现在大数据行业整体很热，DT时代下企业对深度挖掘数据的需求才是值得注意和最有价值的。一个无厘头、刻薄的说法“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…..”出自TED创始人Dan Ariely之口。
的确，每个人都在说，每个人都认为别人在做，不知道谁做了，并且都称自己在做!但“到底谁在做”是关键。对于企业来说，理论永不如一个成功的实战有意义。从企业运营和管理的角度，梳理一下大数据价值规律：数据驱动决策、数据驱动流程、数据驱动产品……
谷歌、亚马逊、BAT，拥有大量的用户注册和运营信息，成为天然的大数据公司。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，基本上做到了数据驱动运营。
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“独门武功”。这里整理了部分天然大数据公司，看他们如何挖掘数据价值。
1 、亚马逊的“信息公司”
亚马逊要处理海量数据，交易数据的直接价值很大。作为一家“信息公司”，亚马逊从每个用户的购买行为中获取信息，将用户在网站上的行为记录下来，页面停留时间、用户查看评论、搜索关键词、浏览商品等。亚马逊对数据价值的敏感和重视及挖掘能力，使它远超传统运营方式。
2 、谷歌“意图”
准确定义“大数据”概念的科技公司非谷歌莫属。根据搜索研究机构的数据，仅1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途径。
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。人们的行为会在互联网上留下痕迹和路径，谷歌能预测意图。这种抓取、存储并分析海量人机数据再进行预测，就是数据驱动产品。
3 、eBay分析平台
eBay于06年成立了大数据分析平台。为准确分析用户购物行为，eBay定义了超过500种类型的数据。在平台上，将结构化数据和非结构化数据结合在一起，通过分析促进业务创新和利润增长。在互联网广告的投入上，eBay通过购买网页搜索关键字，将潜在客户引入网站。
4 、塔吉特(Target)“数据关联挖掘”
利用先进的统计方法，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。案例：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，使客户形成长期忠诚度。
5 、中国移动数据化运营
通过大数据分析，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。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。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。
6 、Twitter的兴趣和情绪
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，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，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。这些社交网站真正的价值可能在于数据本身。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。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。
7 、特易购的精准定向
特易购(Tesco)是全球利润第二大的零售商(仅次于沃尔玛)，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。这样的分类可以提供很大的市场回报。例如可以通过邮件或信件寄给用户个性化的促销，店内工作人员也可以根据周围人群的喜好，消费时段来有针对性的推广货品。
8 、Facebook的好友推荐
Facebook是社交网络巨擎，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。
9 、LinkedIn的猎头价值
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。
10 、沃尔玛的数据基因
1969年沃尔玛开始使用计算机来跟踪存货，1974年将其分销中心与各家商场用计算机进行库存控制。1983年，沃尔玛开始采用条形码扫描系统。同时，完成了公司内部的卫星系统安装，使总部、分销中心和商场之间可以实现实时双向数据声音传输。
而现在沃尔玛拥有世界大的数据仓库，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了解客户。2012年4月，沃尔玛又收购了一家研究网络社交基因的公司 Kosmix，在数据基因的基础上，又增加了社交基因。
总结：
根据数字世界研究报告显示，2013年人类产生、复制和消费的数据量达到4.4ZB。到2020年，数据量将增长10倍，达到44ZB。大数据已经成为当下人类最宝贵的财富，怎样合理有效的运用这些数据，发挥这些数据应有的作用，这才是未来应该考虑的大数据该做到的。