、影视、餐饮、旅游、房地产等。

这些行业都有三个重要的特点。

一，他们没有大数据技术能力。

二，他们没有大数据人才。

三，他们期望通过大数据来实现互联网+，通过大数据来改造行业目前的情况。

可以预见这也是未来大数据行业油水最多，差事最“肥”的地方，也是将来大数据企业竞争最激烈的地方。

第二，基础设施。

我把数据库、数据源、数据清洗、数据处理工具、大数据引擎、大数据软件硬件结合一体机等，都归纳到基础设施里面。

基础设施的主要盈利模式为：我帮你解决大数据部署中间的部分问题。

这个模式有点像台式机的“攒机”模式，cpu用这家的，内存用别家的，键盘鼠标自己搭配等等。

这种模式是要求企业有大数据能力和人才。

你可以自由组合大数据的基础设施，从而构架出更适合自己业务的大数据系统。

费用收取方式：按照设施的不同进行收费，你可以买断，或者按需、按月、按年、按量来进行付费，比较方便灵活。

第三，数据工具/产品化服务。

典型的模式如情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、可视化、网站/app分析工具等。

费用的收取方式：按需购买，部分功能服务免费，部分功能服务收费。

第四、行业应用。

这一模块可能和解决方案会有冲突，但是这里说的行业应用主要说的是传统行业加上大数据后产生的新的效应。

大数据可以应用到医疗、教育、零售、通信，航空、工业、制造业等传统行业。

当大数据与这些行业碰撞，就会产生新的商业。

主要模式：利用大数据获得行业洞察，实现更多的收益。

比如大数据+医疗就是智慧医疗系统，大数据+制造业就等于工业4.0，大数据+电影就等于票房预测等。

费用收取模式：没有直接的变现，而是通过大数据产生了更大的价值，节约了成本，优化了原有行业，衍生出新的商业模式。

行业应用比较典型的例子有：票房预测、商圈选址、高考预测、智慧城市、无人机、机器人、无人驾驶汽车等。”

徐良越说越兴奋，这段时间因为写书的关系，他一直在回忆上辈子的记忆，总结大数据和云计算。

作为一个创业成功的人。

他接触到的行业信息远超普通人。

尤其教育大模型