而做到这一切，需要的是大数据什么样的能力？这里再提数据挖掘和数据分析:数据挖掘（英语:Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语:Knowledge-Discovery in Databases，简称:KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、检索、机器学、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

　　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，依托于这个思路，捕捉用户浏览网页图片，数字，都可以成为依托于大数据下的定位和营销 —— 当信息推送的意图和用户的真实意图贴近度越高的时候，广告的点击率提高，的商业效益便会明显的体现出来。咨询行业对于行业研究有天生的好感，对于行业内的与咨询有关的信息，都有收集的潜意识。简单说:一个咨询团队掌握一个行业的全面知识，无论是深度还是广度，都有很大的优势。比如:负责酒店行业的咨询团队，常理来说，只要有超过10年的咨询经验，掌握全国高中低档酒店大量的index（管理），包括全行业行评报告（管理），资产负债表（会计），服务品质，商业模式，运作模式，诸如此类的信息，将会大量的聚合在团队数据库；一个茶叶行业的营销团队，甚至连茶叶产地的地理条件，气候以及当地种植方式的详细信息，甚至一部分可量化信息，轻松掌握。

　　所以，在日常企业流程再造的过程中，定性数据分析和定性资料分析，甚至是一些非数据化的定性高质量数据研究，大数据演算系统的成本，都远远低于人本。在大数据时代，由于企业都采取了数据化的呈现方式，企业的外部边界，由于数据化语言的采用，变得越来越模糊 —— 殊不知一个卖糖果的商店和一个卖汽车轮胎的商店，由于使用同一种货币:，而可以在两个迥然不同的业态中，使用同样的货币行为，比如金融。数据也是如此 —— 异行业的数据模型纵然不同，但利用同样的表达工具 —— 数字，呈现的产业，仍然属于同一种语言，这样，已然使整个工业组织架构的距离感，进一步拉近。