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……

　　在这样的前提下，咨询团队只要解决好单体咨询产品1.0数据库的构建，剩下的就可以通过不断的更新案例来相关类目的咨询能力，毕竟数据库的作用在于建设确定性更明显的诊断方案。而这样的咨询产品构建，只要依托于大数据，便有一定普世价值:可以人为量化的咨询产品，都可以通过这样的方式，很好的建立起1.0的版本，顺遂着案例的不断递增而升级 —— 咨询公司依托于大数据的定位不利于咨询工作的开展，更会有利于整个咨询产品的升级以及的营销和服务。

　　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。

　　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。