这里汇集了一些流行的开源采集工具:Fivetran、Singer、Stitch、Airbyte、Apache Kafka，不是非人士，采用开源工具还是有点难度。因此即使在当今市场上开源的数据采集工具盛行的情况下，企业还是要慎重选择:是自建技术团队完成数据产品建设还是选择经验的技术服务商来完成呢？数据采集完成后，需要一个地方来存储和处理数据了。随着云计算的发展，云原生数据仓库、数据湖和数据中台已经占领了市场，相对于许多本地解决方案，提供了更易于访问和负担得起的数据存储选项。

　　做到上述几点后，咨询团队的营销思路，便打开 —— 由于有侧重点的构建某一项企业问题的咨询产品，在此问题上，团队也有相应侧重的数据面和数据模型，以此为营销核心，向平台展示自己的核心能力。简单说，只要数据库针对的企业有一定的社会代表性，这样的营销是无疑的 —— 企业诊断的效率在于对于错误信息的筛选频率，减少失误不确定性的亮度。数据的根本用途在于提供决策依据，而这样的决策依据，已经在前端的历史数据中，得到了很好的解决，，以及参考对标的空间，并不属于数据和团队的未知领域。

　　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……

　　大数据是个系统工程，从采集数据到计算到应用到决策有很长的流水线。在这个流水线上的每一个环节，都存在严重的人才空缺。当然，更稀缺的是搞清楚整个流水线的综合性人才。计算神学的信徒们根本没有意识到这一点，或者他们也不关心。幸运的是，官僚们欣赏这些人的盲目乐观。所以这是个让人宽慰的好消息，这些个大数据公司里面还是以蠢货和官僚为主。 大数据有大的价值，不管是从帮助企业创造营收还是从提率、节省企业成本角度。大数据要是做好了，将会是一个企业增长的发动机，推动业务突飞猛进的发展。要实现大数据的价值，真正让大数据为企业创造贡献，首先要积累有大数据，把日常的业务和用户行为数据收集起来。有些数据是可再生资源，但更多的数据是不可再生资源，这就需要我们搭建一个平台负责数据的采集、规整、运算、存储、应用、展现等，有了这样一个大数据平台，我们才能做好数据的积累，从小数据到大数据，数据是企业的资产，好的数据是企业的资产。大数据平台该怎样搭建呢？请看下面这幅图，不管我之前在阿里还是在腾讯工作，还是到哪个企业工作，基本上我都是通过这幅图进行一些简单的适应企业的调整，就可以搬过来使用了。