守着金矿，如何下锹?

农夫山泉想知道怎样摆放水堆更能促进销售?什么年龄的消费者在水堆前停留更久，他们一次购买的量多大?气温的变化让购买行为发生了哪些改变?竞争对手的新包装对销售产生了怎样的影响?使用大数据之前，不少问题也可以回答，但它们更多是基于经验，而不是基于数据。

为了弄清这些问题，从2008年开始，农夫山泉的业务员就开始拍摄水怎么摆放、位置有什么变化、高度如何等照片，随后这些图片如雪片般进入农夫山泉在杭州的机房，每个月大概有3TB的数据。

拍摄的照片就这么被收集起来，如果按照数据的属性来分类，“图片”属于典型的非关系型数据，还包括视频、音频等。要系统地对非关系型数据进行分析是农夫山泉设想的下一步计划，这是农夫山泉在“大数据时代”必须迈出的步骤。

然而，农夫山泉当时很茫然，觉得守着一座金山，却不知道从哪里挖下第一锹。

交通大数据显神威

2011年，转机出现。农夫山泉开始基于“饮用水”这个产业形态中的运输环境开发数据场景。

将自己定位成“大自然搬运工”的农夫山泉，在全国有十多个水源地。农夫山泉把水灌装、配送、上架，一瓶超市售价2元的550ml饮用水，其中3毛钱花在了运输上。在农夫山泉内部，有着“搬上搬下，银子哗哗”的说法。在没有数据实时支撑时，农夫山泉在物流领域花了很多冤枉钱。如何根据不同的变量因素来控制自己的物流成本，成为问题的核心。

为此，农夫山泉将很多数据纳了进来：高速公路的收费、道路等级、天气、配送中心辐射半径、季节性变化、不同市场的售价、不同渠道的费用、各地的人力成本、甚至突发性的需求(比如某城市召开一次大型运动会)等。

利用这些大数据，农夫山泉计算出一套最优的仓储运输方案，使各条线路的运输成本、物流中心设置最佳地点等信息及时呈现;将全国十多个水源地、几百家办事处和配送中心整合到一个体系之中，形成一个动态网状结构，进行即时的管控。让退货、残次等问题与生产基地能够实时连接起来，通过大数据准确获知该生产多少，送多少。农夫山泉最终解决了采购、仓储、配送这条线上的顽症，实现产品运输决策的智能化、物流成本的精准化、运输资源的配置合理化。

有了强大的数据分析能力做支持后，农夫山泉运用大数据技术，销售、市场费用、物流、生产、财务等数据的计算速度，从过去的24小时缩短到了0.67秒，几乎做到实时计算，极大地提高了销售额和市场份额。

大数据，成为农夫山泉大卖矿泉水背后的秘诀。