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……

　　如快消行业:家居洗护、食品饮料、个人护理品等，可以通过大数据建模分析用户的日常消费情况、性别、年龄、有没有孩子……

　　一个平庸的无线网卡标识为什么会跟大数据扯上关系呢？出乎标准设计者的意料，Wi-Fi 已经成为了一种主流的互联网接入方式，并且成了一种重要的辅助定位技术。不同于智能设备，大多数无线热点都是固定不动的，并且覆盖了都市的大多数区域。利用无线热点的 SSID 和 MAC，加上从智能手机采集的 GPS 信息，地理信息服务商可以利用这些信息完成误差在百米以内的定位。在 GPS 不能覆盖的室内，Wi-Fi 定位几乎是首选的解决方案。从这个角度来看，Wi-Fi 定位是一个方便消费者的福音。但是 Wi-Fi 的技术设计决定了它不是一个匿名的定位技术，在定位的过程中 Wi-Fi 热点同样可以获得智能手机的无线标识。因此从另一个角度来看，Wi-Fi 热点的运营商可以获得智能手机的一个时空坐标。这样第三方就有可能追踪智能手机在城市中的轨迹，其效果甚至可以超越运营商的监控手段。但是这并不是糟糕的，出于统计的需求，很多 Android App 还会采集手机的 Wi-Fi 网卡标识。这些数据有可能将用户的行为和时空轨迹联系在一起，从而造成严重的隐私风险。正如 Facebook 一样，智能手机的普及是 CIA/NSA 做梦也想不到的好事。现代人进入了一个监控自己的伟大时代，A Brave New World。

　　对于大多数互联网公司或者工程师而言，大数据实际上只有一个意思，就是把一堆乱七八糟的数据扔到 HDFS 上面然后进行计算。计算的工具有很多，常见的是 Map-Reduce，但是技术一直在演进，现在还流行 Impala、Spark、Presto 什么的。对于这些搞大数据的工程师而言，这是一个好的事情，因为要把这么多异构的数据和系统跑起来，需要很多人写很多代码，还需要有人来做运维。这么一个部门总得需要几十台机器否则还不如单机计算能力强，工程师也得有十来人。然后可能还需要数据分析师，否则这部门跟摆设也没什么区别。如果系统做得不错数据量也有了，总得配个数据科学家搞点数据挖掘或者机器学什么的吧。所以大数据这件事情可以解决很多就业问题，毕竟很多上了规模的互联网公司都想搞大数据。

　　通过你的微博，Wi-Fi 服务商有可能了解你的性别年龄工作等信息。此外通过该热点请求的很多元信息都会被服务商保留，虽然它们未必知道怎么挖掘这些元信息，但是它们会尽量将你的身份和这些信息关联在一起并长期保留。喝完咖啡，你开始逛街，这时候你的手机会开始扫描热点，商场可以通过 Wi-Fi 探针追踪你的位置。如果商场使用的 Wi-Fi 服务商和咖啡厅是同一家，或者与服务商建立了数据交换的协议，那么商场有可能实名地追踪你的轨迹。商场的 Wi-Fi 服务商同样会有耐心地存储你的信息，以备不时之需。