大数据实际上是营销的科学导向的自然演化。
大数据思维有三个纬度——定量思维、相关思维、实验思维。
第一，定量思维，即提供更多描述性的信息，其原则是一切皆可测。不仅销售数据、价格这些客观标准可以形成大数据，甚至连顾客情绪（如对色彩、空间的感知等）都可以测得，大数据包含了与消费行为有关的方方面面；
第二，相关思维，一切皆可连，消费者行为的不同数据都有内在联系。这可以用来预测消费者的行为偏好；
第三，实验思维，一切皆可试，大数据所带来的信息可以帮助制定营销策略。
这就是三个大数据运用递进的层次：首先是描述，然后是预测，最后产生攻略。
一切皆可测：迪士尼MagicBand手环
美国迪斯尼公司最近投资了10亿美元进行线下顾客跟踪和数据采集，开发出MagicBand手环。游客在入园时佩戴上带有位置采集功能的手环，园方可以通过定位系统了解不同区域游客的分布情况，并将这一信息告诉游客，方便游客选择最佳游玩路线。此外，用户还可以使用移动订餐功能，通过手环的定位，送餐人员能够将快餐送到用户手中。利用大数据不仅提升了用户体验，也有助于疏导园内的人流。而采集得到的顾客数据，可以用于精准营销。这是一切皆可测的例子，线下活动也可以被测量。
一切皆可连：网上订餐追踪系统
一家做订餐配送的互联网企业，在送外卖的自行车和汽车上安装一套软件和追踪系统，从配送外卖中采集了大量数据，如谁订了什么外卖、经过什么路线、到了谁的家里……而通过对数据的分析，可以得出哪家餐馆的什么外卖比较受欢迎，最快捷的路径是那一条等，在此基础上为商家提供备料建议，并规划一条合理高效的送餐路线。利用分析表面看似无关联的大数据，公司能够提供优化餐馆运营的增值服务。
一切皆可试：电商页面推荐功能
电商购物中，商品页面的其他产品推荐是个重要的功能（例如“买过该商品的人还买过XXX”）。如何量化和优化推荐功能的效果？有研究机构做了这样一个测试：按顺序向用户推荐全部/屏蔽部分推荐/屏蔽所有推荐，经过一个月测试之后，跟踪被测试对象的购买情况，发现不屏蔽推荐的短期效应最高，购买量最多。而屏蔽所有推荐的效果要优于屏蔽部分推荐。而原先购买过商品的消费者在被屏蔽推荐之后，商品的销售额下降更快，因而可以得出推荐功能对有忠诚度的客户作用更大。更有趣的是推荐功能的长期效果。研究发现，不论首次购买过程中用户是否购买了推荐商品，第二次的访问情况都遵循这一规律：未被屏蔽推荐的顾客中，10%的人会再次访问，被屏蔽推荐的访问率是9%，而实际转化成访问的次数是8%，如果再结合老顾客推荐效果会更好，最后会产生超过10%的营收提高。总体看来，推荐的效果更可观。
从描述到预测，再到产生攻略
社交网络分析跟踪，将消费者社交网络上的关键词频率转化为可视化表达，对消费者进行分类，进而做针对目标客群的精准营销，这是大数据营销的描述阶段。
预测阶段的案例是对信用卡使用情况的研究。原先每家银行只能看到消费者的本行刷卡记录，银行据此消费记录对客户实行奖励。其中存在的问题是，客户使用非本行信用卡的消费情况无从知晓，银行无法了解客户的实际消费情况，哪些是隐藏的“消费大户”。解决这一问题的难点在于，他行的数据记录很难获得，因此研究机构就使用第三方零售商调研的数据，通过建立模型，将两种数据融合，再对消费者的实际消费情况进行预测。模型中原先可能年消费只有2000-3000元的消费者，实际消费达到了4万，这些人成了非常有潜力的银行客户。
在攻略阶段，银行可以根据预测结果调整客户奖励政策，例如给年均消费3000元的客户提高返点，或者提供更丰富的积点兑换产品等，使这部分人群变成银行的忠诚顾客。