多知網(wǎng)12月29日消息，今年火爆的在線教育孕育了幾個(gè)關(guān)鍵詞：大數(shù)據(jù)、MOOC、碎片學(xué)習(xí)。這年頭，不管是互聯(lián)網(wǎng)出身還是脫胎于傳統(tǒng)機(jī)構(gòu)，做在線教育的不把大數(shù)據(jù)掛在嘴邊就感覺(jué)少了那么點(diǎn)互聯(lián)網(wǎng)基因甚至情懷。那么到底什么是大數(shù)據(jù)？傳統(tǒng)商業(yè)巨頭又是如何利用大數(shù)據(jù)的？鈦媒體一篇長(zhǎng)文做了很好的注腳：

      一、“大數(shù)據(jù)”的商業(yè)價(jià)值

       1、對(duì)顧客群體細(xì)分

       “大數(shù)據(jù)”可以對(duì)顧客群體細(xì)分，然后對(duì)每個(gè)群體量體裁衣般的采取獨(dú)特的行動(dòng)。瞄準(zhǔn)特定的顧客群體來(lái)進(jìn)行營(yíng)銷和服務(wù)是商家一直以來(lái)的追求。云存儲(chǔ)的海量數(shù)據(jù)和“大數(shù)據(jù)”的分析技術(shù)使得對(duì)消費(fèi)者的實(shí)時(shí)和極端的細(xì)分有了成本效率極高的可能。

       2、模擬實(shí)境

       運(yùn)用“大數(shù)據(jù)”模擬實(shí)境，發(fā)掘新的需求和提高投入的回報(bào)率?，F(xiàn)在越來(lái)越多的產(chǎn)品中都裝有傳感器，汽車和智能手機(jī)的普及使得可收集數(shù)據(jù)呈現(xiàn)爆炸性增長(zhǎng)。Blog、Twitter、Facebook和微博等社交網(wǎng)絡(luò)也在產(chǎn)生著海量的數(shù)據(jù)。

       云計(jì)算和“大數(shù)據(jù)”分析技術(shù)使得商家可以在成本效率較高的情況下，實(shí)時(shí)地把這些數(shù)據(jù)連同交易行為的數(shù)據(jù)進(jìn)行儲(chǔ)存和分析。交易過(guò)程、產(chǎn)品使用和人類行為都可以數(shù)據(jù)化?！按髷?shù)據(jù)”技術(shù)可以把這些數(shù)據(jù)整合起來(lái)進(jìn)行數(shù)據(jù)挖掘，從而在某些情況下通過(guò)模型模擬來(lái)判斷不同變量(比如不同地區(qū)不同促銷方案)的情況下何種方案投入回報(bào)最高。

       3、提高投入回報(bào)率

       提高“大數(shù)據(jù)”成果在各相關(guān)部門的分享程度，提高整個(gè)管理鏈條和產(chǎn)業(yè)鏈條的投入回報(bào)率。“大數(shù)據(jù)”能力強(qiáng)的部門可以通過(guò)云計(jì)算、互聯(lián)網(wǎng)和內(nèi)部搜索引擎把”大數(shù)據(jù)”成果和“大數(shù)據(jù)”能力比較薄弱的部門分享，幫助他們利用“大數(shù)據(jù)”創(chuàng)造商業(yè)價(jià)值。

       4、數(shù)據(jù)存儲(chǔ)空間出租

       企業(yè)和個(gè)人有著海量信息存儲(chǔ)的需求，只有將數(shù)據(jù)妥善存儲(chǔ)，才有可能進(jìn)一步挖掘其潛在價(jià)值。具體而言，這塊業(yè)務(wù)模式又可以細(xì)分為針對(duì)個(gè)人文件存儲(chǔ)和針對(duì)企業(yè)用戶兩大類。主要是通過(guò)易于使用的API，用戶可以方便地將各種數(shù)據(jù)對(duì)象放在云端，然后再像使用水、電一樣按用量收費(fèi)。目前已有多個(gè)公司推出相應(yīng)服務(wù)，如亞馬遜、網(wǎng)易、諾基亞等。運(yùn)營(yíng)商也推出了相應(yīng)的服務(wù)，如中國(guó)移動(dòng)的彩云業(yè)務(wù)。

       5、管理客戶關(guān)系

       客戶管理應(yīng)用的目的是根據(jù)客戶的屬性(包括自然屬性和行為屬性)，從不同角度深層次分析客戶、了解客戶，以此增加新的客戶、提高客戶的忠誠(chéng)度、降低客戶流失率、提高客戶消費(fèi)等。 對(duì)中小客戶來(lái)說(shuō)，專門的CRM顯然大而貴。不少中小商家將飛信作為初級(jí)CRM來(lái)使用。比如把老客戶加到飛信群里，在群朋友圈里發(fā)布新產(chǎn)品預(yù)告、特價(jià)銷售通知，完成售前售后服務(wù)等。

       6、個(gè)性化精準(zhǔn)推薦

      在運(yùn)營(yíng)商內(nèi)部，根據(jù)用戶喜好推薦各類業(yè)務(wù)或應(yīng)用是常見(jiàn)的，比如應(yīng)用商店軟件推薦、IPTV視頻節(jié)目推薦等，而通過(guò)關(guān)聯(lián)算法、文本摘要抽取、情感分析等智能分析算法后，可以將之延伸到商用化服務(wù)，利用數(shù)據(jù)挖掘技術(shù)幫助客戶進(jìn)行精準(zhǔn)營(yíng)銷，今后盈利可以來(lái)自于客戶增值部分的分成。

       以日常的“垃圾短信”為例，信息并不都是“垃圾”，因?yàn)槭盏降娜瞬⒉恍枰灰暈槔?。通過(guò)用戶行為數(shù)據(jù)進(jìn)行分析后，可以給需要的人發(fā)送需要的信息，這樣“垃圾短信”就成了有價(jià)值的信息。在日本的麥當(dāng)勞，用戶在手機(jī)上下載優(yōu)惠券，再去餐廳用運(yùn)營(yíng)商DoCoMo的手機(jī)錢包優(yōu)惠支付。運(yùn)營(yíng)商和麥當(dāng)勞搜集相關(guān)消費(fèi)信息，例如經(jīng)常買什么漢堡，去哪個(gè)店消費(fèi)，消費(fèi)頻次多少，然后精準(zhǔn)推送優(yōu)惠券給用戶。

       7、數(shù)據(jù)搜索

       數(shù)據(jù)搜索是一個(gè)并不新鮮的應(yīng)用，隨著“大數(shù)據(jù)”時(shí)代的到來(lái)，實(shí)時(shí)性、全范圍搜索的需求也就變得越來(lái)越強(qiáng)烈。我們需要能搜索各種社交網(wǎng)絡(luò)、用戶行為等數(shù)據(jù)。其商業(yè)應(yīng)用價(jià)值是將實(shí)時(shí)的數(shù)據(jù)處理與分析和廣告聯(lián)系起來(lái)，即實(shí)時(shí)廣告業(yè)務(wù)和應(yīng)用內(nèi)移動(dòng)廣告的社交服務(wù)。

       運(yùn)營(yíng)商掌握的用戶網(wǎng)上行為信息，使得所獲取的數(shù)據(jù)“具備更全面維度”，更具商業(yè)價(jià)值。典型應(yīng)用如中國(guó)移動(dòng)的“盤古搜索”。

       二、“大數(shù)據(jù)”與零售業(yè)的結(jié)合運(yùn)用

       對(duì)于數(shù)據(jù)的使用，許多實(shí)體零售商同樣表示非常重視，他們對(duì)企業(yè)積累的數(shù)據(jù)進(jìn)行了各種預(yù)測(cè)和分析。然而，對(duì)具體的銷售業(yè)務(wù)來(lái)說(shuō)，往往存在理想與現(xiàn)實(shí)的糾結(jié)，前不久市場(chǎng)中一家知名的服裝零售企業(yè)一方面在宣傳盈利上市的同時(shí)，一方面曝出有近10億元的庫(kù)存。國(guó)內(nèi)很多零售企業(yè)都知道“大數(shù)據(jù)”應(yīng)用的好處，但他們一旦將“大數(shù)據(jù)”的應(yīng)用結(jié)合到自己的企業(yè)經(jīng)營(yíng)中時(shí)，便會(huì)出現(xiàn)與目前經(jīng)營(yíng)有非常大的不適應(yīng)問(wèn)題，如此導(dǎo)致許多企業(yè)對(duì)此都持非常謹(jǐn)慎的態(tài)度。

       1、將零售策略與“大數(shù)據(jù)”技術(shù)進(jìn)行結(jié)合

       零售企業(yè)談的“大數(shù)據(jù)”的最大價(jià)值，是在零售策略上與“大數(shù)據(jù)”技術(shù)進(jìn)行結(jié)合，最大程度地編制前置性的零售策略，確保銷售計(jì)劃的實(shí)現(xiàn)。“大數(shù)據(jù)”講究四個(gè)“V”：一是數(shù)據(jù)體量大（Volume）；二是數(shù)據(jù)類型復(fù)雜（Variety），多涉及到各種結(jié)構(gòu)性與非結(jié)構(gòu)性的；三是價(jià)值密度低（Value），這和體量大是相對(duì)應(yīng)的；四是數(shù)據(jù)更新與處理速度快（Velocity）。

       根據(jù)這些特性主動(dòng)地在業(yè)務(wù)數(shù)據(jù)產(chǎn)生的同時(shí)做出相應(yīng)的策略應(yīng)對(duì)，會(huì)為企業(yè)贏得更多的時(shí)間和市場(chǎng)策略調(diào)整空間。這類似于大江大河的洪峰預(yù)警，上游的洪峰出現(xiàn)什么狀況，下游要做什么樣的應(yīng)對(duì)。數(shù)據(jù)用到這一層面上，才具有直接的業(yè)務(wù)價(jià)值，這不是那種銷量同期比、環(huán)比、銷售計(jì)劃比數(shù)據(jù)能指導(dǎo)業(yè)務(wù)的價(jià)值能相比的。例如一家涉足線上業(yè)務(wù)的實(shí)體零售商，在一組貨品的15分鐘促銷時(shí)間內(nèi)，往往準(zhǔn)備著3套應(yīng)變策略，以確保貨品能夠按計(jì)劃賣出。

       在實(shí)體商業(yè)領(lǐng)域，有許多關(guān)于數(shù)據(jù)與營(yíng)銷的案例。一個(gè)較早的版本就是美國(guó)沃爾瑪啤酒和尿布的數(shù)據(jù)關(guān)系。原來(lái)，美國(guó)的婦女在家照顧孩子，所以她們會(huì)囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時(shí)又會(huì)順手購(gòu)買自己愛(ài)喝的啤酒。

       當(dāng)分析師了解到啤酒和尿布銷量存在正相關(guān)關(guān)系、并進(jìn)一步分析的時(shí)候，發(fā)現(xiàn)了這樣的購(gòu)買情境，于是將這兩種屬于不同門類的商品擺在一起。這個(gè)發(fā)現(xiàn)為商家?guī)?lái)了新的銷售組合。當(dāng)然，即使再多的零售連鎖企業(yè)知道這個(gè)故事，也極少?gòu)钠綍r(shí)銷售中能發(fā)現(xiàn)這樣的組合，哪怕是牽強(qiáng)附會(huì)的。

       所以，零售策略設(shè)計(jì)是零售業(yè)“大數(shù)據(jù)”價(jià)值最大的地方，也是“大數(shù)據(jù)”可以直接為其提供支持的業(yè)務(wù)。

       2、零售企業(yè)對(duì)“大數(shù)據(jù)”應(yīng)保持正確態(tài)度

       企業(yè)的領(lǐng)導(dǎo)者首先要重視“大數(shù)據(jù)”的發(fā)展、重視企業(yè)的數(shù)據(jù)中心，把收集顧客數(shù)據(jù)作為企業(yè)營(yíng)銷運(yùn)營(yíng)的第一目標(biāo)；第二，對(duì)企業(yè)內(nèi)部人員進(jìn)行培訓(xùn)及建立收集數(shù)據(jù)的軟硬件機(jī)制；第三，以業(yè)務(wù)需求為準(zhǔn)則，確定哪些數(shù)據(jù)是需要收集的；四，確認(rèn)在企業(yè)已有的數(shù)據(jù)基礎(chǔ)上或者未來(lái)方向前提下，如何達(dá)成前三項(xiàng)目標(biāo)的基礎(chǔ)建設(shè)方案。

       在這些IT基礎(chǔ)工作需要企業(yè)有實(shí)實(shí)在在的投入和建設(shè)規(guī)范的信息化團(tuán)隊(duì)，作為中國(guó)商業(yè)最大的一分子——中小微型零售企業(yè)似乎是不可能也沒(méi)有足夠的能力來(lái)面對(duì)這樣一場(chǎng)變化的。

       大中型零售商因?yàn)楸旧順I(yè)務(wù)及利潤(rùn)的積淀，已經(jīng)能夠承擔(dān)這樣一場(chǎng)需求趨勢(shì)的需要成本。中小微型企業(yè)還處于快速發(fā)展過(guò)程中，如果也如同大中型企業(yè)進(jìn)行全方面的投入，將很快會(huì)被新型的IT工具拖垮或者遭受重創(chuàng)。
但這并不意味著中小零售企業(yè)沒(méi)有機(jī)會(huì)，實(shí)際上IT的發(fā)展為所有的企業(yè)都提供了平等的選擇，云計(jì)算的廣泛應(yīng)用即是對(duì)這樣一場(chǎng)變革帶來(lái)的臨時(shí)禮物。

       作為中小微型零售企業(yè)，完全不必考慮自己建設(shè)一套“大數(shù)據(jù)”的IT系統(tǒng)，他們從精力、成本、能力上來(lái)說(shuō)都不適合，因此此類企業(yè)可以將企業(yè)的IT建設(shè)外包給適合的服務(wù)商，企業(yè)本身的所有精力可以投入到對(duì)商圈的開發(fā)上。

       目前，一些IT軟件開發(fā)運(yùn)營(yíng)商也已經(jīng)針對(duì)傳統(tǒng)零售企業(yè)推出了云服務(wù)的基礎(chǔ)平臺(tái)，為中小微型商業(yè)企業(yè)提供了大型企業(yè)和超大型企業(yè)同樣的基礎(chǔ)環(huán)境及系統(tǒng)架構(gòu)，小企業(yè)只需清晰地規(guī)劃出自己的目標(biāo)和適合的步驟，使用云平臺(tái)按需付費(fèi)即可，大可不必進(jìn)行巨大的初始投入和不可預(yù)測(cè)的運(yùn)行成本。

       三、“大數(shù)據(jù)”在零售企業(yè)實(shí)戰(zhàn)中的應(yīng)用

       1、Target

       最早關(guān)于“大數(shù)據(jù)”的故事發(fā)生在美國(guó)第二大的超市塔吉特百貨（Target）。孕婦對(duì)于零售商來(lái)說(shuō)是個(gè)含金量很高的顧客群體。但是他們一般會(huì)去專門的孕婦商店而不是在Target購(gòu)買孕期用品。人們一提起Target，往往想到的都是清潔用品、襪子和手紙之類的日常生活用品，卻忽視了Target有孕婦需要的一切。為此，Target的市場(chǎng)營(yíng)銷人員求助于Target的顧客數(shù)據(jù)分析部要求建立一個(gè)模型，在孕婦第2個(gè)妊娠期就把她們給確認(rèn)出來(lái)。在美國(guó)出生記錄是公開的，等孩子出生了，新生兒母親就會(huì)被鋪天蓋地的產(chǎn)品優(yōu)惠廣告包圍，因此必須趕在孕婦第2個(gè)妊娠期行動(dòng)起來(lái)。如果Target能夠趕在所有零售商之前知道哪位顧客懷孕了，市場(chǎng)營(yíng)銷部門就可以早早的給他們發(fā)出量身定制的孕婦優(yōu)惠廣告，早早圈定寶貴的顧客資源。

       如何能夠準(zhǔn)確地判斷哪位顧客懷孕？ Target想到公司有一個(gè)迎嬰聚會(huì)（baby shower）的登記表，開始對(duì)這些登記表里的顧客的消費(fèi)數(shù)據(jù)進(jìn)行建模分析，不久就發(fā)現(xiàn)了許多非常有用的數(shù)據(jù)模式。比如模型發(fā)現(xiàn)，許多孕婦在第2個(gè)妊娠期的開始會(huì)買許多大包裝的無(wú)香味護(hù)手霜；在懷孕的最初20周大量購(gòu)買補(bǔ)充鈣、鎂、鋅的善存片之類的保健品。最后Target選出了25種典型商品的消費(fèi)數(shù)據(jù)構(gòu)建了“懷孕預(yù)測(cè)指數(shù)”，通過(guò)這個(gè)指數(shù)，Target能夠在很小的誤差范圍內(nèi)預(yù)測(cè)到顧客的懷孕情況，因此Target就能早早地把孕婦優(yōu)惠廣告寄發(fā)給顧客。

       為了不讓顧客覺(jué)得商家侵犯了自己的隱私，Target把孕婦用品的優(yōu)惠廣告夾雜在其他一大堆與懷孕不相關(guān)的商品優(yōu)惠廣告當(dāng)中。

       根據(jù)這個(gè)“大數(shù)據(jù)”模型,Target制訂了全新的廣告營(yíng)銷方案，結(jié)果Target的孕期用品銷售呈現(xiàn)了爆炸性的增長(zhǎng)。Target的“大數(shù)據(jù)”分析技術(shù)從孕婦這個(gè)細(xì)分顧客群開始向其他各種細(xì)分客戶群推廣，從Target使用“大數(shù)據(jù)”的2002年到2010年間，Target的銷售額從440億美元增長(zhǎng)到了670億美元。

       2、ZARA

       ZARA平均每件服裝價(jià)格只有LVHM四分之一，但是，回看兩家公司的財(cái)務(wù)年報(bào)，ZARA稅前毛利率比LVHM集團(tuán)還高23、6%。

       （1）分析顧客的需求

      在ZARA的門店里，柜臺(tái)和店內(nèi)各角落都裝有攝影機(jī)，店經(jīng)理隨身帶著PDA。目的是記錄其顧客的每個(gè)意見(jiàn)，如顧客對(duì)衣服圖案的偏好，扣子的大小，拉鏈的款式之類的微小舉動(dòng)。店員會(huì)向分店經(jīng)理匯報(bào)，經(jīng)理上傳到ZARA內(nèi)部全球資訊網(wǎng)絡(luò)中，每天至少兩次傳遞資訊給總部設(shè)計(jì)人員，由總部作出決策后立即傳送到生產(chǎn)線，改變產(chǎn)品樣式。

       關(guān)店后，銷售人員結(jié)帳、盤點(diǎn)每天貨品上下架情況，并對(duì)客人購(gòu)買與退貨率做出統(tǒng)計(jì)。再結(jié)合柜臺(tái)現(xiàn)金資料，交易系統(tǒng)做出當(dāng)日成交分析報(bào)告，分析當(dāng)日產(chǎn)品熱銷排名，然后，數(shù)據(jù)直達(dá)ZARA倉(cāng)儲(chǔ)系統(tǒng) 。

       收集海量的顧客意見(jiàn)，以此做出生產(chǎn)銷售決策，這樣的作法大大降低了存貨率。同時(shí)，根據(jù)這些電話和電腦數(shù)據(jù)，ZARA分析出相似的“區(qū)域流行”，在顏色、版型的生產(chǎn)中，做出最靠近客戶需求的市場(chǎng)區(qū)隔。

       （2）結(jié)合線上店數(shù)據(jù)

       2010年，ZARA同時(shí)在六個(gè)歐洲國(guó)家成立網(wǎng)絡(luò)商店，增加了網(wǎng)絡(luò)巨量資料的串連性。2011年，分別在美國(guó)、日本推出網(wǎng)絡(luò)平臺(tái)，除了增加營(yíng)收，線上商店強(qiáng)化了雙向搜尋引擎、資料分析的功能。不僅回收意見(jiàn)給生產(chǎn)端，讓決策者精準(zhǔn)找出目標(biāo)市場(chǎng)；也對(duì)消費(fèi)者提供更準(zhǔn)確的時(shí)尚訊息，雙方都能享受“大數(shù)據(jù)”帶來(lái)的好處。分析師預(yù)估，網(wǎng)絡(luò)商店為ZARA至少提升了10%營(yíng)收。

       此外，線上商店除了交易行為，也是活動(dòng)產(chǎn)品上市前的營(yíng)銷試金石。ZARA通常先在網(wǎng)絡(luò)上舉辦消費(fèi)者意見(jiàn)調(diào)查，再?gòu)木W(wǎng)絡(luò)回饋中，擷取顧客意見(jiàn)，以此改善實(shí)際出貨的產(chǎn)品。

       ZARA將網(wǎng)絡(luò)上的海量資料看作實(shí)體店面的前測(cè)指標(biāo)。因?yàn)闀?huì)在網(wǎng)絡(luò)上搜尋時(shí)尚資訊的人，對(duì)服飾的喜好、資訊的掌握，催生潮流的能力，比一般大眾更前衛(wèi)。再者，會(huì)在網(wǎng)絡(luò)上搶先得知ZARA資訊的消費(fèi)者，進(jìn)實(shí)體店面消費(fèi)的比率也很高。
這些顧客資料，除了應(yīng)用在生產(chǎn)端，同時(shí)被整個(gè)ZARA所屬的英德斯（Inditex）集團(tuán)各部門運(yùn)用：包含客服中心、行銷部、設(shè)計(jì)團(tuán)隊(duì)、生產(chǎn)線和通路等。根據(jù)這些巨量資料，形成各部門的KPI，完成ZARA內(nèi)部的垂直整合主軸。

       ZARA推行的海量資料整合，后來(lái)被ZARA所屬英德斯集團(tuán)底下八個(gè)品牌學(xué)習(xí)應(yīng)用?？梢灶A(yù)見(jiàn)未來(lái)的時(shí)尚圈，除了臺(tái)面上的設(shè)計(jì)能力，臺(tái)面下的資訊/數(shù)據(jù)大戰(zhàn)，將是更重要的隱形戰(zhàn)場(chǎng)。

      （3）對(duì)數(shù)據(jù)快速處理、修正、執(zhí)行

       H&M一直想跟上ZARA的腳步，積極利用“大數(shù)據(jù)”改善產(chǎn)品流程，成效卻不彰，兩者差距愈拉愈大，這是為什么？
主要的原因是，“大數(shù)據(jù)”最重要功能是縮短生產(chǎn)時(shí)間，讓生產(chǎn)端依照顧客意見(jiàn)，能于第一時(shí)間迅速修正。但是，H&M內(nèi)部的管理流程，卻無(wú)法支撐“大數(shù)據(jù)”供應(yīng)的龐大資訊。H&M的供應(yīng)鏈中，從打版到出貨，需要三個(gè)月左右，完全不能與ZARA兩周的時(shí)間相比。

       因?yàn)镠&M不像ZARA，后者設(shè)計(jì)生產(chǎn)近半維持在西班牙國(guó)內(nèi)，而H&M產(chǎn)地分散到亞洲、中南美洲各地?？鐕?guó)溝通的時(shí)間，拉長(zhǎng)了生產(chǎn)的時(shí)間成本。如此一來(lái)，“大數(shù)據(jù)”即使當(dāng)天反映了各區(qū)顧客意見(jiàn)，無(wú)法立即改善，資訊和生產(chǎn)分離的結(jié)果，讓H&M內(nèi)部的“大數(shù)據(jù)”系統(tǒng)功效受到限制。

       “大數(shù)據(jù)”運(yùn)營(yíng)要成功的關(guān)鍵，是資訊系統(tǒng)要能與決策流程緊密結(jié)合，迅速對(duì)消費(fèi)者的需求作出回應(yīng)、修正，并且立刻執(zhí)行決策。

       3、亞馬遜

       此前亞馬遜并未大張旗鼓推展廣告業(yè)務(wù)，直至2012年年底，有報(bào)道指出，亞馬遜即將推出實(shí)時(shí)廣告交易平臺(tái)，從而向Facebook和谷歌發(fā)起挑戰(zhàn)。這個(gè)實(shí)時(shí)廣告交易平臺(tái)又稱“需求方平臺(tái)”（Demand Side Platform，DSP），可以讓廣告與目標(biāo)消費(fèi)者相遇。廣告商可以在“需求方平臺(tái)”上競(jìng)標(biāo)網(wǎng)站的閑置廣告空間，而競(jìng)標(biāo)標(biāo)的包括廣告版位，以及符合特定條件的消費(fèi)者。

       亞馬遜開發(fā)的“需求方平臺(tái)”可以“協(xié)助廣告商接觸網(wǎng)路上的眾多用戶，同時(shí)也幫助客戶迅速找到想購(gòu)買產(chǎn)品的相關(guān)資訊”，“需求方平臺(tái)”概念雖非亞馬遜首創(chuàng)，但以豐富資料為后盾。

       亞馬遜與廣告商分享的資訊有兩類，一是依用戶網(wǎng)路行為所做的通用分類，例如熱衷時(shí)尚、喜愛(ài)電子產(chǎn)品、身份為母親、愛(ài)喝咖啡等，二是用戶的商品搜尋記錄。至于消費(fèi)者的實(shí)際購(gòu)物資料，亞馬遜似乎尚未列入分享。廣告商即使無(wú)法得知實(shí)際消費(fèi)記錄，能了解潛在顧客的商品搜尋記錄；亞馬遜如果全力進(jìn)軍網(wǎng)路廣告市場(chǎng)，仍可能大大改變產(chǎn)業(yè)生態(tài)。

       亞馬遜2012年的廣告收入約為5億美元， 2013年的廣告收入將達(dá)10億美元。這會(huì)成為亞馬遜未來(lái)幾年內(nèi)營(yíng)收增長(zhǎng)的新動(dòng)力，更重要的是，它可能是亞馬遜各項(xiàng)業(yè)務(wù)中利潤(rùn)率最高的業(yè)務(wù)之一。

       4、沃爾瑪

       2011年，沃爾瑪電子商務(wù)的營(yíng)收僅是亞馬遜的五分之一，且差距年年擴(kuò)大，讓沃爾瑪不得不設(shè)法奮起直追，找出各種提升數(shù)字營(yíng)收的模式。最終，沃爾瑪選擇在社交網(wǎng)站的移動(dòng)商務(wù)上放手一搏，讓更大量、迅速的資訊，進(jìn)入沃爾瑪內(nèi)部銷售決策。沃爾瑪?shù)拿繌堎?gòu)買建議清單，都是大量資料運(yùn)算而出的結(jié)果。

       2011年4月，沃爾瑪以3億美元高價(jià)收購(gòu)了一家專長(zhǎng)分類社群網(wǎng)站Kosmix。Kosmix不僅能收集、分析網(wǎng)絡(luò)上的海量資料（大數(shù)據(jù)）給企業(yè)，還能將這些資訊個(gè)人化，提供采購(gòu)建議給終端消費(fèi)者（若不是追蹤結(jié)帳資料，這些細(xì)微的消費(fèi)者習(xí)慣，很難從賣場(chǎng)巡邏中發(fā)現(xiàn)）。這意味著，沃爾瑪使用的“大數(shù)據(jù)”模式，已經(jīng)從“挖掘”顧客需求進(jìn)展到要能夠“創(chuàng)造”消費(fèi)需求。

       沃爾瑪本身就是一個(gè)海量資料系統(tǒng)，適用各種商業(yè)上的分析行為，它的綜合功能，作為世界最大的零售業(yè)（專題閱讀）巨人，沃爾瑪在全球超過(guò)200萬(wàn)名員工，總共有110個(gè)超大型配送中心，每天處理的資料量超過(guò)10億筆。由于資料量過(guò)于龐大，沃爾瑪?shù)摹按髷?shù)據(jù)”系統(tǒng)最重要的任務(wù)，就是在做出每一筆決定前，將執(zhí)行成本降到最低，并且創(chuàng)造新的消費(fèi)機(jī)會(huì)。
Kosmix為沃爾瑪打造的“大數(shù)據(jù)”系統(tǒng)稱做“社交基因組（Social Genome）”，連結(jié)到Twitter、Facebook等社交媒體。工程師從每天熱門消息中，推出與社會(huì)時(shí)事呼應(yīng)的商品，創(chuàng)造消費(fèi)需求。分類范圍包含消費(fèi)者、新聞事件、產(chǎn)品、地區(qū)、組織和新聞議題等。同時(shí)，針對(duì)社交網(wǎng)絡(luò)快消息流的性質(zhì)，沃爾瑪內(nèi)部的“大數(shù)據(jù)”實(shí)驗(yàn)室專門發(fā)展出一套追蹤系統(tǒng)，結(jié)合手機(jī)上網(wǎng)，專門管理追蹤龐大的社交動(dòng)態(tài)，每天能處理的資訊量超過(guò)10億筆。

       “社交基因組”的應(yīng)用方式五花八門。舉例來(lái)說(shuō)，沃爾瑪實(shí)驗(yàn)室內(nèi)部軟件能從Foursquare平臺(tái)上的打卡記錄，分析出在黑色星期五，不同地區(qū)消費(fèi)者最常購(gòu)買的品項(xiàng)，然后，針對(duì)不同地區(qū)送出購(gòu)買建議。