突然间，我们似乎已经进入了被称之为大数据的时代。到处听人谈及大数据，似乎不谈大数据不懂大数据就OUT了。
我有点茫然。虽然也曾经干过数据分析的活，可是就我的那些知识，还真不知道什么是大数据。
于是乎，就百度了一把，终于了解什么是大数据了：所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
有句英文：It’s not a rocket science。意思是事情很简单，没有火箭科学那么复杂。看到大数据的定义，我首先也想到“It’s not a rocket science”这句话，却是因为大数据的复杂，绝不只像火箭科学那样简单。
大数据自有大数据的科学，它是比火箭科学更深的科学，自有那些比火箭科学家更牛的牛人来解决并最终为大众提供一个未来大数据应用的平台。至少在到这个平台出现之前，我认为大数据和我们企业没有半毛的关系。
不过，我们可以不关心大数据，绝不是说我们可以不关心数据。
电子商务时代的营销的一个革命性的方面，就是其数据的全面性。网站用户的每一个细微的行为，都会被记录下来作为我们所谓的数据资源，用来对用户的消费爱好与行为进行统计分析，并根据分析结果采取相应的市场措施。
这是传统经济所不可想象的用户行为数据，确实十分令人激动。可是一些人一激动，就开始了无限的想象，把数据应用推向非理性。至少当前我们对大数据所表现出的疯狂，在我看来就是一种非理性。（当然，那些严肃的大数据科学家们除外。）
这让我想起了电子商务刚刚开始时在美国出现的一对一营销（One to One Marketing）,那也是被整个社会高调宣传的最新的营销理论，有人甚至说一对一营销是营销界有史以来可以与市场细分并列的营销革命。当初我有幸作为一个冷静的观察者对此理论进行了系统的分析，我对当年一对一营销创始人在其网站上所列举的9大成功案列来分析，结果发现没有一个案例是真正成功的!
后来在上海的一所高校，我也很认真地和该校营销系的一批博导和博士们对一对一营销理论进行了友好的学术辩论，我试图说服他们：一对一营销的这个概念是错误的，表面看来所谓一对一的营销结果，实际上是某种市场细分的结果。
于是我创造了一个新的概念，叫做“动态市场细分”。
为什么谈“一对一营销”呢？这是因为在大数据的大幕后面，隐藏的就是这个“一对一营销”的冲动和梦想：我们有足够的大数据来分析消费者的行为，通过大数据的分析，我们能够准确地预测用户的需求，所以可以通过正确的预测，向用户提供一对一的销售和服务，以提高我们通常所说的用户体验。
换句话说，一对一营销，才是大数据的理想终极。
那么，一对一营销有什么问题呢？
首先，一对一营销有悖规模化经营的工艺质量成本优化原理。每个用户的消费爱好与行为都不尽相同，除非企业是为每个用户量身定制，除非用户愿意支付比大众化商品服务更高的价格，否则不可能真正做到一对一。
其次，企业不可能提供一对一的商品或服务。用户的消费需求千姿百态，任何一个企业都不可能满足所有用户的个性需求。如果一对一营销真的能够实现，它向用户提供的，并不是用户最喜欢的商品服务，而是企业所能提供的商品服务中用户最不讨厌的。
第三，一对一营销有悖市场细分的科学原理。因为不能提供全方位的商品服务，所以要通过市场细分来聚焦企业的商品和服务。抛弃市场细分的理论谈一对一营销，企业的营销一定会迷失方向：究竟哪个用户的需求需要满足哪个用户的需求可以忽视呢？
第四，一对一营销可能也是不需要的。市场上提供的商品和服务，往往都是通过细分优化的结果，它一定应该满足“人以群分”的规律。例如我们制造的衣裤鞋帽只有有限的尺寸，绝不是“一对一”。根据一对一营销的理论，我们是不是需要对每个消费者都量身定制呢？
第五，或许有人会问：我们用“一对一”来预测用户的具体商品需求，这有什么问题吗？事实是，如果你懂得市场细分的统计学方法，就会了解所谓的“一对一”营销，实际上是多个市场细分的结果，我称之为“动态市场细分”。
第六，一对一营销不可能达到理想中的一对一精准性。一对一营销理论以为，通过精密的统计分析，我们能够向用户提供其最需要的商品或服务。但事实是即使有大数据，统计学的预测也绝不像我们想象的那样精准，一对一的精准预测是很难实现的。
最后，互联网技术有比所谓“一对一营销”更有效的方法来提升用户体验。与大数据的统计分析预测相比，与用户互动让用户告诉你他需要什么肯定比任何数据预测更精准，只要你的活动不让用户讨厌；同时，用户浏览页面的内容相关性，也比根据其过去的购买浏览记录预测的结果更可靠。
电商数据的应用是个大题目，本文只能谈点皮毛。我对互联网时代的电商数据应用，有这样一些认识：
1）不要迷信大数据。现在一谈到数据就傍以大数据，甚至有人把美国传统超市的数据都拿来当做大数据渲染，不寒而栗；
2）数据很重要，要认真系统规划数据的收集、分析及应用；
3）不要为了数据而数据。数据的收集、分析及应用要业务导向，要以营销结果导向；
4）改进用户体验要依据数据分析，但不要盲目地希望通过数据的统计分析预测来改进用户体验。数据不是万能的；
5）在分析数据时，一定要以市场细分的理论为指导，更聚焦在用户的分类及如何提高聚焦细分市场的用户体验，切不可将用户看做是单个的个体来分析处理；
6）所谓“一对一”的用户体验，是通过多维的市场细分统计分析实现的。但不可迷信它的精准性；
7）在数据外，互联网还提供了更多可能更有效的方法来提升用户体验。
最后一句话总结：数据很重要，但数据不是万能的。这应该是我们大数据时代的数据观。