在美国的一个父亲，某天发现自己17岁的女儿竟然收到了来自零售商店Target的婴儿用品优惠券，盛怒之下向商店投诉。一个月后，商店收到了这位父亲尴尬的道歉电话，称商店并非误发了优惠券，自己的女儿确实怀孕了。

事实上，这则故事中的主角——Target公司的市场营销团队聘请了一支专业的数据分析团队为他们确认出妊娠期的孕妇。他们发现，许多孕妇开始买大包装无香味护手霜，在怀孕最初20周大量购买补充钙、镁、锌的营养片之类的保健品……最后，他们选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过这个指数，Target公司能在很小误差范围内预测到顾客的怀孕情况，从而制定出精准的营销策略，吸引并留住含金量很高的孕妇消费群。

一家商店居然能掌握这么深刻的洞察！这个故事在微博上引起了广泛的评论和转发。有人赞叹这家商店的营销技巧着实高超，有人在探究商店获得如此精准客户定位的方法，有人在讨论这样的营销方式能否推广到其他的领域，但更多的声音朝向了一个方向：大数据下的营销时代已然来临。

事实上大数据的来源非常广泛，来自企业内外部不断增长的数据就如未知的海洋一样，愈发的无边无际。虽然，都知道其中蕴含着对企业有着极大价值的“宝藏”，但这些宝藏到底在哪里？如何找到这些宝藏？绝大多数企业都处于迷茫和混沌中。而企业如果对这些数据视而不见，那么随着数据的高速增长，终有一天，企业会被数据汪洋所吞没。因此，企业用户迫切需要找到一条新的“航路”，让自己能够在浩瀚的大数据海洋中挖掘到那些对于企业业务发展有着巨大价值的“宝藏”。未来的不确定性，是人类产生恐惧的根源之一，也是各类组织最为头痛的问题。大数据技术让我们看到解决未来预测问题的一丝曙光。

根据IDC和麦肯锡的大数据研究结果的总结，大数据主要能在以下4个方面挖掘出巨大的商业价值：对顾客群体细分，然后对每个群体量体裁衣般的采取独特的行动；运用大数据模拟实境，发掘新的需求和提高投入的回报率；提高大数据成果在各相关部门的分享程度，提高整个管理链条和产业链条的投入回报率；进行商业模式、产品和服务的创新。

随着移动相关的购买量赶超电子商务，沃尔玛用大数据来改善消费者在店内的购物体验。零售业的未来将是关于提升每个消费者的个性化体验的竞争，而这一切都将发生在他们手中小小的屏幕上，到2016年移动相关的店内购买量将达到电商销量的2倍。

现在Walmart.com近1/3的流量来自移动端，而在去年的假日期间，这个数据跃升到了40%。它旗下的手机app同时也在刺激着消费者的购买量：安装了app的用户以更高的频率光临沃尔玛，而且在超市停留的时间也比普通顾客高40%。沃尔玛的大多数顾客都有一台智能机。

 

(图片：沃尔玛的购物APP)

他们的app目前已经含有购物单的功能，能告诉顾客他们想要货品的位置，而且还发放类似商品的电子优惠券。沃尔玛现在还在测试一款“Scan and Go”的系统：用户只要在手机上挨个扫描商品，然后在收银台扫一下手机就可以买单走人了。再也不用排长长的队了。

而现在通过对用户过去购买数据的分析，他们希望在用户打开app之后就能自动生成用户的购物单，预判他们想买的商品。完美的购物单就是你根本不用动手去，你一打开它就在那里了，这就是我们想要的。

实际上BigData由来已久,管理科学的鼻祖泰勒就是到一个工厂里不断记录工人动作，然后进行研究，怎么能够改进这个动作。泰勒一生大部分的时间所关注的，就是如何提高生产效率。泰勒认为工人在工作中“磨洋工”的主要原因在于担心工作干多了，可能会使自己失业，因而他们宁愿少生产而不愿意多干。泰勒认为，生产率是劳资双方都忽视的问题，部分原因是管理人员和工人都不了解什么是“一天合理的工作量”和“一天合理的报酬”。

概而言之，泰勒把生产率看作取得较高工资和较高利润的保证。他相信，应用科学方法来代替惯例和经验，可以不必多费人们更多的精力和努力，就能取得较高的生产率。如果说的再大一点，未来整个互联网是一个大电脑的话，它有足够数据，比我们自己还要懂我们自己。未来海量数据是一个非常值得期待的事情，当我们把世界上所能收集到的信息都能收集到存储下来，而且能够很好分析的时候，计划经济应该是可能实现的。

我们可以想象一下像淘宝，电子商务这样的数据，当然现在电子商务占整个社会销售比例还比较低。但是未来如果我们占到一个更大比例的时候，我们完全可以测算全球一年需要，一天会需要多少双袜子，需要多少件男装，需要多少幅眼镜，我们甚至可以预测明年大概是多少数量，可以给工厂发订单，这种事情是可能出现的。

 

扩展阅读

版权声明：