大数据是近年来的一个热门话题，因为它的出现给了我们所有人一种前所未有的能力，通过数据分析，我们可以获得深刻的洞见，或创造出有巨大价值的产品和服务。这么说可能有点抽象，不容易理解，那我们来看一个具体的案例。
十几年前，有一家大超市，发现日子越来越不好过了，销售额成了钉子户，长期停滞不前，毛利率却坐了滑滑梯，越做越低。于是发动员工，头脑风暴，想办法、想出路。按员工的提议，超市先是玩了一段时间的会员卡，但很快发现会员都精得很，专挑便宜的买，一算账，会员顾客比非会员顾客贡献的毛利率还要低两个点。
第一炮没打响，就又换了个玩法，不玩传统的价格促销了，搞促销创新。结果发现顾客都是“刁民”，只认低价，不买创新的帐。
实在没辙了，就玩了个大的，调整卖场布局改排面，指着能通过更合理的布局和更生动化的商品展示来吸引顾客。这招倒是管用了，可好景不长，顾客很快就没了新鲜劲，过了三年，一切还原。
三板斧没起啥作用，正郁闷着呢，终于有人说，或许可以试试数据分析。超市老板想破脑袋也没想明白，数据分析能给他帮上什么忙。抱着死马当作活马医的态度，超市从外部请了数据分析团队。
团队分析了超市当年的购物小票，发现平均来看，客单价超过80元的顾客，在数量上只占5％，但却贡献了40％的销售额。客单价低于20元的顾客，在数量上占了75％，可只贡献了20％的销售额。从毛利率数据看，前者比后者也高了3倍还多。之后，团队又分析了前几年的购物小票，发现80元以上的客单近几年一直呈缓慢下滑趋势，20元的客单却在增长，这也就难怪各项业绩指标都在往下走了。
有了上面的分析，提升业绩的方法也很清楚了，这家超市只要能提升1％的80元以上的顾客数量，就可以带来8％的销售额增长。5％的人贡献了40％的销售额，所以1％的人贡献的销售额就是40％÷5=8％。同时，毛利率也会相应提升。那现在的问题是，80元以上顾客有什么购物特征呢？怎么分析呢？还是要分析购物小票。
这种分析有很多角度，比如，购买时段分析就是其中之一。分析超市的购物小票后发现，超市之前特别关注的午饭前和晚饭前这两个高峰期，其实是20元顾客的两个购买高峰，峰值顶点分别在10:30及16:30左右。而另一个小高峰，也就是19:30左右，才是80元以上顾客购物的高峰期。
再比如，商品组合分析也是一种方法。分析小票后发现，超市经常用特价来吸引顾客的散装大米、鸡蛋等商品，很少出现在80元以上的客单里，80元以上的客单最经常出现的是红酒、熟食、化妆品等商品。
好了，以这些分析为指导，你应该采取什么行动？你应该把促销资源往哪些商品上分配？往哪个时段倾斜？已经一目了然了。
这种建立在大数据基础上的洞察，在以前的时代环境中你根本就没法想象。所以，本书作者之一的舍恩伯格才会指出，大数据的出现开启了一次重大的时代转型。在大数据时代，人类社会的政治、经济、商业、科学等各个领域都会发生巨大的，甚至是根本上的改变。
