利用来自于与客户互动的可利用的大量数据，可以使公司的定价更为合理，并得到相应回报。正确定价的重要性不言而喻。一般来说，价格上涨1%的话，相应的营业利润会增加8.7%(当然，假设销量不发生变化)。
然而，据估计，每年成千上万的定价决策公司中，30%企业未能提供最好的价格。这是一笔很大的损失。值得关注的是，现在可用的海量数据为公司提供了一个更好作出定价决策的机会。
当然，这不是一件容易的事。大数据的白热化增加了多通道的复杂性，客户接触点的数量一直呈爆炸性增长，但价格点需要保持同步。由于没有发现并就大数据带来的机会采取措施，许多企业正失去唾手可得的增加利润的机会。抓住机会的秘诀就在于利用大数据找到在产品水平上，而不是种类水平上的最优定价。
对于每种产品，企业都应该能找到客户愿意支付的最优价格。最理想的是，他们洞察到非常具体的会影响到价格的因素，然后得出最优价格。事实上，对于产品种类不是很多的公司来说，这种定价方式很直接。
当产品数量激增的时候，这样定价是有问题的。一家典型公司收入的75%来自于它的标准产品，其产品数量经常多达成千上万。耗时的、手动的价格设置，几乎不可能跟释放潜在价值的定价模式沾边。对大型企业来说，细化和处理好定价变量的复杂性太难了，且这些变量通常在不断变化，其核心在于，这实质上是个大数据问题。
分析的模式强调基于支付意愿的客户产品水平上差异化定价的机会。
许多营销人员对此却视而不见。他们仅仅基于简单因素来定价，比如制造产品的成本、标准利润率、相似产品的价格、折扣数量等等。他们依赖于过去的实践来管理产品，正如他们总是使用或者引用“市场价格”，作为不处理这些问题的借口。最糟糕的是，他们依赖于“久经考验”的历史方法，如普遍涨价10%。
更好定价的关键就是充分了解公司现在处理的数据，需要放大而不是缩小数据的作用。
事实上，在B2B背景下，使用大数据的例子实际上已经不只局限于定价，而是涉及到公司商业引擎的其他方面。例如，“动态评分”在个人交易、决策升级点、激励、绩效得分，以及更多基于一组类似的损益交易水平上提供价格指导。
使用较小的、相关的交易数据是很有必要的，因为不同交易的相关因素会发生变化。大数据给技术领域带来的巨大成功已经出现——某公司依据大数据定价，相应增加了四到八个百分点的销售利润。
