现在已经有了许多利用大数据获取商业价值的案例，我们可以参考这些案例并以之为起点，我们也可以从大数据中挖掘出更多的金矿。

        2013 TDWI关于管理大数据的调查显示，89%的受访者认为大数据是一个机会，而在2011年的大数据分析的调查中这个比例仅为70％。在这两次调查中受访问 者均普遍认为，要抓住大数据的机会并从中获取商业价值，需要使用先进的分析方法。此外，其他从大数据中获取商业价值的方法包括数据探索、捕捉实时流动的大 数据并把新的大数据来源与原来的企业数据相整合。

        虽然很多人已有了这样一个认识：大数据将为我们呈现一个新的商业机会。但目前仅有少量公司可以真正的从大数据中获取到较多的商业价值。下边介绍了9个大数据用例，我们在进行大数据分析项目时可以参考一下这些用例，从而更好地从大数据中获取到我们想要的价值。

        从数据分析中获取商业价值。

        请注意，这里涉及到一些高级的数据分析方法，例如数据挖掘、统计分析、自然语言处理和极端SQL等等。与原来的报告和OLAP技术不同，这些方法可以让你更好地探索数据和发现分析见解。

        探索大数据以发现新的商业机会。

        很多大数据都是来自一些新的来源，这代表客户或合作伙伴互动的新渠道。和任何新的数据来源一样，大数据值得探索。通过数据探索，你可以了解一些之前所不知道的商业模式和事实真相，比如新的客户群细分、客户行为、客户流失的形式，和最低成本的根本原因等等。

        对已收集到的大数据进行分析。

        许多公司都收集了大量的数据，他们感觉这些数据存在着商业价值，但并不知道怎样从这些弄出来的值 大的数据。不同行业的数据集有所不同，比如，如果你处于网络营销行业，你可能会有大量Web站点的日志数据集，这可以把数据按会话进行划分，进行分析以了 解网站访客的行为并提升网站的访问体验。同样，来自制造业的质量保证数据将有助于公司生产出更可靠的产品和选择更好的供应商，而通过RFID数据可以帮助 你更深入地供应链中产品的运动轨迹。

        重点分析对你的行业有价值的大数据。

        大数据的类型和内容因行业而异，每一类数据对于每个行业的价值是不一样的。比如电信行业的呼叫详细记录（CDR），零售业、制造业或其他以产口为中心的行业的RFID数据，以及制造业（特别是汽车和消费电子）中机器人的传感器数据等等，这些都是各个行业中非常重要的数据。

        理解非结构化的大数据。

        非结构化的信息主要指的是是使用文字表达的人类语言，这与大多数关系型数据有着很大的不同，你需 要使用一些新的工具来进行自然语言处理、搜索和文本分析。把基于文本内容的业务流程进行可视化展示，比如，保险索赔过程，医疗病历记录，各个行业的呼叫中 心和帮助台应用程序，以及以客户为导向的企业情感分析等内容均可以在进行处理后以可视化的形式表现出来。

        使用社交媒体数据来扩展现有的客户分析。

        客户的各种行为比如评论品牌、评价产品、参与营销活动或表示他们的喜好等等，会在客户中相互影 响。社交大数据可以来自社交媒体网站，以及自有的客户能够表达意见及事实的渠道。我们可以使用预测性分析发现规律和预测产品或服务的问题。我们也可以利用 这些数据来评估市场知名度、品牌美誉度、用户情绪变动和新的客户群。

        把客户的意见整合到大数据中。

        通过运用大数据（与原有的企业资源集成），我们可以对客户或其他商业实体（产品，供应商，合作伙伴）实现360度全景分析，分析的维度属性从几百个扩展到几千个。新增的粒状细节带来更准确的客户群细分，直销策略和客户分析。

        整合大数据以改善原有的分析应用。

        对于原有的分析应用，大数据可以扩大和扩展其数据样本。尤其在依赖于大样本的分析技术的情况下，比如统计或数据挖掘；而在欺诈检测、风险管理或精确计算的情况下同样也得用上大样本的数据。

        分析大数据流，实时操作业务，提升业务动作水平。

        实时监测和分析的程序已经在企业运营中存在了很多年，那些需要全天候运行的能源、通讯网络或任何 系统网络、服务或设施的机构早就在使用这类型的程序。最近，从监控行业（网络安全、态势感知、欺诈检测）到物流行业（公路或铁路运输、移动资产管理、实时 库存），越来越多的组织正在利用大数据流的应用。目前大数据分析仍主要以批量和离线的方式执行，但随着用户与技术的成熟，大数据分析将会进入实时分析的时 代。

来源：36大数据