亚马逊FBA头程所积累的大数据究竟是指什么，以及其中所蕴含的巨大力量。亚马逊物流通过旗下的购物网站积累了海量的购物数据。此外，亚马逊还通过视频业务积累了大量的视频播放数据，通过语音识别终端AmazonEcho积累了海量的语音数据，通过AmazonEcho的衍生产品EchoLook开始积累图像数据。我认为，亚马逊FBA头程正式进军实体领域的真实目的是为了收集线下的购物数据，并进一步掌握顾客的位置信息等数据。
电商网站和实体店的购物数据、语音数据、图像数据、视频播放数据以及每一位顾客的位置信息所构成的大数据在推荐商品或预测顾客个体行为方面具有非常重要的价值。那么，亚马逊打算如何分析并利用自己掌握的大数据呢?在回答这个问题之前，我们先来了解一下什么是大数据。从字面意义上看，大数据当然是指大量的数据。除此之外，数据的准确性、鲜度和覆盖范围也是非常重要的。例如，如果我们需要分析某个人的“0.1人细分单位”，就要获得这个人的实时数据，巾就是要获得鲜度很高的数据。另外，我们还可以根据数据的属性对大数据进行分类。纵轴表示收集方式，即大数据是从宏观角度(群体）收集的，还是从微观角度个人)收集的；横轴表示时间，即这些数据是实时获取的数据，还是在某个时间点上汇总并进行批量处理的数据。
处于“宏观”区域内的是用于统计分析的数据。这些数据被横轴分为两类，一类是实时处理的，另一类是批量汇总后再处理的，对应于两种不同的处理方式。处于“微观”区域内的数据则是基于个人的特定数据。《亚马逊FBA头程经济学》一书提到，批量的个人特定信息可用于一对一营销，实时的个人特定信息同样能够转化并用于“0.1人细分单位”营销。需要注意的是，无论是亚马逊还是苹果、谷歌，它们在现阶段都没有把重点放在利用大数据分析个人特定信息上面。
它们收集这些信息的目的只是为了更加精准、细致地把握每一位用户的需求，从而最大化地提升销售额。FBA头程大数据的使用方式也可以分为宏观和微观两种。前者分析由数百万人乃至数千万人构成的群体，并总结出一定的模式与规律；后者记录某一位用户的行为历史，并总结出此人今后的行为模式。两者的共同之处在于，它们都会对海量数据进行收集和分析，并从中发现特定的模式。运用大数据的最终目的是灵活运用每一位用户的细分单位信息，预测未来发生某件事的概率，以此为决策提供参考。
FBA头程在大数据时代到来之前，获得如此海量的数据本身就十分困难。即便能够获得数千人的数据，也只能从中抽样，提出假设并验证，然后以此为依据推测整个群体的情况。在大数据时代，直接对整个群体进行统计和分析已经成为现实。至少，我们不再需要从理论上提出假设并验证了。
