截至今年第三季度，大众点评商户信息，已经累计到1100万，点评数量达到4200万条。而移动端数据也实现了强势增长，月活跃用户超过1.7亿，数据服务调用在10亿级别。
这些数据帮助大众点评在本地O2O行业建立了强大的优势壁垒，大众点评作为一个数据网站也是因此而来。
如果将数据下沉到更底层的概念里，不光是互联网行业，就连传统行业，生活的零碎细节，都充斥着数据，只是在互联网时代，数据的记录更加便捷，用户的每个访问都是记录在服务器上。在此基础上，包括BAT在内，各个领域的平台领袖，才各自发展出自己的数据积累模式。
大众点评网站上的内容(即数据)都是通过UGC产生的，从第一个用户上传第一家商户开始，数据就开始产生。首先是商家的基础信息展示，然后越来越多的用户进行点评，在这个过程中，平台积累了商家和用户两方面的数据。
一个是关于商家地址、菜品、环境、服务等方面的数据，一个是用户的消费习惯等，并且在用户点评过程中，也有一个对商家数据不断调整、完善的机制。
当大众点评开始涉及交易业务时，数据更加丰富。目前，在大众点评的大数据结构中，用户的行为日志数据量占总数据量的大部分，剩下的就是交易数据。
上半年对微生活的接手，加上最近连续入局ERP厂商，更加深了大众点评在商户信息上的渗透。在这些数据积累上，大众点评衍生出两大数据应用：一类是商户通、推广通，这些是收费产品;另一类，比如大众点评指数，为消费者提供决策;还有餐饮行业风向标，提供行业发展参考;同时在业务方面可以为用户提供个性化推荐;点评管家则可以帮助商家分析经营行为、用户特点等。现在这些产品都是免费的，未来不确定。
同时，大众点评也在做开放平台，即将数据向第三方开放，他们在此基础上进行二次开发，将大数据应用，顺应大数据应用趋势，走向开放。
同样，不可避免的是，在数据挖掘和沉淀过程中，大众点评也会遇到挑战。做大数据挖掘需要有长期沉淀，但用户行为的变化是很快的，每个季度、每个月，甚至每周，产品处于变动之中。用户行为的不确定性给数据的积累、完善、迭代，带来不少挑战。
比如牛奶，相对变化不大，变化趋势也比较稳定，可以长期按照一定规则积累数据。但互联网行业产品迭代很快，刚刚沉淀了一个月的数据，明天你的数据类型可能就要改变，因此挑战不在于技术，而关键在于如何构建数据模型。牛奶产品稳定，数据模型稳定，但互联网产品的灵活性需要构建更多层次的数据模型。
