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……

　　政府实现统治职能的关键在于掌握社会发展的部信息和整体信息，在掌握部和整体信息的基础上，对应出相应的政府职能，就是我们统称的行政职能。行政职能是否能够的体现政府处理事务的有效度，依赖于政府本身对于社会发展和社会动向的了解度 —— 一套完整的数据化量化体系以及信息收集的职能化设计，将有利于政府达到以上的目的。所以，大数据不仅利于商业社会对于资本的推广以及再定义，对于统治阶级赖以生存的经济发展，大数据的出现也可以助其一臂之力，至少美国政府，已经开始将自己信息透明公开，准备迎来以大数据满足社会公共服务的面。

　　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。

　　数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。在统计学领域，有些人将数据分析划分为描述性统计分析、探索性数据分析以及验性数据分析；其中，探索性数据分析侧重于在数据之中发现新的特征，而验性数据分析则侧重于已有假设的实或伪。探索性数据分析是指为了形成值得假设的检验而对数据进行分析的一种方法，是对传统统计学假设检验手段的补充。该方法由美国统计学家约翰·图基(John Tukey)命名。