大資料好比人工大腦，他會記錄和分析我們的消費行為，出行軌跡，網路瀏覽軌跡。對我們的行為作出分析。然後向我們推薦我們偏好的類目，向我們展示。來滿足我們的需求，更直接更便捷。

要回答這個問題就需要假定一個行業，我們就拿新零售來舉例吧

在新零售時代，有一個最大的特徵就是線上與線下的融合，而在這個融合的過程中，會釋放出龐大的資料能量。傳統的線下門店多擁有成熟的會員體系，而線上商城對於使用者的消費軌跡都會有清晰的資料痕跡，透過大資料技術將線上與線下的資料打通，建立一個多維度的使用者畫像，才能夠做到“大資料比你自己更瞭解你自己”。比如，利用消費者瀏覽歷史、歷史消費資料以及售後反饋資料等進行分析，準確把握消費者需求範圍中的種類、價位、偏好、關注點等，從而去挖掘消費者的需求。　

在使用者畫像的建立過程中，主要是利用標籤化對使用者進行分群、建模

從人口統計學、資產情況、裝置屬性、地理位置特徵、人生階段、興趣特徵六個基礎標籤出發，延伸出興趣偏好、人群組合、職業狀況、出沒軌跡、性別年齡等更為廣泛的特徵屬性，並根據不同的標籤再次進行細分，建立起多維度的人群畫像標籤，從而去洞察使用者的個性化需求。　　

除了對現有資料的收集、處理，大資料更大的作用在於透過對海量資料的處理對未來進行預測，我們不能保證大資料能夠準確預測未來，但我們努力讓大資料能夠準確的分析預測到消費者的需求。近年來C2B、C2M、S2B等等這些概念很火，我們看到的一個大趨勢是產品生產重心正在從商家轉向使用者，但C2M也好，C2B也好，都是根據已有的使用者需求去提供服務，對生產而言是滯後的而且還會有庫存壓力。如果我們能夠運用大資料，根據已有的使用者模型去預測使用者的需求，那麼我們就能夠在市場上搶到先機。雖然資料只是過去或者當下的情況，但我們可以透過對這些資料的分析去挖掘出使用者的潛在需求，比如消費者開始購買奶粉了，我們就可以根據關聯向他推薦尿不溼等更多的母嬰用品。市場是不能靠等的，透過大資料去預測、挖掘使用者的潛在需求，能夠為其提供合理建議、貼心服務和優質的體驗，實現消費者價值的最大化。