大數據是近來的熱點，越來越多傳統企業互聯網化之后，更凸顯其重要性。未來十年，最有可能誕生大公司的領域，首先是傳統企業的互聯網化．這是真正的020模式，傳統企業通過互聯網調配全世界資源進行生產．利用互聯網最省錢、最省事地知道每個用戶的需求。但大數據和互聯網，到底如何幫助企業創造價值和利潤呢？
　　不斷發現潛在商機
　　首先要講客戶終身價值管理，就是給每個客戶建立一個終身檔案，終身追蹤、監察每個客戶，捕捉其不同生活階段的不同需要，在其一生中，持續地向其推介時下最適合他的新業務，從而最大限度地發掘顧客的消費潛力。
　　舉個例子．有個顧客最近搬了家，因為他每個月都會收到從銀行寄來的月結單，所以這個顧客搬家后．立馬想到去銀行變更通訊地址。對于沒有實施CRM的銀行來說．改地址就是改地址，是一個孤立的事件。但對實施CRM的銀行來說，改地址隱含了生活中的很多變化，也意味著很多商機。
　　當該顧客改地址的時候，銀行CRM系統根據經驗數據，馬上找到了排名前幾位的搬家的可能原困：買房、結婚、離婚、換工作后租房。系統暫時還不能準確知道該顧客搬家的原因，如果沒有更多的信息來源，可先假定為排名第一的原因——買房：然后．可通過進一步的數據挖掘給出更準確的判斷：比如．系統里儲存了本城市各主要樓盤的資料，把該顧客的新地址跟各樓盤資料進行比對．如果發現新地址屬于6個月前才開售的新樓盤．就可認為該顧客買了新房子的可能性極大。
　　顧客買了新房子．銀行的商機就來了，如房屋按揭貸款：就這個案例來說，按揭貸款已錯過，但可以推薦房屋裝修貸款．哪怕裝修完了，憑裝修的支票或收據．也可申請該貸款。于是，在銀行柜員面前的電腦屏幕上，立即出現一行提示：請在辦妥地址變更后．立即向顧客推介“房屋裝修貸款”，然后屏幕上顯示出該貸款的主要特色和要點，以及常用的銷售語言．供柜員參考。
　　假設該顧客接受了房屋裝修貸款，這還不算完．可能還會發現其他產品很適合這個顧客——家庭財產保險，銀行是保險公司家庭財產險種的代理人。一個人面對住了20年的老房子，是不會有家庭財產保險意識的，但當他買了新房，購置了一堆新家具、新電器，本著一種天然的愛惜之情，人會變得比較患得患失。這正是對其推銷家庭財產保險的最佳時機。
　　裝修貸款也推過了家庭財產保險也推過了．還不算完。如果該顧客的新地址位于市郊，銀行憑目前手上的信息無法知道該顧客是否擁有汽車，但該顧客確實有潛在的汽車需求。于是，CRM系統擇日向該顧客寄去傳單（手機傳單），向他介紹銀行的戰略合作伙伴——某汽車品牌，并申明：在此購車，可獲得包括低息貸款在內的諸多優惠。
　　客戶終身價值管理的精粹就在于：只要一日成為客戶，就終身不會讓你離開我的眼睛。只要這個客戶還活著，就永遠沒完沒了！
　　創造顧客滿意度
　　服務業經常說要讓顧客賓至如歸，就是讓登門的顧客感覺不到自己是在商場、酒店，而是覺得在自家一樣，顧客不覺得他面對的是服務人員，而是朋友或家人。在什么情形下，顧客才會有這種感覺呢？最簡單、最基本的一點，就是服務人員要認得他，能馬上叫出他的名字。
　　在顧客不太多的時候這是有可能的。但如果顧客太多，就有困難了，畢竟記憶力也是講天分的，記憶力天生不佳的人很難通過培訓做到這點。如果再加上服務人員流動頻繁，那就更難做到了。
　　不過在大數據時代，我們就有解決方案了。谷歌眼鏡是一部戴在眼眶上的微型電腦，也稱眼鏡式終端，有顯示屏、攝像頭、耳機、話筒，可上網．借此可以提供個性化服務。
　　首先，對在本店消費過的每位客人，都建一份客戶檔案，里面除了姓名、消費記錄以外，還有用收銀臺上的攝像頭自動拍下來保存的頭像。然后．服務員或銷售人員，每人配一幅眼鏡式終端。當客人進門時，眼鏡上的攝像頭自動拍下客人的頭像，并通過網絡傳回中央電腦。中央電腦利用面相匹配技術，在幾秒鐘之內就可以匹配出客人的檔案．店員馬上就能叫出客人的姓名。
　　中央電腦還可以向眼鏡式終端傳回該客人上次光顧的日期。于是，店員除了用姓名問候客人之外，還可以用類似這樣的語言與客人溝通：“周小姐，您好像有3個月沒來了吧，最近是不是很忙啊？我們上了很多新款喔。”
　　認人和叫出姓名，只是優良服務的基礎，要做到賓至如歸或個性化服務，還遠遠不夠。譬如在一家服裝店，店員應該能主動向客人推薦適合她的款式。問題是店內有幾百款服裝，店員該推薦哪款？如果推薦得好，能迅速成交；如果推薦不好，跟客人喜好完全不搭調，那就適得其反了。
　　如果數據倉庫儲存了該客戶在店內的所有消費記錄，并且，設計部在設計每一款服裝時，早已為每款服裝定義了一些描述其特色的關鍵詞。例如，適合性別：女；適合年齡：25-35歲；適合身材：瘦、中等；服裝類別：連衣裙；風格關鍵詞：簡約、職業、淑女；顏色：白…
　　當中央電腦得知該顧客進店時，立即調出該顧客的檔案，得知該顧客的基本信息為：性別女，年齡30左右，身材偏瘦，發型為短卷發。同時瀏覽該顧客過去所有消費記錄，并對其消費習慣做出統計如下：
　　類別：60%為連衣裙，10%為襯衣，10%為長褲，8%為長裙，12%為T恤．；顏色：50%白，30%黑，20%紫；圖案：無圖案60%，簡單圖案40%，復雜圖案O%;風格：簡約70%，職業55%，淑女52%，波西米亞21%,少女12%…．
　　中央電腦把這份消費習慣統計，與店內所有在售款式的數據進行比對，即刻匹配出10款最符合該顧客品位的服裝。這10款服裝的圖案和款號，馬上傳到店員的眼鏡式終端上。店員于是開始向顧客推薦這10款服裝。如果很不巧地，這10款顧客都沒看上，店員會通過眼鏡式終端告知中央電腦，中央電腦就把下10款符合該顧客品位的服裝再傳到店員的眼鏡式終端。
　　幫助企業規避風險
　　生意帶來的并不總是利潤，也可能是虧損。譬如：銀行、信用卡公司遇到欠債不還的客人，或保險公司遇到理賠大戶。大數據營銷可在早期發現風險征兆，及早采取預防措施；或從一開始就過濾掉高風險的客人，不做他們的生意。
　　舉個例子，馬洛先生使用某信用卡多年，有大量在高檔餐廳、賓館、娛樂場所和商場消費的記錄。平均每月刷卡額基本都在10萬元以上，時不時會過20萬元，買阿瑪尼西裝、卡地亞首飾、LV包，對他來說是家常便飯，而且一直按時還款，從無拖欠。相應地，信用卡公司也把馬先生的透支額度．從最初辦卡時的8000元，一路提升到30萬元：
　　但從兩個月前開始，他的月刷卡額突然急降到三四千，連續兩個月均如此。系統做的正常判斷是．馬洛轉用別家的信用卡，所以刷卡額劇降？在大部分情況下，這個判斷是正確的，但還有另一種可能：如果他經濟狀況惡化，也會導致刷卡額劇降。
　　所有安裝了刷卡機的商戶，在銀行和信用卡公司都建有檔案，所有刷卡交易記錄，也都在數據倉庫里。譬如，我們把每一家餐飲企業的每單平均刷卡金額進行統計，可以得出類似這樣的數據。
　　每單刷卡金額平均值：576元；每單刷卡金額中位數：493元。把每單平均刷卡金額最低的20%定義為：低端餐飲；把每單平均刷卡金額最高的20%定義為：高端餐飲；把每單平均刷卡金額居中的60%定義為：中端餐飲。這樣我們就得到了高、中、低端餐飲企業的名單。
　　回到馬洛的案例，系統會找出他歷年來的餐飲刷卡記錄，統計得知，他從辦卡之日起，直到兩個月前的餐飲消費，在各種不同檔次餐廳消費的比例顯示為：高端餐飲86%，中端餐飲11%,低端餐飲3%：而最近兩個月（就是在刷卡額暴跌之后）．在各種不同檔次餐廳消費的比例為：高端餐飲O%,中端餐飲10%，低端餐飲90%。也就是說，以前基本上只去高端餐廳吃飯的馬洛，最近兩個月，大多光顧大排檔式的低檔餐廳。綜合以上各種信息判斷，他最近刷卡額暴跌，是源于經濟狀況惡化．可能是因為生意失敗、失業或其他原因。在這種情況下，繼續維持他30萬元信用額度是非常危險的，可能導致壞賬或惡意套現。于是，信用卡公司會把馬洛的信用額度降到2萬元，快速對潛在風險做出判斷，并及早采取防范措施。