目前，从大数据技术的应用来看，互联网、金融、咨询、医疗、教育、旅游等领域都有很多大数据应用案例。其中，大数据在互联网行业的应用相当普遍，不仅体现在产品研发过程中，也体现在公司运营中。从目前大数据的应用来看，目前，互联网相关的业务或多或少都在应用大数据技术。比如大数据技术在电子商务领域的应用就相当普遍，推荐系统就是一个非常常见的应用。基于推荐系统，用户也会有更好的购物体验。
有些人一开始并不喜欢手头的工作，但是在工作中逐渐产生了从不喜欢到喜欢的感情。大多数人都会喜欢现在的工作，只是喜欢的原因和理由不一样。每个人都有一种惯性。一份工作做久了会产生厌倦感，不是真的不喜欢，而是需要心理调整。有些人看重现在工作的薪水。虽然不一定很喜欢，但是为了生计还是很珍惜的。
大数据都能应用在哪些方面？
随着5G时代的到来，大数据应用得到迅速的发展，并且得到很多人的关注。大数据应用于各个行业，包括金融、汽车、餐饮、电信、能源、娱乐等在内的社会各行各业都已经融入了大数据的痕迹，1.制造业：利用工业大数据提升制造业水平，包括产品故障诊断与预测、分析工艺流程、改进生产工艺，优化生产过程能耗、工业供应链分析与优化、生产计划与排程。
2.电商行业：电商行业是最早将大数据用于精准营销的行业，它可以根据消费者的习惯提前生产物料和物流管理，随着电子商务的越来越集中，大数据在行业中的数据量变得越大，并且种类非常多。3.金融行业：大数据在金融行业的使用是非常广泛的，主要使用在交易过程中，现在许多股权交易都是使用大数据算法进行的。这些算法能够越来越多地考虑社交媒体和网站新闻，并且决定接下来的几秒内是选择购买还是出售，
4.互联网行业：借助于大数据技术分析用户行为，进行商品推荐和针对性广告投放。5.能源行业：随着智能电网的发展，电力公司可以掌握海量的用户用电信息，利用大数据技术分析用户用电模式，可以改进电网运行，合理设计电力需求响应系统，确保电网运行安全，6.物流行业：利用大数据优化物流网络，提高物流效率，降低物流成本。
7.生物技术：基因技术是人类未来挑战疾病的重要武器，科学家可以利用大数据技术的应用，这样能够加速他们自己的基因和其他动物基因的研究过程，并且还能成为人类未来克服疾病的重要武器之一。大数据的价值远不止于此，大数据对各行各业的渗透，是推动社会生产和生活的核心要素，数通畅联专注于企业IT架构、SOA综合集成、数据治理分析领域，感谢您的阅读与关注。
大数据都在哪些行业有应用？
51CTO数字化人才来回答这个问题：比如经济金融领域，股价的预测其实一直是个难题，传统的股价预测，实际是通过一些专业的模型来估计风险、收益、评价企业，有专门的理论和方法来估计股价。但是影响股价的除了这些因素之外还有人们的“期望”，而估计“期望”是非常难的，因为“期望”既涉及外部因素，又涉及心理预期，
现在一个新视角是考虑公众关注，比如搜索。若对某些企业比较关心，可能就搜索其企业状况、新闻事件，这种搜索体现了大众对具体企业的股票价格和价值走向的关心，这是一个跟过去特别不同的角度，因为这不是特别专业的角度，它是从专业外人士的行为来估计的角度。这种关注和搜索与股价的走势有相当强的关联度，但是，要特别指出，仅用这一个因素来估计股价是不够的，还有大量的因素需要专业模型。
因此，一方面能够扩展或者冲击传统的定式和视角，另外应该把其他视角引入进来，大数据的股价预测应该是包括内部与外部、专业与非专业因素的模型构建，大数据也开始在改变会计学。传统的会计学衡量企业的状况是通过三张报表：资产负债表、现金流量表、利润表，这三张报表反映了一个企业的运营能力、偿债能力和盈利能力，虽然这三张报表是非常基础和非常重要的，但是大家突然发现，有一大类企业是高风险的，特别是一些IT企业、创业企业、新行业企业，长期负债，但同时又有非常高的市值，人们又有非常强的忠诚度，如果用这三张报表衡量，似乎不能完全体现它的价值，也就是说，传统会计学的三张报表现在可能就不够用了。
谢谢你。大多数人喜欢他们现在的工作，但他们喜欢他们的原因不同。比如有的人从事自己热爱的工作，把做好工作当成实现理想、展现人生价值的一种方式。有些人看重现在工作的工资待遇，虽然不一定很喜欢，但为了生计还是很珍惜。有些人一开始并不喜欢手头的工作，但是在工作中逐渐产生了从不喜欢到喜欢的感情。另外，每个人都有一种惰性，长时间的工作会导致厌倦，这并不是真的不喜欢，而是需要心理调整。
所以人们都在呼吁“第四种说法”的出现，业界和学术界都在做这方面的研究。周期长、负债高、不确定性高的企业，其价值可能受到口碑、忠诚度、品牌、公允价值包括无形资产的影响。这些东西，我们可以称之为数据资产，大数据也在给体育界带来改变。像NBA这样的篮球项目做的非常好。它们通过采集肌肉、血液、心脏、动作、战术、团队等全景数据，帮助训练和比赛。因为这些因素可能会影响整场比赛的结果。
文章TAG：大数据可以应用在哪里 数据
