先来看一个例子，

世界上最大的在线影片租恁服务商Netflix，几乎比所有人都清楚大家喜欢看什么。Netflix在美国有2700万订阅用户，在全世界则有3300万，它比谁都清楚大家喜欢看什么样的电影和电视。有研究表明每天的高峰时段网络下载量都是出自Netflix的流媒体服务，去年人们在网上看流媒体视频的时间比看实体DVD的时间还多。每天用户在Netflix上产生3000万多个行为，比如你暂停、回放或者快进时都会产生一个行为，Netflix的订阅用户每天还会给出400万个评分，还会有300万次搜索请求，询问剧集播放时间和设备。后来他们用本公司掌握的海量数据库分析观众群体喜爱的电视剧元素，并据此投拍了《纸牌屋》，大获成功。这就是大数据环境下精准营销的经典案例。在大数据环境下,企业可以发现过去不知道的 50%营 销费用被浪费在哪里,借助先进的数据库技术、互联网技术、数学统计技术对用户进行行为分析和目标定位,进行和用户长期的个性化沟通,使营销达到可度量、可调控等精准要求,使企业摆脱网络推广、传统广告沟通的高成本 束缚,降低营销成本,提高营销效果 。 下面来说缺点，由于各方都渴求用户数据资源，而数据资源有相对集中，难以取得，因此用户资料倒卖现象时有发生。有用户数据方面专家称,用户资料一般都是批量售卖,包括互联网公司内部人员偷着倒卖或黑客攻击网站后到“黑市”上进行交易等。这跟网络个人信息保护机制不足也有关系。马云在第一届互联网大会上表示:“今天你以为你的 隐私没人知道,其实人家都知道,只是人家想不想知道。” 网络用户的安全保护要滞后于信息技术的开发。如何对用户信息进行加密保护，提高个人网络信息安全立法进度，成为大家关心的问题。

原因分析传统的市场研究比如路边调研这些看起来是落后了的，但实际上大数据在某些方面无法完成市场研究的工作，比如人的态度、情感获取。大数据偏向的是观察法，通过数据找到规律，但是呈现规律的原因可能光靠解读大数据还不能解决，未来在AI、深度学习的加入会更好解决。预测性大数据无法真正解决预测性，比如一条广告播出前很难预判用户是否想看。就是因为没有掌握用户的标签，即便有了标签，也有可能猜测不到他的下一个需求点。