在大数据背景下，商业的变革。
一.一切皆可"量化"
   1.数据的各种提取：
从最不可能的地方提取
   2.数据化，不是数字化
   3.量化一切，是数据化的核心，各种指标数据化
二.数据创新
   1.数据再利用
   2.重组数据:
随着大数据的出现，数据的总和比部分更有价值。当我们将多个数据集的总和重组在
一起时，重组总和本身的价值也比单个总和更大
   3.可扩展数据
如果以某种方式收集的单一数据 集有多种不同的用途，它就具有双重功能。
   4.数据的折旧值:
数据用于基本用途的价值会减 少，但潜在价值却依然强大。
亚马逊等公司建立了复杂的模型来帮助自己分离有用和无用的数据。例如，如果客户浏览
或购买了一本基于以往购买记录而推荐的书，电子商务公司就认为这项旧的购买记录仍然代表
着客户的喜好。这样，他们就能够评价旧数据的有用性，并使模型的“折旧率”更具体。
   5.数据废气
大的‘噪音’数据集中吸取教训
   6.开放数据
   7.估值数据

三.角色定位：数据、技术与思维的三足鼎立
   1. 第一种是基于数据本身的公司。这些公司拥有大量数据或者至少可以收集到大量数据，却
不一定有从数据中提取价值或者用数据催生创新思想的技能。最好的例子就是Twitter，它拥有 海量数据这一点是毫无疑问的，但是它的数据都通过两个独立的公司授权给别人使用。
  做数据授权的公司，本身产生海量数据公司

  2. 第二种是基于技能的公司。它们通常是咨询公司、技术供应商或者分析公司。它们掌握了
专业技能但并不一定拥有数据或提出数据创新性用途的才能。比方说，沃尔玛和Pop-Tarts这两 个零售商就是借助天睿公司(Teradata)的分析来获得营销点子，天睿就是一家大数据分析公 司。
  发展专业的公司与做数据分析的公司合作  


 3. 第三种是基于思维的公司。皮特·华登(Pete Warden)，Jetpac的联合创始人，就是通过想 法获得价值的一个例子。Jetpac通过用户分享到网上的旅行照片来为人们推荐下次旅行的目的 地。对于某些公司来说，数据和技能并不是成功的关键。让这些公司脱颖而出的是其创始人和 员工的创新思维，他们有怎样挖掘数据的新价值的独特想法。
  第三种类型是有着大数据思维的公司和个人。他们的优势在于，他们能先人一步发现机
遇，尽管本身并不拥有数据也不具备专业技能。事实上，很可能正因为他们是外行人，不具备
这些特点，他们的思维才能不受限制。他们思考的只有可能，而不考虑所谓的可行。

参考《大数据时代》(维克托·迈尔·舍恩伯格)