这一系列标签形成了一个人固定的长期标签。
之前的玩法单纯粗暴，就是冲销量或者买位置到第一，然后开始赚钱。
当然除了阿里之外，大数据精准营销在其他的互联网企业也都被看做是长线的利润价值，对于企业来说，这种趋势，不是把眼光放在短期的盈利上，主要依托大数据对用户的画像，设身处地的去触动用户，把握数据的长期黏性，从而实现长期增长。
如教育行业:如学历提升、职业教育、教育培训、K12教育等，可以通过大数据建模抓取教育相关网站的实时访客，抓取相关教育垂直APP的活跃用户……
我们可以发现，对大数据（覆盖范围广，数据量大）进行分析可以洞察个人、人群、地点等对象的特征、进而服务于不同的目的（如:服务于个人的个性化推荐或服务于政府的城市规划与治理）。因此，大数据核心的价值在于提供人与机器（算法）提炼信息、总结知识、凝聚智慧的原始素材。而要想充分发掘大数据的价值，就需要合理运用数据、有效地进行数字治理。“治数”的过程好比大禹治水，关键是要把数据管好、用好、梳理好。在整个数字治理过程中，可分为三个阶段:数字化、数智化和数治化。
所以，依托于大数据思维，每个咨询团队都可以通过自己人员配备的不同需求，建立适合自己团队需要的大数据库，以匹配使用效率为此数据库的原则:一个资本团队的关注倾向与一个管理团队的关注倾向不同，使用泛化数据库的意义很小，效能会其低下。在收集和整理团队数据库时，团队人员配置，是建立此大数据库重要的，依托于这个所建立的数据库模块，才能在不同的，但针对性和指向性都相同的案例中，迅速发挥作用，并且形成拥有自己特点的业务模式，揭示自身团队的核心咨询价值。所以，定位在某种程度上，也是对咨询团队构建核心的一种正常要求。
大数据的核心价值，从业务角度出发，主要有如下的3点:数据辅助决策:为企业提供基础的数据统计报表分析服务。分析师能够轻易获取数据产出分析报告指导产品和运营，产品经理能够通过统计数据完善产品功能和改善用户体验，运营人员可以通过数据发现运营问题并确定运营的策略和方向，管理层可以通过数据掌握公司业务运营状况，从而进行一些战略决策；数据驱动业务:通过数据产品、数据挖掘模型实现企业产品和运营的智能化，从而大的提高企业的整体效能产出。常见的应用领域有基于个性化推荐技术的营销服务、广告服务、基于模型算法的风控反欺诈服务征信服务，等等