一般談到大數據技術的時候，毫無疑問，都會想到大數據定義的4V，以及結構化、非結構化數據處理、數據挖掘，以及高性能并行計算等
不過一說到大數據應用，一般就顯得青黃不接了，原因是什么？因為我們都在思考某些應用“點”，每一個大家數的出來的應用案例，請問是不是都顯得較為獨立，在業務中屬于某一個點？
如果我們能把大數據應用能抽象出一個大類，甚至某一個行業細分，那么我們就不再迷茫和彷徨，我們也更不再在商業模式上糾結不清！
屬性的總結
大數據應用方式（包括傳統的應用）如下：
1. 數據統計，結果或給決策層看，或給相關部門看，或者給公共看；2. 數據圖標展現，包括多維統計、數據挖掘展現，并有結論說明，給決策層看，或給相關部門看，或者給公共看；3. 數據挖掘結論，轉換為業務語言，推薦給被認為需要的人看；4. 數據統計或挖掘，轉換為報警、智能提醒；5. 用戶搜索的時候，根據搜索關鍵詞+用戶信息的挖掘，給出搜索結果；6. 綜合派，綜合上述2個或多個方式。
我們再看看應用場景總結：
1. 大數據擁有的公司或單位內部看數據或圖表，并根據數據來討論、決策；2. 出于公司品牌或營銷的需要，將有利的數據發布到公眾平臺；3. 互聯網平臺和用戶交互時的智能應用，如泛推薦、泛搜索；4. 用戶關懷、提醒、惡意用戶拉黑等；5. IT系統內部報警、提醒；6. 自動應答程序與用戶簡單問題的交流；7. 產業鏈各環節的精準預測，根據預測提升整個產業鏈決策效益（包括合作公司）。
從上述結論來看，大數據有兩個最為明顯的屬性：
1. IT技術屬性，隱藏在IT系統中，常見于企業內部使用；2. 媒體屬性，數據的發布、傳播、引導，輔助銷售、品牌、公關等如何用好媒體屬性
大數據的應用，無論技術人才、推動，大都集中在IT性質的公司，在IT技術屬性來說，是沒有太大問題的。但對于媒體屬性來說，就有很大的問題，俗話說“屁股決定腦袋”，如果將大數據技術平臺搞定就算工作完成，那么自然在媒體屬性上就很少下功夫，甚至沒下功夫。
互聯網有天生的媒體屬性，這也是為什么在互聯網公司，大數據落地的事比較多的原因。不過也有局限性，畢竟提大數據需求的產品、運營，還有大數據分析人員，對于媒體的屬性了解程度還不夠。
媒體有幾大特點（如有錯誤請專業人士指正）：
1. 媒質，即你要傳播什么，大數據的結論、分析過程，都可以是你要傳播的內容；
2. 媒介，即有個傳播平臺，傳統的如報紙、雜志，到后來的廣播、電視，再到現在的互聯網、移動互聯網；
3. 傳播，即時效性、真實性、引導性，以及現在新媒體的互動性、二次傳播性
媒體方式：
1. 專業媒體平臺上傳播，BAT的媒體產品、社交網站、新聞網站等；
2. 自媒體傳播，包括官網或官方交易平臺、個人自媒體等；
3. 廣告位，無論哪個平臺，只要有一定流量之后，都可以廣告位，通過購買或互相交換傳播的方式，將流量變現；
4. 代理傳播，請第三方媒體運作公司，使用上述手段代理傳播
普通新聞傳播和大數據的傳播區別：
1. 普通新聞通過內容采集、編輯，成為媒質，大數據是通過傳統內容+大數據統計和挖掘，大數據的統計和挖掘成本可能會高很多，這里有數據源成本（數據存儲或買數據接口）、數據挖掘人力成本（比傳統媒體人力成本高）；
2. 普通新聞通過經驗，傳播給定向的群體，而大數據通過計算，傳播給可能需要的群體。可能需要的群體效果未必就有定向的群體效果好，因為如果定向群體的人們獲得了足夠吸引的產品和促銷，可能馬上轉換為可能有需求的人群，從這個角度看，大數據在這個時候，如果媒質較差，很可能變為“負面”作用，因為你漏掉的人群也許可以轉換為有需求的人；
3. 普通新聞沒有隱私風險，大數據傳播使用過硬，很可能導致用戶疑慮被“跟蹤”了，效果大打折扣。
結論
1. 獲取高價值用戶和用數據比僅僅擁有數據挖掘技術重要，否則成本過高；
2. 傳播媒介的使用方法比擁有很牛的技術平臺重要，否則只有相對精準沒有絕對數量；
3. 用戶體驗比計算得精準重要，否則人都嚇得不敢用了，談何精準。
京公網安備 11010502049343號