如果有人讲，我的产品使用的是大数据blablabla，我都会觉得他在装*。因为麦肯锡告诉我们，数据量超过传统数据库软件能力范围的数据集合才叫 大  数  据。

不过，我们还是一起看下以下哪五大类数据产品有大数据的踪影。

一，数据可视化分析

1.原始数据分析

有时客户并不完全了解自己的数据，人员更替，平台迁移，数据遗失，没有专门的负责人去进行数据的管理和维护，都会造成数据的资源浪费。虽然随着时间过去，越早的数据价值越小，但是有人（我）说过，不能坦然面对过去的人，也无法面对将来。所以，先从整理过去开始吧。

2.营销数据分析

营销数据的重要性就不用赘述，既要多纬度多，又要分析深刻结论明了。最好又美观又能方便导出，还可以通过邮箱分享或者嵌入网页。

3.业务场景数据分析

能把已有业务场景数据可视化是比较个性化的需求了，但是一旦实现出来，某种程度来说还是能增加工作效率。

一些例子表明，可视化是有助于监控风险。

银行客户订制了一套基于转账的可视化系统，若有人打款，就会从打款地发出一条光束到达收款地。就在管理层观察了一段时间后惊人的发现，在每天的同一时间段，有 100 多条光束会同时汇集落到同一地点，也就是说，100 多个账户在打款进同一账户中。最后经过查证，是不法行为。这就是个通过数据可视化直观监测反洗钱的典型案例。

可视化工作场景最酷炫的难道不是钢铁侠么。

4.地理位置数据分析

一般的LBS场景是，将业务数据放置于地图中，用户可以获取可视化的数据分析，并能自行上传位置数据。但是现在也有结合物联网需求的可视化地理位置分析，是不是更有实感？看见我的快递努力的在朝我的方向移动，突然有点感动是怎么回事。。。

5.用户画像

当我真的被准确的定位成女屌丝的那一刻，我发现，我不太喜欢这个功能。所以并不面向用户本身的话，可能还不错。让商家去具象的了解用户的信息，做出判断和营销。

二，个性化精准推荐

其实就是猜你喜欢，但是，在技术不到位、数据储备不足的情况下，个性化服务可能出力不讨好。理论上个性化服务可以消除通知噪声来提高现有用户满意度，同时可以发展新用户，利用长尾效应增加收益。

1.阅读推荐

订阅选项真的非常丰富。或关联社交账户，或通过搜索关注话题，或根据往期阅读文章推，或根据关注对象。。。

2.商品推荐

几乎就是根据你浏览过的推荐，根据你购买过的推荐，根据和你一样购买过的人推荐，虽说老套，但成功率也高。

3.社交图谱&兴趣图谱

把所有和你有关的都连在一起，在很多企业中，社交图谱分析已经在反欺诈、影响力分析、舆情监测、市场细分、参与优化、体验优化，以及其他需要快速确定复杂行为模式的领域成功应用。实际上是不是有点可怕。。。

当我知道我看到的这个东西是完完全全为我打造的时候，我更想知道，别人在看些啥。。。我上网是为了融入这个世界啊

三，智能解决方案

下一波的数字化淘金浪潮将会是如何利用数据来解决实际问题，而不仅仅是使用数据的行为。“未来已经来临，只是尚未流行”。——Gartner

1.营销方案

营销工具要进行市场整合，整合之后才是真正的赢家。若要实现对客户生命周期的完全可见性，并且理解数据，科学有效驱动客户参与度和转化度的原理，还是极具挑战性的。

2.健康方案

从可穿戴设备数据采集，也从大数据中寻找你的最佳治疗方案到动态。不同的设备采集的数据维度都不一样，如运动、睡眠、心率以及精神压力。以前沉睡在纸面上的数据以及封闭系统中 “信息孤岛” 正在日益连接起来。

3.资产配置方案

通过算法和产品来完成以往人工提供的理财顾问服务。在云端低成本、快速、批量化地解决各种数据运算，再根据用户的倾向，个性化地提供资产配置组合方案，从而让更多人低门槛、低成本地管理自己的资产。

4.智能硬件

智能硬件多的不像话，手环和扫地机器人就不说了，连电饭煲和后视镜都智能了。

四，预测和预警

预测和预警无论是在商业或者是生活问题解决上都是有实际意义的，在初期，人们对其可到达的精准程度还是有一定担忧。但是播了几十年的天气预报也不是很准啊。。。

1.交通状况预测

监控提供的数据可以帮助追踪道路交通情况，可以进行线路推荐和目的地到达时间的预测。通过算法，如果街道上涌现出大批人群，车辆可以及时进行交通道路调整。

2.医疗类预测

利用数据库中病情发展记录做出预测。这种预测将基于对患者日常行为的观测，力求在病情出现恶化之间就介入治疗。甚至有机构调查一些拥有长寿者的家谱和基因里蕴含的生命信息。最后即使不能通过研究找到延长寿命的方法，但至少能通过疾病预防，提高老年群体的生活质量。

3.消费信誉预测

通过数据挖掘分析和机器学习技术，对申请者提交的信息进行识别，并结合个人社交行为及海量互联网信息，对个人信用进行在线评分。基于强大的数据点基础，很快让用户得到信用额度，额度可以用在各类金融和非金融服务领域。

五、决策分析

大到金额无法计算的商业决策，小到站在包子铺门口的纠结，出门走哪条路，参加朋友婚礼穿什么衣服，若是真有完美的决策分析，无疑是选择恐惧症患者的福音。

1.销售决策

比如一个购物网站，当消费者登陆这个网站时，会把这名消费者在网站上的行为和以前其他登陆过该网站的消费者行为做对比，做出分析和预测，然后给出一份实时的建议：例如，现在平台是应该向消费者抛出一个 live chat、一个产品打折的 offer、一个 video call、还是一个 phone call 会比较好——或者是什么都不做最好。

2.旅行决策

通过抓取海量数据，分析提取关键字、建立评分体系，让用户不用看长篇攻略就能掌握核心信息，快速做出旅行决策。

对于大数据的定义，我们可以退而求其次，以下方这个定义为准。

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具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。（我知道你一定不会仔细看）

去掉这句话所有的定语，得到的是：大数据是信息资产。

所以，我们知道了，不管有没有大到哪一种体量级别，至少让数据信息成为一种资产也算是有大数据精神了。

子曰：无数据，不web2.0

作者@lottelyn    文章来源@公众号（这个产品真难用）