接著，亞馬遜的創(chuàng)辦人執(zhí)行長(zhǎng)貝佐斯（Jeff Bezos）開(kāi)始了一個(gè)網(wǎng)絡(luò)世界重要的嘗試–到數(shù)據(jù)中去挖寶，如果能幫個(gè)別客戶按照他們的喜好來(lái)建議書，那不是更好嗎？一開(kāi)始亞馬遜就擁有了大量的客戶的個(gè)人信息，還有買了什么書的記錄，對(duì)那些書關(guān)注了最后卻沒(méi)有買單，考慮了多久？一起買了那些書。
　　
　　一開(kāi)始亞馬遜還是利用傳統(tǒng)計(jì)算器運(yùn)算辦法，期望透過(guò)樣本分析，找出客戶之間的相似點(diǎn)，這種技術(shù)大不了對(duì)一個(gè)從事工程師工作的客戶建議其它工程師職業(yè)的客戶買類似的書籍；建議一個(gè)買了圍棋定式書的客戶，買圍棋殘局的書。就像一個(gè)不看書的人為讀者提出的合理建議，只是因?yàn)樗�有完整的書單罷了。
　　
　　亞馬遜有一個(gè)軟件工程師格里格(Greg Linden)，他在華盛頓大學(xué)博士班時(shí)主修人工智能，他想出了一個(gè)辦法，不要去管客戶之間的異同，只要管產(chǎn)品之間的關(guān)聯(lián)就好了，格里格這個(gè)團(tuán)隊(duì)在1998年以此申請(qǐng)專利，把亞馬遜的賣書推薦系統(tǒng)整個(gè)改頭換面，也為海量數(shù)據(jù)開(kāi)始了一個(gè)全新的應(yīng)用。
　　
　　有了這套系統(tǒng)，亞馬遜給上網(wǎng)找書的客戶兩個(gè)選擇，一個(gè)是計(jì)算器找出來(lái)的建議，一個(gè)是內(nèi)部編輯的書評(píng)，這樣的并行作業(yè)就是要比較那一種建議更有效益，可以說(shuō)是計(jì)算機(jī)和人的競(jìng)賽。
　　
　　到底編輯寫出的內(nèi)容還是計(jì)算機(jī)的建議厲害？那一項(xiàng)能帶來(lái)更多的營(yíng)業(yè)額？沒(méi)想到，僅是小小的測(cè)試一下，那就發(fā)現(xiàn)天差地別，計(jì)算機(jī)的建議遠(yuǎn)遠(yuǎn)勝過(guò)精彩的書評(píng)。
　　
　　沒(méi)有人知道，喜歡看甲作家的書的人也會(huì)買乙作家的書，喜歡驚悚小說(shuō)的人也會(huì)喜歡看歷史類的書，為什么如此并不重要，計(jì)算機(jī)透過(guò)書與書之間的關(guān)聯(lián)，讓客戶一次多買一本書，亞馬遜就達(dá)到目的了。
　　
　　最后，亞馬遜制造書評(píng)的部門因而解散了，理由是他們的書評(píng)會(huì)影響書店的銷售。今天亞馬遜33%的書是計(jì)算機(jī)推銷出去的。
　　
　　計(jì)算機(jī)從海量數(shù)據(jù)中找出事物的關(guān)聯(lián)性，知道“原來(lái)如此”就夠了，根本不用去理會(huì)“為何如此”，就能解決商業(yè)問(wèn)題？
　　
　　像谷歌這樣的搜索引擎一天就有幾十億的搜尋，幾年下來(lái)存下來(lái)的數(shù)據(jù)如海洋一樣遼闊壯大，谷歌還提供API讓你的計(jì)算機(jī)去海量數(shù)據(jù)中尋找你要的關(guān)聯(lián)性。
　　
　　如果你賣的是衣服，你可能從海量數(shù)據(jù)中發(fā)現(xiàn)下一季少女可能流行的顏色或式樣。
　　
　　你是搞印刷的，如果你知道什么是最熱門的產(chǎn)品，當(dāng)然愿意給相關(guān)產(chǎn)品的印刷品打個(gè)折扣？