對于大數據，研究機構Gartner給出了這樣的定義：大數據是需要新處理模式，才能具有更強的決策力、洞察發(fā)現力和流程優(yōu)化能力，來適應海量、高增長率和多樣化的信息資產。
這兩年可以看到越來越多的大數據公司誕生，試圖挖掘公開數據這座礦山里的寶藏。大數據的價值不在數據本身，而在數據的應用上，而如何搭建應用場景，讓大家對數據產生需求，正是大數據公司在做的事。
大數據公司到底在做什么？
企業(yè)信息查詢和銷售線索挖掘是企業(yè)數據應用的兩個方向。
企業(yè)信息查詢屬于基礎應用，如天眼查、企查查等數據平臺，基于開放數據和共享的政府公共數據，實現數據采集、數據清洗、數據聚合和數據建模的一站式信息查詢服務。在數據應用上，企查查偏向金融征信方面，通過與金融機構達成合作，獲取第一手數據變動信息。對于個人用戶，可以查到企業(yè)的工商信息、股東法人信息、訴訟失信信息等等；同時，企查查會給金融機構提供服務，并收取服務費，這也是其收入來源。而天眼查除了企業(yè)信息查詢，還可以查到人和人、人和公司、公司和公司之間的關系，為用戶在商業(yè)調查過程中提供關系信息支撐。
銷售線索挖掘則是更深層次的大數據應用，將爬取到的互聯網公開數據和來自政府機構等官方網站的工商信息，進行清洗和加工，構建可量化的用戶畫像，為不同領域的用戶或企業(yè)提供銷售解決方案。
譬如商理事，它是一個給企業(yè)銷售人員提供線索的平臺，用戶在平臺注冊后就可以發(fā)布銷售線索和合作資源，除了與天眼查合作開放數據，它的信息部分是來自用戶自主上傳，更類似于信息資源交換平臺。
探跡則選擇了不同的領域作為切入點，作為To B企業(yè)的銷售預測解決方案提供商，探跡通過分析和挖掘全網在線企業(yè)數據信息，再結合企業(yè)內部的CRM系統，利用機器學習自動建立量化客戶模型，為To B企業(yè)在全國數千萬公司中精準挖掘潛在客戶的線索。
可見，同樣做大數據的公司，其具體業(yè)務也有根本差異，從企業(yè)信息查詢到銷售線索挖掘，企業(yè)數據逐漸向深層次、精細化的應用發(fā)展。
實際場景中的數據應用
個人篇
有時候，當求職者想應聘一家公司，除了官網信息和網絡上的新聞，還有哪些渠道可以看到這家公司的具體信息呢？幾乎沒有，而對于求職者來說，了解公司是否合法成立、是否有拖欠工資等勞資糾紛行為是十分必要的，一個人想要搜集這些重要信息往往無從入手。
當投資者看中了一家初創(chuàng)企業(yè)，想了解更多的信息以決定是否投資的時候，除了基本的企業(yè)工商信息，可能還需要了解企業(yè)是否和其他公司、其他投資人有關系，而這些信息并不容易獲取。
企業(yè)信息查詢平臺的出現，解決了這個痛點，用戶可以在上面查詢企業(yè)的工商信息、股東法人信息、訴訟失信信息等等，直觀地了解投資人和公司、公司和公司之間的關系等，節(jié)省了搜集、篩選信息的時間和精力。
企業(yè)篇
當下，大數據對企業(yè)的商業(yè)決策和行為越來越重要，依靠傳統的市場調研或購買調查報告等方式，得到的往往是滯后的數據信息，而企業(yè)自身又缺乏信息挖掘的技術和資源，難以獲取到實時、精準的商業(yè)數據信息。
譬如銷售，通常是企業(yè)收入來源的重要部門，對于新客營銷來說，對目標客戶群體的認知不夠充分、銷售線索和品牌客戶太少等問題，會讓企業(yè)在開拓新客戶上寸步難行；而在客戶維護上，企業(yè)CRM通常缺少優(yōu)化的工具，難以從中篩選出有效的營銷線索。這導致傳統的企業(yè)銷售人員只能依靠人工經驗，在對方需求不明的情況下逐一聯系客戶進行銷售，客戶意向率自然不高。
像這類問題屬于銷售預測領域，這是目前企業(yè)數據的一個重要應用，尤其是對于To B企業(yè)，對銷售線索的需求量非常大，而企業(yè)自身難以提供大量資源去尋找潛在企業(yè)客戶的線索。
針對To B企業(yè)領域的銷售預測，探跡給出了更智能的解決方案：運用人工智能和大數據技術，挖掘全網在線企業(yè)信息，建立企業(yè)知識圖譜，幫企業(yè)從知識圖譜中匹配優(yōu)質潛在客戶。此外，探跡還會對潛在客戶評分，通過豐富線索難度，計算與模型的契合度，幫助客戶把現有的銷售線索進行打分和排序，從而聚焦更高價值的潛在客戶。
對To B企業(yè)而言，通過探跡智能預測平臺，能夠方便快捷地獲取精準的潛在客戶線索，而無需做客戶調研、信息搜集等繁瑣的前端銷售工作，銷售人員能節(jié)省大量的時間精力放在精準客戶上。
企業(yè)數據做為大數據的一部分，在商業(yè)市場中越來越受到重視，而大數據公司要如何將數據變成寶藏，則需要深入到具體的應用場景去提供解決方案，增加用戶和數據的黏性。
京公網安備 11010502049343號