所以，依托于这个思路，捕捉用户浏览网页图片，数字，都可以成为依托于大数据下的定位和营销 —— 当信息推送的意图和用户的真实意图贴近度越高的时候，广告的点击率提高，的商业效益便会明显的体现出来。咨询行业对于行业研究有天生的好感，对于行业内的与咨询有关的信息，都有收集的潜意识。简单说:一个咨询团队掌握一个行业的全面知识，无论是深度还是广度，都有很大的优势。比如:负责酒店行业的咨询团队，常理来说，只要有超过10年的咨询经验，掌握全国高中低档酒店大量的index（管理），包括全行业行评报告（管理），资产负债表（会计），服务品质，商业模式，运作模式，诸如此类的信息，将会大量的聚合在团队数据库；一个茶叶行业的营销团队，甚至连茶叶产地的地理条件，气候以及当地种植方式的详细信息，甚至一部分可量化信息，轻松掌握。

　　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……

　　所以，咨询公司往往在现代企业的咨询案例中坐收渔翁之利 —— 由于现代企业对于发展数据挖掘技术的渴求，以及对于充分释放数据资产中蕴含的商业价值的渴望，大规模的，高度管理化的数据资源，便可以通过咨询诊断报告务求数据背输和数据支持的手段，很好的被采纳和吸收，并且从咨询的角度，对整合过的数据进行进一步的挖掘，探索。对于现代企业，是大型现代企业（国外的GE，中国的中铁，中钢），对于数据整理已经颇有心得 —— 所以，对于大型咨询公司而言，利用当前收集的数据资源，整理数据整合标准，显然是可行的。

　　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。