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……

　　所以，对于金融来说，数据作为基础资源能提供的，是试图以更为快捷，的运作方式取代高成本，较复杂系统的传统金融机构 —— 比如四大银行。但是，这里的运作方式并不是取代传统银行的传统支付方式，但是更多的，是促进整个商业银行体系的升级，至少是支付方式的升级 —— 毕竟流动性是金融世界的核心体征，并且打通以四大银行为核心的平台数据支付渠道。另外，四大银行利用自己定额资金池的巨大额度，开展了和其他第三方支付的合作:和快钱利用企业应收应付账款的资本和时间的效差开展融资服务，在企业的应收账款货音符账款信息和产业链上下企业中，分别打包资金流转数据给银行 —— 这样的一手数据，在某种层面上，可以为企业客户提供进一步的贷款服务 —— 而这样的服务，都是建构在数据这块肥沃的土地上进行的数据构架，而采纳第三方支付的企业沉淀海量数据，这样的模型对于发展数据这个稳态资产，有着广阔的前景和不可估量的影响。

　　但是对于消费者或者互联网所谓的“用户”来说，大数据却是另外一个意思。大数据的意思就是尽可能地搜集跟终端消费者相关的隐私，然后进行营销。从理论上说，大数据公司通过搜集用户行为，可以地了解消费者的需求，增强用户体验。但是在实践上，这些所谓的智能推荐还停留在很初级的阶段，因此会有人在淘宝上搜索棺材结果在微博上不停地看到跟丧葬相关的广告。对于微博这样的公司，还意味着它会倾向于通过直接或者间接地暴露你的隐私来获得商业利益。据说，评价一家国内公司的大数据能力是跟被查水表的频繁程度正相关的。就目前而言，大数据对于终端消费者更多的是“被实名”。举一个例子，如果你在 Android 手机上使用 Facebook 账号访问某个 App，那么对不起，你在这个手机上的行为都有可能被 Facebook 关联到你真实的身份上。在这种能力上，国内的三巨头排序大概是 T > A >> B。

　　无论选择使用数据仓库、数据湖、数据中台还是两者的某种组合，都取决于业务需求。同时，如果不投资云存储和计算的情况下构建可扩展、灵活的数据平台是具有挑战性。数据转换和建模通常可以互换使用，但它们是两个截然不同的过程。当转换数据时，是正在获取原始数据并使用业务逻辑对其进行清理，以便为分析和报告准备好数据；当对数据建模时，是正在创建数据的可视化表示以存储在数据仓库中。如果企业无法使用这些数据，那么采集存储和转化的这些数据也无法为业务服务。如果数据平台是一本书，那么商业智能分析层将是封面，充满引人入胜的标题、视觉效果以及数据实际视图将展示内容的摘要。事实上，这一层通常是用户在描绘数据平台时所想到的，并且有充分的理由:它使数据具有可操作性和智能性，没有它，数据就缺乏意义。