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。

　　大数据采集平台主要负责把数据采集到大数据仓库平台中。企业的大数据来源从大的角度来说，主要是从三个方面获取数据，业务系统、行为日志采集系统、外部数据来源。每一个方面来源又包含途径，大家可以看上面的图就了解。这里要强调的是外部数据来源，可以通过网络爬虫工具收集，通过和相应的合作方进行数据交换，通过从数据商那里采购过来，也有少部分可以通过一些大公司的开放平台接口获取，比如阿里、腾讯等。大数据基础平台，在传统的关系数据库时代，这个平台也是企业要做的平台，只不过当时叫数据仓库系统，在大数据时代，我称作为大数据仓库基础平台。这部分是整个大数据平台的核心。我们接下来会详细讨论。

　　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……

　　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。