与业务决策的紧密相关，使得大数据应用的行业特征越来越明显。
大数据能够给企业的业务分析和决策提供帮助， 这已经基本成为共识；但大数据如何整合到企业IT系统中去，仍有分歧。
IBM软件集团大中华区业务分析洞察及智慧地球解决方案总经理卜晓军认为，大数据不是孤岛，要与企业的其他系统互连互通；也就是说，大数据是整个IT系统的组成部分，而不能独立存在。
因此，大数据是行业应用的重要组成部分。其与业务决策之间的密切相关，更带来了丰富的行业应用。目前，在金融、交通、电信、医疗、能源、零售、媒体等行业，IBM都已经有了大数据的应用实践。可以说，大数据应用的行业特征越来越明显。
制造业
我们来看一家手机生产商的应用案例。
众所周知，智能手机市场的竞争非常激烈，三星和苹果占据了市场绝大多数的市场份额。因此，这家手机厂商希望从顾客的手机使用行为中获得有价值的分析数据，从而为产品开发等业务决策提供支持，避开苹果和三星等主要竞争对手。
在技术方面，这家手机厂商面临的问题是，现有的数据库架构不能支持分析潜在数据量所需的性能，因此需要一个高性能的分析解决方案，以分析大量的手机使用数据。
他们采用征集志愿者的方式来进行手机使用行为的跟踪，包括了解用户的喜好和习惯等。在一年的时间里，他们获得了超过500TB的数据。为了对庞大的数据进行分析，该厂商采用Netezza TwinFin 6、Cognos BI和SPSS组成的解决方案。
这个解决方案为手机厂商建立一个高性能的数据分析平台，获得了执行大量数据分析的能力，从而可以实现企业战略分析。
电信业
移动通信运营商最为关注两个方面的业务：一是保证通信质量，二是做好营销增值。
移动通信的网络分析包括： 基站接入情况、信号好坏分析等等。T-Mobile的统计数据显示，每天发生在网络上的事件在快速增长，从2007年的16亿增长到2011年的175亿。传统的数据仓库在处理能力上面临瓶颈，而孤立式的应用也会影响业务部门的分析能力。
采用I B M 大数据平台后，T-Mobile的每天事件处理能力达到200亿，并且通过200个以上网络支持60个下游系统，系统管理人员的数量却大幅度下降。
基于移动通信的实时营销和位置服务， 是运营商常见的市场营销活动，比如在手机进入一个基站时推送相应的促销信息。
新加坡电信采用Unica解决方案，为客服中心和零售店的服务人员提供实时的交叉产品和增值产品服务。由于给手机终端发送的商品信息和广告更有针对性，交叉销售/增值销售的成功率从10%以下提升到40%以上。
金融业
在金融业，大数据常见的应用场景包括：风险和欺诈检测（财务风险分析、反洗钱调查、实时欺诈分析等）、客户和市场洞察（社交媒体分析、客户挽留、产品服务推荐等）、运营优化（系统日志分析、故障分析等）。
通过采用Hadoop、并发计算、分布式存储等技术，银行可以提高运营效率、降低成本、提升用户满意度。
某大型信用卡机构每年都遭遇大量的诈骗交易，损失可达每100美元交易中7美分。而且，欺诈方式是不断变化的，如果几个月后才了解欺诈模式，那么防范效果非常有限。使用Hadoop来处理巨量的交易明细数据，则可以进行实时分析处理，监测到新的欺诈模式。
大数据平台
在上述行业应用案例中，IBM采用了“大数据平台”架构。其突破了传统数据仓库和数据管理理念，能够为企业组织提供实时分析信息流和因特网范围信息源的能力，实现更为经济高效的大数据管理，并为在此之上的业务分析奠定坚实的基础。
I B M 大数据平台包括H a d o o p 系统、流计算、数据仓库和信息整合与治理等方面的产品和解决方案。而丰富的行业经验，也成为IBM在大数据市场的竞争优势。
