大數據將為我們呈現一個新的商業機會。但目前僅有少量公司可以真正的從大數據中獲取到較多的商業價值。下邊介紹了9個大數據用例，我們在進行大數據分析項目時可以參考一下這些用例，從而更好地從大數據中獲取到我們想要的價值。

一、從數據分析中獲取商業價值

請注意，這里涉及到一些高級的數據分析方法，例如數據挖掘、統計分析、自然語言處理和極端SQL等等。與原來的報告和OLAP技術不同，這些方法可以讓你更好地探索數據和發現分析見解。

二、探索大數據以發現新的商業機會

很多大數據都是來自一些新的來源，這代表客戶或合作伙伴互動的新渠道。和任何新的數據來源一樣，大數據值得探索。通過數據探索，你可以了解一些之前所不知道的商業模式和事實真相，比如新的客戶群細分、客戶行為、客戶流失的形式，和最低成本的根本原因等等。

三、對已收集到的大數據進行分析

許多公司都收集了大量的數據，他們感覺這些數據存在著商業價值，但并不知道怎樣從這些弄出來的值大的數據。不同行業的數據集有所不同，比如，如果你處于網絡營銷行業，你可能會有大量Web站點的日志數據集，這可以把數據按會話進行劃分，進行分析以了解網站訪客的行為并提升網站的訪問體驗。同樣，來自制造業的質量保證數據將有助于公司生產出更可靠的產品和選擇更好的供應商，而通過RFID數據可以幫助你更深入地供應鏈中產品的運動軌跡。

四、重點分析對你的行業有價值的大數據

大數據的類型和內容因行業而異，每一類數據對于每個行業的價值是不一樣的。比如電信行業的呼叫詳細記錄（CDR），零售業、制造業或其他以產口為中心的行業的RFID數據，以及制造業（特別是汽車和消費電子）中機器人的傳感器數據等等，這些都是各個行業中非常重要的數據。

五、理解非結構化的大數據

非結構化的信息主要指的是是使用文字表達的人類語言，這與大多數關系型數據有著很大的不同，你需要使用一些新的工具來進行自然語言處理、搜索和文本分析。把基于文本內容的業務流程進行可視化展示，比如，保險索賠過程，醫療病歷記錄，各個行業的呼叫中心和幫助臺應用程序，以及以客戶為導向的企業情感分析等內容均可以在進行處理后以可視化的形式表現出來。

六、使用社交媒體數據來擴展現有的客戶分析

客戶的各種行為比如評論品牌、評價產品、參與營銷活動或表示他們的喜好等等，會在客戶中相互影響。社交大數據可以來自社交媒體網站，以及自有的客戶能夠表達意見及事實的渠道。我們可以使用預測性分析發現規律和預測產品或服務的問題。我們也可以利用這些數據來評估市場知名度、品牌美譽度、用戶情緒變動和新的客戶群。

七、把客戶的意見整合到大數據中

通過運用大數據（與原有的企業資源集成），我們可以對客戶或其他商業實體（產品，供應商，合作伙伴）實現360度全景分析，分析的維度屬性從幾百個擴展到幾千個。新增的粒狀細節帶來更準確的客戶群細分，直銷策略和客戶分析。

八、整合大數據以改善原有的分析應用

對于原有的分析應用，大數據可以擴大和擴展其數據樣本。尤其在依賴于大樣本的分析技術的情況下，比如統計或數據挖掘；而在欺詐檢測、風險管理或精確計算的情況下同樣也得用上大樣本的數據。

九、分析大數據流，實時操作業務，提升業務動作水平

實時監測和分析的程序已經在企業運營中存在了很多年，那些需要全天候運行的能源、通訊網絡或任何系統網絡、服務或設施的機構早就在使用這類型的程序。最近，從監控行業（網絡安全、態勢感知、欺詐檢測）到物流行業（公路或鐵路運輸、移動資產管理、實時庫存），越來越多的組織正在利用大數據流的應用。目前大數據分析仍主要以批量和離線的方式執行，但隨著用戶與技術的成熟，大數據分析將會進入實時分析的時代。