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……

　　无论选择使用数据仓库、数据湖、数据中台还是两者的某种组合，都取决于业务需求。同时，如果不投资云存储和计算的情况下构建可扩展、灵活的数据平台是具有挑战性。数据转换和建模通常可以互换使用，但它们是两个截然不同的过程。当转换数据时，是正在获取原始数据并使用业务逻辑对其进行清理，以便为分析和报告准备好数据；当对数据建模时，是正在创建数据的可视化表示以存储在数据仓库中。如果企业无法使用这些数据，那么采集存储和转化的这些数据也无法为业务服务。如果数据平台是一本书，那么商业智能分析层将是封面，充满引人入胜的标题、视觉效果以及数据实际视图将展示内容的摘要。事实上，这一层通常是用户在描绘数据平台时所想到的，并且有充分的理由:它使数据具有可操作性和智能性，没有它，数据就缺乏意义。

　　政府实现统治职能的关键在于掌握社会发展的部信息和整体信息，在掌握部和整体信息的基础上，对应出相应的政府职能，就是我们统称的行政职能。行政职能是否能够的体现政府处理事务的有效度，依赖于政府本身对于社会发展和社会动向的了解度 —— 一套完整的数据化量化体系以及信息收集的职能化设计，将有利于政府达到以上的目的。所以，大数据不仅利于商业社会对于资本的推广以及再定义，对于统治阶级赖以生存的经济发展，大数据的出现也可以助其一臂之力，至少美国政府，已经开始将自己信息透明公开，准备迎来以大数据满足社会公共服务的面。

　　从咨询的角度看，大数据资产可以衍生的角度，可谓五花八门，例如:利用数据平台终端输出企业人力资源职能数据，在企业管理绩效考核中设定痛点机制，即:发生什么行为做什么事，完成企业人力资源管理的条件反射；利用数据平台输出大量对标案例，利用时间纵度完成企业对标问题假设和解决方案诊断验，利用大数据的数据采集职能而不是通过大量企业高中低层的访谈，彻底改变咨询行业常态化的资讯模式和诊断模式 —— 数据化平台的租售数据，租售信息，数据采纳整合，媒体，空间运营的综合机制的建立，配合前面所需的大数据资产化处理的配套软件，数据模型，大数据衍生飞轮效应的理论模型也可以基本清晰。