大数据挖掘一开始就是面向应用而诞生的，前面说到大数据挖掘技术的主要方法是分类分析、聚类分析、关联分析等，如果把这些技术演绎到不同的行业，我们将看到大数据挖掘的应用是非常广泛的。

3.2.2.1　数据统计是数据挖掘最直接的应用

数据统计是大数据应用的最直观的形式，数据统计在企业中常被称为商业智能（BI，Business Intelligence）系统，使用者通过观察数据报表来掌握企业的经营状况，发现企业运营的问题。大数据技术利用各种分析方法和工具在大规模海量数据中建立模型和发现数据间的潜在关系，帮助管理者发现着眼点。

随着技术的进步，数据统计应用发展得越来越迅速，例如传统按周按天生成的数据报表，可以缩短为小时级甚至分钟级，同时报表的细分刻画能力也更强，有助于更及时地掌握业务变化情况，更深入了解变化的细节。

3.2.2.2　个性化技术蕴藏巨大价值

每个人生来就是与众不同的，需求也是个性化的。以时装产业为例，每个用户穿着打扮的口味、偏好、喜爱的款式是各不相同的，大数据能充分发挥所长，挖掘出用户的个性化需求并加以满足。亚马逊公司（Amazon）通过挖掘用户在线的浏览行为和购买记录，成功挖掘出了用户个性化模型并进行针对性商品推荐，极大地促进了商品的购买率。目前亚马逊上超过30%的购买收入由个性化推荐系统所贡献，是了不起的成就。

私人订制就是个性化的一个典型案例，以往私人订制是高端人群独有的服务，价格昂贵，耗时耗力，而大数据技术能将定制过程自动化，降低成本，让普罗大众享受到个性化服务的优势。亚马逊总裁杰夫·贝佐斯曾说过：“如果我的网站有一百万个顾客，我就应该有一百万个商店”。

个性化数据技术对合理调配企业资源也有积极的意义，例如美国的Dunnhumby Shop公司通过分析消费者来访问超市的时间和消费明细，对不同顾客群体采取针对性的促销手段，同时帮助供应商对不同区域制订合理有效的价格、库存和配送方案，合理地节约了运营成本。

3.2.2.3　预测技术的应用

我们每天都在进行着大大小小的预测，如预测从家里出发到工作地点所需要的时间，预测某款产品发布以后一个月内的订单量。预测得愈准确，则成功的把握愈大。如果我们拥有百分之百准确的预测能力，像先知穆罕默德那样，就会变得无往不胜。(www.daowen.com)

谁能预知未来，大数据技术能帮你做到，因为它熟知过去。随着技术的进步，借助时间序列分析技术，通过对趋势、季节变动、循环波动和不规则波动的因素的细致把握，大数据正在赋予我们更强的洞察未来的能力。

美国第二大连锁超市Target，通过大数据技术分析顾客的详细购买记录，判断出某位还在读书的年轻女孩已经怀孕了，并给她寄去了大量婴儿用品的优惠券，这位女孩的父亲收到优惠券后极为惊讶，经过和女儿的进一步沟通才发现真的已经有孕在身了。大数据技术比父亲更早预测出了这个真实的真相。

3.2.2.4　分类和回归技术

如同谚语“朝霞不出门，晚霞行千里”所说的，我们常常通过经验来分析不同现象之间存在的潜在关联和因果关系。而如今大数据技术能代替人工经验来更好地分析数据间的关联关系，帮助找出规律。常见的包括两类技术，一类称为回归分析技术（Regression Analysis），它通过统计科学来把握两个或多个变量间相关关系的强度。另一类称为分类技术（Classification），分类是指通过分析已标注好的训练数据，来自动地将新的未知数据按种类、等级或性质分别归类的过程。

分类和回归是人脑最常进行的操作，现在计算机也能逐步代替人类完成这样的操作且效率是人类的数万倍。典型的应用是英国Adzuna公司根据积累的海量职位薪酬数据，自动为招聘双方提供薪酬制订的科学依据，其最优的预测算法非常精确，生成的预测值和实际薪水值误差不到10%。Adzuna已成为英国内阁高官“幕后智囊团”，帮助英国政府了解失业率、职位空缺、薪资水平等经济发展情况，制定国策。

3.2.2.5　辅助决策系统

企业战略决策往往决定了企业的生死存亡，怎样才能更科学合理地进行决策。

大数据技术基于海量一线数据，能让决策更科学，降低误判的风险。其中大数据辅助分析有一个称为GREAT的原则：Guided，Relevant，Explainable，Actionable，Timely，基于GREAT原则越来越多的企业将会用好大数据，发挥智囊团的作用。