大数据最初是指多到无法去进行统计和分析的数据集，后来被衍生成——通过某种方式和方法去分析海量数据，从中获得我们需要的具有巨大价值利益的服务内容。这是一种逐渐被重视的形式，分析这些数据有难度，存储这些数据一样有难度，也需使用一些前所未有的方式，现在国内大部分采用的是Hadoop这样开源的分布式数据集群，来满足各种数据统计的需求。

　　因为海量数据中可分析出具有巨大价值利益的细分数据，所以很多网站都进行大数据战略，特别是在电商行业和视频行业。不过更具有挑战性和代表性的应该是针对视频网站的大数据挖掘，毕竟电商对于大数据来说还是有很多优势的，比如电商的用户无论怎样挑选，最终还是会选中某一款产品，然后注册、登陆、支付，无形中就将自己最重要的信息资料全盘托出。而视视频网站绝大部分用户都是不注册的，怎样在这种无法记录用户信息的情况下怎样做到大数据分析呢?

　　最近有一部Netflix的自制剧《纸牌屋》被大家所关注，据说是Netflix根据数据推论出《纸牌屋》成功的关键要素：喜欢BBC剧集的用户、大卫·芬奇的表现风格、凯文·史派西的表演刻画。最终事实证明，基于大数据分析出来的结论非常靠谱，《纸牌屋》在美国和其他40多个国家引起了观剧热潮，为此Netflix获得了巨大成功。

　　可复制的商业模式?

　　是不是还有其他行业基于大数据的盈利模式已被验证，并且模式可被复制、套用到视频网站中呢?Netflix已为我们提供了一个很好的实例，分析用户的喜好来挑选导演和演员，这种方式可完美的复制到国内。2013年优酷、奇艺都押宝在自制剧集方面。前两年，国内也有几部成功的微电影系列，如《青春期》系列，还有后来几部比较火爆的《干爹》、《上位》、《妈咪》大多是以吸引眼球的方式去博得用户关注。若可通过大数据分析，成功拍摄出真正在品质和品味上达到广电水准的自制剧，在国内也创造一次成功案例，将有可能奠定其霸主地位。

　　另一个案例就是复制百度的竞价广告模式，通过为用户及广告营销方提供大数据的分析支持，让其自主投放广告;让广告主发掘自己觉得有价值的视频，投放广告，生成一个自主营销的生态环境，将有利于网站和行业的发展。无价值的视频没有广告的投放价值，有价值的视频被广告主相继竞价争抢，通过视频自身的内容提高原创作者的经济收入，可谓是双赢的法则;不仅可以鼓励原创作者的积极性，也可让网站的视频的内容质量不断提高，形成难以超越的价值高度。

　　大数据谁做的最好?

　　由此我们产生一个疑问，视频行业有人在做大数据吗?谁家做得最好呢?是Netflix么?在技术层面来说，我觉得并不是。Netflix之所以成功还是在于它的数据是可被挖掘的，Netflix是一家在线DVD租赁网站，通过用户直接的租赁数据，可得知用户喜欢BBC的剧集，喜欢大卫·芬奇导演的影片对社会问题的另类表达，和凯文·史派西在刻画各种阴险狡诈的反派人物时那出神入化的演技，于是成功的推出了《纸牌屋》这部备受瞩目的优质美剧。

　　而在匿名用户大数据中做得最好的莫过于Youtube了，在我接触过这家神奇的视频网站后，不仅折服于他精准的推荐算法，更钦佩他们对于数据的开放性，只要你想统计和分析，Youtube会将几乎所有视频的数据都提供给你，这应该归功于他们依附着Google强大的技术支持。在Youtube所有的大数据信息，都围绕着单部视频节目所进行，第一次访问，第一次分享，第一次评论，都展现在你面前，包括时间和URL一一列出，这是一种多么开放的胸怀。国内也有几家针对视频做大数据的视频网站：优酷网、搜狐(数据比较全);酷6网、土豆、56(提供部分数据);奇艺、乐视、腾讯(有统计但未提供);它们也都将成为视频网站大数据的角逐者。

　　大数据的本土化应用

　　大数据分析的益处就是有求必应，按需索取;针对国内视频网站的盈利模式，有哪些领域可产生价值呢?内容推荐算是最基本的应用了，为用户提供更多符合胃口的视频，提高点击率，获得更多的广告曝光，是最直接的获利形式。这也是最简单，最容易实现，也是各大视频网站普遍使用的方法，但是取决于算法的精准程度。很多网站简单的用切词、标签等形式，为用户视频推荐就认为是精准推荐了，并为其冠名“推荐算法”四个字，我们也不能议论什么，毕竟基于大数据的推荐算法不是简单的工程。

　　其次是基于数据将用户按条件筛选后，以不同维度进行盈利性内容推广;如影视作品的网络宣传推广，内容预热报道，付费视频的推荐点播等。通过用户群的细分后，产生的转化效果较高;但为其配套的基础服务也较繁多。如会员系统、支付系统、计费系统、影视内容加密方式，和模糊推荐的功能，都需要一段时间开发，相对的要投入较多人力和开发成本。