如何在未來新空間里獲得商業機會？在我看來，主要的機會在于中間層，尤其是在金融、醫療、零售這三個行業。

1、金融與保險

如果讓我用一字道盡金融在大數據時代的機會點，那就是“微（micro）”。

過去很多的創新都被技術和數據的能力所局限。未來數據的采集、加工和應用都將實踐個人化的價值，將會激發很多金融商業模式。

數據動態的意義，首先體現在金融保險體系里的客戶監測：過往個人信用評估結果，往往無法有效地反映最新的個人信用風險，導致銀行或是保險公司不能提供最符合顧客需求和利益的服務；其次體現在將解決服務合理性的問題，也就是當客戶使用了服務時，才向客戶收取費用。
以汽車保險為例。過往我們對于汽車保險的保費設定，是根據客戶過往的駕駛肇事記錄來調整保費費率，也即汽車保險的游戲規則，建立在投保車主的駕駛安全行為基礎上。

但肇事記錄其實是一個相對落后的事實指標，在大數據時代難道沒有更動態的數據可以預測危險駕駛的風險嗎？當然有，而且來源還不只一項。
未來的汽車都會像特斯拉一樣，通過車內安裝的傳感器，記錄駕駛員如何踩油門，（如習慣性的緊急剎車就是一種危險駕駛的訊號)、換道時是否打方向燈、是否頻繁地按喇叭……
這些資訊都可以側寫出駕駛員是否擁有安全的駕駛習慣。如果再把駕駛員的行車路線數據與政府公布的危險肇事路段的數據做對比，就可以知道這輛車每天上下班的路線屬于怎樣的安全等級。

綜合以上兩類數據，即便沒有肇事記錄，保險公司也能根據這些數據來動態調整對這臺車的風險評比，并隨時機動地調整保費的費率(動態費率)。

同理，如果車險是為了確保用車人在駕駛期間的風險，那通過車輛的傳感器，可以清楚了解這輛車有多少時間停在車庫、又有多少時間處于被使用的狀態，保費的計費也可以根據車輛實際承受風險的時間來客對客戶收費，這也就實現了前面所提到的動態計價。

2、醫療

醫療領域當前所面臨到的最大問題是數據未能整合。比如在A醫院卻拿不到之前我之前在B醫院開的病歷。

另一個大問題是中國人口老齡化嚴重，導致醫療費用負擔沉重，因病返貧十分常見。只有降低醫療成本，減少濫用資源和藥物，才能根本性地減少政府負擔，讓資源分配給真正需要的人。

美國福特公司的30萬員工，每年享有30億美元的醫療保險預算，但這筆錢過去只有一個人在管。1997年福特在這方面第一次引入數據應用，分析之后發現有人竟然150歲還在領醫療保險，有人一年領兩次懷孕補助等不合理的狀況。這些都是無謂的資源浪費，但如果不通過數據，可能永遠也不會發現這樣的謬誤。

醫療是一個連續性的行為，一個人從健康、亞健康乃至于疾病的階段都不是突發的，背后都有遺傳或是生活飲食習慣的脈絡可循。

很多疾病的危險信號常常是因為信息未能互通而被忽略，像美國就曾經通過傳染病傳播數據，預估要生產多少疫苗以及各區疫苗使用狀況，大大地提升疾病防治效果。

3.零售

對零售業最重要的，就是如何用數據把供應與零散的需求做匹配。

買家希望得到的是：“我要什么？最快幫我找到我要的東西。給我最好的價格，用對我最方便的方式付款，在剛好的時間送達”，商家就會成為贏家。

供應方則希望知道：“怎樣才能滿足消費者？怎樣用最小的庫存，最快的方法，最合理的利潤率來服務顧客？供應鏈的處理怎樣可以變得更好？怎樣減少成本浪費？”

以數據驅動為基礎的線上零售發展已經十幾年了，但線下將會出現什么情況？

當POI逐漸成熟，拿著手機，處處都能發揮大數據的連接能力，時刻都是機會點。人們懶得再特地下載一個應用程序購物，線上再發達，某些時候它也不是最方便的渠道。改善零售用戶的體驗型態只有全渠道。

對零售業來說，最好線上線下都能覆蓋到。只有online的應用程序是不夠的，最好連offline的渠道都能拿到，不然很容易就被別人彎道超車，全渠道的打通和合作策略是零售業在2016要關注的第一個重點。

“推薦”將是另一個爆點服務。

現代人能在同一時間享受多種服務，瀏覽多種產品訊息。但數十萬款與你有關的商品攤在你的眼皮底下，你怎么選擇？

人主觀上都希望自己可以選擇，但面臨太多選擇時，選擇本身反而變成了一種負擔。所以未來的“推薦”應該是游合于“優選”與“逛”之間。大數據讓手機變成個人消費助理，不斷跟著你走，也不斷領著你走，就會在商家和消費之間成為一個媒介。

最后，零售業的根本是“生產”問題。

數據將成為產品創新和改良的依據，從設計到生產、包裝、銷售、售后的過程中觀察與不斷優化，最終能夠幫助商家生產出符合顧客需求的商品。

雖然是老話一句，但是還是不得不在重申一次：“大數據時代對零售業來說不是一個單純的轉型問題，而是一個攸關存亡的生死問題。”