隨著科技的高速發展，資料在人們生活和決策中所佔的比重越來越大，大資料的熱浪已然覆蓋了整個時代。資料顯示，到2020年，中國大資料產業規模或達13626億元。大資料一直在積極賦能眾多產業，包括金融、醫療、農業、教育等，如何在各個行業中深度挖掘大資料價值，讓決策者的選擇有據可依，這就需要專業的大資料解決方案來實現。

1、有利的大資料支援政策

作為網際網路發展的產物，大資料的開發與應用與網際網路息息相關，但產業的發展往往離不開政府的支援。完善的政策是當前大資料產業發展和應用的重要保障。

國家的政策支援：近年來，國家對大資料制定一系列戰略政策，並對其提供諸多有利的政策支援。早在2012年就明確提出過支援資料行業的發展。2015年9月，經李克強總理籤批，國務院印發了《促進大資料發展行動綱要》，系統部署了中國大資料發展工作，至此，大資料成為國家級的發展戰略。

各省及地區的政策支援：全國共有二十多個地區出臺大資料相關政策，很多地區都設立專門的大資料管理機構，比如上海的“大資料局”和貴州的“雲上貴州”，同時長江三角洲以及京津冀地都在大資料領域具有較好的發展。

在各個細分領域的政策支援：除了提供政策支援和構建大資料機構，國家同時非常重視重點行業的大資料應用。2018年，大資料產業相關的政策內容已經從全面、總體的指導規劃逐漸向各大行業、細分領域延伸，將大資料作為推動產業和經濟發展的利器。

例如，在製造業中，我們在傳統制造企業的全過程中實施工業網際網路、雲計算和大資料的整合應用，提高製造企業的發展能力，深化工業雲、大資料等技術的整合應用。對於電子商務、“網際網路+政府服務”等，也要提出推動大資料在電子商務、車務創新方面的應用。

目前，大資料已應用於政府、金融、交通、保險、通訊、傳媒娛樂、教育、製造業、自然資源開發、零售批發貿易、能源公用事業等行業。

2、大資料為理性決策提供更充分依據

無論是在政務領域還是商業領域，依賴於大資料技術的資料分析總是為行業提供決策支援。由於大資料是從量變到質變的過程，加之資料被廣泛挖掘，決策依據的資訊完整性越來越高，依據資訊的理性決策要高於以往拍腦袋的盲目決策。

宏觀層面中，大資料使得經濟決策部門可以更加敏銳的把握經濟走向，並制定實施科學的經濟決策；在微觀層面中，大資料可以提高企業經營決策水平和效率，推動創新，給企業以及所處的行業領域帶來價值。

例如，某個消費領域的製鞋企業利用搜索和採集技術，挖掘出使用者對鞋的舒適性、美觀性和價格的關注資料，然後透過準確的大資料分析，計算出消費者最關心的領域，然後根據消費者的需要對產品進行改進，最後成為銷售終端消費者最喜愛的品牌。

3、領先的大資料處理技術以及完善的基礎平臺建設

想要多方位推進大資料的發展和應用，且能夠落地實施從而帶來效益最大化，就需要加強資料平臺的建設，這是大資料發展和應用的基礎。在大資料應用的整個過程中，新零售消費大資料平臺不僅有著領先的大資料處理技術，同時還具有非常完善的平臺建設能力，目前已經成功服務了康師傅、黑牛、百事可樂、雀巢等多個知名品牌

有些企業為了追求資料量大，而不斷地挖掘資料。在這些資料之中，非關鍵資料佔了大量比重，這就形成了資料黑洞。大資料營銷也是如此，當企業過分追求大資料營銷的威力，也可能從一個極端走向另一個極端。此時，經營者營銷時就需要在“精”字上下功夫。

1.不能預測使用者的創意和想象

大資料來源於現實，但是人類的行為活動卻不一定由現實支配。使用者創造性的思維與想象總是天馬行空、超越現實，由此決定的使用者行為往往是無法預測的。因此，美國科學家維克托•邁爾•舍恩伯格（Viktor Mayer-Schönberger，《大資料時代》的作者）直言：“大資料“算“不出來人們的創意和想象”

大資料常常忽視人們創意的傑作。當大量消費者對某種產品產生興趣偏好時，資料分析通常可以敏銳地預測到這種趨勢。然而，一些充滿創意性的價值很高的產品在一開始就被資料擯棄了，因為這類產品不是人們熟知的。

2.不能代替人類思維

大資料通常可以為企業的決策人員提供一些問題的解決方案，但決策人員最終選擇哪個方案、做出何種決策，還是要透過思維的考量來自己決定。人類的決策不是一個個單獨事件，而是處於一定的時間背景之中。經過千百萬年的演化，人腦善於處理背景下的現實。

比如，無論故事情節和背景多麼複雜，人腦依然可以條理清晰的講述出來。資料分析則不會敘事，更沒有思維浮現的過程。即便是一個簡單的童話故事，資料分析也無法解釋其中的思路。

3.不能預測超越人類認知範圍的事情

大資料是基於歷史資料預測未來的，這也是大資料的核心功能。但是大資料無法預測毫無先兆、超越人類認知範圍的事情，這類事情就是人們常說的“黑天鵝”。一旦歷史不可掌握或者根本就沒有歷史資料，大資料就無計可施了。

4.大資料掩蓋了價值觀念

收集的資料永遠做不到最原始，因為大資料在採集、處理過程中難免被融入資料分析師的價值觀和傾向性，這就在一定程度上影響了最後的分析結果。

資料分析的結果表面上客觀公正，實際上資料構建到解讀的過程都體現了價值選擇。

5.無法描述客戶的感情

大資料很難表現和描述使用者的感情。分析人類情感、社會關係、前後關聯等問題是大資料不太擅長做的事情。大資料只能表示使用者正在做什麼，而不能體現使用者在做什麼的時候是怎麼想的、有什麼樣的背景以及使用者的情緒波動。所以，大資料是不能直擊使用者心智空間，理解使用者價值觀的。

比如，資料分析得知客戶在今年76%的時間裡與6位朋友的社互動動情況，卻不能分析出客戶與6位朋友見面時的感情異同。因此，資料不能幫助人們進行社交關係的決策。

6.製造出更大的“乾草垛”

大資料會製造更大的“乾草垛”是著名商業思想家納西姆•塔勒布（Nassim Taleb，《黑天鵝：如何應對不可知的未來》的作者）提出的觀點。隨著大資料資源的豐富，統計資料上的各種相關關係越來越多。很多資料相關關係是沒有實際意義的，在真正解決問題的時候可能會讓人做出錯誤的決定。而且這種欺騙性隨著資料量的增長呈數級增長。在這個龐大的“乾草垛”裡，人們要發現的有價值的資訊被越埋越深，資料擴張帶來的噪音了淹沒很多重大發現。

儘管大資料擁有黑洞，但不可否認的是，大資料為人們的生活帶來了很多方便。企業收集客戶資料的手段有很多，包括資訊感知移動裝置、軟體日誌、攝像頭、麥克風以及其他的科技手段。然而，在利用客戶資料的時候，企業們需要採取一些措施來填補大資料的黑洞。

沒有情感資料，資料分析只能定義一次互動或經歷，卻不能找到“消費者是否會記住這次經歷？”這類問題的答案。情感資料能幫助人們將事實、感知，以及事實蘊意融合在一起。情感因素就是透過這種方式影響了資料回憶的預測性建模（predictive modeling）。

要填補大資料中的這一黑洞，就必須捕捉情感資料，並將其與傳統資料結合在一起。而制定獲取情感資料的相關計劃，細心設計資料收集過程是捕捉情感資料的唯一方法。只有先確立這一目標，才能感知客戶的情感與心聲，並準確地描繪出客戶的體驗。