分析社交媒体中的非结构数据能够获得直接回报

社交媒体存在很大的商机。例如，作为零售商，你发现Justin Bieber的分析非常喜欢他在昨晚演唱会穿的外套，并且有人在Twitter上表示他从你的商店买到了一件，然后你可以快速决定增加那件外套的存货量，因为你知道这件衣服将非常热门，但只是在非常有限的时间内。

如果没有预测分析(PA)，你很可能错过这个机会。

“在过去，我们会根据历史数据来做决定，但现在时代不同了，”Barnes表示，“现在我们需要预测分析。”

我们需要结合开源技术(大多数大数据平台都源自开源)、摩尔定律、商品硬件、云计算以及捕捉和存储大量非交易数据的能力来实现预测目的。

通常被认为是大数据背后的驱动力的非结构化数据(例如视频和电子邮件)几乎没有参与这一过程。你可以刷博客和用户论坛，然后将这些信息与地理数据相关联，并结合现有结构化客户数据，和来自Micro Strategy Wisdom引擎(追踪1400万Facebook用户对你的品牌的评价)等新来源的信息，这样你就获得了强大的预测能力。

BI供应商MicroStrategy公司的行业营销主管P.K.Paleru表示，大数据已经发生了两件事情，“你可能给结合不同来源的各种类型的数据，你还可以对所有这些数据进行微优化。”