大数据的架构和技术不断更新，伴随而来的处理数据技术的能力也逐渐增强。但是，不管如何变化，最终都还是需要数据产生商业价值，否则拥有再多的数据也只是一推“废品”。 大数据真正落地有很多方向，比如娱乐新闻产业的精准营销与推送，信息的精准预测等。大数据在移动营销的价值有许多可能，其中一个重要价值体现就是描绘用户画像，精准定向用户。以下是小编为你整理的大数据需要学些什么
用户画像，即用户信息标签化，就是企业通过收集与分析消费者社会属性、生活习惯、消费行为等主要信息的数据之后，完美地抽象出一个用户的商业全貌，这也是企业应用大数据技术的基本方式。
对于互联网公司来讲，虽然不能获取用户的个人私密数据，但可以获取很多终端用户使用各种App上网的日志，这里用户的号码已经加密处理，不能直接看出来。每天用户上网日志都会产生庞大的数据，据悉，Mob-vista每天产生的用户数据达到了1TB，迄今为止，积累的用户数据已经超过20亿条。那么，如何利用好这庞大的数据呢?Mob-vista的做法是通过将数据拆分了3000个维度，从原始数据进行统计分析，给用户打标签，再进行建模分析，得到模型标签，再进行模型预测，*得到预测标签，利用标签，获得用户的精准画像。而这也在逐步挖掘数据的价值——通过预测判断终端用户的喜爱以及年龄段，将合适的信息推送给终端用户。
用户画像，说白了就是给终端用户进行打标签，根据掌握的数据和行为信息，给用户贴上一些“标签”，这些标签组合起来也就是用户的画像。在用户数据画像构建时，可以通过细分、设计标签库来标记用户使用App的习惯,标签库指示出每个App使用的男女性使用比例，以及各个年龄段的使用权重等等。标签库维度越多，得出的画像就越精准，广告投放就越准确。
要实现用户画像营销的更大价值，还需要数据人员结合“场景化”去分析用户数据。在不同情景下，不同典型用户操作行为和习惯有什么不同。了解不同用户在不同情境(交通过程中，上班途中，睡觉前)的典型使用行为与习惯。可见，用户数据和画像描绘还有很大的发展空间，在未来还有很多值得我们去挖掘的地方。
大数据如何差异化
所谓差异化定价，是指企业在提供产品服务时，不是不加区别地对所有客户均提供相同的价格
谨慎行使产品价格浮动权，提供不同的有针对性的服务价格。
差异化定价的前提：*步是对市场进行细分;第二步是对价格进行细分
差异化定价的类别：顾客差异化定价。服务行业经常会采用这样的策略来*化效益经营。
渠道差异化定价。对于相同产品，当经过的渠道不同时价格往往也是不同的。
产品差异化定价。产品差异化大致可以分为两类，即同类产品不同品牌和同样产品不同质量。
时间差异化定价。时间具有不可逆转的特殊性，每个人对于时间的要求也不尽相同，因而企业往往利用顾客对时间上的需求差异实现差异化定价。
虚拟模式具体调用显示数据(此段代码加在虚拟模式方法中)
string colName = this.m_dataGridView.Columns[e.ColumnIndex].Name;//读取单元格对应的列名称if (colName.Equals(“序号”))//如果单元格的名称等于序号列，则此单元格的值+1{ e.Value = e.RowIndex + 1;}else{
oRst.MoveTo(e.RowIndex + 1);//oRst是表示数据集或记录集即你的数据源，然后移动到当前行。 e.Value = oRst.GetFieldValueText(colName);//oRst通过列名提取数据集或记录集里的数据，赋值给当前的单元格
dataGridView的虚拟模式的解释：所谓虚拟模式，就是当前显示范围内的数据，dataGridView分为一个个单元格，一直从数据源中读取，并且不断地刷新当前的界面。这样的话，如果数据源是数据库等物理层面的数据来源，那么就意味着dataGridView当前显示的数据界面，哪怕你不动，不查看其他数据，它依旧时刻不停地访问物理层面，或多或少有点儿浪费资源。
好了，划重点，下面提供思路了，一种是把当前界面显示的数据作为缓存，另一种则是把当前界面的数据存在一个容器里，可以是dataTable，当dataGridView刷新数据时，则优先从缓存或dataTable里提取数据，如果没有再从数据源提取，可以提高那么一丁点儿的效率。
好用的大数据软件
惠普——Vertica数据分析平台 惠普发布Vertica 5.0 大数据分析领域站稳脚跟 被惠普收购的Vertica，是能提供高效数据存储和快速查询的列存储数据库实时分析平台。该数据库还支持大规模并行处理(MPP)。在收购之后，惠普随即推出了基于x86硬件的HP Vertica。通过MPP的扩展性可以让Vertica为高端数字营销、电子商务客户(比如AOL、Twitter、 Groupon)分析处理的数据达到PB级。
甲骨文大数据机——Oracle Big Data Appliance 详解：甲骨文大数据机 甲骨文的Big Data Appliance集成系统包括Cloudera的Hadoop系统管理软件和支持服务Apache Hadoop 和Cloudera Manager。甲骨文视Big Data Appliance为包括Exadata、 Exalogic和 Exalytics In-Memory Machine的“建造系统”。
微软进入这个市场 微软SQL Server新增PDW功能 引大数据处理能力 微软进入这一市场实属“姗姗来迟”，而且在一定程度上说，数据仓库分析和内存分析计算市场落下了后腿。2011年初微软发布的SQL Server R2 Parallel Data Warehouse(PDW，并行数据仓库)，PDW使用了大规模并行处理来支持高扩展性，它可以帮助客户扩展部署数百TB级别数据的分析解决方案。
亚马逊对于大数据的先见之明 亚马逊将MapReduce作为一项服务 亚马逊早在2009年就推出了亚马逊弹性MapReduce(Amazon Elastic MapReduce)，亚马逊对Hadoop的需求和应用可谓了若指掌，无论是中小型企业还是大型组织。弹性MapReduce是一项能够迅速扩展的Web服务，运行在亚马逊弹性计算云(Amazon EC2)和亚马逊简单存储服务(Amazon S3)上。
