大数据是近来的热点，越来越多传统企业互联网化之后，更凸显其重要性。未来十年，最有可能诞生大公司的领域，首先是传统企业的互联网化，这是真正的O2O模式，传统企业通过互联网调配全世界资源进行生产，利用互联网最省钱、最省事地知道每个用户的需求。但大数据和互联网，到底如何帮助企业创造价值和利润呢？

不断发现潜在商机

首先要讲客户终身价值管理，就是给每个客户建立一个终身档案，终身追踪、监察每个客户，捕捉其不同生活阶段的不同需要，在其一生中，持续地向其推介时下最适合他的新业务，从而最大限度地发掘顾客的消费潜力。

举个例子，有个顾客最近搬了家，因为他每个月都会收到从银行寄来的月结单，所以这个顾客搬家后，立马想到去银行变更通讯地址。对于没有实施CRM的银行来说，改地址就是改地址，是一个孤立的事件。但对实施CRM的银行来说，改地址隐含了生活中的很多变化，也意味着很多商机。

当该顾客改地址的时候，银行CRM系统根据经验数据，马上找到了排名前几位的搬家的可能原因：买房、结婚、离婚、换工作后租房。系统暂时还不能准确知道该顾客搬家的原因，如果没有更多的信息来源，可先假定为排名第一的原因—买房。然后，可通过进一步的数据挖掘给出更准确的判断。比如，系统里储存了本城市各主要楼盘的资料，把该顾客的新地址跟各楼盘资料进行比对，如果发现新地址属于6个月前才开售的新楼盘，就可认为该顾客买了新房子的可能性极大。

顾客买了新房子，银行的商机就来了，如房屋按揭贷款。就这个案例来说，按揭贷款已错过，但可以推荐房屋装修贷款，哪怕装修完了，凭装修的发票或收据，也可申请该贷款。于是，在银行柜员面前的电脑屏幕上，立即出现一行提示：请在办妥地址变更后，立即向顾客推介“房屋装修贷款”，然后屏幕上显示出该贷款的主要特色和要点，以及常用的销售语言，供柜员参考。

假设该顾客接受了房屋装修贷款，这还不算完，可能还会发现其他产品很适合这个顾客—家庭财产保险，银行是保险公司家庭财产险种的代理人。一个人面对住了20年的老房子，是不会有家庭财产保险意识的，但当他买了新房，购置了一堆新家具、新电器，本着一种天然的爱惜之情，人会变得比较患得患失。这正是对其推销家庭财产保险的最佳时机。

装修贷款也推过了，家庭财产保险也推过了，还不算完。如果该顾客的新地址位于市郊，银行凭目前手上的信息无法知道该顾客是否拥有汽车，但该顾客确实有潜在的汽车需求。于是，CRM系统择日向该顾客寄去传单（手机传单），向他介绍银行的战略合作伙伴—某汽车品牌，并申明：在此购车，可获得包括低息贷款在内的诸多优惠。

客户终身价值管理的精粹就在于：只要一日成为客户，就终身不会让你离开我的眼睛。只要这个客户还活着，就永远没完没了！

创造顾客满意度

服务业经常说要让顾客宾至如归，就是让登门的顾客感觉不到自己是在商场、酒店，而是觉得在自家一样，顾客不觉得他面对的是服务人员，而是朋友或家人。在什么情形下，顾客才会有这种感觉呢？最简单、最基本的一点，就是服务人员要认得他，能马上叫出他的名字。

在顾客不太多的时候这是有可能的。但如果顾客太多，就有困难了，毕竟记忆力也是讲天分的，记忆力天生不佳的人很难通过培训做到这点。如果再加上服务人员流动频繁，那就更难做到了。

不过在大数据时代，我们就有解决方案了。谷歌眼镜是一部戴在眼眶上的微型电脑，也称眼镜式终端，有显示屏、摄像头、耳机、话筒，可上网，借此可以提供个性化服务。

首先，对在本店消费过的每位客人，都建一份客户档案，里面除了姓名、消费记录以外，还有用收银台上的摄像头自动拍下来保存的头像。然后，服务员或销售人员，每人配一幅眼镜式终端。当客人进门时，眼镜上的摄像头自动拍下客人的头像，并通过网络传回中央电脑。中央电脑利用面相匹配技术，在几秒钟之内就可以匹配出客人的档案，店员马上就能叫出客人的姓名。

中央电脑还可以向眼镜式终端传回该客人上次光顾的日期。于是，店员除了用姓名问候客人之外，还可以用类似这样的语言与客人沟通：“周小姐，您好像有3个月没来了吧，最近是不是很忙啊？我们上了很多新款喔。”

认人和叫出姓名，只是优良服务的基础，要做到宾至如归或个性化服务，还远远不够。譬如在一家服装店，店员应该能主动向客人推荐适合她的款式。问题是店内有几百款服装，店员该推荐哪款？如果推荐得好，能迅速成交；如果推荐不好，跟客人喜好完全不搭调，那就适得其反了。

如果数据仓库储存了该客户在店内的所有消费记录，并且，设计部在设计每一款服装时，早已为每款服装定义了一些描述其特色的关键词。例如，适合性别：女；适合年龄：25～35岁；适合身材：瘦、中等；服装类别：连衣裙；风格关键词：简约、职业、淑女；颜色：白……

当中央电脑得知该顾客进店时，立即调出该顾客的档案，得知该顾客的基本信息为：性别女，年龄30左右，身材偏瘦，发型为短卷发。同时浏览了该顾客过去所有消费记录，并对其消费习惯做出统计如下：

类别：60%为连衣裙，10%为衬衣，10%为长裤，8%为长裙，12%为T恤；颜色：50%白，30%黑，20%紫；图案：无图案60%，简单图案40%，复杂图案0%；风格：简约70%，职业55%，淑女52%，波西米亚21%，少女12%……

中央电脑把这份消费习惯统计，与店内所有在售款式的数据进行比对，即刻匹配出10款最符合该顾客品位的服装。这10款服装的图案和款号，马上传到店员的眼镜式终端上。店员于是开始向顾客推荐这10款服装。如果很不巧地，这10款顾客都没看上，店员会通过眼镜式终端告知中央电脑，中央电脑就把下10款符合该顾客品位的服装再传到店员的眼镜式终端。

帮助企业规避风险

生意带来的并不总是利润，也可能是亏损。譬如：银行、信用卡公司遇到欠债不还的客人，或保险公司遇到理赔大户。大数据营销可在早期发现风险征兆，及早采取预防措施；或从一开始就过滤掉高风险的客人，不做他们的生意。

举个例子，马洛先生使用某信用卡多年，有大量在高档餐厅、宾馆、娱乐场所和商场消费的记录。平均每月刷卡额基本都在10万元以上，时不时会过20万元，买阿玛尼西装、卡地亚首饰、LV包，对他来说是家常便饭，而且一直按时还款，从无拖欠。相应地，信用卡公司也把马先生的透支额度，从最初办卡时的8000元，一路提升到30万元。

但从两个月前开始，他的月刷卡额突然急降到三四千，连续两个月均如此。系统做的正常判断是，马洛转用别家的信用卡，所以刷卡额剧降。在大部分情况下，这个判断是正确的，但还有另一种可能：如果他经济状况恶化，也会导致刷卡额剧降。

所有安装了刷卡机的商户，在银行和信用卡公司都建有档案，所有刷卡交易记录，也都在数据仓库里。譬如，我们把每一家餐饮企业的每单平均刷卡金额进行统计，可以得出类似这样的数据：

每单刷卡金额平均值：576元；每单刷卡金额中位数：493元。把每单平均刷卡金额最低的20%定义为：低端餐饮；把每单平均刷卡金额最高的20%定义为：高端餐饮；把每单平均刷卡金额居中的60%定义为：中端餐饮。这样我们就得到了高、中、低端餐饮企业的名单。

回到马洛的案例，系统会找出他历年来的餐饮刷卡记录，统计得知，他从办卡之日起，直到两个月前的餐饮消费，在各种不同档次餐厅消费的比例显示为：高端餐饮86%，中端餐饮11%，低端餐饮3%。而最近两个月（就是在刷卡额暴跌之后），在各种不同档次餐厅消费的比例为：高端餐饮0%，中端餐饮10%，低端餐饮90%。也就是说，以前基本上只去高端餐厅吃饭的马洛，最近两个月，大多光顾大排档式的低档餐厅。综合以上各种信息判断，他最近刷卡额暴跌，是源于经济状况恶化，可能是因为生意失败、失业或其他原因。在这种情况下，继续维持他30万元信用额度是非常危险的，可能导致坏账或恶意套现。于是，信用卡公司会把马洛的信用额度降到2万元，快速对潜在风险做出判断，并及早采取防范措施。