眾所周知，大數據已是一個存在的現實，已超脫傳統的數據倉庫、數據挖掘和數據分析等范疇，體現的不僅僅是技術上的革命，更是思維和管理上的變革。不過，由于數據采集的便利性，大數據在互聯網企業中的應用比較熱門，雖然在金融業、電信業、電力業、零售業、物流業等傳統行業也已有不同層次的實際應用，但大數據在傳統行業中仍是一個不接地氣的高端概念，尤其是在企業營銷領域。

營銷是企業存在和發展的基礎，在傳統企業，我們不難知道營銷的結果如何，還可以通過多維度和精細化的BI分析工具，得知不同產品不同區域甚至單個客戶的銷售結果，溯因分析和縱向挖掘都不成問題。但我們對產生這個結果的過程一無所知，因為大家不知道客戶在買自己的產品之前是如何做決策的。所以我們不斷嘗試用各種廣告策略和促銷方式來引導客戶，不過從很多的營銷活動失敗的事實來看，顯然人們的嘗試有很多錯誤，否則就不會有“不知道哪一半廣告費是浪費的”這么一說了。

但與傳統企業不同，互聯網企業可以根據“搜索記錄”、“瀏覽記錄”、“評價記錄”等進行“用戶行為分析”，從而可以側面了解客戶的購買決策過程以及顧客的關注點。由于一個用戶的購買可能會受數千個行為維度的影響，隨便一個中型電商，每天所產生的用戶行為數據都是多類型的海量數據，大數據就在這里展現了它的存在和價值。但這對于傳統企業又有什么意義呢？傳統企業又如何進行便利的“客戶行為分析”呢？

2013年5月，馬云攜手眾多大佬成立智能物流骨干網絡，將讓全國任何一個地區做到24小時內送貨必達，這是對傳統零售業的莫大威脅，卻是更多實體企業的福音。有了這個基礎商業平臺，將會吸引更多的傳統企業將其線下業務和線上有機融合，這將形成一個巨大的O2O生態圈。在這個生態圈，實體企業將更快地轉型為互聯網元素的雙棲新型企業，到那時，現在的傳統企業也會像互聯網企業一樣，可以利用成熟的數據技術，建立自己的大數據分析體系，從而進行更精準的營銷服務。相信用不了多久，傳統行業除了渾身流著資本的血之外，還會渾身散發著互聯網的氣味。

所以有了O2O，傳統行業就有了與互聯網綁定的機會，就有了獲取營銷海量數據的基礎，從而傳統行業營銷領域的大數據管理才有可能。在O2O的基礎上，傳統行業的大數據不再是星星之火，而是星火燎原，當然“大數據”和“O2O”的結合的優勢還不只如此。

傳統企業的營銷管理還有另一個缺陷，那就是“對事不對人”，也就是說，只能對業務數據進行分析，如銷量、營銷投入、渠道等，但對客戶這個“人”的分析卻無從下手。畢竟購買決策是客戶做的，而客戶是一個個活生生的人，他自己的七情六欲的每一點都有可能影響決策。我們天天談“客戶關系管理”，卻不能對客戶這個“人”有著具體的描述，不能不說這是件相當令營銷人尷尬的事情。比如客戶的真實年齡、性別、職業、收入水平、住址、興趣愛好等，這些信息都是進行客戶關系管理、客戶購買決策分析等的最基礎的數據，重要性不多說，問題在于數據采集的難度，因為傳統的手工采集數據的方式在準確及時性方面往往不靠譜，而且成本又高得要命。

當有了O2O的條件之后，客戶在線上交易，線下交付，只要觸網，這些關于“人”的信息的自動化采集就有了可能，再輔以大數據的分析技術，那些美好的愿望將不再是憧憬。我們不會幻想用戶在網站上注冊時給的都是真實的信息，但我們可以從用戶的網絡日志、相片分析出其家庭結構和年齡性別，可以從用戶的QQ、FACEBOOK分析出其朋友圈和職業結構，可以從用戶的社區網站得知其興趣愛好等等。就這么一個點一個點地填補，一張活生生的畫像就這么漸漸成形。當有了這些信息的時候，我們的營銷、客服、產品研發等，還會那么如履薄冰嗎？

當然，如果用戶知道居然有人在分析他的一切，這會令人吃驚和憤怒，因為畢竟這涉及到了用戶的隱私條款，不過“棱鏡”事件已告訴我們，在國家的眼里，我們每個人都在信息的海洋里裸泳。但企業沒這份強權，不過仍有應對辦法：屏蔽個人身份的蒙面客戶分析是個辦法；另外用戶的一些潛意識，雖然連他自己都沒有直白表現，但計算機可以根據用戶的網絡行為進行推測，比如說時興的“猜你喜歡”，準確度往往相當不錯，計算機有時會比你還了解你自己；還有，很多網站提供的便捷登錄方式，如直接用QQ號登錄，用戶覺得方便之余，無形中也就向電商敞開了一道大門，當然還有更多好的點子。歷史的經驗告訴我們，在技術上從來都不是問題，以今天和未來的數據分析和處理能力，解決問題的速度只會越來越快。何況，從國家管制的角度，實名制的范圍正在逐步擴大，社會信息互聯互通的大集成已漸具基礎。

維克托·邁爾·舍恩伯格在《大數據時代》描述了大數據的三個特征，其中第三個特征——“不是因果關系，而是相關關系”。關于這個論點，學術上也有頗多不認同的爭鳴之聲。從上文也可以看出與舍恩伯格觀點徑庭之處：這里更強調“因果關系”，通過“大數據”與“O2O”的結合，前者進行數據分析，后者解決數據采集，從而找到經營結果的真正動因，這樣把“業務”和“人”的數據都囊括其中，我們當然也就對未來的銷售預測與引導有了把握。

不管是傳統企業還是互聯網企業，有一個共同的難點，即數據多了，在某個分析主題之下，如何選擇合適有用的數據，如何判斷數據之間的關聯度，就變得重要了，否則本來想通過數據點畫個像，結果畫虎不成反類犬，則讓人笑話。所以在技術變革的同時，管理上也需要同步進步，這樣一硬一軟相結合，大數據的價值才能得到最大程度的發揮。