说到大数据，在过去的2014年，在全球范围内都是一个非常热门的话题，在中国基于云计算的大数据建设在去年有了突飞猛进的变化，整个大数据的商业价值发生了变化。
数据营销其实不仅仅是广告投放，还包括大数据支撑的营销范围。在互联网上可以看到，像智能推荐，在2015年甚至未来是被非常看好的方向，就是推动线上线下的O2O联动，把更有效的线上数据，指导线下面向用户的直接营销，这些领域上大数据都有非常大的发展前景。
另一个方面，利用大数据进行商业模式的创新和服务创新。在过去几年当中，这部分创新在中国的沃土上，也出现了很多成功的案例。
传统金融体系在做金融建模的时候，他们是把人群分成了11类，每个类别其实只有15-20个指标来进行变量计算。而大数据融合环境中，使用了7万个数据变量纬度，这决定了他在数据商业建模中的成功点。
在互联网环境当中，每个公司都在致力于数据价值的挖掘。只是实施这种融合的时候手段有所差异。用户以今天像小米这样的智能终端为发力点的公司，更多会从用户终端角度实现融合。过去一年小米发布了大量智能终端设备，像智能手机、智能手机路由器、智能电视等等一系列产品，这些基于终端布局的目的，也是为了靠近用户数据层面进行贯穿和融合。
对于云端企业来说，像我们谈到的BAT，以及一些大的像新浪这样一些知名门户，会通过收购来实现在业务层面的数据融合。可能今天大家在用微信的时候，会发现你的微信通道里出现了很多跟大众点评相关的信息，之所以大众点评被深入植入到了微信当中，其实也是跟微信的一些战略收购行为是强相关的。
回到运营商领域，实际是通过管道的层级，来看待数据融合。本身管道其实已经完成了大量用户数据的聚合，不管是3G还是宽带网络当中，存在着大量的异构不一样纬度的数据，从搜索到访问到位置，等等，这样的一些信息在管道层面，已经实现了聚合。但在实际商业应用的时候，很容易发现这样的聚合，其实还是不够的，需要再聚合的基础上，来实现面向应用的数据融合。
今天当我们在使用一个移动终端的时候，对于网络的选择其实是多样性的，在路途上、在移动环境中，我们会选择3G网络，来使用流量进行相应的访问。但是回到家里，到办公室，会使用更加廉价的宽带网络作为承载。这样在不同应用场景下的选择，就决定了用户信息会散落在不同的管道当中，如果我们要从管道层面上更好的还原一个用户画像实现商业价值，我们就必须实现跨管道信息的融合，然后把一个用户在不同场景下的信息，能够真正的归类到一个相应营销实体上去。在整个数据融合过程中，进行多维度的用户匹配，是实现数据交换的基础。说到用户融合，我们不得不提到匹配工作，也就是把不一样的数据在识别用户的方式，用相对统一的标准能够归类起来。
我们在传统的互联网上，可能网站会通过cookie进行切分。我们去对接百度这样大的数据交换平台的时候，我们会发现这些平台也会进行数据归类，像TID（Tanx），同样到Android的操作系统和平过的商业环境当中，他们也会分别用IDFA、AndroidID进行用户识别。这样复杂的数据识别方案，对用户来说是很复杂的问题，很难完成适配和关键，那就需要中间件，很好的保证大家用自己的商业逻辑，就能对接到这个纷纭复杂的互联网世界当中去。
文/闻妤
关注读览天下微信，
100万篇深度好文，
等你来看……
