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。
对于大多数互联网公司或者工程师而言，大数据实际上只有一个意思，就是把一堆乱七八糟的数据扔到 HDFS 上面然后进行计算。计算的工具有很多，常见的是 Map-Reduce，但是技术一直在演进，现在还流行 Impala、Spark、Presto 什么的。对于这些搞大数据的工程师而言，这是一个好的事情，因为要把这么多异构的数据和系统跑起来，需要很多人写很多代码，还需要有人来做运维。这么一个部门总得需要几十台机器否则还不如单机计算能力强，工程师也得有十来人。然后可能还需要数据分析师，否则这部门跟摆设也没什么区别。如果系统做得不错数据量也有了，总得配个数据科学家搞点数据挖掘或者机器学什么的吧。所以大数据这件事情可以解决很多就业问题，毕竟很多上了规模的互联网公司都想搞大数据。
如此看来，大数据精准营销有很多优势:
1. 精准定向投放，抓住潜在用户，实现低成本高效获客。
2. 发现品牌机遇，如新客户、新市场、新规律、回避风险等。
作为买家在淘宝上浏览和购买时，搜索引擎都会给你打上标签，同时也会根据你的标签和浏览习惯给你浏览的店铺打上标签。
这一系列标签形成了一个人固定的长期标签。
商业智能实现智能的关键，就在于数据分析后转化的准确业务决策，对于去也现有数据的转化，Hadoop的多节点为很多企业提供了技术上的便利 —— 2009年Facebook决定脱离Oracle系统对现在的新系统进行基于Facebook的数据流程再造，Hadoop的出现让Facebook提供了理论上可以承受的大数据容量，而这个数据容量的构建，让用户可以上传的信息数量度膨胀，从而转化为更多的用户以及的服务。所以，更大量的数据进入数据分析处理的区域，Facebook需要处理的，便是把巨量的流程化数据，进一步的转化为基于Facebook本体的有用信息更新在每个人的个人主页以及与他们朋友相连接的数据节点，分发到世界各地。