数据，是一个比较抽象的名词，对数据的使用和研究由来已久，经过处理的数据可以作为人们行为的重要参考，小到日常消费大到企业运营、国家决策，经济领域的数据运用是比较全面和深入的，由数据衍生出的模型在各种决策中发挥着重要作用，而作为发展最快的一种商业模式，电子商务对数据的利用尚处于初级阶段。

伴随互联网的兴起，数据的概念已经发生了根本性的变化，20世纪初，数学、物理学等自然科学一直是数据应用最广的领域，之后逐渐扩展至经济学、企业运营管理，互联网的发展为数据提供了海量处理、复杂运算的可能性，进而将数据的外延不断扩大，2010年后“云数据”概念打破了数据的时间、空间限制，大数据时代的大门正在开启。B2C型电子商务本质上是一种零售模式，与线下相比它具有更容易获取消费者数据、商品数据的特点，国内几家大型的电商网站都有着超过千万级别的活跃用户，京东每天的平均交易额超过一亿，订单量超过50万，企业内部有着复杂的运营流程，这些都应该是数据可以发挥重大作用的环节，对数据的充分利用可以在效率、成本节约上发挥重要作用。而事实上，企业对数据的重视程度恰恰与此相反，海量数据被企业用来做加减乘除法，比率、趋势、绝对值是使用最频繁的方式，数据被分的七零八落，抽象性、局限性没有得到突破；造成这种结果的原因很多，可能是企业发展阶段不同，也可能是人力资源不足，无论是哪种原因，浪费了如此重要的资源是企业的一项重大损失，数据领域的创新亟待改观，2011年麦肯锡的报告称，整个零售行业只有21%的企业在使用大数据，21%的企业计划启动；大数据时代的到来，为管理者观念转变和数据利用方法创新提供了新的思路。数据的使用将与企业运营发展更好地结合并具体化，其表现形式包含以下几方面：

一是“主客次序”的转变，即由运营驱动数据变为数据驱动运营，大数据不仅仅指海量的数据，还包含数据的细分，企业内部几乎所有的环节都将以数据的形式加以展现，比如各业务环节的时间节点衍生出的效率优化，亚马逊在这方面已经有了很大发展，每天会有大量的基于运营的报表和数据处理，运营策略、市场推广策略的改变主要是看数据，它自行定义的自动补货模型就是基于时间序列和极值的原理而形成的，有效地解决完全依靠人工的订货、补货模式，提升了库存管理的效率。

二是关联性更加丰富，数据利用最大的弊端就在于关联性把握不足，一旦将数据孤立的考量，最为核心的因素可能会因此遗漏或无法准确、全面的表达，电子商务内部的信息流转都可以转化为数据，以运营为基础的数据关联性将成为数据分析的基础，多维度、多视角的使用数据，通过某一核心维度将数据的范围逐渐扩大，将某一行为产生的原因与合理性通过十几个甚至更多的数据标准加以展现，使之更加准确和突出重点，比如销售数据就可以以销售额为核心，将产品销售的区域性、周期性、售后的退换货、客诉率、订单的周期性、客户的忠诚度等多种指标综合分析。三是用户体验导向性，电商最根本的就是做用户体验，尤其是B2C型电商，对消费者行为的研究观点众多，经济学界有很多种理论，比如跨期消费理论、行为理论、随机理论等，但这些基本是宏观层面的，电商手里有着大量的消费者购买行为的数据，微观领域的深入研究将是主要方向，甚至可以具体到某一个用户，包含区域购买力、商品区域化、客户分层、购物周期、购物偏向性、投诉原因等诸多数据指标的结合将为企业实行差异化战略和精准式营销提供重要依据，《蓝海战略》一书中曾经讲到差异化的一种识别方法——战略布局图，电商通过数据分析可以有效的识别与竞争对手差异因素，开创新的蓝海并为消费者提供更适宜的购物体验。

四是“可视化”，数据是一个比较抽象的概念，特别是面对海量数据的时候很容易让人摸不着头脑，传统意义上的数据分析更多的是以简单的图表或者PPT的形式加以展现，不够直观，2010年以后数据信息图兴起，为数据分析和结果输出提供了非常好的视觉效果和理解性，他利用简单的图形组合将单一的图表转化为了更丰富的内涵结果，极大地刺激了人们的感官神经，使枯燥的数据变得生动形象，数据信息图只是数据可视化深入发展的一种表现，大数据时代会衍生出很多类似的方法。

五是模型化与基本分析的平衡，所谓基本分析主要是基于数据做的简单处理，对增长、趋势、占比等指标的汇总分析，不涉及太多的复杂处理方法，通俗易懂；而对海量数据或者需要做出长期预测、相关性影响等数据处理时，基本分析就很难达到目的了，比如对销售做出的时间序列分析需要使用季节性调整等方法，这就需要使用某种合适的数据模型，数据模型是在一系列假设条件的基础上形成的，很多假设条件在现实中是不成立的，所以模型有它自身的局限性，他更多的作用是提供一种趋势性的参考和数据处理方法，电商内部对数据的使用尚处于基本分析阶段，专业化的建模人员显得很不足，加上整体行业处于成长期，数据的规律性和可预测性不明显，模型的使用就会有很大的限制；就时间性而言，基本分析主要是基于历史数据和现实数据，模型可以提供长期的预测数据并评估现实数据的合理性，二者相互补充，不同方法之间相互补充和对比能对业务发展提供更准确的参考依据；随着电商业务模式的稳定和成熟，模型的使用会逐渐增加，尤其是在消费者研究、销售预测、库存管理方面；简单或复杂的方法都是必须的，二者的作用不同，在构建大数据平台时，电商需要更好的平衡二者之间的关系，使之发挥相应的效用。

六是共享化，电商数据现在很难获得，部分公开的数据，如艾瑞、易观国际发布的报告其准确性存疑，数据仅限于内部使用，包括对竞争对手的分析也是建立在并不客观的基础上，这就限制了整个行业对数据的合理利用，因为各家电商是有差异的，业务运营模式也不尽相同，数据可以提供业务模式合理性的依据，可以有效的带来效率和成本的节约，虽然有众多的业界人士提倡共享一部分数据，可一直进展缓慢；大数据概念的确立，提高了企业对数据的重视程度，企业的部分职能也在转变，数据催生的服务功能正在兴起，如一淘网、淘宝网等定期发布的内部价格指数、品类销售报告，就是将内部数据共享化的一个好的开端，很多企业将通过结合自身和行业公开数据对电商某一领域开展专业化的研究，为新进入者或者行业的发展提供深度服务；在互联网时代，数据共享是必然的趋势。

大数据概念的延伸和对电商企业的影响是一个逐渐深入的过程，并且会在企业管理的实践中不断得到丰富和完善，无论是数据利用的方法还是形成的结果都还存在很多的不确定性，但是有一点，作为一种新的驱动力，大数据的地位是不可替代且是必须的，能够利用大数据平台实现指导业务发展的电商企业必然会先发制人，对外、对内占尽先机。