在大數據時代，我們已然可以利用無處不在的數據來預測商業需求。Lattice Engines 正是利用各種管道公布的資訊來預測商業需求，並根據這類數據為企業推薦合適的供應商，我們可稱之為企業級的推薦引擎。
其實，在數據的使用方法上，針對企業的預測分析與針對消費者個人的預測分析，在本質上是一樣的，但企業預測分析要收集的數據來源更多、更廣，並且需要高度的產業專業性。我們可以肯定地說，數據無處不在，身在傳統產業也需要多留意數據。我相信，再過十年，不用大數據的企業將追悔莫及。
企業「用」數據的三大竅門
用數據這門學問就像武功，台上一分鐘，台下十年功。行情好的時候不養數據，市場差的時候就更難臨時抱佛腳。
平日養數據大有好處，這些數據不僅可能成為企業戰略分析的關鍵，而且對某個關鍵數據盲點的突破，有可能成為企業的必殺技。這裡，我就跟大家分享企業用數據的三個竅門：
方法1—AAR 原則鎖定客戶
首先，企業應該確定，誰是你的目標客戶，透過哪些管道可以找到這些人；當這些客戶進來後，他們的成長軌跡是怎樣的；這些客戶對你是否滿意，他們是否會離開。這就是我經常使用的AAR 原則：
第一個A 是acquire（獲取）—如何用最有效的方法獲取核心客戶。
第二個A 是activate（活躍）—如何讓獲取的客戶快速成長，變得活躍、有黏性。
R 即retention（保留）—如何防範核心客戶流失。
數據可以貫徹這三個階段的始終，既可以幫你找出核心客戶，也可以告訴你什麼服務和價格能讓他們變成忠誠客戶，同時還可以用數據模型預測客戶未來的需求，甚至是他們離開的機率。當企業充分掌握客戶當前狀態的數據之後，就可據此進行預測，發現問題馬上糾正，這就是懂得用數據的企業所做的事情。
例如，當你發放折價券時，是否想過，什麼時候應該讓客戶當次使用，什麼時候要留待下次使用？企業亂發折價券或經常打折，不但太博愛，還會讓客戶養成「無折不買」的習慣。
方法2—行為數據比結果數據更有價值
企業一般關注的重點是交易數據，比如一天有多少客流量、多少交易額，卻忽略了這些交易背後的原因。當把客戶的行為數據（交互行為）和交易數據相互關聯時，企業才會知道用什麼產品吸引什麼客戶最有效、什麼價格能讓這些客戶活躍起來、怎樣能讓他們對這個平台更感興趣，我們甚至可以預測到客戶流失的蛛絲馬跡。
客戶的行為數據不一定能產生交易，但可以讓我們更了解他，讓我們知道他為什麼會買，或者為什麼不會買。透過行為數據去發現客戶如何做決策，是個重要課題，即使是負面數據也可能有正面作用。
