通常，企业会关注他们的顾客，但却很少看到客户与客户之间的关系，这个关系会产生一些意想不到的影响，比如说有两个大客户来存钱，每个人存几亿元，谈的时候银行给两人不同的利率，万一他们是好朋友，回去碰了面一合计，总归会有一个人不开心。由此，企业的数据应该实现内部、外部和内外部之间打通，形成用户的全景式信息体系，形成一个网络和各种针对性的产品模型。
在研究中，我们有个“大数据引擎”模型，其中包括各类外部大数据、个人数据和第三方数据等，我们将用户归类，把同一个人在不同平台上的信息数据整合起来，这样的研究结果影响了企业营销的方式和效果。比如，保时捷以前过年过节过生日会给客户送礼物，现在他们已经知道客户是喜欢红酒还是高尔夫，从而进行个性化定制服务以维护客户关系。
这种研究和应用，对于企业挖掘“沉默的大多数”用户非常有帮助，比如，在1.5亿用户和潜在用户中做精准营销。以前我们跟平安保险合作，每天从1.5亿潜在用户中筛选出50个最需要打电话的人，让企业直接做营销。这之前，我们会整合研究一个人在各平台上分享的信息，处理之后打上标签——这一条是聊孩子的，那一条是讲旅行的，总结下来就可以看到Ta在时间轴上的兴趣变化和分布，有可能准备要生孩子了，或者有计划去欧洲旅行了，这时候就可以有针对性地向其推送一些产品和服务。
关系类大数据还可以用来进行风控。如果一个客户违约或者信用很差，银行在挖掘、掌握他的一些社会关系网后，就可以对与其相关的人进行着重关注和筛查，在贷款等业务上谨慎出手控制风险，以防失信客户让其亲戚朋友继续代其申请新业务。再比如，如果在关系大数据中涉及的不是高风险，而是高价值呢?一个人在银行存了好几亿元，他太太也来存钱，银行在了解他们是夫妻关系后，会给她推荐什么产品呢?这些都是值得研究思考的。
接下来讲一下大数据在房地产业的应用。我们最近和绿地、保利合作，做众筹、虚拟买房等项目，使技术和渠道相结合，用大数据获取客户。
首先，我们用关系类大数据做营销。买房通常是以家庭为单位，先生买一套，再给他太太推销一套，不太合理，我们就用互动好友的数据，在每个人周围找出10个好友做营销。第二，给客户画像，把现有客户资料跟业务经验结合起来，连接上外部数据大平台，可以产生很多潜在新客户的画像。比如，我们和济南一个楼盘开发商合作，先根据业务经验和现有客户，总结出目标客户群年龄是多大、收入有多少，初步筛选后剩下60万候选客户，再结合大数据做一些潜在新客户模拟，产生2000个潜在用户。当我们发现这个用户在网络上写到“想换房，最近也光临过一些楼盘”，那么就可以将其放在潜在客户名单上进行重点营销了。
我们还对信息获取渠道做数据分析，那么就可以知道应该去什么地方做广告——网络、报纸广告怎样投放最有效，微信要不要用公众号推广一下，户外是不是应该弄一个签到地点，这些对企业营销都非常有用。
刚才是讲我们能做什么，还想说，有些问题我们也应该注意，比如说隐私问题，数据不能随便用了，隐私边界怎么界定，企业间的数据交换怎么定价，等等，希望大家一起关注。