数字化是要做好数据采集自动化，存储结构化以及运用在线化。其中，采集自动化要能实现自主化电子填报、业务流程内自动化采集；存储结构化是对数据的统一规整；运用在线化需要服务于具体业务，实现实时化和在线化，不能只是简单的“参观数据”。做到这三点方可为从大数据中提炼价值打下基础。数智化是数据智能化。在大数据金字塔模型（DIKW模型）中，底层是数据，通过梳理业务逻辑、统计关键要素才能变成信息，提炼信息并结合业务场景验才能变成知识，积累了很多知识并思考未来规划作出预判和决策才是智慧。从数据到信息到知识再到智慧，这就是数据智能产业如何从底层不断往上走的过程，代表了大数据价值被不断提炼升华的过程。

　　从咨询的角度看，大数据资产可以衍生的角度，可谓五花八门，例如:利用数据平台终端输出企业人力资源职能数据，在企业管理绩效考核中设定痛点机制，即:发生什么行为做什么事，完成企业人力资源管理的条件反射；利用数据平台输出大量对标案例，利用时间纵度完成企业对标问题假设和解决方案诊断验，利用大数据的数据采集职能而不是通过大量企业高中低层的访谈，彻底改变咨询行业常态化的资讯模式和诊断模式 —— 数据化平台的租售数据，租售信息，数据采纳整合，媒体，空间运营的综合机制的建立，配合前面所需的大数据资产化处理的配套软件，数据模型，大数据衍生飞轮效应的理论模型也可以基本清晰。

　　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……

　　商业智能实现智能的关键，就在于数据分析后转化的准确业务决策，对于去也现有数据的转化，Hadoop的多节点为很多企业提供了技术上的便利 —— 2009年Facebook决定脱离Oracle系统对现在的新系统进行基于Facebook的数据流程再造，Hadoop的出现让Facebook提供了理论上可以承受的大数据容量，而这个数据容量的构建，让用户可以上传的信息数量度膨胀，从而转化为更多的用户以及的服务。所以，更大量的数据进入数据分析处理的区域，Facebook需要处理的，便是把巨量的流程化数据，进一步的转化为基于Facebook本体的有用信息更新在每个人的个人主页以及与他们朋友相连接的数据节点，分发到世界各地。