對于大數據以及大數據分析的應用場景，談的文章已經相當多，包括各行各業對大數據處理和分析的應用，在此僅僅思考在各種不同的行業如何來發現潛在存在的大數據應用場景。

　　首先可以從大數據的4V特性入手來進行思考和分析，在數據類型上更加強調了多種異構類型數據形成的混合存儲，對于傳統單純的結構化數據或單純的文檔類非結構化數據都有解決方案，而真正難的是混合存儲并提供統一的大數據服務開放能力接口。拿企業內部信息化應用場景來說，如果從單一入口原則入手，某個關鍵字能夠搜索到郵件，業務系統，文本文檔，互聯網等多種渠道來源的異構混合數據，即可形成一個典型的大數據場景。

　　其次從大數據及數據分析軟件帶來的一些思維轉變上來分析大數據的場景，首先是對于企業的大數據分析和應用，其次就是要將視線從傳統的企業內部拓展到企業外部，特別是在用戶行為分析，市場營銷等方面基于企業內部傳統業務系統收集的數據是遠遠不夠的，只有基于大量外部數據的相關性分析往往才能得出更加有價值的推論。這也是往往互聯網行業對大數據應用最先發展和成熟一樣，來自企業外圍的用戶行為，社交，交易，行動路線等數據，來自各種傳感設備采集的視頻，流量，溫度數據才真正構成了一個大數據環境。

　　單純的數據采集，數據存儲，數據處理往往都只是大數據中應用到的技術能力，而大數據場景的本質還是業務價值驅動下的大數據分析和挖掘，為了達到這個目標往往則涉及到數據采集，集成，存儲，處理，分析，挖掘等大數據的全生命周期管理過程。

　　下面談一些大數據的一些實際可落地性問題，只有將場景和業務價值想清楚了，再談大數據的各種解決方案和技術架構才真正有價值。現在打數據談論的很多，其實很多僅僅是一個海量數據的存儲和分析，用到了一些分布式存儲和查詢分析技術，不能給足夠說明就是一個大數據場景范疇。

　　智慧城市里面的大數據也是同樣的道理，當前的智慧城市建設究竟有沒有大數據場景？答案當然是有的，思路跟互聯網營銷里面的大數據分析思路是一樣的。首先是單個政府部門內部的大數據場景，這個短期反而很難真正形成大數據分析，原因在于針對的企業或個人用戶最終很難類似互聯網一樣形成某種關聯和協同；其次是跨各個職能部門的企業和個人行為和業務數據的融合和相關性分析，這個就現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據應用場景，對于政務資源目錄和數據能力開放，類似GIS等能力的開發頂多是大數據技術的點滴應用。

　　金融行業的大數據面臨的往往是同樣的問題，但是情況可能要好點，類似企業和個人的一些信用記錄現在有全國性質的統一數據庫能夠拿到部分數據。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據的，其二銀行本身在做很多信貸風險分析的時候，確實需要大量數據做相關性分析，但是很多數據來源于政府各個職能部門，包括工商稅務，質量監督，檢察院法院等，這些數據短期仍然是無法拿到。還有就是企業或個人本事日常產生的各種行為數據更難拿到，那么對客戶的風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據研究和解決方案比較早的一個行業，那么當前的大數據主要還是圍繞在BOSS領域，一個是大量話單數據的采集和高效預處理，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。那么運營商的大數據可以看做是分析和預測模型本身短期難以變化，但是在數據采集和存儲，數據分析性能和速度方面引入了大數據解決方案中的相關技術。

　　對于傳統的制造行業或快消行業，當我們談到大數據分析的時候首先還是涉及到能夠采集到用戶行為數據和評價數據，能否通過互聯網采集到更改的相關性因子的數據，這才營銷層面往往才有了大數據分析的基礎。