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……

　　商业智能实现智能的关键，就在于数据分析后转化的准确业务决策，对于去也现有数据的转化，Hadoop的多节点为很多企业提供了技术上的便利 —— 2009年Facebook决定脱离Oracle系统对现在的新系统进行基于Facebook的数据流程再造，Hadoop的出现让Facebook提供了理论上可以承受的大数据容量，而这个数据容量的构建，让用户可以上传的信息数量度膨胀，从而转化为更多的用户以及的服务。所以，更大量的数据进入数据分析处理的区域，Facebook需要处理的，便是把巨量的流程化数据，进一步的转化为基于Facebook本体的有用信息更新在每个人的个人主页以及与他们朋友相连接的数据节点，分发到世界各地。

　　在移动时代，身份问题变成了严重的问题，因为智能手机在很大程度上是私人设备。大多数人都随身携带这些设备，这就意味着设备的标识和个人几乎是一一对应的。在这个问题上，就连苹果公司都没能意识到其严重性，以至于在早期的苹果设备上有一个接近的唯一硬件标识（UDID）。这就意味着的 App 开发者都可以使用这个标识来追踪设备和交换数据。换句话说，只要你在一个 App 中使用了 Facebook 账号或者提交了电话号码，那么你在这个设备中的行为都有可能被关联到你的 PII。

　　数据收集分为高中低等，咨询行业面对的行业模型，同样是高中低等。简单说，中小企业同样有利用数据发展的必要性，但是无奈缺乏数据收集的方法。所以，利用大型企业收集，打包，采样整理的数据收集经验，泛化到中小企业方法中，制定数据泛化收集标准，完成大数据资产的步清理工作。所以，飞轮转动的前提，是整个商业社会和商业平台，形成常规化，常态化的数据整合收集思路 —— 咨询公司首当其冲 —— 利用大型企业数据收集整合的经验，泛化大数据资产收集的方法论，制定类行业，近似行业的标准，手册化，网络化的进行对外宣导。对于咨询公司而言，如果形成:大数据基础概念普及 —— 大数据收集方法论宣贯 —— 大数据资产化处理的咨询配套产品和模型，飞轮转动的社会基础，将在5-10年后，渐渐形成。