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……

　　定性数据分析又称为“定性资料分析”、“定性研究”或者“质性研究资料分析”，是指对诸如词语、照片、观察结果之类的非数值型数据（或者说资料）的分析。传统企业中进行资源优化，资源配比的采购，出纳体系的大量基层和中层员工，将会占用企业的日常成本 —— 因为这一切的工作，都已然被大数据的使用代替，而大数据提供给企业的进化计算，信息，信息处理，甚至可视化模型，信息检索多样性，都完胜一个单体基层部门工作人员的日常效率。数据挖掘的普世价值一旦打开，企业内部价值链重塑，几乎是阻挡的趋势。

　　可以想见，Facebook利用大数据进行业务经营和业务决策整合的工具，这里所谈及的企业业务系统，在工业，商业，农业领域，会有着不同的运用。而智能的发挥，基于每一个特定领域的高等级数据库收集的大量针对性信息，而这些信息进行数据整合后得出的商业决策，成为未来决策中的部分呈现在未来企业的决策之中，期间利用的企业运作系统中的抽取，转换，装载，以及提供的合适查询工具和分析工具视图，例如OLAP可以组建的数据工具辅助决策提供的解决方案，已经在微软，甲骨文，SAP，SAS等企业，向范围内铺展开来。

　　大数据的核心价值，从业务角度出发，主要有如下的3点:数据辅助决策:为企业提供基础的数据统计报表分析服务。分析师能够轻易获取数据产出分析报告指导产品和运营，产品经理能够通过统计数据完善产品功能和改善用户体验，运营人员可以通过数据发现运营问题并确定运营的策略和方向，管理层可以通过数据掌握公司业务运营状况，从而进行一些战略决策；数据驱动业务:通过数据产品、数据挖掘模型实现企业产品和运营的智能化，从而大的提高企业的整体效能产出。常见的应用领域有基于个性化推荐技术的营销服务、广告服务、基于模型算法的风控反欺诈服务征信服务，等等