“大数据”无疑是当下最火的IT词汇之一。
5天前在百度搜索过“购车税”，5天后打开爱奇艺网就会看到推过来的汽车贴片广告，爱奇艺依托百度海量搜索行为数据推出的精准广告产品“一搜百映”日前正式进入市场。
爱奇艺的一搜百映揭开了大数据产业的一角。继物联网、云计算、移动互联网之后，“大数据概念”横空出世，据中国信息产业发展研究院数据，我国云计算市场规模2013年将达到1100亿元，到2015年，中国云计算产业链规模将达到7500亿元至1万亿元。
精准定位
马云在卸任阿里巴巴集团CEO时称，大家还没搞清PC时代的时候，移动互联网来了；还没搞清移动互联网的时候，大数据时代来了。
此前，人们因为自己手机号码的外泄而收到太多的垃圾短信，比如荐股的、推海景房的、卖保健品的，而在大数据时代将会根据个人的好恶有针对性的进行推荐。
如果你最近一个月曾搜索过“购车税”，打开爱奇艺的播放页会发生什么？答案是：路虎、宝马、大众、菲亚特等多款车型汽车广告将成为你的广告贴片首选。历时3个多月，视频企业爱奇艺背靠百度的大数据库，通过挖掘搜索引擎海量数据价值来优化视频广告服务，同时减少对非目标用户的广告打扰。
事实上，通过数据挖掘进行精准营销的案例并不在少数，如果我们浏览过淘宝的一款泳衣，那么当你打开网页资讯的时候，关于泳衣的产品推介就会无处不在。如果你在线预定飞往昆明的机票，那么关于打折机票的推荐也会轻易地出现在你的网页上。
随着物联网、云计算、移动互联网等相关应用的普及，人们的行为会被手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器接受，数据产生越来越多，由此，也将对存储器行业、软件开发与应用行业等产生重大影响。
前景诱人
“数据已经成为一种重要的商业资本，可以创造新的经济利益和商业模式。”爱奇艺的相关负责人如此表述。根据爱奇艺的测算，一搜百映技术可使广告到达页面信息到达率可达50%以上，高出原有模式45%以上。
上述人士指出， 目前，视频网站对投放人群分类的依据主要基于内容分类、用户浏览记录和历史点击行为等因素，这种为用户“画像”的广告形式可以在品牌广告展现上起到很好的投放效果，但在指导购买上的作用则有所缺失。“一搜百映”的推出，有效规避了传统广告“画像”的缺陷——依靠对比分析百度搜索海量数据和爱奇艺站内数据，广告主在爱奇艺上进行贴片广告投放，区分的不再是带有共同特征的模糊群体，而是一个个具有切实购买意愿的个人。
根据IDC的调查报告，全球大数据产业未来3年之内还将出现200%的累计增长，市场规模超1460亿元人民币，其整体增速约为目前火热的信息通信技术市场的七倍，2016年，大数据行业的收入将达1462亿元人民币。
可以创造新的经济效益，这也成为众多IT巨头投入大数据的原因。美国互联网领域近日频现较大规模并购交易，最新的一笔是亚马逊5月13日宣布收购三星旗下荷兰显示技术公司iquavista；微软日前也曝出拟出资10亿美元收购Nook Media公司数字资产，雅虎上半年则收购了5家初创公司，总额达1600万美元。
在国内，百度、阿里巴巴等互联网企业也在做一系列的尝试，并推出了相应产品。上市公司中，2012年，华宇软件(300271,股吧)在大数据处理、云计算等方向已形成一定的研究成果，并且部分已经产品化，比如掌上法院、互联网诉讼服务平台等。科大讯飞(002230,股吧)提出，2013年，公司将继续深化在识别、评测、合成、自然语言理解上的核心技术研究，进一步加大垂直搜索和大数据的积累挖掘。
摸索中前行
虽然大数据时代渐渐来临，但业内人士指出，大数据分析和挖掘显然现在还在初级阶段的人群细分、兴趣点细、地理位置细分等领域，而且营销也并非准确。
以阿里巴巴推出所谓精准影响为例，目前其推送的产品多为用户已购买的商品，并没有挖掘用户的潜在信息，对于已购买的商品，用户很难在短时间再次购买，换句话说，推送的广告并不精准、及时。
大数据商业开发并不简单，业内人士指出，数据挖掘的前提肯定是首先要有一个海量的数据源，同时也要有与之匹配的专业研发和数据分析能力。
爱奇艺相关人士介绍，一搜百映的推出经历了三个阶段，由百度分析最近30天内百度用户的搜索行为，对用户的兴趣偏好作出判断；把百度的用户库和爱奇艺的用户库进行比对，找到“共同”的用户，并把用户的兴趣偏好属性复制到爱奇艺的用户库；第三阶段： 爱奇艺对来访用户的兴趣属性进行识别，如果可以识别则可以匹配播放相关度较高的精准贴片广告。
大数据商业开发投入不菲，为解决数据的存储，需要加大服务器等基础设施开支。国际公司IDC存储系统研究总监阿西什·纳卡尼介绍，大数据和分析领域所产生的存储开支将从2011年的3.799亿美元，激增至2016年的60亿美元。同时，针对存储数据相关领域进行的挖掘，又会推动一个新兴产业诞生。
在大数据中搜寻有用的信息进行商业开发并非易事，业内人士指出，随着数据越来越多，能从大数据中提取的信息会随着数据规模增加而减少，寻找相关性时错误信息会更多。在对大数据进行挖掘的过程中，很容易深陷一系列艰涩学科的研究中，走向商业化将步履蹒跚。
