對于大數(shù)據(jù)以及大數(shù)據(jù)分析的應(yīng)用場景，談的文章已經(jīng)相當(dāng)多，包括各行各業(yè)對大數(shù)據(jù)處理和分析的應(yīng)用，在此僅僅思考在各種不同的行業(yè)如何來發(fā)現(xiàn)潛在存在的大數(shù)據(jù)應(yīng)用場景。

　　首先可以從大數(shù)據(jù)的4V特性入手來進(jìn)行思考和分析，在數(shù)據(jù)類型上更加強(qiáng)調(diào)了多種異構(gòu)類型數(shù)據(jù)形成的混合存儲，對于傳統(tǒng)單純的結(jié)構(gòu)化數(shù)據(jù)或單純的文檔類非結(jié)構(gòu)化數(shù)據(jù)都有解決方案，而真正難的是混合存儲并提供統(tǒng)一的大數(shù)據(jù)服務(wù)開放能力接口。拿企業(yè)內(nèi)部信息化應(yīng)用場景來說，如果從單一入口原則入手，某個關(guān)鍵字能夠搜索到郵件，業(yè)務(wù)系統(tǒng)，文本文檔，互聯(lián)網(wǎng)等多種渠道來源的異構(gòu)混合數(shù)據(jù)，即可形成一個典型的大數(shù)據(jù)場景。

　　其次從大數(shù)據(jù)及數(shù)據(jù)分析軟件帶來的一些思維轉(zhuǎn)變上來分析大數(shù)據(jù)的場景，首先是對于企業(yè)的大數(shù)據(jù)分析和應(yīng)用，其次就是要將視線從傳統(tǒng)的企業(yè)內(nèi)部拓展到企業(yè)外部，特別是在用戶行為分析，市場營銷等方面基于企業(yè)內(nèi)部傳統(tǒng)業(yè)務(wù)系統(tǒng)收集的數(shù)據(jù)是遠(yuǎn)遠(yuǎn)不夠的，只有基于大量外部數(shù)據(jù)的相關(guān)性分析往往才能得出更加有價值的推論。這也是往往互聯(lián)網(wǎng)行業(yè)對大數(shù)據(jù)應(yīng)用最先發(fā)展和成熟一樣，來自企業(yè)外圍的用戶行為，社交，交易，行動路線等數(shù)據(jù)，來自各種傳感設(shè)備采集的視頻，流量，溫度數(shù)據(jù)才真正構(gòu)成了一個大數(shù)據(jù)環(huán)境。

　　單純的數(shù)據(jù)采集，數(shù)據(jù)存儲，數(shù)據(jù)處理往往都只是大數(shù)據(jù)中應(yīng)用到的技術(shù)能力，而大數(shù)據(jù)場景的本質(zhì)還是業(yè)務(wù)價值驅(qū)動下的大數(shù)據(jù)分析和挖掘，為了達(dá)到這個目標(biāo)往往則涉及到數(shù)據(jù)采集，集成，存儲，處理，分析，挖掘等大數(shù)據(jù)的全生命周期管理過程。

　　下面談一些大數(shù)據(jù)的一些實際可落地性問題，只有將場景和業(yè)務(wù)價值想清楚了，再談大數(shù)據(jù)的各種解決方案和技術(shù)架構(gòu)才真正有價值?，F(xiàn)在打數(shù)據(jù)談?wù)摰暮芏?，其實很多僅僅是一個海量數(shù)據(jù)的存儲和分析，用到了一些分布式存儲和查詢分析技術(shù)，不能給足夠說明就是一個大數(shù)據(jù)場景范疇。

　　智慧城市里面的大數(shù)據(jù)也是同樣的道理，當(dāng)前的智慧城市建設(shè)究竟有沒有大數(shù)據(jù)場景？答案當(dāng)然是有的，思路跟互聯(lián)網(wǎng)營銷里面的大數(shù)據(jù)分析思路是一樣的。首先是單個政府部門內(nèi)部的大數(shù)據(jù)場景，這個短期反而很難真正形成大數(shù)據(jù)分析，原因在于針對的企業(yè)或個人用戶最終很難類似互聯(lián)網(wǎng)一樣形成某種關(guān)聯(lián)和協(xié)同；其次是跨各個職能部門的企業(yè)和個人行為和業(yè)務(wù)數(shù)據(jù)的融合和相關(guān)性分析，這個就現(xiàn)在本身一些職能部門的安全性要求，職能部門之間的部門壁壘，短期仍然是無法解決。這些問題都解決不了，智慧城市里面很難真正有大數(shù)據(jù)應(yīng)用場景，對于政務(wù)資源目錄和數(shù)據(jù)能力開放，類似GIS等能力的開發(fā)頂多是大數(shù)據(jù)技術(shù)的點滴應(yīng)用。

　　金融行業(yè)的大數(shù)據(jù)面臨的往往是同樣的問題，但是情況可能要好點，類似企業(yè)和個人的一些信用記錄現(xiàn)在有全國性質(zhì)的統(tǒng)一數(shù)據(jù)庫能夠拿到部分?jǐn)?shù)據(jù)。但是對于單個銀行來說，同樣是無法拿到用戶在其他銀行的行為記錄數(shù)據(jù)的，其二銀行本身在做很多信貸風(fēng)險分析的時候，確實需要大量數(shù)據(jù)做相關(guān)性分析，但是很多數(shù)據(jù)來源于政府各個職能部門，包括工商稅務(wù)，質(zhì)量監(jiān)督，檢察院法院等，這些數(shù)據(jù)短期仍然是無法拿到。還有就是企業(yè)或個人本事日常產(chǎn)生的各種行為數(shù)據(jù)更難拿到，那么對客戶的風(fēng)險性評估還是得借用原來的老方法而已。

　　電信運營商可以講是啟動大數(shù)據(jù)研究和解決方案比較早的一個行業(yè)，那么當(dāng)前的大數(shù)據(jù)主要還是圍繞在BOSS領(lǐng)域，一個是大量話單數(shù)據(jù)的采集和高效預(yù)處理，一個是處理完成后基于用戶行為的分析和針對性營銷。電信行業(yè)本身難以解決的仍然是單一x因子來源，同時又沒有解決類似微信平臺一樣雖然是單一x因子但是建立了人和人之間的行為紐帶。那么運營商的大數(shù)據(jù)可以看做是分析和預(yù)測模型本身短期難以變化，但是在數(shù)據(jù)采集和存儲，數(shù)據(jù)分析性能和速度方面引入了大數(shù)據(jù)解決方案中的相關(guān)技術(shù)。

　　對于傳統(tǒng)的制造行業(yè)或快消行業(yè)，當(dāng)我們談到大數(shù)據(jù)分析的時候首先還是涉及到能夠采集到用戶行為數(shù)據(jù)和評價數(shù)據(jù)，能否通過互聯(lián)網(wǎng)采集到更改的相關(guān)性因子的數(shù)據(jù)，這才營銷層面往往才有了大數(shù)據(jù)分析的基礎(chǔ)。