本文是个人总结，欢迎大家指正。
我理解的数据价值和意义：是计划、指标、动机、行为的结果，也就是说数据背后隐藏者需求、动机、目的、规律和问题，所以能为决策提供依据，也可循环利用和移植。
数据的应用：
一、识别对象行为，利用相关关系预测/推荐 可能会发生什么行为？
1、预测当前机票在未来一段时间内的可能上涨还是下降，如果一张机票的平均价格呈下降趋势，系统会提醒用户稍后购买。
案例背景：身边人买的票比他便宜。
2、亚马逊的推荐系统：从顾客关联到商品关联。预测顾客也喜欢这个。
3、社交中推荐感兴趣的人
二、分析行为之间的关系，记录、监控和防止异常行为：
1、公司后台系统
2、分析坐姿和行驶安全的关系，预测事故可能性，发出警示或者自动刹车
三、识别对象（人脸，声音，人体，图片）
1、汽车防盗系统，根据人体对座位的压力差异识别乘坐者的身份
2、dribbble的以图识图，上传时识别图像
四、挖掘对象的情感等属性。
比如情绪数据化了，比如芝麻信用。
五、解决信息不对称，信用体系，原创保护
比如芝麻信用，金融风控
六、发现不足或异常，并改善
1、手机GPS数据，向司机提供不同时段的最佳出行路线。城市计算
2、谷歌的拼写检查。
3、谷歌的搜索结果如果
七、保护公司的利益
亚马逊拥有消费者的数据，这是其他公司所没有的，通过为AOL电子商务网站提供后台技术服务，掌握用户的数据，包括他们在看什么，在买什么。
八、利用数据拥有着的特意隐藏数据，创立一个公司
比如航空局隐藏可能晚点的消息，因为对他们更有利，但是创新公司利用这个消息创立公司
九、描述和验证想法
10、服务的信息化
11、人机交互
--------------------------
比如：百度现在价值越来越低了（数据都在APP上，而非PC上）
----------------------------------------
案例：旺店通
1）选址和选品
红色是现在店铺分布情况，紫色是我们做的推荐，我们这个点选择依据是根据1平方公里内潜在客户的分布聚集度来做的，我们可以根据客户需求，比如说河马生鲜能覆盖3公里，我可以做3*3公里的锚点，做更精准的选址推荐，让门店的选择精准度更高，坪效产出更好。
除了选址就是选品，我们通过这个数据在选准店址以后做周边用户的画像，同时根据周边用户的画像选出畅销品，将sku的数量减少一个数量级，这样门店所需店面面积以及囤货成本都大大减少，开店成本极大降低。同时因为选择的是畅销品，所以商品的库存周转率会有很大提升。因为sku少了，所以有时候会有客户发现自己想要的商品，门店没有库存，比如说畅销品卖断货了，换季商品尺码颜色不全了，设置有的门店只做样品展示不销售，我们可以在智慧门店的POS系统中下单，或者通过在移动商城中直接下单，然后通过全渠道的订单处理流程转到周边门店发货，等你回家的时候，货品可能就可以送到家了，这样可以做到很好的体验，我们可以把线下应该流失的流量留住。我们希望通过大数据给线下的企业提供更好的技术支撑。
2）怎么拿到难得的数据？
有了引流，会员和消费渠道，用到最重要工具就是对客户的数据分析，“成都25—35岁每月买两次以上奶粉有宝宝有房的女性住在哪里？如果通过线下拿到这个数据非常难，但阿里巴巴完全可以获得这个数字”启程说。
“因为阿里的O2O商业模式和别人有最不同的地方，就是我们有淘宝和天猫的商业大数据，这是非常的资源。“启程补充道。
而对于这些商业数据应该怎样更好的使用和结合？启程说，“比如银泰500万的会员，可以拿到淘宝和天猫的会员做匹配，如果匹配度非常高，那么会员的的收入，性别，年龄层次，职业，消费心理，或者多久购物一次等等都会分析出来，分析的结果可以直接分享给到商家作为精准营销的基础和依据，这些就是智能营销。“
