大数据在金融领域的应用主要有以下三类：精准营销，风险控制以及精细化运营。将金融机构的客户打上不同的数据标签，形成个人和企业用户画像，再根据不同业务需求，甄别出目标客户群体。精准营销主要包括个性化营销、存量用户管理、挖掘潜力客户;风险控制包括个人及企业级信用评估、欺诈交易识别;精细化运营包括产品优化、市场和渠道分析、舆情分析等。
大数据在零售领域的应用与金融领域类似，依然围绕着精准营销、渠道管理、产品优化、市场定位等方面。值得注意的是，金融领域主要关注个体数据应用，而零售领域还关注统计数据应用，即大数据市场调查报告，了解消费者喜好，明确产品市场定位。
电信领域，三大运营商占据得天独厚的优势，主要将大数据应用于精细化流量运营、智能客服中心、个性化服务和对外数据服务。因为运营商数据价值度很高，开始对外输出数据，主要提供个人信用数据和位置数据。
随着《大数据发展概要》的发布，政府开始在大数据领域大力投入，除了建设数据交易中心，提供数据流通的合法途径外，政府大数据在交通、电子政务、公共安全等领域应用案例频出。大数据协助公安人员找出嫌疑人员潜在关系，提升破案效率。
大数据无限可能性，提升公司估值
过去两年，大数据概念热炒催生出一个又一个泡泡，IT创业公司纷纷转型成为大数据公司，意图获得高估值。从爱分析发布的中国市场大数据企业估值榜来看，估值超过5亿美金，PS倍数30-40的大数据公司不少。那么，这些大数据公司为什么这么贵?
其实，提供技术服务的大数据公司估值相对合理，PS倍数略高于SaaS公司，但尚处于合理区间。这些公司业务模式类似传统IT厂商和软件公司，同时国外基本有相应的对标公司，公司未来成长路径一目了然。
主要是与数据源相关、提供数据服务的大数据公司估值普遍较高，资本市场非常看重数据源的价值，主要有以下三点：
第一， 国内数据开放程度低。
国内数据开放程度远低于美国，这使得电信、政府、BAT等几个重要数据源价值被放大，有机会掌握或者触及这类数据源的大数据公司更容易建立自己的竞争壁垒，因为有些时候数据源的价值远远高于技术。例如，银行对个人客户进行风险甄别时，如果有运营商数据作为佐证，对风控效果的提升非常巨大，而这部分提升只能依赖于数据，技术再强也没用。
第二， 数据应用尚未成熟
短短五六年，大数据已经对各领域产生深远的影响，逐渐颠覆人们的认知。但大数据还处于早期探索阶段，数据价值尚未完全发挥出来，未来大数据在各行各业的应用远远不止当前这些。具备数据源的公司是最有机会挖掘数据新的应用。
第三， 数据服务规模化相对容易
数据服务不同于技术服务，它对人力依赖相对较轻，主要人员投入在数据清洗环节，服务形式更多为API接口，交付上人力投入低。这种业务模式可复制性要强于技术服务，一旦找到适合的应用场景，可以迅速扩展到其他同类别客户。
不过，高估值只是代表高预期，近年独角兽公司翻车的案例并不少，哪些大数据应用公司更容易兑现预期呢?
大数据应用定制程度高，规模化困难
先泼一盆冷水，不论是技术服务还是数据服务，都存在服务定制化属性重，难以形成标准化产品的问题。
本质上，大数据应用公司的业务与传统咨询公司类似，都需要针对客户个性化需求给出解决方案，难以用标准化服务满足大型客户的需求。数据科学家的存在类似于传统咨询顾问，只不过要求更高。
既然业务无法做到快速复制，重点做大型企业客户，提升客单价就成为大数据应用公司的必然选择。
泼完冷水，让我们看看，究竟哪类大数据公司能够成为独角兽?
优质数据源、技术积累、行业标杆客户，终极目标是数据互联
大数据应用的业务链条，包括数据源、数据技术和数据应用。国外大数据公司可以专注于业务链条的一个环节，将一个环节做好就能成长为10亿美金以上的独角兽公司，中国大数据公司如果仅仅做好其中一个环节，业务开展都成问题，发展很容易遇到瓶颈。