这是最好的时代，这是最坏的时代，这是颠覆的时代。互联网金融颠覆了传统银行，网络社交颠覆了传统运营商，电子商务颠覆了传统零售业，O2O颠覆了传统生活方式。
这是最坏的时代，这是最好的时代，这是大数据的时代。数据体量急速膨胀，无效信息铺天盖地，信息超载无所不在，人们获取信息的方式却仍然十分传统，方法无非是被动广播、直接浏览、搜索引擎和主动订阅。
以搜索引擎为核心的落后信息获取方式，使互联网的所有“颠覆”成为谎言。人们获取信息时，经常面临这样的困扰：
- 搜索引擎找不到需要的内容
- 网上信息碎片化、不成体系
- 网上难以找到更专业的知识
- 我说不清楚我需要什么信息
- 我不想看到跟我无关的内容
- 我希望它能更理解我的意图
移动互联网进一步加剧了信息爆炸，也变本加厉地强化了信息爆炸给人类带来的恶劣影响。以手机为例，理论上手机是人们的工具，事实上它俨然已经成为人们的主人。
为什么狂轰乱炸的信息冲到人们面前？人们并不需要太多的信息，人们只关注和自己相关的内容，而大量垃圾信息却不经允许占据着人们的资源。例如，对于某个特定用户(“陈书悦”)，可以通过一些自然属性来粗略界定她，然后了解到她是大数据从业者、有摄影和骑行两个业余爱好。
这时候，通过用户聚类，可以将大数据、摄影、骑行的人群挖掘出来，并与这三类人群关注的信息进行聚类映射。于是便实现了过去效果欠佳的“人找信息”，转变为可以越来越聪明的“信息找人”。
这是一个适用面十分广泛的基本原理：信息价值唯有通过与人对接产生。信息与人关联才具备人类理解的意义，对人有意义才能产生价值。以汽车销售为例，从以产品为中心的传统方式，到以用户为中心的数据驱动创新，其本质便是用户聚类分群与产品与解决方案聚类分群的映射关系。
用户聚类与产品聚类的映射应用，最典型的莫过于购物网站的商品推荐了。在亚马逊选购商品时，页面上会出现“购买此商品的顾客同时也购买”这样的提示信息。它就是在分析了许多顾客积累的购买记录之后，将最适合顾客的信息作为商品推荐显示在页面上的。
商品推荐功能在市场营销中发挥着巨大的作用，它既能使人气商品持续热卖，还可以促进顾客购买销售量较少的长尾商品。这一切的基础，便是基于大数据的推荐引擎。
通过与其他技术和服务结合，大数据还可以在战略性市场营销中发挥作用。例如，可以在实体店的商品销售中发挥作用。
在销售时尚服饰的店铺里，在橱窗中安装数字标牌，在标牌内安装摄像头和传感器，即可感知站在橱窗前的人的性别和年龄等信息，并利用面部识别功能，进一步辨别此人是不是店铺的会员。
接下来，只要将这些信息与此人之前的消费记录、现在穿着的服装以及店铺库存、促销活动等信息综合起来，就可以在数字标牌上显示适合这名顾客的个性化窗口推荐或优惠信息。
这样，数字标牌就既可以将大量的广告信息存储在内置存储器中，根据需要随时更换显示内容，也可以利用大数据分析结果，向标牌前的顾客显示个性化内容。
其实，大数据普及之前，基于商业智能的数据分析，已经能够为个性化营销提供一定的帮助。像“购买啤酒的男性，同时购买尿布的可能性较高”这样的经典故事，就是通过零售店POS数据分析得出的一定规律。
但基于、而不限于POS数据，通过组合不同的数据，实时利用更详细的数据进行大数据分析，就可以实现更为灵活和有效的营销策略。
通过图像识别引擎进行人脸识别，并将其活用在营销服务中便是一例。该服务可以自动从图像中识别出人脸，并以高精度锁定同一人物。因此，通过推断店内摄像头中人物的年龄、性别，并与来店时间一起持续存储起来，就可以分析出来店顾客的消费倾向。
这一方法的优势在于，不仅能够分析顾客的购买数据，还可以分析顾客的来店数据。例如，星期三来店的顾客较多，但销售额很少；利用人脸识别技术可以判断回头客有多少等。如果是实行会员制的零售店，此方法不仅可以提供与数据相关的营销方案，还可以大幅增加针对来店顾客的营销方案。
另外，运用摄像头、传感器等设备，还可以详细了解店内顾客的举动。例如，如果能够掌握来店顾客在店内选购商品时采用怎样的路线，在哪个卖场停留的时间较长，甚至是一起来店的顾客是怎样的人等信息，商家就可以根据这些信息改变店内布局或开展面向同行顾客的宣传活动。
对于零售店来说，非购物顾客的数据才是提高销售额的关键。能否得到迄今为止无法得到的数据，对其进行活用，并从中得出以前力所不能及的结论，才是今后在营销领域发挥大数据价值的关键。