数据领域，一边追逐技术的完善，一边在探索大数据与实际业务的结合点。

直到2014年，算是大数据在国内的一个爆发点，正式的转折点。

首先，以Hadoop为代表的生态趋于成熟，甚至结合内存处理领域、数据实时处理领域，已经形成了一套完整的大数据平台技术解决方案。

其次，已经越来越公司结束了探索性实验，用实际的成果尝到了大数据这种处理模式的好处，已经形成了越来越多的实际可参考的良性案例。

当然，最重要的是确实存在实际的规模数据处理的需求。其实这个需求一直存在，只是很多时候没有找到合适的契机爆发出来。

也就是从2014开始，大数据的人才市场需求在急剧扩增，很多其他IT领域开发人员纷纷转型到数据行业，其中以逐渐没落的传统IT行业为代表。

有人才市场需求，进一步促进了大数据培训市场的发展，各种大数据培训机构如雨后春笋般的出现。

其实这也是没办法的事，因为当时还没有哪个高校开设有大数据相关的课程呢。

当然，这波浪潮同样卷到了学术界，部分高校也意识到了这个技术大势，陆续有不少高校开始开设大数据相关的专业课程。

2015年，随着互联网的发展，市场各种互联网应用需求的饱和，导致了流量红利的消失，让很多企业公司不得不考虑通过数据来提升效率以及推进用户体验，例如推荐系统、个性化服务等。

资本市场从2014-2015年逐渐介入，进一步促进各大互联网企业公司向数据化转型，使得大数据这个领域进一步达到高潮。

我们知道，资本市场算是迎来半个寒冬，流量红利的消失，o2o在15年底都死的差不多了，16年让资本市场变得更谨慎。

但是，就算是这样，国内很多以大数据为技术驱动的公司依然拿了不少融资，包括神策、诸葛IO、GrowingIO等第三方数据分析公司，明略数据等这种针对于服务偏传统行业的数据公司，甚至如DataEye类似垂直领域的数据分析公司都活的好好的。

同时，在国家政策方面，2016年可谓是大数据的国家政策元年，各种国家政策开始偏向大数据。

这意味着，大数据已经从半个风口的状态，过渡到理性、稳健的状态，这是一个良性的状态。

正如上面所说，目前大数据已经逐渐从“潮流”这种略带风险性的标志状态，过渡到稳健、良性发展的状态。

提前“入坑”的童鞋，相信已经享受到“潮流”带来的部分福利，包括比其他普通IT同行们略高的薪酬待遇，以及更多、更自由的选择性等。

好吧，其中也包括我了~~ 哈哈

那么，后续会是一种什么样的情况呢？

首先，数据化依然会是一个不可逆的趋势，在资本以及政策的驱动下，更多的公司会逐渐的进行数据化，甚至包括很多传统IT产业，一样挡不住这个大势。

那么在人才市场需求上的情况呢？个人感觉需求还是在的，因为市场远没有达到饱和，但是福利待遇会有所下降。

这是为什么呢？

2016-2017年，各大高校逐渐会开始投放专业的“正规军”，是的，那些大数据专业的学生们将被正式投放到市场中了。

此外，从2014年到2016年，大数据的培训市场一直在增加的，不管是线上的还是线下的。

这意味着，每年，哦不，应该是每几个月都会有大量的大数据速成工投放到人才需求市场中。

最重要的一点，经过四五年的大浪淘沙，市场已经有一大批“自学成才”的“老司机”可以撑起场面了。

在人才需求以及人才的待遇上，而不是一才难求的现象了，也会逐渐的趋于良性，趋于理性(之前写过一篇大数据招聘乱象的文章，喜欢可以看看 《你们是不是真的很缺大数据工程师？》 )。

所以，如果你从大学刚毕业出来，发现大数据没有传说中那么“香馍馍”，也不要奇怪；而从大数据培训流水线上下来的童鞋们，也需要做好准备，薪水可能无法跟你想象中那样了，翻个几倍之类的。

不过“老司机们”到不用太过于担心，虽然大数据的人才市场趋于日渐饱和，但是“驾龄”足够，“车”开的足够溜的，依然只有那么一小戳人。

你依然是稀缺资源，所以不要怕怕。

你看我就不怕怕，哈哈~~

虽然，这一切看似良好，但是有些东西依然值得我们更进一步的深思。

正如之前在技术群中进行脑暴讨论的那样，这几年大数据虽然市场需求不少，但是依然难以达到产业化的状态。

这里贴一个产业化的概念：产业化是指某种产业在市场经济条件下，以行业需求为导向，以实现效益为目标，依靠专业服务和质量管理，形成的系列化和品牌化的经营方式和组织形式。

目前大数据的实际落地形式大部分都以辅助、加速其他业务为主，起一个催化剂，提升效率，加快速度的作用，鲜有看到以大数据作为独立产业而存在的。

当然也有，比如上面提到的第三方数据分析商、垂直领域的DataEye，以及为企业提供大数据解决方案的明略数据等，也算是以大数据为根深立命而存在的。

但是总体来说，真的不多，而且绝大部分都是以2B的形式存在。我们知道，从格局上来看，2B的产品永远是难以做到2C产品那种真正宏伟规模，改变产业格局的。

所以，从这点来说，虽然你市场需求放在这里，但想真正以大数据为切入点、为立足的根本做点事，其实也没有想象中那么容易。

纠结~~

不过作为大数据领域的半个“老司机”，依然是希望大数据这个技术领域、这个行业，有一天能够形成独立的、推动人类进程的一些东西。

亦如互联网、亦如社交网络、亦如电子商务、亦如移动互联网等！

最近一直有很多新手同行们向我请教大数据方向上的一些事，自己也一直在思考互联网开放数据落地变现、以及大数据产业格局相关的问题。

所以，想的多了，对一些东西还是有一些看法的，藏在心中不吐不快。

也希望，上面闲话里的一些东西能够引起你的一些共鸣，当然反驳也欢迎，欢迎一切与人格无关，与技术有关、与业态有关的探讨。

下次希望有时间，能和大家一起探讨一些关于互联网开放数据落地变现相关的话题，这也是我目前一直想探索的东西，下次如果有所收获再写点 东西吧。

(正文完)

Ⅶ 大数据要想落地，必备的条件是什么

大数据要想落来地，必须有三个条件：自一是丰富的数据源，二是强大的数据挖掘和数据分析能力，三是建立完善的数据服务产业链，也就是商业模式。商业模式指导着公司如何赚取剩余价值，因此确立公司在产业链和价值链中的位置，至关重要。

Ⅷ 美云智数是如何较好的实现大数据落地的呢

对于大数据的运用，美云智数也做到了对细节良好的把控和对整体的运用。在大数据的运用上，细节和整体都起着至关重要的作用。另外美云智数本身也在发展软硬实力，公司自身的条件也为大数据落地提供了支持。

Ⅸ 如何让大数据落地转化时空大数据专家们精彩分享

“如何让新新大数据势力落地，将成果转化成项目，实现就地转化？”

在日前举行的“时空大数据2021年度大会”分论坛——时空大数据产业生态协同创新论坛上，河南大学人文与建筑时空大数据融合研究中心执行主任王振凯提出了这一疑问，现场的专家们围绕这一主题进行了深入探讨与交流。

全球人文与时空大数据
让建筑工程可视化

王振凯介绍，通过时空大数据平台，衍生出时空大数据集合系统。该系统集合了建筑信息、地球信息、交网信息、电网信息、水网信息、市政信息、人文信息等集合系统，最终得出全球人文、建筑与地理环境时空数据基础。

简单来说，工程可以通过时空大数据来具象化，大到建筑物本身，小到建筑物内一根钢管，都能清晰可见，甚至可以见到建筑物内钢管内部。精确的时空大数据让工程成本管控、进度管控都有迹可循。

TOD与城市时空大数据融合
建轨道就是建设城市

轨道交通带给人民快捷速度的同时，新的拥堵问题又出现了。地铁“建的起，养不起”的问题如何破局？如何让交通拥堵得到缓解，同时又能赋予交通线更多的经济价值？TOD模式由此营运而生。

“TOD模式是以公共交通为导向的开发模式（transit-oriented development，TOD）。”中铁上海设计院集团有限公司TOD中心主任郭琳解释，就是在规划居民区或者商业区时，使公共交通的使用最大化的一种非 汽车 化的规划设计方式。该模式可以同步城镇化进程，带动城市经济提升。

郭琳认为，建轨道就是建设城市，经营轨道就是经营城市。轨道交通建设中会出现技术、主体、利益、主体边界不明确，这就要破解融合。TOD模式通过大数据为未来城市提供了无限可能。未来是TOD5.0时代，通过可视化鼓励机制，为城市碳达峰做贡献。

一苇数智·时空大数据平台

时空大数据构建交通底座

众合 科技 对构建轨道交通的时空大数据底座进行了实践，一苇数智·时空大数据平台应运而生。构建数字孪生、挖掘数据价值、实现万物互联、赋能业务创新，是一苇数智平台四个显著的特点。现场，浙江众合 科技 股份有限公司研发中心总经理王厦通过示例进行了深入浅出的讲解。

数字孪生，即通过一张图可以看到地上空间和地下空间，两者结构关系一目了然。同时，数字空间里还能看到空间构架的物件、供应商信息等信息，无论产品质量监控还是施工进度都可以实时跟踪。

一苇数智平台以数据驱动业务，在四维数据的海洋中为业务挖掘更深层次的价值。王厦介绍，平台可以接入到终端设备，数据接口对外开放给合作伙伴和应用程序开发人员。

“我们愿意共享平台及其内部功能与数据，与用户、合作伙伴建立起价值的连接，所谓的万物互联，一切可联通。”王厦说。

利用智能引擎，平台可向每项业务提供AI能力和模型算法，同时为行业应用提供便捷易用的开发模板和工具。数据快速迭代为有效创新提供了支持。“早高峰的地铁内，你可以提前知道哪节车厢比较空，从容候车避免拥挤。”王厦用这一实例介绍了一苇数智平台在赋能业务创新上所能起到的作用。

大数据助力园区管理

天集产城集团有限公司产城项目总经理李书江分享了时空大数据在园区管理上的应用。他介绍，时空数据库分共有与私有，私有数据库体现了建筑数据、资产管理、现场施工进度、物料管理、智能化运维。智慧运维端深入园区日常需求，进行智慧园区的运营管理，全面了解园区企业基本经营情况，为企业在银行和金融机构贷款做增信（从抵押增信到数据增信）。

此外，通过可视化界面，时空大数据还可以帮助企业进行员工打卡、门禁管理、智能管控和设备管理。平台内还能导入政务服务和其他功能性服务，助力企业完成工商注册、财税服务、知识产权、社保服务、法律服务等各类事项。

高效协同的时空大数据生态链

“每天要从家的A点到工作地B点，有多条路可以走，早晨出发可以选择路上有早餐店和咖啡馆的路线，晚上下班可以换一条路线，看看哪里有聚餐点、哪里有商场。这些，大数据生态链都可以为你作出指引。”维正集团企知道产学研科研成果转化有限公司总经理李志慧从城市信息、物质和 社会 空间，三者连接共生数据互补出发，生动解释了时空大数据生态链。

她表示，时空大数据是具有时空属性的数据，搭建大数据集合平台，从而产生更广泛的应用场景，引入联盟成员，便能为大众生态搭建出一套高效协同、开放包容的运行规律。

科技 金融助力推动时空大数据

力合金融控股股份有限公司创新基金管理总经理申康认为， 科技 和金融的结合决定了产业未来的发展，是未来时空大数据发展的关键。

中小企业 科技 创新具有投入高、周期长、风险高特征，短期难以依靠自我造血实现滚动发展。中小企业融资难的根本原因在于其天然的弱质性，但传统金融机构很难为中小型新新大数据企业赋能。力合金融利用金融支持打通发展到创新的过程，打造时空大数据产业投资基金，通过差异化服务，满足时空大数据产业不同阶段企业的投资需求，做到差异化赋能。



来源| 科技 金融时报（记者 孙侠）

Ⅹ 大数据时代 个性化服务落地四步骤

大数据时代 个性化服务落地四步骤
大数据的迅速增长及相关技术的发展，正在带来全新的商业机遇。大数据将怎样改变人们的生活？又将如何改变企业的生意？维克托·尔耶·舍恩伯格在《大数据时代：生活、工作与思维的大变革》中前瞻性地指出，大数据时代最大的转变就是放弃对因果关系的渴求，而取而代之关注相关关系。也就是说，只要知道“是什么”,而不需要知道“为什么”.
据有关机构预测，2015年，90%以上的企业主管都会把信息视为一种战略资产，但只有不到10%的企业主管能充分实现这些信息的经济价值。正因为如此，在现实中很多消费者会有这种感觉：“我”已实名，商家却还不认识“我”.
随着用户需求的多样化，以前面对顾客的抱怨企业只能忍气吞声，因为它们没有源头去了解顾客的需求。但是，现在身处大数据时代，企业有更多的机会去了解顾客，甚至可能比顾客自己还要了解自己的需求。所以，庞大数据的支持让昔日的个性化服务有了更好的延伸和更大的价值。
庞大数据也有含金量之分
对于普通人来说，大数据似乎相距甚远，但它的威力无所不在：信用卡公司追踪客户信息，能迅速发现资金异动，并向持卡人发出警示；电信公司追踪客户行程动态，区域化推送有关旅游或商务信息；航空服务公司适时发送航班延误信息……这些都与大数据有着千丝万缕的关系。
有统计显示，过去两年里全球积累的数据量超过以往所有历史的总和，并且还在以每年40%的速度增长。也就是说，全球的数据总量每两年就可以翻一番。庞大的数据中到底蕴藏了什么价值？它的存在又有什么意义？这就要看企业如何利用它。
数据中所包含的信息有很多，而最具商业价值的就是和消费者相关的信息。如果可以搜集到精准的消费者信息，那么就可以为他们定制更加个性化的服务，从而比消费者自己还了解他们。当然，不是所有的消费者数据都视如珍宝，姓名、性别、年龄，甚至收入，都算是过时的信息，说其过时，并不代表它们没有价值，而是诸如此类的基本信息很容易获得。
信息是流动的，也是变化的，企业只有获得动态信息才是最有商业价值的。动态信息可以帮助企业了解顾客的消费习惯，比如他们喜欢网购还是逛商场，喜欢白天购物还是晚上购物，他们的消费理念有什么区别，他们会在什么时候做出非理智的决策。
个性化服务，旧瓶装新酒
标准化服务成就了许多知名企业，无论是餐饮、酒店，还是旅游行业，我们都能列出一批耳熟能详的品牌。所谓标准化服务，指消费者享受的服务经过标准限制和制定，不同消费者在实际体验上没有差别。标准化对企业来说很大程度地降低了采购、人力、服务等管理成本，但随着产品和服务越来越丰富，消费者的选择更广泛，始终遵循标准化服务的商家会发现他们的顾客在逐渐流失。
顾客为什么离开？他们又选择了谁？
标准化服务的最大弊端就在于，企业把所有顾客当作一个顾客来对待，而当顾客发现有其他可以满足自己需求的服务时，很容易就移情别恋。相比之下，个性化服务在管理成本上更高，而高多少则要看个性化的程度。以呷哺呷哺为例，它具备高标准的服务流程，但同时依据不同的消费需求为顾客提供了两种不同的体验，一种是吧台式分餐制的小火锅，适合2~3人的快餐式消费，另一种则是4人左右的大火锅，适合多人聚餐，这也是个性化服务的体现。但这种程度的个性化非常狭窄，它依旧是建立在压缩管理成本的基础上丰富其服务类型，企业要想达到千人千面的个性化服务，还得依托庞大的数据支持和有效的管理。
当然，千人千面的个性化服务可以作用在各行各业，但是能充分利用数据价值的依旧是与网络数字相关的产业和产品。其中最大的优势就是，企业可以通过技术支持实时获得用户的在线记录，并及时为他们提供定制化服务。2013年7月中旬，爱奇艺PC客户端全面改版，新版最大的特点就是依靠数据分析，在首页为用户提供了全面的个性化视频内容推荐。也就是说，不同用户的PC客户端将显示不同的首页内容，而且都是自己感兴趣的。
2011年9月27日，海尔和天猫在网上发起了用户定制电视活动。顾客可以在电视机生产以前选择尺寸、边框、清晰度、能耗、颜色、接口等属性，再由厂商组织生产并送货到顾客家中。这样的个性化服务受到广泛欢迎，2天内1万台定制电视的额度被抢光。类似的定制服务还出现在空调、服装等行业，也都受到了顾客欢迎。
这些例子已经展示了未来商业的曙光--通过满足个性化需求使顾客得到更满意的产品和服务，进而缩短设计、生产、运输、销售等周期，提升商业运转效率。
个性化服务为何难落地
据统计，95%的企业并未利用它们的数据，而39%的营销人员认为他们也无法通过数据正确预测出客户的需求。如此大量的数据被空置，而又有相当比例的数据总是被浪费，所以不是个性化服务难落地，而是数据根本没有被充分有效利用。同时，也受当下技术水平的限制，数据很难转化为服务。犹如你有一块美玉，但就是没有精巧的手工技术把它雕琢成一件价值连城的艺术品。
2013年3月12日发布的《分析：大数据在现实世界中的应用》白皮书提供了大数据应用的五大关键性建议，包括“以客户为中心”,制订前期“大数据战略规划”;制定全面完整的企业“大数据蓝图”;从现有数据入手，设定并完成短期和阶段性的“大数据战略目标”;根据业务优先级，逐步建立分析体系，循序渐进提升“大数据分析能力”;定制可衡量的指标分析“大数据ROI（投资回报率）”.
该结论来自IBM与牛津大学共同进行的大数据研究。该项目对全球95个国家、26个行业的1144名业务人员和IT专业人士进行了调研，采访了20多名学者、业务主题专家和企业高管。
理想的个性化服务
要想为用户提供理想的个性化服务，企业必须掌握两点：一是如何通过数据充分了解用户的个性；二是合理地掌控和设计服务的个性。
了解用户个性，就是要为用户提供他们想要的产品和服务。首先，企业需要在庞大的数据库中，找出最具有含金量的数据；其次，把数据表现相同的用户分为一类，依据用户数据表现设计针对性的服务。在这里，企业的服务能否做到位，关键是有没有抓住最核心的数据。但不得不思考的一个问题是：通过数据分析所归类得出的服务项目太多，是否会导致管理成本增加，同时降低服务效率呢？
个性化分散的单位可大可小，大到一个有同样需求的客户群体，小到每一个用户都是一个个性化需求单位。而过于分散的个性化服务，会增加企业的服务成本和管理的复杂程度，所以要合理掌控和设计个性化服务。考虑是不是所有提供的数据都应该将它们转化为服务？所增加的成本和实际收益是否成正比？如果服务成本的增长并没有换得更好的回报，那意义何在？
总之，企业实现个性化服务的最大难点一是关键数据的可靠性，二是管理成本的可控性。具体来说，个性化服务设计的出发点就是对关键数据的分析，如果数据筛选和分析有误，那结果可想而知；个性化服务附带着各种成本的增加，比如数据管理。个性化服务在某种程度上只能以消费群体为单位，而非每一个消费者，同时必须考虑企业实际的成本投入和收益回报。
个性化服务落地四步骤
1、提取海量基础数据。企业拥有大数据就像拥有金矿，这座金矿的含金量高低，直接影响到能提炼出多少黄金。同样，大数据的质量好不好，也直接决定了企业后续能利用的数据有多少。
2、挖掘有用的核心数据。从基础数据中提炼有用的数据进行整理与匹配，就是数据的挖掘。数据挖掘需要专业的数据公司来操作，一般企业很难具备这样的专业能力。那么，企业是否愿意开放自己的核心数据？是否有经济能力聘请专业公司？这些都需要权衡。
3、响应市场营销数据。数据结果用于营销后，企业要进行响应。数据被挖掘出来后可以应用于某个细分市场，企业还要制定有针对性的营销策略。
4、维护会员服务数据。对营销方案的执行和实施以及后续服务，进一步考验企业的管理与应变能力。