亞馬遜FBA頭程所積累的大數據究竟是指什么，以及其中所蘊含的巨大力量。亞馬遜物流通過旗下的購物網站積累了海量的購物數據。此外，亞馬遜還通過視頻業務積累了大量的視頻播放數據，通過語音識別終端AmazonEcho積累了海量的語音數據，通過AmazonEcho的衍生產品EchoLook開始積累圖像數據。我認為，亞馬遜FBA頭程正式進軍實體領域的真實目的是為了收集線下的購物數據，并進一步掌握顧客的位置信息等數據。

電商網站和實體店的購物數據、語音數據、圖像數據、視頻播放數據以及每一位顧客的位置信息所構成的大數據在推薦商品或預測顧客個體行為方面具有非常重要的價值。那么，亞馬遜打算如何分析并利用自己掌握的大數據呢?在回答這個問題之前，我們先來了解一下什么是大數據。從字面意義上看，大數據當然是指大量的數據。除此之外，數據的準確性、鮮度和覆蓋范圍也是非常重要的。例如，如果我們需要分析某個人的“0.1人細分單位”，就要獲得這個人的實時數據，巾就是要獲得鮮度很高的數據。另外，我們還可以根據數據的屬性對大數據進行分類。縱軸表示收集方式，即大數據是從宏觀角度(群體）收集的，還是從微觀角度個人)收集的；橫軸表示時間，即這些數據是實時獲取的數據，還是在某個時間點上匯總并進行批量處理的數據。

處于“宏觀”區域內的是用于統計分析的數據。這些數據被橫軸分為兩類，一類是實時處理的，另一類是批量匯總后再處理的，對應于兩種不同的處理方式。處于“微觀”區域內的數據則是基于個人的特定數據。《亞馬遜FBA頭程經濟學》一書提到，批量的個人特定信息可用于一對一營銷，實時的個人特定信息同樣能夠轉化并用于“0.1人細分單位”營銷。需要注意的是，無論是亞馬遜還是蘋果、谷歌，它們在現階段都沒有把重點放在利用大數據分析個人特定信息上面。

它們收集這些信息的目的只是為了更加精準、細致地把握每一位用戶的需求，從而最大化地提升銷售額。FBA頭程大數據的使用方式也可以分為宏觀和微觀兩種。前者分析由數百萬人乃至數千萬人構成的群體，并總結出一定的模式與規律；后者記錄某一位用戶的行為歷史，并總結出此人今后的行為模式。兩者的共同之處在于，它們都會對海量數據進行收集和分析，并從中發現特定的模式。運用大數據的最終目的是靈活運用每一位用戶的細分單位信息，預測未來發生某件事的概率，以此為決策提供參考。

FBA頭程在大數據時代到來之前，獲得如此海量的數據本身就十分困難。即便能夠獲得數千人的數據，也只能從中抽樣，提出假設并驗證，然后以此為依據推測整個群體的情況。在大數據時代，直接對整個群體進行統計和分析已經成為現實。至少，我們不再需要從理論上提出假設并驗證了。