第二，精準的營銷信息推送支持。這幾年，精準營銷總是被很多公司提起，但是做的很少，反而是垃圾信息泛濫。主要原因是過去名義上的精準營銷並不是很精準，因為缺乏用戶特征數據的支撐和細致精準的分析。相對而言，RTB廣告等應用現在向我們展示了比以前更好的準確性，其背後是大數據的支持。
第三，引導產品和營銷活動符合用戶喜好。如果妳能在生產前了解潛在用戶的主要特征以及他們對產品的期望，那麽妳的產品生產就能是妳想要的。比如網飛最近在拍《紙牌屋》之前，就通過大數據分析了解了潛在觀眾最喜歡的導演和演員，結果真的俘獲了觀眾的心。再比如，《小時代》的預告片投放後，從微博上的大數據分析得知，其電影的主要受眾是90後女性，因此後續的營銷活動主要針對這部分人群。
第四，競爭對手監控和品牌傳播。競爭對手在做什麽，是很多公司想知道的。即使對方不會告訴妳，妳也可以通過大數據監測分析知道。品牌傳播的有效性也可以通過大數據分析找到正確的方向。比如傳播趨勢分析、內容特征分析、交互用戶分析、正負情緒分類、口碑類目分析、產品屬性分布等。可以進行，通過監控掌握競爭對手的傳播情況，參照行業標桿用戶，根據用戶的聲音進行內容策劃，甚至可以評估微博矩陣的運營效果。
第五，品牌危機監控和管理支持。在新媒體時代，品牌危機讓很多企業望而生畏，但大數據可以讓企業提前洞察。在危機爆發的過程中，最重要的是跟蹤危機蔓延的趨勢，確定重要的參與者，以利於快速反應。大數據可以收集負面定義，及時啟動危機追蹤和預警，根據對人的社會屬性的分析和對事件過程中觀點的聚類，識別關鍵人群和傳播路徑，進而保護企業和產品的聲譽，抓住源頭和關鍵節點，快速有效地應對危機。
第六，企業重點客戶篩選。很多創業者糾結的是:在企業的用戶、朋友、粉絲中，哪些是最有價值的用戶？有了大數據，或許這壹切可以更有事實支撐。從用戶訪問的各種網站，可以判斷他們最近關心的事情是否與妳的企業有關；從用戶在社交媒體上發布的各種內容，以及與他人互動的內容中，我們可以找出無數條信息，利用壹些規則進行關聯和綜合，可以幫助企業篩選重點目標用戶。
第七，利用大數據提升用戶體驗。提升用戶體驗，關鍵是要真正了解用戶，了解他們使用妳產品的情況，做出最及時的提醒。比如大數據時代，也許妳開的車可以提前保命。只要通過遍布全車的傳感器采集車輛運行信息，在妳的車的關鍵部位出現問題之前，妳或者4S店就會提前得到預警，這不僅是為了省錢，也是為了保護生命。其實早在2000年，美國UPS快遞公司就利用這套基於大數據的預測分析系統，對全美6萬輛車的實時狀況進行檢測，以便及時進行防禦性維修。
第八，SCRM客戶分級管理支持。面對日新月異的新媒體，很多企業都想將粉絲轉化為潛在用戶，激活社交資產的價值，通過對其公開內容和互動記錄的分析，對潛在用戶進行多維度畫像。大數據可以分析活躍粉絲的互動內容，設定消費者畫像的各種規則，關聯潛在用戶和會員的數據，關聯潛在用戶和客服的數據，篩選目標人群進行精準營銷，再結合傳統的客戶關系管理和社交數據，豐富用戶在不同維度的標簽，動態更新消費者生命周期數據，保持信息新鮮有效。
第九，發現新的市場和趨勢。基於大數據的分析和預測，對於企業家洞察新市場、把握經濟趨勢有很大的支持作用。比如阿裏巴巴從大量交易數據中較早發現了國際金融危機。再比如，在2012年美國總統大選中，微軟研究院的大衛·羅斯柴爾德(David Rothschild)利用大數據模型準確預測了美國50個州51個選舉區中的50個和哥倫比亞特區的選舉結果，準確率高於98%。後來通過大數據分析，他預測了第85屆奧斯卡各獎項的歸屬。除了最佳導演，其他所有獎項都被認為會獲獎。
第十，市場預測和決策分析支持。數據對市場預測和決策分析的支持，早在數據分析和數據挖掘盛行的時代就已經提出。沃爾瑪著名的“啤酒和尿布”案在當時就是壹個傑作。只是上述體量(大規模)和品種(多類型)對大數據時代的數據分析和數據挖掘提出了新的要求。更全面、更及時的大數據必然會為市場預測和決策分析提供更好的支持。要知道，似是而非或錯誤過時的數據對決策者來說是壹場災難。