從目前電商平台來看，其掌握的大數據類型主要包括3種：（1）文字類：主要包括商品價格、銷售量、用戶評論等，此類數據較易獲得；（2）媒體類：主要包括圖片、視頻、音頻等，此類數據獲取難度也不高，但是對分析、提取的要求較高；（3）抽象類：主要包括信用等級、社交資料、用戶資訊等，這些數據的產生是由其他數據決定的，外部很難直接獲得，也是電商平台核心財富。
大數據在電子商務的應用
面對海量的電商大數據，各項應用也不斷湧現，電商大數據的價值被逐漸開發出來。目前具備完整商業模式的電商大數據應用有3個：（1）個性化推薦是最為成熟的應用；（2）C2B是可以直接幫助品牌廠商降低風險、提高銷售量的應用；（3）電商金融是市場空間最大的應用。
一）最成熟應用：個性化推薦
一個好的推薦系統可以大幅提升網站瀏覽轉化率，為網站帶來新的銷售機會，既能提高電子商務網站的交叉銷售能力，同時還能改善顧客對電子商務網站的忠誠度。商品推薦系統的核心技術正是大數據，涉及訪客的歷史交易資料、訪客在該網站的瀏覽資料、在其他合作夥伴網站的瀏覽資訊，以及用戶的評論行為，數據量大且類型多。
目前較為常見的推薦場景為常規網頁推薦和其他途徑推薦，其中網頁推薦主要包括在瀏覽電子商務網站的過程中進行商品推薦，以及瀏覽其他網站的過程中進行商品推薦。在網頁推薦的過程中涉及用戶隱私問題，有些網站利用跟蹤用戶的Cookies，獲取用戶資訊來進行推薦，拓墣產業研究所（TRI）認為這個現象在互聯網中普遍存在，也沒有明文禁止；但是個性化推薦需要本著「不作惡」的原則來推行，否則消費者將喪失對個性化推薦的信任。
然而，個性化推薦並未完全成熟，從對天貓、京東商城、易訊等電商網站的測試看來，精準度還顯不夠，這和用戶資訊累積及大數據挖掘技術有關。在各家平台的推動下，預計個性化推薦的商業價值會更大。
二）最直接應用：C2B
C2B這項應用是由阿里巴巴所推廣的，阿里巴巴每天有超過30億個的店鋪、商品瀏覽記錄，10億線上商品數，上千萬的成交、收藏和評價資料。透過其大數據幫助商家進行企業的資料化運營，幫助消費者進行理性的購物決策是阿里巴巴C2B應用想要解決的問題。
按照數據的流向來劃分，阿里巴巴數據產品的技術架構分為5層，分別是數據源、計算層、儲存層、查詢層和產品層。位於架構頂端的是數據來源層，這裡有阿里巴巴的用戶、店鋪、商品和交易等數據庫，還有用戶的瀏覽、搜索等行為日誌等，這一系列的數據是數據產品最原始的生命力所在。
在數據源層即時產生的數據，透過其自主研發的資料傳輸元件DataX、DbSync和Timetunnel即時地傳輸到一個有1,500個節點的Hadoop集群上，這個集群稱之為「雲梯」，這是計算層的主要組成部分。在「雲梯」上，每天有大約4萬個作業對1.5PB的原始數據，按照產品需求進行不同的MapReduce計算。針對一些對時效性要求很高的數據做了流式數據的即時計算平台，接收來自TimeTunnel的即時消息，在記憶體中做即時計算，並把計算結果盡可能在短的時間內刷新到NoSQL儲存設備中，供前端產品調用。
為了向產品提供即時的數據查詢服務，針對前端產品設計了專門的儲存層。在這一層上有基於MySQL的分散式關係型數據庫，集群MyFOX和基於HBase的NoSQL儲存集群Prom。儲存層異構模組的增多，對前端產品的使用帶來了挑戰；但可以通過數據中間層Glider來遮罩這個影響。Glider以HTTP協定對外提供Restful方式的介面，數據產品可以通過唯一的URL獲取到其想要的數據。
品牌廠商透過產品端直接獲取自己所需的數據產品，並可將自己的供銷體系接入其數據產品，直接跟蹤行業的動態變化，透過阿里巴巴數據對產業進行調研和產品戰略規劃，避免庫存風險。
電子商務大數據商機分析
一）衝擊傳統行業
在分析電子商務大數據帶來的商機之前，首先對電商大數據時代將會受到衝擊的傳統行業進行分析，警示相關企業發展中面臨的風險。針對個性化推薦、C2B和電商金融等3項應用，廣告行業、戰略諮詢行業、銀行分別會受到較大的衝擊。
•廣告行業：個性化推薦通常採取CPC（按點擊收費）或CPM（按顯示收費）的方式，易於廣告衡量效果且綜合費用低；相比之下，傳統廣告平台投放費用高，且不易衡量效果。
•戰略諮詢行業：C2B可動態跟蹤和分析市場，參考阿里巴巴的數據1年費用是3,600元人民幣。相比之下，戰略諮詢行業的產品多以專案制為主，且無法動態跟蹤市場，費用也較高，TRI認為基於數據分析的趨勢型諮詢公司將會受到很大衝擊。
•銀行：電商金融機制靈活，借貸成本低且風險控制嚴格，能夠很好的滿足小微客戶的短期融資需求。傳統銀行在融資審批環節流程複雜，且借貸成本高。TRI認為，未來電商金融對基於小微客戶信貸的中小銀行形成較大衝擊。
二）品牌廠商借電商大數據革新
品牌廠商和電子商務平台廠商之間基於數據業務的合作，是一種新的產銷模式。透過電子商務大數據來完成前期的戰略規劃、市場調研，依靠消費者消費資料來動態跟蹤各類產品銷售情況，達到產銷柔性預測；最後透過個性化推薦，幫助品牌廠商提高銷售量。這樣的新模式對於品牌廠商有以下優勢：（1）幫助公司節省成本，包括市場調研和戰略規劃費用；（2）降低公司運營風險，主要是庫存風險；（3）提升公司銷售量，相當於節省公司廣告支出，形成精準行銷。目前提供此類數據業務的電商有阿里巴巴和京東商城，而中國一線品牌大廠如華為、海爾等，也在積極嘗試此新型產銷模式。
大數據技術廠商前景光明
以阿里巴巴金融這項應用為例，大數據源、數據處理能力、數據介面和最終用戶都是由阿里巴巴提供；但數據挖掘是由大數據廠商上海天律資訊提供，上海天律資訊是一家長期專注於做數據挖掘、分析的公司，由此可見大數據技術廠商的價值。
大數據廠商核心競爭力是強大的大數據技術和豐富的行業經驗，在產業發展初期，透過其在特定行業的經驗，快速建立競爭優勢。目前中國大數據技術廠商多以中小廠商為主，所覆蓋的應用延伸至政府、電信、金融、鐵路等行業，台灣大廠進軍中國大數據產業最快的方式就是收購這些中小大數據廠商。