如今，大數據分析正在促成一個新的產業鏈條：受眾獲得個性化的定制服務、商家風險成本的降低、全新的數據中間商的崛起……而傳統的商業模式在大數據時代也面臨著新的挑戰與轉型，互聯網金融對傳統金融業的挑戰即可見一斑。科技文化產業中較為明顯的是基于數據以及掌控數據技術分析的BAT互聯網三巨頭(百度、阿里巴巴、騰訊)，而我們看到即使是最為傳統的模式，譬如報業也在試圖占據大數據的先機。有研究者預言，傳統行業最終都會轉變為大數據行業，無論是金融服務業、醫藥行業還是制造業。如果從傳統的數據分析轉向大數據思維，一些目前面臨困境的行業，例如飽受贗品與假拍困擾的中國藝術品拍賣市場，也許會有某些新變化。

　　被譽為“大數據先驅”的邁爾·舍恩伯格在《大數據時代》一書中總結了大數據分析的特點：更多、更雜、更好。亦即：采用全體數據，而非部分采樣的數據;強調數據的完整性與混雜性，而不局限于小數據的精確性;著重于“是什么”的相關關系預測分析，而不探尋“為什么”的因果關系。邁爾·舍恩伯格的理論正是面對了數字信息化時代天量數據充斥的多元性、混雜性、共生性等多重特點，試圖使數據的更多可能性發揮出來。

　　目前，全球藝術市場弱市前行，中國藝術市場回歸調整促使拍賣公司在大機構資本退潮后轉向更為穩健的營銷策略。無論從拍賣行近年“培育藏家、學術推廣”的營銷策劃還是兩季拍賣之外私人洽購模式的興起，針對個人或者機構收藏、投資的個性化定制轉型日趨明顯，大數據分析顯然是題中之義。雅昌藝術市場監測中心AMMA出品的《中國藝術品拍賣市場調查報告2014春》(以下簡稱《報告》)所持的觀點也與此不謀而合：“細化數據成為中國藝術品市場的總趨勢，無論是從專場的策劃、藏家的定位、拍品的征集、推廣宣傳等方面都體現了這一新變化。”一方面，細化數據這一趨勢其實意味著拍賣行對各個細分市場以及客戶的消費模式進行有針對性的定制服務的訴求;另一方面，中國拍賣行業發展20多年以來積累了大量的數據或者說至少可以收集到大量數據，這應該是藝術市場中其他主體所不具備的資源優勢。大數據分析對于拍賣行營銷策略的轉型，乃至是促進整個拍賣行業的良性發展都有重要意義。

　　目前，鑒于拍賣行業數據混雜，假拍、贗品、結算率低等問題都使得數據的質量參差不齊，機構研究者往往需要進行大量的數據整理、清洗、剔除工作，從而試圖獲得更為精確、更具市場代表性的樣本數據。然而樣本數據的取舍過程中一旦存在任何采樣偏差，分析結果就會相去甚遠，而且小數據的樣本分析往往只能對預設的問題做出判斷，而不具有延展性，即發現計劃之外的問題以及用于其他用途目的。恰好，這些問題又是拍賣行業數據的復雜性所不能規避的。大數據分析的數據規模是所有紛繁數據，允許其中的混雜和錯誤，更有可能促使研究接近事實和真相本身。基于可能的相關性、而非絕對的因果性分析，也可能使得研究者發現以前所不能發現的關系。另外，在相關性分析的基礎上進行預測也是大數據分析的核心與魅力之處。這種相關性是交互的動態，而非單一的靜態，它基于關系的預測，甚至無需切入對于因果關系的復雜分析。這一方面有利于監管部門對市場的運行態勢做出判斷，及時做出風險預警或者事先采取相關的監管措施;另一方面，相關性也是企業進行定制服務的基礎：從客戶現有的行為模式與市場態勢，預測未來取向。鑒于目前的市場監管滯后、市場信息不透明等種種癥結，這種大數據分析思維可能會對整個行業產生重大影響。

　　對于掌握著數據的拍賣企業來說，在這樣的數據創新思維之下，過往以單一方式收集的原始數據就可能成為具有多種用途的可擴展數據，其潛在價值不可小覷。而除了大數據思維與數據的掌握者之外，掌握數據分析技術的中間商如果能先人一步挖掘數據的潛在價值也是商機無限，這也可能促使目前出路不明的藝術品電商從單純的電商到復合的數據中間商轉變。