[1] Skybox  http://www.skyboximaging.com/

利用便宜的低轨卫星和普通用户生活照片分享等数据开展基于地理位置的服务。

大数据绝不仅仅是互联网啊！

[2] Prismatic  http://getprismatic.com/

利用机器学习的办法分析用户内容，帮用户找到感兴趣但通过自己的能力难以找到的新闻。感觉这个比无觅网和百分点媒体推荐引擎作新闻关联推荐技术难度更大一点。

[3] SAGA  http://www.saga-gis.org/en/index.html

预测你在哪里和你将要去哪个地方，然后提供基于地理的推荐。这让我想到了2011年诺基亚的地点预测大赛以及2010年Barabasi在Science的那篇可预测性论文。不知道他们用的什么方法，难道也是隐马尔科夫吗？

[4] Zest Finance    http://www.zestfinance.com/

利用包含社会网络等等信息的70000多个变量判断个人信用卡或者信贷的信誉，实现更便宜更快捷和更低拖欠率的放贷。祝建华老师强调大数据不能仅仅是数量多，还要变量多，恰恰是这个意思。当然，外行觉得怎么可能有70000多个变量呢，其实不奇怪，学习一下机器学习就知道了，这些变量并不是简单的身高、体重，每个一项，而是很多单元信息的各种组合。

[5] Expect Labs    http://www.expectlabs.com/  

在语音聊天（可以群聊）的时候，通过语音分析、自然语言处理和语义分析，来理解大家正在说什么，然后帮助用户找到和当前聊天内容相关的信息。将来还会扩展到视频聊天。我觉得很玄乎的一项技术，不知道怎么做的，但是很厉害，iPad应用的名字叫做MindMeld，机器翻译。

[6] Decide   https://www.decide.com/

利用大量已知的价格信息（目前据说有超过80亿条），来预测商品价格的走势，从而给出应该买什么，以及立刻买还是等一段时间再买的建议。是不是大家一下子就想起了Farecast？

[7] Trifacta     http://trifacta.com/

这是一个伯克利和斯坦福的联合团队的工作，他们能够接触到数据分析很多顶尖的科学和技术达人。如果你提交你在数据分析中遇到的问题，这个系统将帮助你解决你的问题，当然，怎么付费就不得而知了。