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……

　　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……

　　在这样的条件下，咨询行业一旦接触到新的企业咨询立案，就能度的切入，利用组织对标 —— 一些可以量化的，只要新企业也有量化标准，行业标准对比模型一旦建立，诊断方案便可以即刻得出，剩下的，只是对于个体本来个性方法论的探讨和进一步实施落地，但事先数据的整理，很好的避免了这些问题 —— 毕竟对标机构的落地实施细则具有强的参考性，抛开时代变化和一些的细微调整，定位诊断的理论基础仍然存在。所以，一个咨询团队利用自身数据库进行定位诊断企业，并且在接触新的企业数据时，能够时间更新自身企业数据库，从而有概率不断的为新案例提供对标，从而拥有更加科学，效率更高的企业战略以及企业文化的诊断机制。

　　2.在相关领域，企业能够收集并拥有自己的领域，并与自己的业务流程相关或垂直手机app，基于移动运营商的大数据挖掘即时获取每天高频率活动客户数据信息。3.在相关领域，贷款获客移动大数据客户资源系统能够收集自己的领域和本身的业务程序，或者是垂直的400号、固定的电话号码，基于移动运营商的大规模数据挖掘，就能立即抽取每日呼叫求救者，或从主叫方发出的呼叫记录。4.在相关领域，企业可以收集并自己的领域和本身的业务过程，或垂直的短信息号码，根据移动运营商进行大规模数据挖掘，立即获取SMS接收方的数据信息。

　　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。