在云计算出现之后“大数据”才突显其真正价值。自从有了云计算服务器，“大数据”才有了可以运行的轨道，才可以实现其真正的价值。有人就形象地将各种“大数据”的应用比作一辆辆“汽车”，支撑起这些“汽车”运行的“高速公路”就是云计算。最著名的实例就是Google搜索引擎，面对海量Web数据，Google于2006年首先提出云计算的概念。支撑Google内部各种“大数据”应用的，正是Google公司自行研发的云计算服务器。

维克托曾说过：“假设你要测量一个葡萄园的温度，但是整个葡萄园只有一个温度测量仪，那你就必须确保这个测试仪是精确的而且能够一直工作。反过来，如果每100棵葡萄树就有一个测量仪，有些测试的数据可能会是错误的，也可能会更加混乱，但众多的读数合起来就可以提供一个更加准确的结果。因为这里面包含了更多的数据，而它提供的价值不仅能抵消掉错误数据造成的影响，还能提供更多的额外价值。现在想想增加读数频率的这个事情。如果每隔一分钟就测量一下温度，十次甚至百次的话，不仅读数可能出错，连时间先后都可能搞混。试想，如果信息在网络中流动，那么一条记录很可能在传输过程中被延迟，在其到达的时候已经没有意义了，甚至干脆在奔涌的信息洪流中彻底迷失。虽然得到的信息不再准确，但收集到的数量庞大的信息让我们放弃严格精确的选择变得更为划算。为了高频率而放弃了精确性，结果观察到了一些本可能被错过的变化。虽然能够下足够多的功夫，这些错误是可以避免的，但在很多情况下，与致力于避免错误相比，对错误的包容会带来更多好处。为了规模的扩大，我们接受适量错误的存在。”美国洛杉矶就有企业宣称，他们将全球夜景的历史数据建立模型，在过滤掉波动之后，做出了投资房地产和消费的研究报告。

从发现价值到创造价值，大数据将成为“互联网＋”产业升级的驱动力。过去，数据的价值主要应用在决策领域，典型应用是商业智能（BI，Business Intelligence）在企业经营管理层面的应用，即通过数据收集、管理和分析等方法，将数据转化为知识，发现数据的价值，进而提供决策支持。随着数据体量的不断增加和处理数据能力的提升，大数据已经成为一类新的资产，其应用场景正在不断扩宽，除了决策支持、提高效率等发现价值功能之外，大数据还能创造价值的功能：一方面，大数据可以帮助提供传统模式下所无法提供的产品，满足用户需求，例如大数据完善个人征信体系，帮助金融机构提供消费金融产品；另一方面，大数据还可以创造需求，例如，大数据可以助力实现人工智能，这是新技术创造的新需求。

总之，大数据时代带来了身价不断翻番的各种数据，由于急速拓展的网络带宽以及各种穿戴设备所带来的大量数据，数据的增长从未停歇，甚至呈井喷式增长。

（1）大数据延伸BI（Business Intelligence）内涵，提高企业效率

BI即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。大数据促进商业智能的加速发展，这是因为：第一，大数据的分析过程和结果更具有灵活性、可靠性和价值性；第二，大数据的存在提高了企业的商业智能意识，引导企业主动寻求商业智能的帮助。目前，大数据应用可以帮助企业实现客户关系管理、盈利能力分析、控制成本、衡量绩效等功能。

客户关系管理（CRM）：通过客户信息统计，使企业有针对性地根据客户需求来定制产品和服务，提高客户忠诚度，还可以通过分析偏好挖掘潜在客户；

赢利能力分析：帮助企业分析利润来源、各类产品赢利能力、费用支出是否与销售成正比等；

控制成本：根据统计信息优化流程，如降低库存、减少损耗等，助于企业控制成本；

绩效管理：利于商业智能确立对员工的期望，帮助他们跟踪并管理其绩效。(www.daowen.com)

麦肯锡调查显示，数据挖掘的商业价值巨大，大数据在美国医疗行业每年能提高0.7%的生产力，创造约3000亿美元的价值；在欧洲公共管理部门每年能提高0.5%的生产力，创造2500亿欧元的价值；在美国零售业每年能提高0.5%～1.0%的生产力和60%的净利率。

（2）大数据满足需求，市场空间巨大

大数据可以帮助提供过去所无法提供的产品，满足用户需求。这种模式在传统产业中比较常见，过去一些行业的用户需求虽然存在，但是由于缺乏有效的技术手段，导致市场参与者无法提供合适的产品迎合市场需求。大数据技术兴起后，将带动一系列创新产品推出市场，这在各行各业都能找到案例，考虑到传统产业的广度，这将是一个正在挖掘的巨大市场。

（3）大数据创造需求，拓宽市场边界

以交通领域的实时交通信息服务和车险定价为例，这两个细分领域的需求本来就存在，但在大数据兴起之前，传统模式无法提供最优的产品，而大数据技术下的产品优化可以更好地满足需求，提高用户体验。

（4）大数据产业链分析

大数据产业链可以分为四个部分：数据采集和整合、数据存储和运算、数据分析和挖掘、数据应用和消费。数据采集和整合是指通过技术手段从互联网、移动终端、物联网、应用软件等采集数据，然后把数据按照一定的规则进行存储和运算，再按照需求调用数据并进行智能分析和挖掘，将数据转化成价值信息或者产品，为决策支持、提升效率、创新产品提供依据。

（5）大数据技术是重要生产力

大数据应用好坏的关键除了数据本身，还在于大数据技术，大数据技术包括数据采集、数据存取、基础架构、数据处理、统计分析、数据挖掘、模型预测、结果呈现等环节，涉及的技术环节极广，随着数据体量的增大和数据复杂性程度的提高，大数据技术本身也处于快速迭代的发展过程中。值得一提的是，大数据技术应用的重要因素在于如何实现技术与业务的融合，这背后需要深厚的业务理解，对于既有数据又有大数据思维的互联网公司来说，技术和业务本身是相互驱动、共同发展的，对于拥有数据，缺乏大多数据思维的机构而言，在行业深耕多难的应用软件提供商则是最好的选择。