谁拥有大数据
那些拥有稳定、丰富数据源的公司，淘宝、百度、腾讯是绝对自有数据源的公司。艾瑞咨询技术副总裁郝欣诚同意这一说法，认为一些淘宝店铺不能称为有稳定丰富数据源的公司。
因为他们的视角往往停留在本身的店铺内，当在他们店铺中没有出现某种人，便认为某种人是不存在的。但淘宝的视角会更高，更容易看到全局，他们拥有海量的数据，只要某种人在一家店铺出现，便能判断这种人是存在的。
如果单纯停留在自身数据中，往往容易出现盲人摸象的尴尬，用片面的数据错误地描绘消费者的全貌。当淘宝的卖家离开淘宝数据的支撑，只能称之为有数据分析，决不可称为大数据分析。
所谓的大数据，是需要跨视角、跨媒介、跨行业的海量数据，也可以理解为数据的收集方法。当数据的规模和丰富度达到一定程度，大家才开始提出大数据的概念。
而如今的电商，大数据之路又行至何方?
电商数据现状
“如果不到10万单量，在基数这么低的情况下，能分出什么维度来吗?根本不需要大数据。”NOP创始人刘爽认为，只有淘宝、京东、亚马逊这样级别的公司，才有海量数据，才需要大数据。
现在的电子商务企业，日均能达到十万单的少之又少。在有海量数据积累的基础上，还要有一套优秀的BI系统，而且必须是按公司需求定制，才可能实现大数据。
对于现在大多数的电商企业来说，根本没有走到这一步。
刘爽举例说，宏观调控在小市场的确有效，一旦市场变大便依赖市场化。由此可见，在企业小的阶段，有经验的拍脑袋效率最高。
的确，不少卖家对自身的数据都没有一个标准化运营、收集、分析的过程。所以谈大数据，多数只是痴人说梦。
以库存举例，多数淘宝卖家对自己库存的即时数据并不了解，更不可能清楚库存销售的利润。往往出现这种情况——库存都是卖不掉的货，好卖的货早已经断货。如果光看库存，会发现指标挺健康，但所谓的库存基本是坏账，所以根据库存预计销售利润，不是每家企业都做得出来的。这就说明数据管理水平有待提升。
在企业内部，有大量的决算数据需要耐心收集，但一般商家都没有专门的部门做这件事情，所以很难获得高质量的数据给自己提供决策支持。
事实上，卖家之所以对数据茫然，是因为数据压根不全，对数据的管理和获取不够，直接导致无法利用数据。
而大数据之所以被热炒，是因为少数巨无霸企业在其中获得了巨大商业价值。
例如亚马逊，从亏损到盈利，大数据功不可没。不管是巧合还是时机成熟，亚马逊的确在采用了重量级的大数据分析后，业绩才逐渐好转。可以想象，亚马逊很多基于数据的决策都有着大数据的影子。
亚马逊上，囊括了美国所有生活必需品。因此它充分掌握消费者的原始数据，做出来的判断具有预测性。甚至可以向商家定制在某一价格段有某个特殊性能的商品，只供亚马逊，并能保证热卖。
而这一切都是根据亚马逊所具有的大数据源，进行收集、分析所推测出来的。
辨别大数据与数据
究竟大数据这个概念是否“虚高”呢?
毕竟像亚马逊这样的公司屈指可数，大多数的电商企业还处于起步阶段。这不得不让人重新思考大数据和数据之间的关系。
大数据与数据是两个极易混淆的概念。对两者的区别，每个人的理解也大相径庭。
刘爽认为，大数据是基于交易、商品与用户的匹配。商品很多，人很多，把它们精准地匹配在一起，是很难的一件事情。
普通的企业内部业务经营指标——库存、成本、商品，这是一个封闭的结构，是由企业决定的，好的分析或许可以对它施加影响。大数据很难强行调控，只能追踪，想办法匹配。
而艾瑞咨询分析师傅志勇则认为，之前所说的数据，是一种狭隘的定量数据，利于企业内部流程优化，而大数据是在定量数据的基础上，做了一个更大范围的延伸，给企业提供决策支持。
也可以理解为，大数据是对数据本身的价值权重进一步的诠释，即数据在决策中所起到作用的权重在提高。
大数据其实是一个更大范围的数据，就是从最初获得信息一直到最后的销售数据。丽人丽妆CEO黄韬觉得大数据的数据量往往很大，而且一旦精细研究，数据量的增加也会异常惊人，甚至超出运算能力。
暂且不管大数据和数据如何定义，对于目前的电商企业而言，仅仅是希望通过数据分析带来流程的优化。
对此，郝欣诚认为，在未来的两到三年内，电商企业多去关注营销领域，会出来一大批大数据的营销工具。
大数据的价值是润物细无声，每一个消费者和卖家都在享受大数据的成果，但是在使用时，并不觉得是大数据。
其实，最早买百度关键词，百度会提供一个关键词排名筛选系统，搜一个词，系统会自动提示其他相关热销词，并告知哪些词更容易接触同类消费者。这是最早使用大数据的系统，是基于百度每天上亿次搜索的总结。
每一个买百度关键词的公司，其实都在使用数据产品。此外，淘宝直通车、数据魔方都也是大数据的衍生工具。
如果卖家希望在大数据领域分得一杯羹，必须清楚自己只是数据的使用者。要重视大数据的使用，灵活使用大数据工具，这些工具才是目前走在大数据最前沿的技术。
大数据对商家的价值，很大程度上取决于第三方服务商能够提供怎样的数据工具。作为商家，应该从几十家甚至上百家工具提供商中，找到适合自己的大数据工具。
着眼情报数据挖掘
除了大数据工具的运用，情报数据也是电商公司真正应该关注的。
所谓的情报数据处理人员，从日常的工作场景来看，出去奔波收集情报的工作占了多数份额。他们会跟上下游供应链，以及进行跨部门沟通。例如，一个采购人员应该去生产线，去分析每家供应商的生产水平如何，优秀的工厂和二线工厂的生产周期区别，哪里的原材料采购价格最低。一般来讲，这样的一条情报能使用一到三年。
虽然数据性不强，但这些情报价值十分高。郝欣诚说得更为直截了当：“讲数据挖掘不如讲情报挖掘，情报挖掘才能够为电商企业提供真正生产力级的支持，如果情报挖掘都没做好，就想把它数字化和量化，有点操之过急。”
举个夸张的例子，当一个品牌商拥有20万家生产厂商无从选择时，为了找一个与需求相匹配的生产企业，才需要建立一个大数据模型，进行筛眩而现在只需情报先行，当规模达到一定程度难以进行决策时，才使用数据挖掘技术。
的确，大数据的应用要渗透到中国的电商企业内部，还有很长的路要走。
而营销领域则不同，市场营销的数据模型已经成熟，而互联网又带给电商企业足够多的信息源(+微信关注网络世界)，大数据的应用已经可以直接给决策层提供建议，可以理解为“有米下锅”。
以淘宝原创女装品牌橡菲为例，他们会每天花费500~1000元做情报挖掘。他们有专门的情报收集人员，根据数据魔方、量子恒道、CRM系统分析数据，再把这些信息结合辅助最基本的经营决策，考虑下一款新商品款式如何，基于对老会员的分析，是否需要拓展新类目等等。
比如，当橡菲有50件商品、100万现金时，究竟应该怎么安排生产?情报挖掘人员会提醒决策层，这其中有2件爆款、6件长尾、2件滞销品，甚至可以提出对各款商品的补货、清仓建议。从系统中取得所需数据并不困难，但数据需要进一步拼接，再去思考各个数据之间的因果联系。
通俗来理解，商业领域中的情报，是商业逻辑。
“情报支持的是对商业逻辑的理解，而数据支持的是对商业情报的处理能力。”郝欣诚认为必须先做情报挖掘，再做数据挖掘，如果情报没做好相当于对商业逻辑的理解没达标，指望着数据直接讲清商业逻辑，有些南辕北辙。
数据无法替代商业逻辑
大数据需要在量化数据的基础上，加上商业逻辑，才能帮助电商企业做全局性、系统性的决策。排除一系列不可控因素，把结论和实际情况进行剥离，在一个理想状态下的模型，只是数学专家给出的结论。
大数据的核心是融入商业逻辑。
在商业逻辑里，必须先懂市场，懂某个领域的消费者真正诉求的变化;其次要懂行业，包括行业的特征、要求和规则;最后才是懂企业运营，把多个支持模块资源有序地整合起来，从而共同创造价值。
在这些都具备的情况下，再用量化的数据适度辅佐决策，在商业逻辑的主导下，真正发挥量化数据的作用。
“缺乏这个商业逻辑之本，那量化数据就是天马行空的东西。”傅志勇把商业逻辑看成真正需要解决的难题，因行业不同、企业不同、类目不同、时机不同，商业逻辑都会有所变化，这是一种动态平衡的艺术和哲学。
网站分析在中国创始人宋星认为，数据不能代替商业逻辑，但是数据可以修正、调整商业逻辑。“一个决策的产生，要靠部分数据、部分经验、部分直觉。”宋星坦言，决策的事并非一句大数据便能解决。
这涉及数据分层。根据经验判断，越是偏宏观战略层面的数据，实用性越高，越是偏微观细小的数据，不确定性越高。因为宏观的决策很大，大到细小的影响起不了作用，而微观的决策恰恰相反。
例如，整个行业规模如何，市场增长力如何，本身是多样本的综合数据，每一个样本的影响都只占一部分。而一旦到微观层面，比如广告用的颜色、打折力度大孝满减的额度，某一项的数据会起决定作用。只是如今多数商家更相信测试法，并不相信数据研判。
“宏观层面多看看数据，微观层面多谈谈经验。”傅志勇认为这对电商企业有价值。
回归商业的本质，数据只不过是业务的副产物，业务系统好，一般情况下数据系统不会太差。如果本末倒置，数据系统好但业务系统差，结果会发现数据系统都没法输送原材料。
并不是说数据不重要，但请不要迷信，因为数据的不确定性所带来的风险，是多数企业无法承受的，生意人需要回归商业逻辑。
最后，借用一段被采访者的话来总结一下大数据：大数据是未成年人的性游戏，十七八岁的时候男女这点事还是挺有意思的，谁都不知道真正搞起来是什么样子的，所有人都在搞所以自己也要搞。大数据有的时候就是这样，讲不清楚真正的场景，自己又没有积累强大的数据，都是空谈。