1，消費金融行業

最常見的就是支付寶螞蟻分嘍，透過這樣來給會員賦予不同的許可權

風控

正如，你去分期買東西，當然要先評估一下你是否有還款能能力了，就像在網上申請信用卡，為什麼有的人被拒了有的人通過了，這就是資料模型評判的結果。

2，網路音樂

最常見的就是歌曲推薦了，你經常聽什麼歌，就會給你推薦類似風格的歌曲，這一般用的是協同過濾演算法，根據你聽歌的習慣來推薦，有一種術語叫什麼‘千人千面’就是這樣

3，電力行業

電力行業就多了，比如：裝置故障預測，用電客戶分類，

更高階的是影象識別，比如：透過無人機拍照來識別是否工人在檢修的時候有沒有戴安全帽等等

其實大資料已經遍佈了我們的日常生活中。現在是一個大資料的時代，我們當今兩天的資料量，就是人類文明的總和。

對於這麼大量的資料，這是因為雲計算與大資料出現才可以得以存在。

首先我們使用的音樂軟體，其中的智慧推薦，個性化音樂就是使用了大資料。他透過你的日常使用去分析你喜歡什麼樣的音樂。

我們使用的淘寶軟體，它也有智慧推薦功能。他會根據你的購買或者是搜尋，智慧推薦網頁。在我們生活中的天氣預報，對市場的分析預測。都是使用的大資料，透過對資料的分析得到我們有用的資料。

一晃已經參與到大資料雲計算相關專案有即將2年，談談自己對大資料行業認識的一些看法，主要從大資料行業建設現狀，雲計算應用需求現狀看，總結自己認為的大資料大資料的方向。第一部分，大資料部分。觀察整個大資料行業，當前大資料用得比較好的首先是有網際網路巨頭，電商平臺，因為他有著切身的需求推動，再一個基因決定推動也比較快，所以他們我覺得是屬於大資料應用的第一梯隊，其次是運營商,電力等資料量大較大且資料資源在一個企業體系當中的，因為自身需求和行業推動使得他們的大資料應用應該也算說得過去，次之，是政府部門級別的資料中心，安全等行業在當地政策的支援下，構建了很多大資料專案，但是這些質量參差不齊，最後，就是一些其他企業，傳統行業在嘗試大資料，實際的情況是可能是資訊化都沒有做得太好，所以這類大資料的嘗試就相對質量差一些。