如此看来，大数据精准营销有很多优势:

　　1. 精准定向投放，抓住潜在用户，实现低成本高效获客。

　　2. 发现品牌机遇，如新客户、新市场、新规律、回避风险等。

　　作为买家在淘宝上浏览和购买时，搜索引擎都会给你打上标签，同时也会根据你的标签和浏览习惯给你浏览的店铺打上标签。

　　这一系列标签形成了一个人固定的长期标签。

　　在完成诸如此类的产业核心面竞争后，横向，或者说横向整合，已经渐渐不能满足这些企业的胃口 —— 产业垂直整合开始出现。横向的企业讲究的是低成本，大规模生产，关注的点，更多集中于成本的管控，企业规模的扩大以及生产技术的革新，而把企业逐渐做大；而纵向整合，所谓产业垂直整合，要求企业做强 —— 对于核心部件，性资源和关键技术的限制加强，同时，渗透供应链的其他端口，用资本，技术，，战略等等核心手段，完成对于下游或者上游供应链的占领，以达到对于整条产业链的控制。例如:中国的电脑企业无论占据多大的市场规模，在芯片上自始至终掣肘于因特尔，操作系统掣肘于微软 —— 无论市场规模有多大，的利润空间，都会被无法完成垂直整合而缩减。

　　这些年我还真见过不少计算神学的布道者，他们开始张口就是大数据和机器学，后来开始扯深度学和人工智能。然而有一次我问某个信徒，他用的模型对性别的预测精度有多高，他居然诚实地回答接近 60%。如果需要考虑 Facebook 那么多种规的性别，这 60% 还是相当不错的，比扔硬币强不少呢。我之前的公司不幸跟某寡头有非平凡的合作，有幸跟对方的祭司阶级聊了几句，我发现这帮人对数据的理解连频率主义者都不如，连什么是信号什么是噪声都分不清楚。当然这圈子里面也有聪明人，并不是真诚地相信这些话——据说某公司做了两三位数样本的问卷攒了份报告就卖了很多钱。

　　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。