尽管，大数据可以为企业的管理带来变革，也可以带来思想和文化上的变革。然而，所有的变革依然要转化或者依赖于最为基础的应用和操作。
所以，大数据首先就是一门工具，用来发现业务规律和探知业务问题的工具。
首先，
大数据可以发现业务规律和特征。
任何客观事物，包括企业的运营管理及市场行为，都会留下“数据”足迹。而对数据的分析和理解，就能够把握业务的特征及规律。
简单地，如下所示，我收集产品销售的数据记录，然后按照时间维度(按周)对产品销量进行统计，可视化化后得到如下所示的折线图。
我相信绝大多数人都能够看明白这个图，但你看到这个图后能想到些什么呢?如何实现从数据到业务决策呢?这，却是个大数据思维的问题。
1、先看数据特征：
从数据的特征可以看出，周末的产品销量比较高，这是绝大多数零售店的销售规律，即“周末是交易高峰时间”。然而，绝大多数人就只停留在这个理解上，鲜有人会进行进一步的思考。
2、再到业务特征：
我们知道，数据的特征就是业务的特征，当你从业务上来理解这些数据特征的时候，就上升到了业务特征，可以发现“周末的客流量比较高”这样的业务特征。
3、提出业务决策：
当你理解了业务特征后，再提出业务策略就容易了。根据上面的分析，你至少可以提出如下的业务建议或策略：在人力安排上，周末需要更多的销售员工上班;在库存管理上，在周五晚上就需要检查库存是否足够，确保周末有足够的产品售卖;在营销活动的时间安排上，要想达到更好的品牌宣传或者营销效果，就得选择在客流量多的周末时间，等等。
其次，
大数据可以发现业务的变化。
谷歌的GFT(流感趋势预测)产品，可以说是比较早的一个大数据产品了。
1、数据的规律：
谷歌搜索引擎每天要处理近30亿次的搜索关键词，其中，搜索感冒(流感)相关的词的数量及人数是完全可以识别并且统计出来的，在正常情况下，某区域内每天搜索跟流感相关的人数是有一定的波动的，但这个波动也应该是有规律的。
2、数据的异常：
但是，当有一段时间，某地搜索流感相关词的人数突然变多了，这极有可能说明当地患感冒的人数有可能增多了。
3、业务的变化：
当发现连续几天搜索人数都偏多，这个时候一定说明业务发生了变化。因此，可以据此做出判断“当地极有可能爆发流感”。
所以，可以基于数据的变化，而探知业务的变化，从而可以进一步思考给出相应的业务策略和业务建议。
一句话：数据的变化就意味着业务的变化。
下图是百度的疾病预测的可视化结果，圆圈越大表示当地搜索相关疾病的人数也越多(即搜索人数偏离平均搜索人数的大小)，说明当地患某种疾病的指数也就越高。这，也是利用了数据的变化来探知业务的变化。
第三，
大数据可以发现业务的关联性。
正如舍恩伯格在《大数据时代》这本书所说，大数据是关注相关性，即“万物皆有连”。也就是业务的发展及变化是离不多影响它的因素的。
美国印第安纳大学的一个教授，收集了Twitter上近亿的条文，进行文本分析，并试图对作者的情绪进行量化，经过众多的优化，最终得到了社交网络上的客户群的情绪指数，并按时间作出了情绪曲线。当他将情绪曲线与道琼斯指数曲线进行比较时，他惊奇地发现，当把情绪曲线往后移动3-4天后，情绪曲线就与道琼斯曲线有着惊人的一致，这意味着股民的情绪对于股票是有着重要的影响的，于是他宣称找到了影响股票市场的关键影响因素，那就是股民的情绪!
一句话：股民的情绪与股票指数是具有相关性。所以，从数据的相关性，可以判断出影响业务的关键因素。
相关性的分析，在大数据领域经常用来做影响因素分析。比如：影响产品销量的关键因素有哪些?影响员工离职的关键因素有哪些?
可见，用大数据来进行业务决策，不外乎就是通过对数据的分析，来实现对业务特征、业务规律、业务变化的把握，以及影响业务变化的关键因素进行分析，来达到了解业务，预测业务未来发展的目的。
所以，大数据分析的核心，就是去发现数据的特征、变化和关系。因为数据的特征就是业务的特征，数据的变化就是业务的变化，数据间的关系就是业务因素间的关系。
本文转自d1net（转载）