这些更多初创型企业专注于为重要垂直业务提供应用程序，简称为BDA公司（大数据应用Big Data Applications）。在新兴的大数据创业公司方面，有提供工具系统的，有提供数据存储和销售的，有提供信息咨询算法的，有些提供电影票房预测技术，有些产品优化销售效率，有些产品通过将不同渠道的营销业绩与实际的产品使用数据相关联，为未来营销活动提供建议。

在技术之外，这些小企业还会开发一些产品，追踪记录与健康相关的指标并据此提出改善人们行为的建议。诸如此类的产品有望减少肥胖，提高生活质量，同时降低医疗成本。这类业务令人着迷之处在于，如果没有大量的数据，缺乏有效的数据分析技术，这些公司的业务难以有效开展。与此同时，云计算技术的普及，意味着小公司不必在内部开发或配备所有大数据技术，在很多情况下，它们可以利用基于云端的服务来满足数据分析需求。

PredPol公司通过与洛杉矶和圣克鲁斯的警方以及一群研究人员合作，基于地震预测算法的变体和犯罪数据来预测犯罪发生的几率，可以精确到500平方英尺的范围内。在洛杉矶运用该算法的地区，盗窃罪和暴力犯罪分布下降了33%和21%。

Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN，“SAP想通过这次收购来扭转其长久以来在预测分析方面的劣势”。

交通的参与者多种多样，是大数据最能发挥价值的领域。交通流量数据公司Inrix依靠分析历史和实时路况数据，能给出及时的路况报告，以帮助司机避开正在堵车的路段，并且帮他们提前规划好行程。汽车制造商、移动应用开发者、运输企业以及各类互联网企业都需要Inrix的路况报告。奥迪、福特、日产、微软等巨头都是Inrix的客户。

消费者追寻意见领袖的生活方式。潘吉瓦公司就是用数据分析来预测流行趋势，以此为基础甚至撬动全球贸易。比如，它们通过41次追踪《暮光之城》的徽章、袜子的运输情况，分析在这部电影中主角的服饰对流行趋势有多大影响率，并将分析结果告知用户，建议他们对自己的行动做出恰当的调整。

美国在线音乐网站潘多拉特别聘请一些音乐专家，让他们每个人平均花上20分钟去分析一首歌曲，并赋予每首歌400种不同的属性。如果你表示喜欢一首歌，程序会自动寻找跟这首歌“基因”相同的歌曲，猜测你也会喜欢并采用推荐引擎技术推荐给你。借助这种人海战术，潘多拉网站已经分析了74万首歌曲。

Futrix Health是一家专注于用通过数据为患者制定医疗解决方案的公司，从安装在智能手机上的个人健康应用，到诊所、医院里医生使用的电子健康记录仪，甚至是革命性的数字化基因组数据，均连接到后端数据仓库上。从而为患者制定最佳的医院选择、医药选择。该如何将采集到医疗保健机构的大量操作信息，分析患者情况或治疗效果，实施任何高效率的措施，使之更具有意义——大数据时代提供的机会，不再是简单地收集这些数据，而是如何运用数据来更好地认知这个世界。

在零售领域，创业公司Retention Science发布了一个为电子商务企业提供增强用户粘性的数据分析及市场策略设计的平台，它的用户建模引擎具备自学习功能，通过使用算法和统计模型来设计优化用户粘性的策略。平台的用户数据分析都是实时进行，以确保用户行为预测总是符合实际用户行为更新；同时，动态的根据这些行为预测来设计一些促销策略。RS目前已获得Baroda Ventures, Mohr Davidow Ventures, Double M Partners及一些著名天使投资人130万美金的投资。

江苏众瀛联合数据科技有限公司构建了这样一个大数据平台——将准备结婚的新人作为目标消费者，并把与结婚购物相关的商家加入其中。一对新人到薇薇新娘婚纱影楼拍了婚纱照，在实名登记了自己的信息后会被上传到大数据平台上。大数据平台能根据新人在婚纱影楼的消费情况和偏好风格，大致分析判断出新人后续消费需求，即时发送奖励和促销短信。比如邀请他们到红星美凯龙购买家具、到红豆家纺选购床上用品、到国美电器选购家用电器、到希尔顿酒店摆酒席……如果新人在红星美凯龙购买了中式家具，说明他们偏好中国传统文化，就推荐他们购买红豆家纺的中式家居用品。

水，向来是个不好管理的东西：自来水公司发现某个水压计出现问题，可能需要花上很长的时间排查共用一个水压计的若干水管。等找到的时侯，大量的水已经被浪费了。以色列一家名为Takadu的水系统预警服务公司解决了这个问题。Takadu把埋在地下的自来水管道水压计、用水量和天气等检测数据搜集起来，通过亚马逊的云服务传回Takadu公司的电脑进行算法分析，如果发现城市某处地下自来水管道出现爆水管、渗水以及水压不足等异常状况，就会用大约10分钟完成分析生成一份报告，发回给这片自来水管道的维修部门。报告中，除了提供异常状况类型以及水管的损坏状况——每秒漏出多少立方米的水，还能相对精确地标出问题水管具体在哪里。检测每千米“水路”，Takadu的月收费是1万美元。

电商行业的现金收入源自数据，而婚恋网站的商业模型更是根植于对数据的研究。比如，作为一家婚恋网站，百合网不仅需要经常做一些研究报告，分析注册用户的年龄、地域、学历、经济收入等数据，即便是每名注册用户小小的头像照片，这背后也大有挖掘的价值。百合网研究规划部李琦曾经对百合网上海量注册用户的头像信息进行分析，发现那些受欢迎头像照片不仅与照片主人的长相有关，同时照片上人物的表情、脸部比例、清晰度等因素也在很大程度上决定了照片主人受欢迎的程度。例如，对于女性会员，微笑的表情、直视前方的眼神和淡淡的妆容能增加自己受欢迎的概率，而那些脸部比例占照片1/2、穿着正式、眼神直视没有多余pose的男性则更可能成为婚恋网站上的宠儿。

Prismatic是一款个性化新闻应用，只有4名创始员工，凭借互联网数据爬虫和社交网络开发平台的数据，依托亚马逊的云计算平台，实现了大数据的精益创业。Prismatic不提供统一的设计精良的新闻订阅或推荐界面，而是根据分析用户的Facebook 或Twitter资料，为用户做一对一的数据分析和推荐。从盈利模式来看，Prismatic不是依靠广告费生存下来，也不是传统的新闻媒介，而是一个披着新闻应用外衣的电子商务公司。名义上为了给用户个性化推荐新闻而得到用户的个人信息进行数据分析，针对性的推出推荐商品，从而从电子商务中盈利。

人类都有和同类对比的天性，例如，一家政府机构收集不同地点从事同类工作的多组员工的数据，仅仅将这些信息公诸于众就促使落后员工提高了绩效。在能源行业，Opower使用数据对比来提高消费用电的能效，并取得了显著的成功。作为一家SaaS的创新公司，Opower与多家电力公司合作，分析美国家庭用电费用并将之与周围的邻居用电情况进行对比，被服务的家庭每个月都会受到一份对比的报告，显示自家用电在整个区域或全美类似家庭所处水平，以鼓励节约用电。Opower的服务以覆盖了美国几百万户居民家庭，预计将为美国消费用电每年节省5亿美元。Opower报告信封，看上去像账单（所以几乎总是打开），它们使用行为技术（笑脸、同行比较）轻轻地说服公用事业客户降低消耗。Opower已经推出了它的大数据平台 Opower4 ，通过分析各种智能电表和用电行为，电力公司等公用事业单位成为Opower的盈利来源。而对一般用户而言，Opower完全是免费的。

使用新的数据技术，诸如美国的Chango公司和中国的Uniqlick公司正在数字广告行业中探索新的商业模式——实时竞拍数字广告。通过了解互联网用户在网络的搜索、浏览等行为，这些公司可以为广告主提供最有可能对其商品感兴趣的用户群，从而进行精准营销；更长期的趋势是，将广告投放给最有可能购买的用户群。这样的做法对于广告主来说，可以获得更高的转换率，而对于发布广告的网站来说，也提高了广告位的价值。

众趣是国内第一家社交媒体数据管理平台， 目前国内主要的社交开放平台在用户数据的开放性方面仍比较保守，身为第三方数据分析公司，能够获得的用户数据还十分有限，要使用这些用户数据需获得用户许可。众趣通过运营统计学等相关数据分析原理对用户数据进行过滤，最终完成的是对一个用户的行为、动作等个体特征的描述。这些描述可以帮助品牌营销者了解消费者的消费习惯及需求；也可以帮助企业的领导增强对自己员工的了解。除了对个体以及群体行为特征的描述外，这些数据分析结果还可用于对用户群体的行为预测，从而为营销者提供一些前瞻性的市场分析。众趣数据分析的结果只能精准到群组而无法达到个人。此类的用户数据研究除在市场营销领域具有一定的参考价之外，目前大多还主要用于配合一些小调研。此外，这些数据还可以实现对用户甚至企业机构的信用评级，在金融领域也有一定程度的使用。

导购电商的拖拉网制作了“明天穿什么”这一应用。在这个应用当中，众多时装圈权威人士输送时装搭配与风格单品，由用户任意打分，根据用户的打分偏好，拖拉网便能猜到明天她们想穿什么，然后为她在数十万件网购时装中推荐单品，并且实现直通购买下单。在获取客户数据后，后台分析也是各显神通。

拖拉网加入了更多变量来考核自己的推荐模式。比如有消费者明天要参加一个聚会，不知道要穿什么风格，也没有看天气预报，希望导购网站能帮她把这些场景和自己的信息组合起来，给出一整套的解决方案。于是日期(天气)、地域、场合、风格，这些都成为穿衣搭配解决方案的变量，经过不断的组合呈现给用户，据拖拉网数据，用户在看到一个比较优质的搭配，并有场景性引导的时候，点击到最后页面完成购买的转化率会比单品推荐高40%。

现在人们有了把人类基因档案序列化的能力，这允许医生和科学家去预测病人对于某些疾病的易感染性和其他不利的条件，可以减少治疗过程的时间和花费。位于旧金山的SeeChange公司创建了一套新的健康保险（放心保）模式。该公司通过分析客户的个人健康记录、医疗报销记录、以及药店的数据，来判断该客户对于慢性病的易感性，并判断该客户是否有可能从一些定制的康复套餐中获利。SeeChange同时设计健康计划，并设立奖励机制鼓励客户主动完成健康行动，全过程都通过其数据分析引擎来监控。

以色列的Given Imaging公司发明了一种胶囊，内置摄像头，患者服用后胶囊能以大约每秒14张照片的频率拍摄消化道内的情况，并同时传回外置的图像接收器，患者病征通过配套的软件被录入数据库，在4至6小时内胶囊相机将通过人体排泄离开体外。一般来说，医生都是在靠自己的个人经验进行病征判断，难免会对一些疑似阴影拿捏不准甚至延误病人治疗。现在通过Given Imaging的数据库，当医生发现一个可疑的肿瘤时，双击当前图像后，过去其他医生拍摄过的类似图像和他们的诊断结果都会悉数被提取出来。可以说，一个病人的问题不再是一个医生在看，而是成千上万个医生在同时给出意见，并由来自大量其他病人的图像给出佐证。这样的数据对比，不但提高了医生诊断的效率，还提升了准确度。

真正的技术人才永远是各大公司的抢手货，绝对不要坐等他们向你投简历，因为在他们还没有机会写简历之前很可能已经被其他公司抢走了。Entelo公司能替企业家们推荐那些才刚刚萌发跳槽动机的高级技术人才，以便先下手为强。

Entelo的数据库里目前有3亿份简历。而如何判断高级人才的跳槽倾向，Entelo有一套正在申请专利的算法。这套算法有70多个指标用于判定跳槽倾向。某公司的股价下跌、高层大换血、刚被另一大公司收购，这些都会被Entelo看作是导致该公司人才跳槽的可能性因素。于是Entelo就会立刻把该公司里的高级人才的信息推送给订阅了自己服务的企业家们。企业家们收到的简历跟一般的简历还不一样。Entelo抓取了这些人才在各大社交网络的信息。这样企业家们可以了解该人提交过哪些代码，在网上都回答了些什么样的问题，在Twitter上都发表的是些什么样的信息。总之，这些准备“挖角”的企业家能够看到一个活生生的目标人才站在面前。

航空业分秒必争，尤其是航班抵达的准确时间。如果一班飞机提前到达，地勤人员还没准备好，乘客和乘务员就会被困在飞机上白白耽误时间；如果一班飞机延误，地勤人员就只能坐着干等，白白消耗成本。美国一家大航空公司从其内部报告中发现，大约10%的航班的实际到达时间与预计到达时间相差10分钟以上，30%的航班相差5分钟以上。FlightCaster是一家提供航班延误信息预测的公司，主要根据航空公司的航班运行情况进行预测。与航空公司所拥有的类似航班运行情况的专有信息一样，该公司拥有大量国内航班飞行和航班实时运行状况的历史数据。Flightcaster的秘诀就是其对大数据分析的有效利用和使用适当的软件工具对产出数据进行实时管理。

Passur Aerospace是专门为航空业提供决策支持的技术公司。通过搜集天气、航班日程表等公开数据，结合自己独立收集的其他影响航班因素的非公开数据，综合预测航班到港时间。时至2012年，Passur公司已经拥有超过155处雷达接收站，每4.6秒就收集一次雷达上每架飞机的一系列信息，这会持续地带来海量数据。不仅如此，经过长期的数据收集，Passur拥有了一个超过十年的巨大的多维信息载体，为透彻的分析和恰当的数据模型提供了可能。Passur公司相信，航空公司依据它们提供的航班到达时间做计划，能为每个机场每年节省数百万美元。

一家名为气候公司(Climate Corporation)的创业企业每天都会对美国境内超过100万个地点、未来两年的天气情况进行超过1万次模拟，其数据量庞大、动态、实时。随后，该公司将根系结构和土壤孔隙度的相关数据，与模拟结果相结合，为成千上万的农民提供农作物保险。 通过遥感获取土壤数据，这和我们过去所熟悉的通过网络服务获取用户网络行为数据不是一回事，数据的概念得以极大的扩充。要想对每块田地提供精准的保险服务，肯定还需要与土地数据相配套的农产品(000061,股吧)期货、气候预测、国际贸易、国际政治和军事安全、国民经济，产业竞争等等各方面的数。在如此庞杂的大数据基础上推出的商业模式是创新的，同现有农作物保险方式相比具备极大竞争力，并且是可持续和规模化的。更妙的是，这家公司基于大数据的运营，完全没有进行高额的网络设施投资，只是租用了亚马逊的公共云服务，一个月几万美元而已。

几乎所有的收费电子书都会提供部分章节让读者试读，其实，出版商需要弄清楚人们读到了哪里、读完后有没有购买，以及其他各种体验，才能卖出更多的电子书。美国创业公司Hiptype开发了一套电子书阅读分析工具，其商业模式就在试图解决这一难题。Hiptype自称为“面向电子书的Google Analytics”，能够提供与电子书有关的丰富数据。它不仅能统计电子书的试读和购买次数，还能绘制出“读者图谱”，包括用户的年龄、收入和地理位置等。此外，它还能告诉出版商读者在看完免费章节后是否进行了购买，有多少读者看完了整本书，以及读者平均看了多少页，读者最喜欢从哪个章节开始看，又在哪个章节半途而废，等等。Hiptype能够与电子书整合在一起，出版商无论选择哪种渠道，总是能够获得用户数据。Hiptype收集的所有数据都是匿名的。用户在下载了内置Hiptype服务的电子书时，会得到一个提示，可以选择将其屏蔽。

网络营销存在一个巨大问题，如何获知在网上使用几个不同名称的人是否是同一个人？安诚客（Acxiom）推出了一种名为“观众操作系统”（“Audience Operating System”，AOS ）的技术方案解决了这个问题。它允许市场营销者与你的 “数字人物”绑定 ，即使你由于婚姻换了名字，或者使用昵称，或者偶尔使用中名，它也照样能够解答那个已经换了地址或者电话号码的人是否是同一个人的问题。

AOS 可以汇集不同数据库中的信息，这些数据或离线或在线，是公司可能在不同场合针对个人而收集的。通过使用AbiliTec——一种Acxiom也拥有的数字化“身份识别”技术——AOS将客户信息删繁就简，得到简单单一的结果。AOS帮助安诚客的广告客户使用他们的数据在Facebook上找到广告投放目标用户。

via：IT经理世界 文/吕本富

面对上述“高大上”的说辞，TED的创始人Dan Ariely打趣道：Big data is like teenage sex: everyone talks about it, nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it…..（大数据就像青少年谈性，每个人都在说，不知道谁做了，每个人认为另外人在做，所以每个人都声称自己在做……）

虽然这是一个无厘头、刻薄甚至“无知者无畏”的说法，但“到底谁在做”确实是关键问题。对于企业来说，100条理论确实不如一个成功的标杆有实践意义，本文的主旨就是寻找“正在做”大数据的49个样本。

事实上，从大数据应用领域入手，市面上已经能够见到很多案例。在社会治理方面：有预报旅游热点、百度春节迁徙图、预测艾滋病的发病率、甚至挖掘恐怖分子等；在商业方面，有“啤酒与尿布”推荐关系、找出怀孕女性、个性化保险（放心保）定制等；在社会情绪方面，股市的涨跌和网民情绪的关联、预测候选人得票概率、社会事件的发生预警等。

而本文则力图从企业运营和管理的角度，梳理出发掘大数据价值的一般规律：一是以数据驱动的决策（data-driven decision），主要通过提高预测概率，来提高决策成功率；二是以数据驱动的流程（data-driven processes），主要是形成营销闭环战略，提高销售漏斗的转化率；三是以数据驱动的产品（data-driven products），在产品设计阶段，强调个性化；在产品运营阶段，则强调迭代式创新。

从谷歌、亚马逊、Facebook、LinkedIn，到阿里、百度、腾讯，都因其拥有大量的用户注册和运营信息，成为天然的大数据公司。而像IBM、Oracle、EMC、惠普这类大型技术公司纷纷投身大数据，通过整合大数据的信息和应用，给其他公司提供“硬件+软件+数据”的整体解决方案。我们关注的重点是大数据的价值，第一类公司首当其冲。

这些天然的大数据公司，通过对用户信息的大数据分析，基本解决自己公司的精准营销和个性化广告推介等问题，基本上做到了以数据驱动的运营（data-driven processes）。

没有数据分析支撑的决定将越来越不具有可靠性，这类公司正在改变管理理念和策略制定方式，大部分公司做到了以数据驱动的决策（data-driven decision）。

在用户分析和精准营销数据模型基础上，对于自己产品和服务随时进行改进。部分公司实现了以数据驱动的产品（data-driven products），但是这需要迭代式创新能力，并不容易。

亚马逊、Facebook、LinkedIn、阿里、腾讯等大公司都在致力于发展横向的大数据整体解决方案。这些方案将改变营销学的基础，精准营销和个性化营销将有针对性地找到用户，多重渠道的营销手段将逐渐消失，这也许就是传说中的互联网思维。

很多传统企业也是天然的大数据公司，比如沃尔玛、中国移动等，也在追赶大数据前进的步伐，在挖掘数据价值方面，尽力修炼自己的独门绝技。下面就是这些天然大数据公司的挖掘价值的典型案例。

如果全球哪家公司从大数据发掘出了最大价值，截至目前，答案可能非亚马逊莫属。亚马逊也要处理海量数据，这些交易数据的直接价值更大。作为一家“信息公司”（而非国内许多电商自己定位的“零售公司”），亚马逊不仅从每个用户的购买行为中获得信息，还将每个用户在其网站上的所有行为都记录下来：页面停留时间、用户是否查看评论、每个搜索的关键词、浏览的商品等等。这种对数据价值的高度敏感和重视，以及强大的挖掘能力，使得亚马逊早已远远超出了它的传统运营方式。

亚马逊CTO Werner Vogels在CeBIT上关于大数据的演讲，向与会者描述了亚马逊在大数据时代的商业蓝图。长期以来，亚马逊一直通过大数据分析，尝试定位客户和和获取客户反馈。“在此过程中，你会发现数据越大，结果越好。为什么有的企业在商业上不断犯错？那是因为他们没有足够的数据对运营和决策提供支持，”Vogels说，“一旦进入大数据的世界，企业的手中将握有无限可能。”从支撑新兴技术企业的基础设施到消费内容的移动设备，亚马逊的触角已触及到更为广阔的领域。

亚马逊推荐：

亚马逊的各个业务环节都离不开“数据驱动”的身影。在亚马逊上买过东西的朋友可能对它的推荐功能都很熟悉，“买过X商品的人，也同时买过Y商品”的推荐功能看上去很简单，却非常有效，同时这些精准推荐结果的得出过程也非常复杂。

亚马逊预测：

用户需求预测（Demand Forecasting）是通过历史数据来预测用户未来的需求。对于书、手机、家电这些东西——亚马逊内部叫硬需求（Hard Line）的产品，你可以认为是“标品”（但也不一定）——预测是比较准的，甚至可以预测到相关产品属性的需求。但是对于服装这样软需求（Soft Line）产品，亚马逊干了十多年都没有办法预测得很好，因为这类东西受到的干扰因素太多了，比如：用户的对颜色款式的喜好，穿上去合不合身，爱人朋友喜不喜欢…… 这类东西太易变，买得人多反而会卖不好，所以需要更为复杂的预测模型。

亚马逊测试：

你会认为亚马逊网站上的某段页面文字只是碰巧出现的吗？其实，亚马逊会在网站上持续不断地测试新的设计方案，从而找出转化率最高的方案。整个网站的布局、字体大小、颜色、按钮以及其他所有的设计，其实都是在多次审慎测试后的最优结果。

亚马逊记录：

亚马逊的移动应用让用户有一个流畅的无处不在的体验的同时，也通过收集手机上的数据深入地了解了每个用户的喜好信息；更值得一提的是Kindle Fire，内嵌的Silk浏览器可以将用户的行为数据一一记录下来。

以数据为导向的方法并不仅限于以上领域，亚马逊的企业文化就是冷冰冰的数据导向型文化。对于亚马逊来说，大数据意味着大销售量。数据显示出什么是有效的、什么是无效的，新的商业投资项目必须要有数据的支撑。对数据的长期专注让亚马逊能够以更低的售价提供更好的服务。

如果说有一家科技公司准确定义了“大数据”概念的话，那一定是谷歌。根据搜索研究公司comScore的数据，仅2012年3月一个月的时间，谷歌处理的搜索词条数量就高达122亿条。谷歌的体量和规模，使它拥有比其他大多数企业更多的应用大数据的途径。

谷歌搜索引擎本身的设计，就旨在让它能够无缝链接成千上万的服务器。如果出现更多的处理或存储需要，抑或某台服务器崩溃，谷歌的工程师们只要再添加更多的服务器就能轻松搞定。将所有这些数据集合在一起所带来的结果是：企业不仅从最好的技术中获益，同样还可以从最好的信息中获益。下面选择谷歌公司的其中三个亮点。

谷歌意图：

谷歌不仅存储了搜索结果中出现的网络连接，还会储存用户搜索关键词的行为，它能够精准地记录下人们进行搜索行为的时间、内容和方式，坐拥人们在谷歌网站进行搜索及经过其网络时所产生的大量机器数据。这些数据能够让谷歌优化广告排序，并将搜索流量转化为盈利模式。谷歌不仅能追踪人们的搜索行为，而且还能够预测出搜索者下一步将要做什么。用户所输入的每一个搜索请求，都会让谷歌知道他在寻找什么，所有人类行为都会在互联网上留下痕迹路径，谷歌占领了一个绝佳的点位来捕捉和分析该路径。换言之，谷歌能在你意识到自己要找什么之前预测出你的意图。这种抓取、存储并对海量人机数据进行分析，然后据此进行预测的能力，就是数据驱动的产品。

谷歌分析：

谷歌在搜索之外还有更多获取数据的途径。企业安装“谷歌分析(Google Analytics)”之类的产品来追踪访问者在其站点的足迹，而谷歌也可获得这些数据。网站还使用“谷歌广告联盟(Google Adsense)”，将来自谷歌广告客户网的广告展示在其站点，因此，谷歌不仅可以洞察自己网站上广告的展示效果，同样还可以对其他广告发布站点的展示效果一览无余。

谷歌趋势：

既然搜索本身是网民的“意图数据库”，当然可以根据某一专题搜索量的涨跌，预测下一步的走势。谷歌趋势可以预测旅游、地产、汽车的销售。此类预测最著名的就是谷歌流感趋势，跟踪全球范围的流感等病疫传播，依据网民搜索，分析全球范围内流感等病疫的传播状况。

早在2006年，eBay就成立了大数据分析平台。为了准确分析用户的购物行为，eBay定义了超过500种类型的数据，对顾客的行为进行跟踪分析。eBay分析平台高级总监Oliver Ratzesberger说：“在这个平台上，可以将结构化数据和非结构化数据结合在一起，通过分析促进eBay的业务创新和利润增长。”

eBay行为分析：

在早期，eBay网页上的每一个功能的更改，通常由对该功能非常了解的产品经理决定，判断的依据主要是产品经理的个人经验。而通过对用户行为数据的分析，网页上任何功能的修改都交由用户去决定。“每当有一个不错的创意或者点子，我们都会在网站上选定一定范围的用户进行测试。通过对这些用户的行为分析，来看这个创意是否带来了预期的效果。”

eBay广告分析：

更显著的变化反映在广告费上。eBay对互联网广告的投入一直很大，通过购买一些网页搜索的关键字，将潜在客户引入eBay网站。为了对这些关键字广告的投入产出进行衡量，eBay建立了一个完全封闭式的优

利用先进的统计方法，商家可以通过用户的购买历史记录分析来建立模型，预测未来的购买行为，进而设计促销活动和个性服务避免用户流失到其他竞争对手那边。美国第三大零售商塔吉特，通过分析所有女性客户购买记录，可以“猜出”哪些是孕妇。其发现女性客户会在怀孕四个月左右，大量购买无香味乳液。由此挖掘出25项与怀孕高度相关的商品，制作“怀孕预测”指数。推算出预产期后，就能抢先一步，将孕妇装、婴儿床等折扣券寄给客户。塔吉特还创建了一套购买女性行为在怀孕期间产生变化的模型，不仅如此，如果用户从它们的店铺中购买了婴儿用品，它们在接下来的几年中会根据婴儿的生长周期定期给这些顾客推送相关产品，使这些客户形成长期的忠诚度。

通过大数据分析，中国移动能够对企业运营的全业务进行针对性的监控、预警、跟踪。大数据系统可以在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情。

客户流失预警：

一个客户使用最新款的诺基亚手机，每月准时缴费、平均一年致电客服3次，使用WEP和彩信业务。如果按照传统的数据分析，可能这是一位客户满意度非常高、流失概率非常低的客户。事实上，当搜集了包括微博、社交网络等新型来源的客户数据之后，这位客户的真实情况可能是这样的：客户在国外购买的这款手机，手机中的部分功能在国内无法使用，在某个固定地点手机经常断线，彩信无法使用——他的使用体验极差，正在面临流失风险。这就是中国移动一个大数据分析的应用场景。通过全面获取业务信息，可能颠覆常规分析思路下做出的结论，打破传统数据源的边界，注重社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户反馈信息，并从这些数据中挖掘更多的价值。

数据增值应用：

对运营商来说，数据分析在政府服务市场上前景巨大。运营商也可以在交通、应对突发灾害、维稳等工作中使大数据技术发挥更大的作用。运营商处在一个数据交换中心的地位，在掌握用户行为方面具有先天的优势。作为信息技术的又一次变革，大数据的出现正在给技术进步和社会发展带来全新的方向，而谁掌握了这一方向，谁就可能成功。对于运营商来说，在数据处理分析上，需要转型的不仅是技巧和法律问题，更需要转变思维方式，以商业化角度思考大数据营销。

Twitter兴趣聚类：

通过过滤用户归属地、发推位置和相关关键词，Twitter建立了一系列定制化的客户数据流。比如，通过过滤电影片名、位置和情绪标签，你可以知道洛杉矶、纽约和伦敦等城市最受欢迎的电影是哪些。而根据用户发布的个人行为描述，你甚至能搜索到那些在加拿大滑雪的日本游客。从这个视角看，Twitter的兴趣图谱的效率优于Facebook的社交图谱。Twitter的用户数据所能产生的潜在价值同样令人惊叹。在社交媒体网站正在收集越来越多的数据的形势下，它们或许能找到更好的方式来利用这些数据盈利，并使其取代广告成为自身提高收入的主要方式。这些社交网站真正的价值可能在于数据本身。相信在不久的将来，如果寻找到既能充分利用用户数据，又可合理规避对用户隐私的威胁，社交数据所蕴藏的巨大能量将会彻底被开启。

Twitter情绪分析：

Twitter自己并不经营每一款数据产品，但它把数据授权给了像DataSift这样的数据服务公司，很多公司利用Twitter社交数据，做出了各种让人吃惊的应用，从社交监测到医疗应用，甚至可以去追踪流感疫情爆发，社交媒体监测平台DataSift还创造了一款金融数据产品。华尔街“德温特资本市场”公司首席执行官保罗·霍廷每天的工作之一，就是利用电脑程序分析全球3.4亿微博账户的留言，进而判断民众情绪，再以“1”到“50”进行打分。根据打分结果，霍廷再决定如何处理手中数以百万美元计的股票。霍廷的判断原则很简单：如果所有人似乎都高兴，那就买入；如果大家的焦虑情绪上升，那就抛售。一些媒体公司会把观众收视率数据打包到产品里，再转卖给频道制作人和内容创造者。

精确的数据一旦与社交媒体数据相结合，对未来的预测会非常准。

聪明的商家通过用户的购买历史记录分析来建立模型，为他们量身预测未来的购物清单，进而设计促销活动和个性服务，让他们源源不断地为之买单。特易购（Tesco）是全球利润第二大的零售商（仅次于沃尔玛），这家英国超级市场巨人从用户行为分析中获得了巨大的利益。从其会员卡的用户购买记录中，特易购可以了解一个用户是什么“类别”的客人，如速食者、单身、有上学孩子的家庭等等。这样的分类可以为提供很大的市场回报，比如，通过邮件或信件寄给用户的促销可以变得十分个性化，店内的促销也可以根据周围人群的喜好、消费的时段来更加有针对性，从而提高货品的流通。这样的做法为特易购获得了丰厚的回报，仅在市场宣传一项，就能帮助特易购每年节省3.5亿英镑的费用。

Tesco的优惠券：

特易购每季会为顾客量身定做6张优惠券。其中4张是客户经常购买的货品，而另外2张则是根据该客户以往的消费行为数据分析，极有可能在未来会购买的产品。仅在1999年，特易购就送出了14.5万份面向不同的细分客户群的购物指南杂志和优惠券组合。更妙的是，这样的低价无损公司整体的盈利水平。通过追踪这些短期优惠券的回笼率，了解到客户在所有门店的消费情况，特易购还可以精确地计算出投资回报。发放优惠券吸引顾客其实已经是很老套的做法了，而且许多的促销活动实际只是来掠夺公司未来的销售额。然而，依赖于扎实的数据分析来定向发放优惠券的特易购，却可以维持每年超过1亿英镑的销售额增长。

特易购同样有会员数据库，通过已有的数据，就能找到那些对价格敏感的客户，然后在公司可以接受的最低成本水平上，为这类顾客倾向购买的商品确定一个最低价。这样的好处一是吸引了这部分顾客，二是不必在其他商品上浪费钱降价促销。

特易购的精准运营：这家连锁超市在其数据仓库中收集了700万部冰箱的数据。通过对这些数据的分析，进行更全面的监控并进行主动的维修以降低整体能耗。

Facebook是社交网络巨擎，但是在挖掘大数据价值方面，好像办法不多，值得一提的就是好友推荐。Facebook使用大数据来追踪用户在其网络的行为，通过识别你在它的网络中的好友，从而给出新的好友推荐建议，用户拥有越多的好友，他们与Facebook之间的黏度就越高。更多的好友意味着用户会分享更多照片、发布更多状态更新、玩更多的游戏。

LinkedIn网站使用大数据在求职者和招聘职位之间建立关联。有了LinkedIn，猎头们再也不用向潜在的受聘者打陌生电话来碰运气，而可以通过简单的搜索找出潜在受聘者并联系他们。与此相似，求职者也可以通过联系网站上其他人，自然而然地将自己推销给潜在的雇主。有两个例子能够生动呈现LinkedIn的数据价值：几年前，LinkedIn忽然发现近期雷曼兄弟的来访者多了起来，当时并没引起重视，过了不久，雷曼兄弟宣布倒闭；而在谷歌宣布退出中国的前一个月，在LinkedIn发现了一些平时很少见的谷歌产品经理在线，这也是相同的道理。

早在1969年沃尔玛就开始使用计算机来跟踪存货，1974年就将其分销中心与各家商场运用计算机进行库存控制。1983年，沃尔玛所有门店都开始采用条形码扫描系统。1987年，沃尔玛完成了公司内部的卫星系统的安装，该系统使得总部，分销中心和各个商场之间可以实现实时，双向的数据和声音传输。采用这些在当时还是小众和超前的信息技术来搜集运营数据为沃尔玛最近20年的崛起打下了坚实的地基，从而发现了“啤酒与尿布”关联。

如今，沃尔玛拥有着全世界最大的数据仓库，在数据仓库中存储着沃尔玛数千家连锁店在65周内每一笔销售的详细记录，这使得业务人员可以通过分析购买行为更加了解他们的客户。通过这些数据，业务员可以分析顾客的购买行为，从而供应最佳的销售服务。沃尔玛一直致力于改善自身的数据收集技术，从条形码扫描，到安装卫星系统实现双向数据传输，整个公司都充满了数据基因。2012年4月，沃尔玛又收购了一家研究网络社交基因(基于用户行为的偏好产品推荐)的公司Kosmix，在数据基因的基础上，又增加了社交基因。

虽然阿里系的余额宝如日中天，但其实阿里小贷才真正体现出了大数据的价值。早在2010年阿里就已经建立了“淘宝小贷”，通过对贷款客户下游订单、上游供应商、经营信用等全方位的评估，就可以在没有见面情况下，给客户放款，这当然是对阿里平台上大数据的挖掘。数据来源于“聚石塔”——一个大型的数据分享平台，它通过共享阿里巴巴旗下各个子公司(淘宝、天猫、支付宝等)的数据资源来创造商业价值。这款产品就是大数据团队把淘宝交易流程各个环节的数据整合互联，然后基于商业理解对信息进行分类储存和分析加工，并与决策行为连接起来所产生的效果。

在过去，美国零售巨头西尔斯控股公司（Sears Holding），需要八周时间才能制定出个性化的销售方案，但往往做出来的时候，它已不再是最佳方案。痛定思痛，决定整合其专售的三个品牌——Sears、Craftsman、Lands’End的客户、产品以及销售数据，使用群集（cluster）收集来自不同品牌的数据，并在群集上直接分析数据，而不是像以前那样先存入数据仓库，避免了浪费时间——先把来自各处的数据合并之后再做分析。这种调整让公司的推销方案更快、更精准，可以从海量信息中挖掘价值，但是价值巨大，困难也巨大：这些数据需要超大规模分析，且分散在不同品牌的数据库与数据仓库中，不仅数量庞大而且支离破碎。

西尔斯的困境，在传统企业中非常普遍，这些企业家一直想不通，既然互联网零售商亚马逊可以推荐阅读书目、推荐电影、推荐可供购买的产品，为什么他们所在的企业却做不到类似的事情。西尔斯公司首席技术官菲里·谢利（Phil Shelley）说：如果要制定一系列复杂推荐方案质量更高，需要更及时、更细致、更个性化的数据，传统企业的IT架构根本不能完成这些任务，需要痛下决心，才能完成转型。

像这些建筑，食品饮料，制造和分销这类偏传统型的行业，他们都意识到了移动技术能够对他们的业务产生积极的影响，但是这些行业的客户却很少在需要时购买移动解决方案，他们并没有专门设置相关的预算

在制造和分销行业，74%的受访企业没有移动技术预算，尽管有51%的企业所有者在工作场所外使用移动设备和应用去获取工作相关的资料。另外72%的制造和分销行业企业认为移动技术能提升客户服务

73%的食品和饮料行业人士也声称移动技术对他们的客户服务有积极的影响，但76%的企业表示他们并没有相关的预算

而在建筑行业，尽管有77%的公司表示智能手机对他们的生产效率有积极的影响，但只有14%的企业有为移动技术设置预算

那么为什么企业嘴上说移动的好，却在投入预算的时候一毛不拔呢？相关的数据显示，40%的企业有BYOD（自带设备）的办公政策，既然员工都自带设备了，很多企业就觉得没有必要为移动技术进行额外的投入

既然企业已经看到了移动带来的生产效率提升，设备也许可以免了，但提供可靠高效的生产软件还是很值的企业考虑的

Via：199IT编译自mashable

根据移动开发平台Appcelerator 的调研，今天企业已经不能够忽略移动用户的崛起，而且已经有很多企业不仅为他们的客户提供了移动APP，他们也为自己的员工提供或正在计划开发移动APP以提高生产力。

via：statista

由于企业应用的受众面较小，因此他们很难想消费应用一样进行推广。企业应用的推广为何如此艰难?

消费者购买消费应用的行为模式：

首先，我们先来看看消费者购买消费应用的行为模式。很明显，消费应用的受众面较广，任何拥有智能手机的用户都能成为他们的潜在客户。因此，在进行推广的时候，消费应用可以使用多种手段，例如网页广告、应用商店搜索提示和应用内的广告等。

例如，移动游戏的广告可以出现在其他应用中，由于喜爱游戏的用户数量巨大，这种广告的效率也会随之升高。而相比移动游戏，企业应用由于受众面较小，他们的受众通常是某个具体行业的从业者，例如医生和房产经纪人，这使得他们难以进行大规模的广告宣传。

最后，消费应用的开发商通常预算充足，这使得他们能够花钱提升自己的应用排名，使他们的应用能够出现在畅销应用排行榜上。企业应用开发商难以在这一点上和消费应用开发商进行竞争。

企业应用应当利用口碑营销

在吸引新用户的时候，企业应用应当非常重视用户之间口口相传的力量。

Dropbox在这一点上做的十分优秀。他们鼓励用户将Dropbox介绍给身边的朋友，用户会因此获得额外的免费存储空间。另外，用户在将文件共享给好友的时候，本质上看，这也是一种将Dropbox介绍给其他潜在用户的做法。

Dropbox的营销模式告诉我们，企业应用在进行推广的时候，有三种可以借鉴的经验，它们分别是：给用户提供分享的动机、用户分享的激励机制和参与进用户的日常工作流程。

首先用户应该获得将应用介绍给其他人的动机。例如为企业用户提供日常开销报告的应用Expensify，他们就给用户提供了两个分享的动机。第一，当用户使用该应用拍摄费用报告时，他们就会向同事和客户谈起这个应用。第二，当他们向主管汇报开销时，他们也会向主管解释这个应用的作用。

建立激励机制，会让用户更乐于同好友分享他们正在使用的应用。例如帮助用户管理在建网站蓝图的iPad应用Plangrid，每当用户将应用推荐给其他的公司和个人时，用户就会获得更加丰富的功能，这一做法也增加了用户分享该应用的意愿。

最后，应用参与进用户的日常工作流程，也能够加大应用曝光的几率。例如，针对内科医生开发的应用Doximity。用户可以利用Doximity以邮件的方式将处方发送给其他医生，而接受处方的医生，必须安装Doximity，才能查看该处方。

企业应用的关键

企业应用在进行推广时的关键就在于，他们应该利用好用户之间的口碑营销，让用户直接或是间接的帮助应用增加曝光率，让更多的潜在用户接触到应用。

(via TC)

从今年年初，我们就开始关注苹果在企业市场的动作。而根据企业移动解决方案提供商Good Technology最新的数据统计，iOS设备在企业级市场正继续拉大和Android设备之间的差距。

从上图可以明显看出，iOS平板电脑在企业市场的激活量最近这三个月一直处在90%以上。

据调查显示，在美国有超过80%的员工在离开办公室之后仍然用移动设备来处理与业务相关的工作。平均下来，每周有7个小时的时间是属于额外工作时间，加起来员工一年大约有一个半月是通过移动设备在工作时间之外处理工作。

从Good Technology统计的2012年第二季度企业市场移动设备激活排名来看，前四位都是iOS设备，且领先势头明显。只有iPad一代和iPhone 3GS从上一季度的第五、六名降到了第七、八名。三星Galaxy S II和摩托罗拉Droid Razr排名上升。

从移动设备数量来看，上一季度Android设备使用量翻了一番，激活数量相比上一季度增长了10%。Windows Phone 7.5激活设备占总量的1.2%，Android设备为28%，剩下的70.8%为iOS设备。

另外从不同行业移动设备激活数量来看，金融服务类最多，占三分之一以上。其他的如企业服务、健康医疗、政府公共部门等都在10%或以下。

BYOD正在成为一股不可阻挡的趋势，目前全球销售的平板电脑中，有十分之一在企业中使用。

对于企业IT部门来说，BYOD不仅仅带来移动设备管理难题，更大的挑战在于无法控制BYOD设备中的个人应用程序以及Dropbox和iCloud等云存储服务，即使是IBM这样的顶级IT服务企业，也对BYOD带来的信息安全挑战头疼不已。

为此，一些企业开始为员工的智能手机和平板电脑开发内部专用程序，有些企业甚至创建企业专用应用程序商店来控制员工移动设备的应用安装。最近的一项IT专业人士调查显示，6275家受访企业中有66%的企业计划开发企业应用程序商店。

例如GE公司2009年就上线了企业应用程序商店——GE AppCentral。迄今已经向员工提供35万次下载，包括生产力和服务应用软件。通过企业应用程序商店，GE已经将移动性作为提升业务的一项关键策略，同时也成功驾驭了BYOD这股潮流。

企业建设应用程序商店的另外一个原因是企业专有应用程序很难通过公共应用程序商店如苹果的App Store和谷歌的Google Play的审核，因为这些公共应用程序商店的使用条款和政策往往与企业IT规则冲突，而且还存在知识产权和信息安全方面的冲突。App47、Apperian和AppCentral这样的企业应用程序商店通常界面更加简洁，而且其中的应用程序都是与企业业务和员工办公有关的程序，以何种方式陈列程序完全是企业IT部门说了算，不需要刷排名，也不需要狂翻页。

如今，医疗、医药、媒体、金融、汽车和建筑行业的企业已经纷纷开始开发自己的企业应用程序商店。如《经济学人》杂志、巴克莱和百事等企业都为员工建立了企业应用程序商店；辉瑞则为员工开发了一款能随时了解出差同事动态并与之联系的程序；Aflac为其销售团队开发了数款程序访问客户数据和理赔记录；IBM和Medtronic都开发了面向员工和合同商的企业应用程序商店，以提高工作效率；连美国军方也对消费电子程序颇感兴趣，他们正在开发能通过平板电脑远程控制无人机摄像头的程序，以及能让士兵对成员单位进行数字标记，接收无人机和卫星影像的智能手机程序，甚至包括类似终结者头盔扫描的增强现实程序。

BYOD自下而上推动了企业移动性的高速发展，在有效发挥BYOD的商业价值之前，企业IT部门必须找到正确引导和治理BYOD的方法，自建企业应用程序商店，无疑是一个非常有效的策略，而且正在成为全球企业界的一股潮流。

via:IT经理网

IT经理青睐Android手机的理由很多，包括Android手机丰富的机型和配置，以及Android系统本身在定制方面的灵活性。当然，IT经理们通常也都是技术极客，天生就喜欢可以定制化并拥有更多控制权的开放平台，但是TechRepublic的报告有一个有趣的发现，在那些有苹果零售商店的城市，一些使用Android的IT专家也会向用户推荐iPhone，因为这样一来当手机出现问题求助专家时，这些专家可以把用户一竿子支到苹果商店，自己省去不少麻烦。

Mobilelron的副总裁Ojas Rege也看好Android设备在企业市场的潜力，他认为，2012年Android设备有两个发力点，一个是2011年底的节日购物狂潮（Kindle Fire等明星产品热销），另外一个是2012年下半年的Android设备升级。

在Android和iPhone之外，还有18%的IT经理向用户推荐了微软的Windows Phone 7和黑莓BlackBerry手机。需要值得注意的是，曾经的企业IT经理的宠儿——黑莓手机获得的推荐率只有可怜的5%。WP7的支持率虽然也只有13%，但是考虑到WP7手机的实际市场份额只有2%，13%的支持率表明初来乍到的WP7在企业级市场的绝非白手起家，微软应该为WP7在企业IT经理那的支持率感到高兴才对。

总结：

随着消费电子商用（BYOD）大潮涌入企业，CIO和IT经理们们发现与其统一采购智能手机装备员工，不如向员工推荐手机让他们自行购买。同时这些IT经理在亲戚朋友圈子里也通常扮演技术大拿和意见领袖的角色，所以，Android手机在企业和消费市场的的占有率和销售增长都超过iPhone，与IT经理们带有明显倾向性的推荐不无关系。

文章来自IT经理网