然而，大數(shù)據(jù)分析的基礎(chǔ)是什么？當(dāng)然是數(shù)據(jù)。隨之而來的問題是：數(shù)據(jù)從哪里來？營(yíng)銷者自然而然會(huì)想到IT企業(yè)。誠(chéng)然，進(jìn)入Web2.0時(shí)代，網(wǎng)絡(luò)就不僅僅是企業(yè)的舞臺(tái)，每個(gè)人都可以通過一根網(wǎng)線在網(wǎng)絡(luò)上留下自己的痕跡。因此，互聯(lián)網(wǎng)企業(yè)擁有海量的數(shù)據(jù)，擁有大數(shù)據(jù)分析的天然基礎(chǔ)。此外，使用芯片的各類設(shè)備制造企業(yè)也有大數(shù)據(jù)，它們通過植入機(jī)器中的小小芯片，記錄用戶的各種操作行為，為用戶行為分析積累了大量的數(shù)據(jù)。以及大型連鎖超市、金融服務(wù)中心等，它們掌握了具體的消費(fèi)信息，同樣積累了大量的數(shù)據(jù)。所以，在各類介紹大數(shù)據(jù)營(yíng)銷的書籍中，其援引的案例大多出于以上行業(yè)。那么，是不是這些行業(yè)之外的企業(yè)就與大數(shù)據(jù)營(yíng)銷隔絕開了呢？

　　社會(huì)化媒體數(shù)據(jù)

　　企業(yè)積累的數(shù)據(jù)通常可以分為以下幾個(gè)類型：一是網(wǎng)絡(luò)數(shù)據(jù)，通過互聯(lián)網(wǎng)加載代碼記錄用戶的瀏覽及點(diǎn)擊行為，也就是海量的網(wǎng)絡(luò)瀏覽點(diǎn)擊痕跡數(shù)據(jù)；二是通過芯片記錄的產(chǎn)品使用痕跡數(shù)據(jù)；三是消費(fèi)行為痕跡數(shù)據(jù)，涉及少數(shù)幾個(gè)特定的行業(yè)，并且其數(shù)據(jù)跨越了多類產(chǎn)品、多個(gè)行業(yè)，比如超市的每筆消費(fèi)數(shù)據(jù)、淘寶的店主銷售信息等。這三類數(shù)據(jù)主要集中于互聯(lián)網(wǎng)行業(yè)、設(shè)備制造行業(yè)和零售行業(yè)。

　　此外，這三類數(shù)據(jù)的特點(diǎn)是“人們?cè)跓o意識(shí)下自然產(chǎn)生的”，因?yàn)樗y以與消費(fèi)、使用的“人”建立聯(lián)系而顯得“生硬、不夠鮮活”。因此，對(duì)這些海量數(shù)據(jù)進(jìn)行分析，可以發(fā)現(xiàn)信息之間的關(guān)聯(lián)，卻難以解釋為什么會(huì)形成這樣的關(guān)聯(lián)；可以發(fā)現(xiàn)消費(fèi)特點(diǎn)，卻難以在精準(zhǔn)營(yíng)銷的執(zhí)行層面進(jìn)行轉(zhuǎn)化，因?yàn)闊o法確切知道產(chǎn)生這些行為的是什么樣的人。當(dāng)然，還有一類數(shù)據(jù)可以在一定程度上彌補(bǔ)這樣的缺陷，比如企業(yè)內(nèi)部的銷售、客服部門往往記錄了更多的信息，對(duì)“人”進(jìn)行補(bǔ)充描摹，但是這一類數(shù)據(jù)時(shí)效性比較弱，如果不對(duì)數(shù)據(jù)庫(kù)及時(shí)更新致使信息錯(cuò)誤率較高。

　　然而，社會(huì)化媒體時(shí)代出現(xiàn)了第五類數(shù)據(jù)，這就是自媒體爆發(fā)帶來的海量數(shù)據(jù)。由于粉絲的出現(xiàn)，讓企業(yè)得以區(qū)分社會(huì)化媒體中個(gè)人與企業(yè)的遠(yuǎn)近關(guān)系。粉絲的“自發(fā)”特性保證了信息的準(zhǔn)確性，而“自媒體”的特性則為企業(yè)了解目標(biāo)群體提供了一個(gè)近乎免費(fèi)的通道，且不受特定的行業(yè)限制，這就為不同行業(yè)的企業(yè)進(jìn)行大數(shù)據(jù)營(yíng)銷提供了數(shù)據(jù)基礎(chǔ)。

　　數(shù)據(jù)彼此之間的關(guān)聯(lián)

　　然而，當(dāng)企業(yè)想要挖掘數(shù)據(jù)的商業(yè)價(jià)值時(shí)，面對(duì)龐雜的數(shù)據(jù)，企業(yè)卻無從下手：數(shù)據(jù)量大，雜亂，不規(guī)則，一些數(shù)據(jù)缺失，一些數(shù)據(jù)模糊。比如，有的企業(yè)內(nèi)部各個(gè)部門積累了幾萬條、十幾萬條甚至數(shù)百萬條銷售數(shù)據(jù)和客戶信息，然而這些銷售數(shù)據(jù)只涉及產(chǎn)品的銷售時(shí)間、價(jià)格、銷售店面信息，或者只是簡(jiǎn)單記錄客戶的姓名、性別、年齡、聯(lián)系方式等，而客戶購(gòu)買產(chǎn)品方面的記錄很少。換而言之，企業(yè)掌握的是一些彼此割裂的數(shù)據(jù)。由于中國(guó)大多數(shù)企業(yè)內(nèi)部各自為戰(zhàn)，不同的部門沒有建立數(shù)據(jù)共享的通道，各個(gè)渠道的數(shù)據(jù)彼此之間難以關(guān)聯(lián)。

　　《大數(shù)據(jù)時(shí)代》一書的作者維克托指出，大數(shù)據(jù)時(shí)代要放棄對(duì)因果關(guān)系的渴求，轉(zhuǎn)而關(guān)注相關(guān)關(guān)系。美國(guó)沃爾瑪將尿布與啤酒擺在一起，使尿布和啤酒的銷量大幅增加。美國(guó)婦女通常在家照顧孩子，她們經(jīng)常囑咐丈夫下班回家時(shí)為孩子買尿布，而丈夫則順手購(gòu)買了啤酒。于是，尿片與啤酒形成了關(guān)聯(lián)。因此，大數(shù)據(jù)挖掘的基礎(chǔ)是數(shù)據(jù)之間的關(guān)聯(lián)，單獨(dú)的、片段化的數(shù)據(jù)再多，在大數(shù)據(jù)環(huán)境中也無法實(shí)現(xiàn)其價(jià)值。所以，中國(guó)企業(yè)要對(duì)原有的數(shù)據(jù)進(jìn)行深度分析，首先要建立數(shù)據(jù)之間的聯(lián)系，或以“人”的信息（姓名、手機(jī)號(hào)、身份證號(hào)、住址），或以產(chǎn)品信息（如產(chǎn)品的唯一編碼），把各個(gè)渠道的數(shù)據(jù)打通，找到“數(shù)據(jù)的相關(guān)關(guān)系”。

　　數(shù)據(jù)關(guān)聯(lián)可以是虛擬的

　　但由此帶來一個(gè)技術(shù)性的問題，因?yàn)椴皇撬械臄?shù)據(jù)都能建立真實(shí)的對(duì)應(yīng)聯(lián)系。某些行業(yè)，比如運(yùn)動(dòng)服飾，其消費(fèi)是大眾化的，企業(yè)沒有建立完備的用戶信息數(shù)據(jù)庫(kù)。那么，在這種情況下，企業(yè)如何利用大數(shù)據(jù)獲取增值信息呢？

　　事實(shí)上，企業(yè)可以利用社會(huì)化媒體進(jìn)行模糊匹配的方式，更好地理解目標(biāo)群體——即便現(xiàn)有的數(shù)據(jù)不能全面反映人群的特質(zhì)，但可以通過社會(huì)化媒體實(shí)現(xiàn)“信息轉(zhuǎn)化”，在社會(huì)化媒體中找到具有類似特質(zhì)的“網(wǎng)絡(luò)虛擬人”，并通過這一特質(zhì)人群在各類社交媒體的全面信息，從而間接“實(shí)現(xiàn)”對(duì)目標(biāo)人群的全面描摹。

　　事實(shí)上，社會(huì)化媒體為眾多沒有“先天數(shù)據(jù)條件”的企業(yè)提供了大數(shù)據(jù)營(yíng)銷的機(jī)會(huì)，大數(shù)據(jù)將跳出“痕跡數(shù)據(jù)關(guān)聯(lián)分析”的處理模式，從“行為”的相關(guān)與預(yù)測(cè)發(fā)展到在Web3.0的360度分析與定位。而基于社會(huì)化媒體海量數(shù)據(jù)的“虛擬關(guān)聯(lián)”模式，則為更多的數(shù)據(jù)關(guān)聯(lián)提供了可能。