在这样的条件下，咨询行业一旦接触到新的企业咨询立案，就能度的切入，利用组织对标 —— 一些可以量化的，只要新企业也有量化标准，行业标准对比模型一旦建立，诊断方案便可以即刻得出，剩下的，只是对于个体本来个性方法论的探讨和进一步实施落地，但事先数据的整理，很好的避免了这些问题 —— 毕竟对标机构的落地实施细则具有强的参考性，抛开时代变化和一些的细微调整，定位诊断的理论基础仍然存在。所以，一个咨询团队利用自身数据库进行定位诊断企业，并且在接触新的企业数据时，能够时间更新自身企业数据库，从而有概率不断的为新案例提供对标，从而拥有更加科学，效率更高的企业战略以及企业文化的诊断机制。

　　这一系列标签形成了一个人固定的长期标签。

　　之前的玩法单纯粗暴，就是冲销量或者买位置到第一，然后开始赚钱。

　　当然除了阿里之外，大数据精准营销在其他的互联网企业也都被看做是长线的利润价值，对于企业来说，这种趋势，不是把眼光放在短期的盈利上，主要依托大数据对用户的画像，设身处地的去触动用户，把握数据的长期黏性，从而实现长期增长。

　　如教育行业:如学历提升、职业教育、教育培训、K12教育等，可以通过大数据建模抓取教育相关网站的实时访客，抓取相关教育垂直APP的活跃用户……

　　所以，当产业链完成初期发展时，上游企业的产品成为下游企业的原材料和供货商，下游企业将产品呈现，来到市场，这样的供应链环节，成为了资本主义发展和市场经济发展的正常步骤，以及整个商业社会的基础。但是，由于产业链的逐渐发展，产业链的每一端，所谓都会出现大量同类竞争者 —— 同类竞争者在几乎类似的产品和供应商不断的提高产品质量和降低成本，不断优化供应链体系，在供应链的端口完成市场占据和市场 —— 20世纪90年代以及21世纪头十年，中国的珠三角，地区，出现了大量的类似供应商，而很多供应商产品的成本，已经降到了不可想象的程度 —— 横向整合的结果，会形成在某产业环节的，或者几家竞争的格，这是供应链企业做大做强的表征。

　　在产业频繁接触的过程中，各个行业的特点将是经验主义的价值输出，更多会采用社会流行 —— 而社会流行的建立，对于咨询行业，对于各类社会资讯指数，社会问题常态化研究的机构，可谓是巨大的福音。可是，由于大数据概念并非落地和产业化，更多的产业，职能部门，对于数据终端的依赖仍然取决于第三方 —— 请注意，大规模数据化流通的本质在于，自己拥有可以和企业和社会流行向对应，采用一套数据方法整合和整理的数据模型和数据样本，才有对标意义和参考价值。在推动大数据飞轮转动的过程中，数据资产从适应社会生态到数据资产的运用间，需要一个递进的过程，但一旦递进过去，行业将会被企业撬动。