靠大数据赚钱的方法与途径汇总（网摘）

先说下大数据的产品形态（参考万达非凡）：

第一类：用户分析，了解客户是根本。包括会员和商户。

会员画像：通过客户信息的采集，完成客户信息与特征的分类。

会员动线：通过实时监测，取得各类不同会员的消费曲线特征。

商户关系、热区分析：分析各商户之间关联性、客户黏性的不同，获取热区分布的变化特征。

客流分析：获取不同时段，客流分布的变化特征。

第二类：BI报表，对整个运营线的各个环节做支撑。

营销推荐：监控分析你的服务是否顺畅，根据会员分类有效引导消费。

业态分析：根据业态分布量与营业状况的分析，调整业态的布局、比例。

销售预测、票房预测：根据特定指标计算，通过量化，指标化的数据分析推倒，预测营业额，以报表形态呈现，方便运营以及决策人员做出相应的调整。

总结下，大数据的应用无非做了两件事情。

　　了解：了解自己的产品，了解自己的用户；

　　提升：提升各种转化率、提升决策的准确率。

=======================================================================================

大数据的四种商业模式：

第一种商业模式：数据挖掘云计算软件
　　云计算的出现为中小企业分析海量数据提供了廉价的解决方案，SaaS模式是云计算的最大魅力所在。云计算服务中SaaS软件可以提供数据挖掘、数据清洗的第三方软件和插件。
　　业内曾有专家指出，大数据=海量数据+分析软件+挖掘过程，通过强大的各有千秋的分析软件来提供多样性的数据挖掘服务就是其盈利模式。
　　国内已经有大数据公司开发了这些架构在云端的大数据分析软件：它集统计分析、数据挖掘和商务智能于一体，用户只需要将数据导入该平台，就可以利用该平台提供的丰富算法和模型，进行数据处理、基础统计、高级统计、数据挖掘、数据制图和结果输出等。
　　数据由系统统一进行管理，能够区分私有和公有数据，可以保证私有数据只供持有者使用，同时支持多样数据源接入，适合分析各行各业的数据，易学好用、操作界面简易直观，普通用户稍做了解即可使用，同时也适合高端用户自己建模进行二次开发。
　　第二种商业模式：大数据咨询分析服务
　　机构及企业规模越大其拥有的数据量就越大，但是很少有企业像大型互联网公司那样有自己的大数据分析团队，因此必然存在一些专业型的大数据咨询公司。
　　这些公司提供基于管理咨询的大数据建模、大数据分析、商业模式转型、市场营销策划等，有了大数据作为依据，咨询公司的结论和咨询成果更加有说服力，这也是传统咨询公司的转型方向。
　　随着大数据的价值被各行各业逐渐认可，拥有广大客户群的大中型企业也开始开发、建设自有平台来分析大数据，并嵌入到企业内部的ERP系统信息流，由数据来引导企业内部决策、运营、现金流管理、市场开拓等，起到了企业内部价值链增值的作用。
　　在分析1.0时代，数据仓库被视作分析的基础。2.0时代，公司主要依靠Hadoop集群和NoSQL数据库。3.0时代的新型“敏捷”分析方法和机器学习技术正在以更快的速度来提供分析结果。
　　更多的企业将在其战略部门设置首席分析官，组织跨部门、跨学科、知识结构丰富、营销经验丰富的人员进行各种类型数据的混合分析。
　　第三种商业模式：大数据投资工具
　　证券市场行为、各类指数与投资者的分析、判断以及情绪都有很大关系。2002年诺贝尔经济学奖授予了行为经济学家卡尼曼和实验经济学家史密斯，行为经济学开始被主流经济学所接受，行为金融理论将心理学尤其是行为科学理论融入金融中。
　　现实生活中拥有大量用户数据的互联网公司将其论坛、博客、新闻报道、文章、网民用户情绪、投资行为与股票行情对接，研究的是互联网的行为数据，关注热点及市场情绪，动态调整投资组合，开发出大数据投资工具，比如大数据类基金等。这些投资工具直接将大数据转化为投资理财产品。
　　第四周商业模式：非营利性数据征信评价机构
　　在国家将公民信息保护纳入刑法范围之前，公民的个人信息是没有得到法律保护的，虽然在2009年出台了刑法修正案对公民的信息提供了更严格的法律保护，但还是有一部分在背地里破坏整个社会的信用体系和公民的安全感。
　　虽然这些数据会做一定的处理，但也只是针对不完整的数据、错误的数据、重复的数据三大类来操作的。
　　那么建立非营利性数据征信评价机构是非常有必要的，将数据征信纳入企业及个人征信系统，作为全国征信系统的一部分，避免黑市交易变成市场的正常行为。
　　除了征信评价机构之外，未来国家公共安全部门也许会成立数据安全局，纳入网络警察范畴，重点打击将侵犯企业商业秘密、公民隐私的基础数据进行数据贩卖的行为。

=======================================================================================