数据挖掘正在让公司的运营和营销发生深刻变革。在美国，一些数据挖掘做得较好的行业包括银行、保险（例如在风险控制方面，通过挖掘，找到那些看似高风险而实际风险没那么高的客户）、互联网公司。
数据可以用来做什么？
通过数据挖掘，零售商Target得知女孩怀孕的消息可能比她父亲还早！
以Google为例，它运用数据挖掘可以做好几件事：首先是广告的精准推送：在同一个计算机上用Google搜索，又用Gmail发邮件，它就会知道你是同一个人，会根据Gmail的内容推送相关广告；其次是增加搜索准确度和用户体验。不同的人搜索同一个关键词，得出的结果不一样，因为它会根据你过去的一些数据对搜索结果做出优化。比如同一个关键词“Kellogg”，这既是一个麦片厂商的名字，也是美国凯洛格商学院的名字。如果我用一台崭新的计算机搜索“Kellogg Marketing”，搜索结果是Kellogg这家公司如何做Marketing的，但如果我把这台电脑使用一段时间之后再搜索这个词，它出来的就直接是凯洛格商学院的Marketing部门信息了—Google根据我的搜索历史和对Gmail的使用，知道我和商学院的关系更密切。
美国一家叫做Netflix的公司是做DVD出租起家的，很成功。Netflix能做得好，很大程度上其实是库存管理得好：若购买了DVD没人租，库存闲置浪费；若买得太少，又容易缺货，也是个问题。Netflix不仅做到随时随地跟踪库存，还把库存管理和促销结合在一起。它会根据自己的库存情况，再结合客户的喜好，给客户推荐某些DVD产品。一方面知道客户会喜欢看这类片子，另一方面，推荐的DVD也可能是库存多出来的。或者它知道客户想看一个热门影片，但库存可能不够，所以先推荐其他片子，让客户先不要提出热门影片的要求。这样客户也许会等两周再看热门的。现在这家公司正转型成为视频网站，供消费者下载正版DVD。对它来说，实际的“DVD库存”就转变为虚拟的“带宽库存”。同样的，Netflix通过数据分析将可以知道什么时候在线用户特别多，要增加多少个服务器；当带宽拥挤的时候，给谁优先分布带宽？这就要根据客户的终身价值来决定；另外还可以介绍用户看一些可能感兴趣的内容，而这些内容当下的流量不是那么高。
一家名为Target超市的数据挖掘也做到了可谓“耸人听闻”的程度—《福布斯》杂志最近报道了真实发生的一件事情：他们给一个不到20岁的女孩子发了婴儿用品的折扣券。女孩的父亲看到后很生气：“我女儿这么小年纪怎么会需要这些呢？！”于是去投诉，店员只能赔礼道歉。过了几周，父亲发现女儿真的是怀孕了，又只好到店里去道歉。通过数据挖掘，Target超市得知女孩怀孕的消息可能比她父亲还早！
这里反映了数据挖掘的一些最新进展—在过去，一个人来超市买了1号婴儿尿布，超市的数据挖掘系统可能会知道这个人刚刚有小孩，于是就会给这位客人发放一些婴儿用品相关的折价券，比如婴儿沐浴露。而现在的做法是什么呢？已经跳出了直接的理论推断，而是根据大量的新生婴儿母亲在怀孕期间的购物数据，看这些新妈妈们在怀孕十个月买了些什么东西，找到规律，据此能够判别一个前来购物的客户目前正处于怀孕的第几周。比如，一般在怀孕三个月后，孕妇们会开始买那些不带香料的护肤霜或沐浴露。于是，它根据这个年轻女孩最近在超市买的东西，推算出她已经怀孕。据说现在他们已经可以推算某位怀孕顾客的预产期。
电子商务公司利用数据挖掘，也开始把线下的商场甩在身后。去年年底在圣诞节购物季中，传统商场受到了严重冲击。因为大家都用智能手机了，亚马逊及时推出了应用程序，人们可以去商场里面，用手机扫描一下某件商品条形码，然后亚马逊马上告诉你，我可以在这个价格上有一个折扣。传统商家惊呼说，线下商场已经变成了亚马逊的陈列室！
我们要补哪些课？
国内企业对量化手段在营销中的价值认识不充分，往往会觉得营销可能更多是一种创意和点子，在国外，营销的概念已经完全不是这样了。
再来看看中国的情况。中国许多商家有自己的积分卡，一般形式就是买多少积多少分，满了多少分可以赠送礼品或现金抵扣。而在美国零售业，这种比较初级的积分返点形式已经过时了。有一家名为CVS的著名连锁药房，类似于中国的屈臣氏，它就胜在消费积分卡（Loyalty card）做得特别好，在全美大概拥有7000万用户。你去店里购物，付款打出收据的同时还会打出一串折价券供你下次使用，上面可能有十来种货品。这些折价券因人而异，都与你以前的购物习惯有关，所以顾客会觉得特别有用—这就比那种消费多少钱积分几点的传统做法进步多了，因为完全做到了根据你的历史购物情况，有针对性、差异化地推送。
和美国企业相比，中国公司在数据挖掘方面主要有如下不足：
第一，很多国内企业还没有意识到大数据能带来多大的益处，对数据的搜集保存意识不强，数据不一定都记录下来。比如超市的POS机，理论上，每个顾客购买的每一件东西都可以有记录，但我发现，中国超市的积分卡里面记录的往往只是消费总额而已，并没有消费明细。超市可能觉得内部数据库太大，维护起来不容易，就没有保存。但如果没有具体的消费数据，怎么做挖掘呢？当然，其中原因可能是中国经济发展比较快，机会很多，多开一家店带来的利润增长比投入挖掘技术要来得多。而在美国这样的成熟市场，若要进一步提高利润率，机会并不多，数据就是一个很大的投资方向。
第二，国内的营销学科对量化手段在商业营销中的价值认识也不充分。大家往往会觉得营销可能更多是一种创意和点子，其实在国外，营销的概念已经完全不是这样了。中国人的数学是不错的，但有趣的是，中国人往往会觉得营销和数学似乎没什么关系。
第三，技术上的问题。中国的数据挖掘起步比较晚，这方面的人才不是那么多。美国公司的数据挖掘之所以做得好，一个重要原因是它与学术界和各个高校科研机构的合作力度很大。以Netflix为例，它提供了1亿用户的数据，面向学校的学术科研团队举办预测用户租赁行为的建模竞赛，谁都可以拿到这些数据，预测效果最好的团队可以拿走100万美元。该竞赛连续搞了四五年，投资成本很低，效果却相当好。谷歌也是一样，每年会拿出一些数据资助大量学术团队的研究和竞赛，效果则是变相扩大了自己的研发队伍。
未来会怎样？
社交网站所产生的数据对商业的大影响，可能要在5～10年后，才能真正显现出来。
在我看来，未来商业世界对数据的运用，会朝着以下几个趋势去发展。
从大企业蔓延到中小企业 现在智能手机都有基于用户所在地定位的营销，第三方服务商又可以提供基于云计算的数据服务，所以很多中小商家不一定自己去做数据，可以运用第三方服务。美国有一家提供这种第三方服务的公司叫做Catalina Marketing，帮助小型商家打造客户忠诚项目，在打收据的同时打出一些优惠券来。它做得很成功，据说现在总的数据量已经和沃尔玛一样多了。
