對于企業來說，大數據就意味著對積累的顧客的購貨及其相關行為進行“高精密度分析”。
細分“電子優惠券”（segment coupon）
日本麥當勞的“電子優惠券”，是企業成功活用大數據的一例。它的會員數近3000萬，因而廣為人知。“電子優惠券”是在麥當勞的手機網站，定期發布的會員電子優惠券。麥當勞手機會員用手機或平板電腦登錄麥當勞網站，將電子優惠軟件下載到手機上，顧客攜帶手機在前臺的讀卡器上輕輕掃過即可。而4年以前，則需要在網站將圖片下載，進店時再出示給店員。這種優惠券的缺陷是，只需出示因而無法確認使用者的身份，且同一張優惠券可以重復使用。
但是，“電子優惠券”則與之不同，由于使用者使用時需在讀機卡掃描，店方可獲取顧客手機錢包的ID。通過ID就可以確認使用者的身份。一旦能夠確認使用者，就可以知道會員的信息。而且，如果把它同銷售終端（POS）連接起來，就可知道顧客的購買經歷。而分析顧客的經歷（大數據），就能夠了解顧客的購買習慣，企業根據這些信息，可以向不同顧客提供優惠券。比如，對在周末白天來店點咖啡的顧客，就發給“周末白天使用的免費券”；而對有段時間沒有來店的顧客，就發給“以前曾購買過的商品優惠券”，通過這些方法增加顧客來店頻度。
總之，它將顧客進行細分，對不同類型顧客，在優惠券里添加與之相適應的內容，以便最大限度地發揮優惠券的作用。比如，對沒有孩子的公司職員或公司白領，發給他們“家庭套餐”是毫無吸引力的。最為重要的是，必須根據顧客的需求發放優惠券，是他們感到它正是自己所需要的，從而增強同顧客的情感聯系。
大數據就是高精密度分析
下面再舉一個例子，進一步說明細分顧客方法的重要性。某旅行社擁有數十萬個手機會員，但是，由于沒有掌握會員的購買經歷，因此無法了解顧客的購物習慣。沒有顧客的購物經歷也就無法細分顧客，因而公司每年只能向會員發送內容相同的郵件。
具體來說，公司發送的宣傳活動郵件基本都是介紹優惠券的內容。比如，“檀香山5日游69800日元”等。對于大多數顧客而言，便宜的票確實有很大的吸引力，但是，顧客的層次是不同的，除一般顧客外，也有富裕層、老年層、家庭及商務顧客。也就是說，如果不對顧客進行細分，將忽視其他會員而失去商機。
由此可見，對顧客嗜好做細分化，為不同的顧客提供對其最具吸引力的商品或服務，提高顧客滿意度，是增加銷售額最基本、最重要的方法。而正是大數據就使其成為可能。即通過積累顧客的購物經歷進而細分顧客，會成為商務優勢。 換而言之，大數據的實質不是“big size”而是對顧客進行分析。對于企業而言，大數據就是“高密度分析”，而分析的是積累的顧客購物經歷的數據。
對一般企業來說，最簡單且有可能付諸實施的大數據的活用方法，是細分顧客以及實施適合于顧客細分的銷售政策。通過對大數據的基礎分析，進而分析顧客的購買習慣和購物經歷，以便把顧客細分化，發放適合于顧客的電子優惠券，提高銷售額。
大數據+“自有媒介（ owned media）”的整合基礎
那么，根據對大數據的分析結果，來實施符合顧客細分化的銷售政策，具體如何策劃呢？如果說，對顧客進行分析以便實施顧客細分化工作，是大數據的作用，那么，我們可以把根據顧客特點發行與之相適應的電子優惠券，并測算其經濟效益的策劃，統稱為“自有媒介基礎”。
“自有媒介”可以說是企業自己的“廣播站”，它同登錄企業網站的會員，建立一個直接的聯絡關系，以增強企業與顧客的紐帶。為了構筑“自有媒介”，在以往的客戶關系關系系統（CRM）的基礎上，還需要有統一管理制定銷售策略到分析的一連串程序，再加以對不同的顧客發送內容不同的電子優惠券等，建立跨媒體（Crossmedia）的發送機制。
“自有媒介基礎”，一方面是管理會員和顧客數據的對策，而另一方面，把顧客的購物經歷等大量數據進行分散處理，并把它向外擴展積累在大數據基礎諸如Apache Hadoop內。
把上述兩個基礎整合在一起，從而統一管理制定銷售政策的全部過程以及分析相關數據，并且測算其經濟效益后進行反饋，在制定下一次銷售策略中發揮作用。以上過程即為PDCA循環，又叫戴明環。對不同細分顧客實施不同的銷售策略，同時測定其經濟效益，這個過程就是按照PDCA循環，不停頓地周而復始地運轉。
不要對大數據持懷疑態度，也不要紙上談兵，而要扎扎實實地做好建立行之有效的商務活動基礎的工作。
京公網安備 11010502049343號