在云計算成為基礎資源的背景下，基于大數據的互聯網信息服務，能夠幫助企業和個人更好地預測未來和進行決策，從而成為促進信息消費的主要推動力。例如已有產品開始通過大數據分析互聯網信息來判斷“網絡金融民意”，那么，大數據究竟是如何促進互聯網信息服務消費的呢？

一切皆是數據皆可量化

      在大數據時代，不僅數字、文本都是數據，甚至身份、位置都是數據，是有價值、有市場的商業數據。

      以往，我們講的數據往往只是數字，因為文本描述是難以進行量化數據分析的。但在大數據時代，不僅數字、文本都是數據，甚至身份、位置都是數據，是有價值、有市場的商業數據。例如，一個學生出現在長江商學院的培訓課程，說明他可能有貸款的需要，一個白領出現在托福考試的考場，說明他可能有境外金融或者旅游服務的需要;在積累足夠多的樣本后，這些身份、位置所反映的行為均可量化為高價值的金融服務數據。這種信息服務直接拉近了金融供求雙方的距離，降低了金融市場拓展的成本。如何分析很重要。

     有些數據是表格化的，數據與項目一一對應，我們說這樣的數據是結構化的，便于分析。但在大數據時代，我們獲得信息的渠道是多樣的，可能是文章下的評論、微博上的一句牢騷等等，這樣的數據就很難采用結構化的數據庫進行存儲分析。而且，相對于小數據和精確性的時代，大數據因為更強調完整性和混雜性，數據分析過程中的損失就變得不再那么重要，只要建立合適的分析模型，就可以獲得有價值的數據，比如微軟創投加速器的一個企業開發的“股票雷達”，通過它可以收集各類網絡上關于股票的預期信息，進而匯聚成為大眾群體對某具體金融產品的信心預期，反映“網絡金融民意”，讓股民能了解市場上更多的真實情況，緩解普遍存在的信息不對稱，并為股民做投資決策的時候，提供重要參考。

     人們在處理海量的非量化、非結構化信息時，會造成數據的遺失甚至扭曲，往往可以得出不盡相同的結論。美國一家金融服務機構的信用卡部門，通過大數據分析，獲得了每季度200%的業務增長。這個項目為每個用戶建立了30多個參數進行分析，只為找出當前信用卡欠款，但具備潛在償還能力的客戶。因為數據分析模型的成功，此項目取得了令人滿意的效果。在大數據時代，信用記錄、社交媒體、搜索引擎等數據信息日趨完備，有待不斷創新的數據分析模式進行挖掘。

云讓大數據得以普及

     在云計算成為基礎資源的今天，信息存儲不再是瓶頸，更多數據挖掘項目可以得到施展。

     數據不是今天才有，也不是今天才“大”起來。但過去一些數據挖掘研究雖然有了思路，卻限于存儲、計算資源等硬件條件無法實行。

     2006年前后，我國某大銀行，希望通過關聯交易數據的分析提高他們對公信貸業務的精確度，估計信息量是20PB的級別。當時一家銀行歷年的貸款報告，財務發展分析報告、圖表、基本財務信息、公司信息加起來也就100G，相比之下，20PB可謂天文數字，項目因為成本而未能良好執行。但在云計算成為基礎資源的今天，信息存儲已經不再是大數據分析的瓶頸，一些原有的數據挖掘項目可以得到施展，幫助行業開辟業務新天地。

     例如，還有一家名為91金融超市的公司在微軟Windows Azure云平臺上將金融中介服務進行互聯網化，打通了金融機構和個人消費者之間的通路，并通過對個人數據和需求的分析，將最合適的金融產品推送給個人，或者將個人需求精準匹配給相應的機構。這一模式被資本市場、機構和消費者高度看好，他們也因此剛剛拿到了6000萬元的風險投資。

     在云和大數據的支持下，將有越來越多的新型信息服務模式得以建立。大數據信息服務影響和促進社會各個領域，基于金融領域的精準信息服務創新，只是最容易被人們理解的應用領域之一。隨著云和大數據技術的日益普及和深化，各個行業都將迎來信息消費的黃金時代。