无论是微博、博客，还是论坛，都成为信息发布、传播以及互动的平台，信息量之大之宽都引起，或者更确切地说是迫使企业不得不重视。很多企业已经感受到失控数据增长对绩效造成的冲击。Unisphere Research调查发现87%的受访者将企业的应用程序性能问题归咎于不断增长的数据量。

　　但数据量的增大并不只是带来了困扰，很多企业/机构希望能对这些信息进行收集整理，以期能够了解到市场的真实声音，比如，客户有哪些抱怨，有哪些评价等等。而这些信息带来的挑战更把“大数据”推到了前台、推到了IT界的聚光灯下。

　　简而言之，“大数据”是“海量数据”+复杂类型的数据。Informatica的技术顾问但彬指出大数据包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力。

　　虽然对大数据的讨论正风高浪尖，但大数据如何应用、可以带来哪些具体的商业利益，仍然没有清楚明晰的案例可循。

　　但是大数据被提及的优势之一就是可以从过去无法取得数据的地方（至少是无法以划算的方式取得数据的地方）切入，深入理解企业的运营状态，来激发业务的活力。 例如专业时装零售商曾经提供免费化妆服务和化妆品样品，吸引客户购买。但随之经理们意识到接受了这些馈赠的客户不会购买更多的化妆品。零售商预计在馈赠计划终结之后，化妆品销售量将保持原样，但实际情况是销量出现下降。

　　通过研究，特别是利用大数据的优势，分析过去只能丢失的Twitter和Facebook上的社交媒体信息，该公司才开始更深入地理解化妆品的影响模式。它了解到必须保留两类有价值的客户，即高消费者和高影响者。接受了免费化妆服务的客户虽然不再需要购买化妆品，但他们的口碑宣传可促使亲朋好友及他们的亲朋好友踊跃购买。

　　这是交易数据与交互数据的完美结合，为业务挑战提供了隐蔽的答案。该公司最终通过向这些具有高度影响力的客户提供正确的产品和服务而增进了利润。

　　大数据并不只是可以可以应用在零售业，我们了解到大数据几乎与所有行业息息相关，例如在金融服务业，银行、保险商、经纪商以及多种不同的金融服务公司均依赖与大数据集成和分析，以便更有效地引起和保留客户，实现目标交叉销售，同时通过运用海量数据分析来加强欺诈检测、风险管理并提高合规性。

　　再如，在制造业和供应链行业，管理大批量的失时无线电射频识别（RFID）数据流有助于公司在优化物流、库存和生产的同时迅速地准确定位制造缺陷；GPS和映射数据则能够精简并提升供应链效率。