在工業(yè)時(shí)代，缺乏大數(shù)據(jù)的技術(shù)支持，各種管理、決策所能依賴的數(shù)據(jù)分析不足，只能基于部分?jǐn)?shù)據(jù)做批處理。例如做市場調(diào)研時(shí)，總是會(huì)把潛在客戶按年齡、收入水平、區(qū)域等進(jìn)行分類，表現(xiàn)為批處理思維。而在互聯(lián)網(wǎng)時(shí)代，企業(yè)卻可以基于大數(shù)據(jù)開展精準(zhǔn)營銷，用戶將不再是面目模糊的某一類人，而是獨(dú)特的每一個(gè)人。

       大數(shù)據(jù)（big data）是一種數(shù)據(jù)分析技術(shù)，能夠從海量（Volume）的各類（Variety）數(shù)據(jù)中，快速（Velocity）獲得有價(jià)值（Value）的信息，即具有“4V”的特點(diǎn)。大數(shù)據(jù)將不僅是未來企業(yè)的核心資產(chǎn)，更是互聯(lián)網(wǎng)時(shí)代所有企業(yè)生長的“土壤”。

       大數(shù)據(jù)思維，要求企業(yè)對內(nèi)部、外部等各類數(shù)據(jù)進(jìn)行整合及相關(guān)分析、自動(dòng)挖掘，驅(qū)動(dòng)數(shù)字營銷、精準(zhǔn)研發(fā)、數(shù)字工廠、優(yōu)化供應(yīng)鏈、精準(zhǔn)管理。

       例如，假設(shè)一家物流公司接到了一份新的貨運(yùn)訂單，應(yīng)當(dāng)派遣哪輛卡車呢？是距離最近的那輛嗎？那輛卡車可能已經(jīng)沒有多余的空間裝新貨，也可能行進(jìn)的路線非常擁堵、或者坡陡路險(xiǎn)。種種可能下，距離最近的卡車未必是最佳選擇。如果有了大數(shù)據(jù)技術(shù)，則可以實(shí)時(shí)監(jiān)測、分析多個(gè)數(shù)據(jù)源，包括車輛載貨和卸貨數(shù)據(jù)、卡車的實(shí)時(shí)GPS源、實(shí)時(shí)交通路線數(shù)據(jù)、RFID（射頻識(shí)別技術(shù)）數(shù)據(jù)及其他來源的數(shù)據(jù)等，從而自動(dòng)挖掘出物流的最佳決策。