掘金大數據

社會科學領域通常是用抽樣的方式來研究消費者，即按照隨機或者配額的原則來尋找消費者，并使用調查的方式獲得數據，通過對數據的解讀來支撐營銷決策。但是，大數據時代，則是通過實時監測或者追蹤消費者在互聯網上產生的海量行為數據，進行聚合、運算和挖掘，然后根據挖掘的結果發現結論并做出營銷判斷。

對于很多企業而言，大數據帶來的挑戰是顯而易見的，互聯網上的大數據不僅包含傳統的結構化（或關聯型）數據，而且也包含各類非結構化數據（相關預測顯示，到2012年，非結構化數據占有比例將達到互聯網整個數據量的75%），文本、圖片、視頻、語音等形態的數據量的增加以及交互性的增強，加上大數據無規律分散的特點，讓企業不得不面對新的挑戰：如何在海量的互聯網大數據中，通過合理的方法論找到對企業有幫助的數據，并且將營銷預算合理地分配在為數眾多的數據來源的平臺上——這對企業營銷人員以及企業決策人而言，都意味著新的挑戰。

同時，由于大數據是個性化的，企業如果不具備整合“大數據”收集和使用的能力，就很難在廣告和多個營銷渠道中提供真正個性化的用戶體驗，甚至，大數據是實時化的，企業能不能實時針對消費者數據進行營銷決策，一樣并非坦途。

因此，大數據將考驗企業駕馭和洞察網絡數據的能力，特別是如何通過新的方法去影響消費者，如何做出更加精準的廣告等等，都成為企業需要去思考的問題。

本期專題，就是圍繞大數據的應用和實戰展開，希望能給企業們提供些幫助。