分析社交媒體中的非結構數據能夠獲得直接回報

社交媒體存在很大的商機。例如，作為零售商，你發現Justin Bieber的分析非常喜歡他在昨晚演唱會穿的外套，并且有人在Twitter上表示他從你的商店買到了一件，然后你可以快速決定增加那件外套的存貨量，因為你知道這件衣服將非常熱門，但只是在非常有限的時間內。

如果沒有預測分析(PA)，你很可能錯過這個機會。

“在過去，我們會根據歷史數據來做決定，但現在時代不同了，”Barnes表示，“現在我們需要預測分析?！?/P>

我們需要結合開源技術(大多數大數據平臺都源自開源)、摩爾定律、商品硬件、云計算以及捕捉和存儲大量非交易數據的能力來實現預測目的。

通常被認為是大數據背后的驅動力的非結構化數據(例如視頻和電子郵件)幾乎沒有參與這一過程。你可以刷博客和用戶論壇，然后將這些信息與地理數據相關聯，并結合現有結構化客戶數據，和來自Micro Strategy Wisdom引擎(追蹤1400萬Facebook用戶對你的品牌的評價)等新來源的信息，這樣你就獲得了強大的預測能力。

BI供應商MicroStrategy公司的行業營銷主管P.K.Paleru表示，大數據已經發生了兩件事情，“你可能給結合不同來源的各種類型的數據，你還可以對所有這些數據進行微優化?！?/P>