然而，大數據分析的基礎是什么？當然是數據。隨之而來的問題是：數據從哪里來？營銷者自然而然會想到IT企業。誠然，進入Web2.0時代，網絡就不僅僅是企業的舞臺，每個人都可以通過一根網線在網絡上留下自己的痕跡。因此，互聯網企業擁有海量的數據，擁有大數據分析的天然基礎。此外，使用芯片的各類設備制造企業也有大數據，它們通過植入機器中的小小芯片，記錄用戶的各種操作行為，為用戶行為分析積累了大量的數據。以及大型連鎖超市、金融服務中心等，它們掌握了具體的消費信息，同樣積累了大量的數據。所以，在各類介紹大數據營銷的書籍中，其援引的案例大多出于以上行業。那么，是不是這些行業之外的企業就與大數據營銷隔絕開了呢？

　　社會化媒體數據

　　企業積累的數據通常可以分為以下幾個類型：一是網絡數據，通過互聯網加載代碼記錄用戶的瀏覽及點擊行為，也就是海量的網絡瀏覽點擊痕跡數據；二是通過芯片記錄的產品使用痕跡數據；三是消費行為痕跡數據，涉及少數幾個特定的行業，并且其數據跨越了多類產品、多個行業，比如超市的每筆消費數據、淘寶的店主銷售信息等。這三類數據主要集中于互聯網行業、設備制造行業和零售行業。

　　此外，這三類數據的特點是“人們在無意識下自然產生的”，因為它難以與消費、使用的“人”建立聯系而顯得“生硬、不夠鮮活”。因此，對這些海量數據進行分析，可以發現信息之間的關聯，卻難以解釋為什么會形成這樣的關聯；可以發現消費特點，卻難以在精準營銷的執行層面進行轉化，因為無法確切知道產生這些行為的是什么樣的人。當然，還有一類數據可以在一定程度上彌補這樣的缺陷，比如企業內部的銷售、客服部門往往記錄了更多的信息，對“人”進行補充描摹，但是這一類數據時效性比較弱，如果不對數據庫及時更新致使信息錯誤率較高。

　　然而，社會化媒體時代出現了第五類數據，這就是自媒體爆發帶來的海量數據。由于粉絲的出現，讓企業得以區分社會化媒體中個人與企業的遠近關系。粉絲的“自發”特性保證了信息的準確性，而“自媒體”的特性則為企業了解目標群體提供了一個近乎免費的通道，且不受特定的行業限制，這就為不同行業的企業進行大數據營銷提供了數據基礎。

　　數據彼此之間的關聯

　　然而，當企業想要挖掘數據的商業價值時，面對龐雜的數據，企業卻無從下手：數據量大，雜亂，不規則，一些數據缺失，一些數據模糊。比如，有的企業內部各個部門積累了幾萬條、十幾萬條甚至數百萬條銷售數據和客戶信息，然而這些銷售數據只涉及產品的銷售時間、價格、銷售店面信息，或者只是簡單記錄客戶的姓名、性別、年齡、聯系方式等，而客戶購買產品方面的記錄很少。換而言之，企業掌握的是一些彼此割裂的數據。由于中國大多數企業內部各自為戰，不同的部門沒有建立數據共享的通道，各個渠道的數據彼此之間難以關聯。

　　《大數據時代》一書的作者維克托指出，大數據時代要放棄對因果關系的渴求，轉而關注相關關系。美國沃爾瑪將尿布與啤酒擺在一起，使尿布和啤酒的銷量大幅增加。美國婦女通常在家照顧孩子，她們經常囑咐丈夫下班回家時為孩子買尿布，而丈夫則順手購買了啤酒。于是，尿片與啤酒形成了關聯。因此，大數據挖掘的基礎是數據之間的關聯，單獨的、片段化的數據再多，在大數據環境中也無法實現其價值。所以，中國企業要對原有的數據進行深度分析，首先要建立數據之間的聯系，或以“人”的信息（姓名、手機號、身份證號、住址），或以產品信息（如產品的唯一編碼），把各個渠道的數據打通，找到“數據的相關關系”。

　　數據關聯可以是虛擬的

　　但由此帶來一個技術性的問題，因為不是所有的數據都能建立真實的對應聯系。某些行業，比如運動服飾，其消費是大眾化的，企業沒有建立完備的用戶信息數據庫。那么，在這種情況下，企業如何利用大數據獲取增值信息呢？

　　事實上，企業可以利用社會化媒體進行模糊匹配的方式，更好地理解目標群體——即便現有的數據不能全面反映人群的特質，但可以通過社會化媒體實現“信息轉化”，在社會化媒體中找到具有類似特質的“網絡虛擬人”，并通過這一特質人群在各類社交媒體的全面信息，從而間接“實現”對目標人群的全面描摹。

　　事實上，社會化媒體為眾多沒有“先天數據條件”的企業提供了大數據營銷的機會，大數據將跳出“痕跡數據關聯分析”的處理模式，從“行為”的相關與預測發展到在Web3.0的360度分析與定位。而基于社會化媒體海量數據的“虛擬關聯”模式，則為更多的數據關聯提供了可能。