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，进行筛选。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，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。