企业对于品牌和品牌发展的思考方式，即将因大数据而产生巨大的改变。因此，高层管理者们需要反思：自己的企业是否已经做好了迎接大数据，并将自身的品牌战略引向更高层次的准备。
大数据这一概念描述的是一种技术生态系统，它使大量非结构化的、不均匀分布的数据能够被捕捉、存储和分析。大数据与之前基于数据仓储的商业智能（Business Intelligence，简称BI）技术有着划时代的差异。大数据的概念远远超越了简单的销售点（POS）数据以及客户关系管理（CRM）中包含的浅层数据，它所涵盖的数据有着丰富多样的来源——包括图片、文本、网页、社交网络，还有传统的交易数据。
对于品牌经理而言，大数据提供了超越想象的事物——不受时间限制地对消费者进行360度全方位观察。大数据使他们可以掌握消费者此前的行为、正在进行的“实时”行为，还可以对未来行为进行预测分析。大数据的出现，使得消费者的整个人生都有可能被追踪、下载、分析。大数据所依据的是消费者真实的行为表现，而不是他们对自己行为的描述，由此可以提供全新的洞见，而这些洞见可以催生出全新的品牌战略。
然而，要使品牌智能达到这种境界，许多公司需要彻底转变自身在品牌化中使用数据的方式，并加入这样一种理念——品牌管理正在变得越来越实时化、个性化。
若想达到这样的目标，企业需要经历以下五个阶段：
第一阶段，数据收集：数据无处不在，品牌经理们将会愈来愈认同一点——数据是他们新的货币，它们如同真金白银一样，多多益善。
获取数据的第一步，是取得公司所有的历史消费者数据以及围绕产品的一系列数据，或许还要收集那些被束之高阁的几十年前的数据。第二步要让所谓“实时数据网络”准备就绪。据估计，网络中有500亿个传感器，任何人只要获得授权，都可以接收这些传感器所传递的数据。
在这种情况下企业需要尽快找出与自身品牌相关的数据轨迹。随着网络上数据源以及与消费者间的交互变得越来越复杂，找出与品牌相关的数据将越来越重要。之所以要尽快识别所需信息，是因为数据其实非常珍贵，如同知识产权领域中的专利执照，对数据的访问和使用将被视作重要战略资产，获取难度会越来越高。
第二阶段，数据分析：启动大数据，Hadoop是一个强大的可测量的分布式运算和数据存储解决方案。Hadoop是一个开源的方案，它可以在一台服务器上运行，也可以在一千台服务器上运行。这一点和此前的大数据分析工具或分析系统迥然不同。品牌经理若想掌握这一系统，需要具备开放的思想和从零开始的心态。这样的话，他们即便没有完全通晓相关技术，也能够在了解系统功用方面取得进步。
大数据系统非常强大，这一点毋庸置疑，然而要让大数据发挥出它应有的效力，所面临的挑战并不仅仅来自技术方面，还有管理的挑战。组织的文化应该从依靠胆识和直觉转变为依靠数据分析，变得注重事实，以数据为中心。这一转变对企业来说或许会成为一个挑战。接下来，管理者和员工必须适应新的以Hadoop和HANA数据收集和分析为基础的工作系统，该系统与传统的系统及其相关管理思维过程之间，有着天壤之别。
因此，在这一新兴领域，企业需要雇佣专门人才。另外，组织还可以借用在其他技术与管理交叉的领域中已被证明有效的管理结构，例如App和网站发展过程中的管理结构。建立跨职能的团队来开发和管理大数据环境，是成功的关键之一。这样的团队应该将两类人相结合：一类是技术精湛、头脑聪明，并且能够对接品牌和营销目标的技术员工；另一类是以技术为中心，且乐于引领最尖端的技术和文化的品牌营销方面的员工。在这个核心团队之外，还应有一个灵活的动态管理结构，能够执行依据系统和其反馈而作出的决策。该管理结构通常得益于包含一个直通CEO等高官的通道。
第三阶段，消费者智能：数据分析和个性化数据的结合带来大数据品牌化的力量，这些个性化的数据来自于消费者和潜在甚至匿名的消费者，它们可以通过鼓动消费者自愿晒出而免费获取，比如，在社交媒体中为品牌加上“喜欢”功能按钮的设计。其他的信息则可以通过自动运行的感应设备来获取。这样做让系统得以更好地掌握消费者群体的资料。
可见，品牌经理应当参与到大数据系统中，并在其中进行“如果……会怎样”的分析，获取品牌形象相关的信息时，不仅着眼于已有的、“已知的”消费者群体、类别、以及资料，还应培养一种意识，不断思考缺失了什么。这种战略本质上是在试图通过“知晓未知”来获取洞见。企业或许已经意识到，产品的拥有者会受到一个看不见的第三方的影响，影响方式多种多样。社交媒体已经从“知晓未知”中获得了一些结论，由此便可进行检验，看看消费者有多少朋友也喜欢该产品，以及他们喜欢产品的时间序列。企业可以通过这个渠道干预品牌传递。
第四阶段，个性化品牌传递：大数据通过智能手机等设备识别个体、预测个体行为，并将之与事件相联系的能力，使品牌经理们第一次能够在销售点、产品活动等机会中展现并施加影响，或是在恰当的时间强化品牌，直接与消费者联系。
这种微观的，或者说个性化的品牌战略可以融入到品牌经理们所惯用的品牌分割模型中，比如Brandz的品牌动态金字塔。如今品牌经理们可以最大限度地利用大数据分析结果，获得处于各个不同阶段、各个微观市场类别的个体消费者或群体消费者的360度全景式资料，这些分析结果和资料可以被应用于改进各个细分市场的品牌战略，更有效地将品牌术应用于细分定位的受众。
因此可见，品牌经理应该不断地与数据共事，才可能为公司发现潜在的消费者和新的市场或品牌扩张机会。此外，品牌经理还应负责扫描科技视界，发现新兴技术，特别是那些能够与大数据或是消费者智能相结合，从而将公司的品牌智能推向更高层次的技术。
第五阶段，衡量结果：衡量品牌资产价值方面的品牌成果，是确定大数据应用于品牌管理所带来的益处的一种方法。然而，有一点需要注意：大数据系统依靠专业技术和长时间的培育，因此企业不应该指望能够轻松获得回报。为了避免事倍功半，品牌经理将数据项目和严格的度量程序——比如平衡积分卡——相结合是一个明智的做法。在大数据用途的下游领域，以及跨越多个进程组时，这种数据项目和度量程序相结合的考量，比资本支出或是财务回报率（ROI）都更能掌握大数据的完整结果。可以说，展现在你眼前的是一个强有力的店铺销售模型，而它针对的是许多我们此前从未料到其间会有交集的产品。如果你想找出员工品牌培训计划上某一特定阶段所对应的销售的高峰值，你可能需要记分卡的方法。品牌积分卡连接了财务与学习活动，而其他操作可以被经理们用来进行交叉验证。
运用这种方法开展大数据品牌战略，最终将会给消费者们带来更丰富的品牌体验，为公司带来更优厚的回报。而大数据方法并不是无懈可击——内存数据库还非常新，Hadoop分析依靠志愿者们以开源的方式开展；同样值得注意的是，一直以来受人关注的企业全部都是技术中心型企业，有着庞大的大数据系统，高水平的“大数据智商”以及广泛的技术支持，更重要的是，他们还有用于开发尖端科技的管理。
