不是所有的行為數據都有價值。對於電商來說，其對大數據分析的主要需求可以體現在兩個方面:壹是快速反映問題，二是發現新的用戶群體。
對於備受關註的後者，電商希望通過智能聯網分析現有數據，發現和預測用戶興趣，激發用戶購買熱情，向特定群體推送產品。
目前業內常用的方式是通過用戶網絡上留下的歷史信息和記錄來猜測喜好，比如相關書籍、機票、航班的推薦等。，但誤算可能在於準確度和推薦時機不盡人意，比如用戶已經旅行歸來，系統仍在推薦往返機票。
目前美國有壹個研究方向，通過非結構化數據分析技術，對用戶的個性化維度進行分析，包括分析用戶在網絡上更新的個人狀態信息，如Twitter、臉書等，推斷用戶的個性和特征，從而準確定義個體，實現標簽化，同時反饋給商家，與目標市場的用戶進行匹配，從而實現產品的關聯。
對此，美國數據分析科學家、Taste Analytics創始人、美國五大可視化研究中心Derek Wang(王小語)博士表示，傳統的方式需要基於大量的行為數據進行分析，認為所有的行動都是有價值的，但事實並非如此，容易導致對準確性和時機的把握不盡人意；通過對人們在網絡上留下的真實語言、說話風格、評價內容的個性化維度分析，更接近人們的真實本質，其中當然也包括購買偏好。只有這樣，才能實現更精準的產品購買需求挖掘。
電商商家的“福利”
目前這種分析技術能夠在電商平臺上直接釋放效力的方式，是針對中小商戶的解決方案:分析用戶對產品的評價，以優化產品，提升用戶體驗。
Derek Wang舉例說，通過Taste Analytics Signals的數據分析平臺，亞馬遜平臺上的耳機商家可以對用戶在平臺上的產品評價和臉書上的留言進行語義分析，獲得用戶對耳機品牌、續航、品種和型號的反饋，以及Bose、Sony等不同產品之間的產品分析。
這對於美國大量的亞馬遜、新蛋、易貝商家來說無疑是非常有用的，可以及時優化產品和銷售流程。
另壹個典型的應用是電商平臺本身。美國某著名大型家居銷售企業，在其電子商務網絡平臺上通過刺激網絡流量來買賣產品。利用數據分析平臺，不僅發現並解決了用戶刷卡兩次的問題，還觀察到了壹周內網絡流量分布不均的情況，進而通過營銷推廣改變營銷流程。
(用Taste Analytics Signals平臺對亞馬遜壹款流行汽水的分析結果)
決策是根據數據而不是數據本身做出的。
用戶的特征來自於文本分析，用戶在網絡上說的每壹句話，很可能都會成為壹個分析點。毫無疑問，更多的數據將有力地匹配用戶行為，提高分析的準確性，而社交平臺在這方面提供了壹個很好的非結構化數據來源。
事實上，美國電商本身已經開始整合社交網絡的數據信息。例如，閃購網站Myhabit建議用戶通過亞馬遜賬戶登錄。電商Macys需要用臉書賬號登錄(這樣的整合在國內並不少見)。對於用戶來說，這種登錄方式更加方便快捷；對於商家來說，可以關聯個人信息；對於大數據技術/服務提供商，可以由此擴展數據分析服務，進行深度數據挖掘。
在Derek Wang看來，這種圍繞人的非結構化數據分析平臺服務，不僅可以提高結果的準確性，更重要的是它不是壹個推薦系統，而是壹個提升智慧的過程。畢竟，僅基於現有行為的數據分析會導致可能的失敗，從上述機票推薦到金融領域采用數學模型的危險性，這在次貸危機中已經暴露無疑。
“機器提取的數據內容通過圖像方式展現給企業決策者，決策者與機器交互後做出決策。數據分析平臺是輔助企業決策者的工具，發揮其價值。”德裏克·王說。
碰巧的是，《紐約時報》資深撰稿人史蒂夫·洛爾(Steve Lor)在寫壹本關於大數據的書時曾這樣評論。雖然決策活動越來越依賴數據和分析是大勢所趨，但同時也要發揮常識。經驗和直覺在決策中還是有壹席之地的，好的直覺往往是建立在大量數據分析的基礎上的。
機器和人分工合作比較好。更值得壹提的是，圖像的可視化呈現，使得電商和商家的內部分析師即使沒有IT背景，也能輕松掌握產品動態，從而幫助他們贏得市場。
大數據確實有益，但不是所有公司都能成功挖掘大數據；只有那些有遠見、重視制度、敢於投資的公司，才會有所收獲。對於零售業來說，有三個重要策略可以幫助電商成功利用大數據。
正確理解大數據
別管什麽是大數據，試圖去計算有多少數據是大數據是不明智的。首先，沒有壹個確切的數字或數量級可以作為數據量的分界線，因為大數據不是“量”，而是“全部”。通過綜合數據的分析，可以找到相應的趨勢，進壹步預測未來。想要掌握大數據，就必須具備“大數據”的思維模式，即專註於已經幫助完成壹項任務的數據。從龐大的歷史數據中尋找規律，預測未來；或者找出相關因素，完善搜索最佳數據的系統，得到正確的數據，以獲得最大的效益。
如何獲取大數據？
大數據的流行離不開巨無霸公司在其中獲得的巨大商業價值，但這並不意味著大數據是只有大公司才買得起的“獨壹無二的玩偶”。小公司也可以有自己的“大數據”。雖然大多數電子商務公司仍處於初級階段，但他們也可以收集數據，挖掘優秀人才，幫助做出更明智的決策。數據分析可以從小數據開始，有立竿見影的效果，然後發展到大數據。即使是壹個小咖啡店，也可以通過探索顧客的飲酒習慣、信用卡記錄和在線定位設置來建立自己的“大數據”。
中小企業雖然沒有完全具備大數據線上的先進工具和模型，但還是可以從自己公司的歷史數據中找出規律。比如，有了壹兩個月的促銷活動歷史數據，服裝電商就可以開始分析各個品類的銷售業績，掌握壹周或壹個月內最暢銷和最滯銷的銷售品類信息，清楚了解長期平均增長率和復合增長率。這種數據分析方法可以提供產品銷售和產品銷售業績的衡量指標，從而找出產品銷售模式和趨勢，做出下壹步的經營決策。這將有助於企業實現更大的銷售，同時，無論是否有營銷活動，都可以監控產品的銷售業績。
將零售戰略與大數據相結合
從企業的角度來看，大數據最大的價值在於零售戰略和大數據技術的結合。目前，現代零售業已經變得越來越復雜，因為消費者對他們想要的購物時間和購物方式的要求越來越高。因此，零售商需要更聰明地服務客戶，更靈活地選擇庫存和交付訂單的位置，更清楚地知道如何使用收集的客戶數據進行線上線下交叉銷售和向上銷售。為了實現這壹目標，零售商需要壹個定制的軟件來制定面向顧客和基於數據的策略，以便為顧客提供個性化服務。
此外，企業必須最大程度地將零售策略與數據分析相匹配，以保證銷售計劃的實現。大數據最大的壹個特點就是可以高速更新和處理信息。根據這壹特點，業務數據壹旦產生，就可以做出相應的策略，幫助企業獲得調整市場策略的時間和空間，從而發揮自身優勢。這就好比洪水預警:上遊壹旦有預警，下遊要立即做出反應和調整。比如踏足互聯網的傳統零售商，在壹批商品的15分鐘促銷時間裏，往往會準備三套應變策略，確保商品按計劃銷售。通過整合零售戰略和大數據，企業將能夠吸引更多的消費者，並為他們提供定制服務，從而提高產品銷售業績，增加銷售額，擴大收入。