Amazon’s Big Data Strategy

“Sebagai tim rekomendasi Amazon, kami bertanya pada diri sendiri, bagaimana kami
mengambil data ini dan menghasilkan sedikit lebih banyak uang, bagaimana kami
menerapkannya di saluran ini secara berbeda dan itu benar-benar rapi. Sekarang ini disebut
'data besar' di dunia pemasaran dan media, tetapi pada saat kami melakukan hal ini, itu hanya
semacam meletakkan satu kaki di depan yang lain.
Perusahaan e-commerce terkemuka (Amazon) dan anak perusahaannya Zappos di antara
sepuluh pengecer teratas di Amazon.com Ritel Nasional, berada di peringkat Inc. Ed Federation
Foundation / American Express Customer 'Choice Awardsa selama dua tahun (2010 dan 2011)
berturut-turut . Pengamat industri merasa bahwa pengakuan yang didambakan adalah hasil dari
penggunaan Amazon dari sumber daya databnya yang besar untuk memberikan kualitas
layanan yang superior. Sejak saat itu muncul sebagai penyedia layanan Internet dominan pada
awal tahun 2000, Amazon mulai fokus pada data besar untuk meningkatkan kinerjanya.
Bersama dengan banyak perusahaan Internet utama lainnya, ia menyadari pentingnya data
besar pada awal tahun 2000an, dan sejak saat itu, fokus pada penggunaan basis data besar
orang-orang yang berbelanja di portal e-commerce.
Amazon memanfaatkan sumber datanya yang besar untuk memberikan rekomendasi produk
yang bagus kepada pelanggannya dan dengan demikian meningkatkan hubungan dengan
mereka. Ini memanfaatkan sumber daya data yang besar untuk secara teliti meningkatkan
sistem rekomendasi pelanggan terkenalnya. Data pembelian sebelumnya yang dibuat oleh
pelanggan digunakan untuk memberi mereka saran produk yang sangat disesuaikan. Analisis
data pelanggan masa lalu juga membantu Amazon dalam memberikan saran kepada pelanggan
baru yang membeli dari portal untuk pertama kalinya. Data besar membantu Amazon dalam
mengembangkan profil pelanggan 360 derajat dan untuk membuat pesan pemasaran yang
sangat pribadi mengenai produk berdasarkan kebutuhan dan preferensi pelanggan individu. Di
sisi pelanggan, Amazon juga menggunakan sumber data besarnya untuk meningkatkan kualitas
layanan pelanggannya. Akses mudah ke profil pelanggan dan kebiasaan pembelian /
penelusuran mereka di masa lalu memudahkan para eksekutif layanan pelanggan perusahaan
untuk memberikan solusi cepat terhadap keluhan pelanggan. Akuisisi Zapposc oleh Amazon
pada tahun 2009 semakin memudahkan penggunaan big data dalam meningkatkan kualitas
layanan pelanggan. Sumber daya data besar juga dimasukkan ke beberapa kegunaan inovatif
seperti mengecek penipuan di tingkat organisasi. Data katalog produk dianalisis secara
menyeluruh untuk mengidentifikasi barang mana yang lebih mungkin dicuri. Hasil analisis ini
diberikan kembali ke gudang perusahaan untuk membatasi pencurian barang.
Selain meningkatkan kinerjanya sendiri, Amazon juga membantu perusahaan e-commerce lain
yang lebih kecil dengan memungkinkan mereka untuk menggunakan sumber daya data
besarnya dan meningkatkan kinerjanya. Layanan inovatif bernama Amazon Webstore,
diluncurkan pada tahun 2010, memungkinkan perusahaan kecil untuk membangun portal
mereka di sekitar platform e-commerce Amazon. Pengguna Amazon Webstore dapat
mengiklankan produk mereka di portal Amazon dengan membayar sebagian kecil dari hasil
penjualan sebagai komisi ke Amazon. Dengan biaya bulanan tetap untuk menggunakan
layanan ini, bisnis mitra dapat menggunakan sumber daya data besar Amazon. Amazon
Webstore cukup berhasil dan diadopsi oleh pengecer kecil maupun besar seperti Timex dan

1|Page
Samsonite yang tidak ingin memiliki sistem e-commerce mereka sendiri. Paket layanan
Internet berbasis cloud Amazon yang dikenal sebagai Amazon Web Services (AWS) juga telah
keluar dengan solusi untuk perusahaan kecil sehingga mereka dapat menerapkan data besar
dengan mudah. Layanan baru yang dikenal sebagai Kinesis, diumumkan pada November 2013,
dapat memproses volume tinggi data yang mengalir ke AWS secara real time. Menurut
beberapa pengamat industri, ini adalah tawaran Amazon untuk menutup loop pada tumpukan
cloud terpadu dan memberikan solusi end-to-end untuk mengumpulkan dan memproses data.
Mereka merasa bahwa hanya dengan mengambil relake pada berbagai aspek kemampuan data
yang besar dan secara efektif memanfaatkan ini, perusahaan dapat muncul sebagai ancaman
bagi seluruh ekosistem analitik..
Catatan Latar Belakang
Amazon didirikan pada tahun 1994 oleh Jeffrey Preston Bezos (Bezos). Ini memulai operasinya
pada saat jangkauan Internet meningkat dan internet dianggap sebagai media bisnis potensial.
Memahami tren, Bezos muncul dengan ide menjual buku melalui Internet. Dia merasa bahwa
buku adalah produk terbaik untuk dijual secara online karena jutaan judul dicetak dan sebuah
situs e-commerce dapat menjadi rumah dan menjual lebih banyak buku daripada toko-toko
buku batu bata dan mortir konvensional. Bezos menghitung bahwa toko-toko bata-dan-kaki
biasa tidak dapat menampung lebih dari 200.000 buku pada suatu waktu3 dan bertujuan untuk
membangun toko buku online besar yang akan lebih besar daripada toko buku fisik mana pun
di dunia. Amazon awalnya didanai dengan uang yang dipinjam Bezos dari teman dan kerabat.
Bezos dan istrinya, bersama dengan beberapa karyawan, membangun situs web dan
mengujinya selama lebih dari setahun sebelum meluncurkannya (Lihat Exhibit 1 untuk
Timeline Amazon).

2|Page
Amazon akhirnya dibuka untuk pelanggan pada tahun 1995. Seperti banyak raksasa teknologi
lainnya, awalnya dijalankan dari garasi — yang ada di rumah Bezos di Washington. Pada saat
Amazon memulai operasinya, pasar ritel buku sangat terfragmentasi dan tidak ada pemain
besar kecuali Barnes & Noble, Inc.d Barnes & Noble memiliki kesembilan dari total pangsa
pasar tetapi tidak ada kehadiran online. Amazon mendapat keuntungan penggerak pertama dan
menghadapi sedikit persaingan di hari-hari awal operasinya. Sejak saat memulai operasi
bisnisnya, Bezos berfokus pada pelanggan dan percaya bahwa kesetiaan pelanggan adalah
kunci untuk menembus pasar dan meningkatkan penjualan. Amazon mulai mengirim barang
ke 50 negara bagian di AS dan 45 negara lainnya dalam waktu satu bulan sejak peluncurannya
— dan semua ini masih bekerja dari garasi Bezos. Popularitas Amazon tumbuh dari mulut ke
mulut saat pelanggan merekomendasikannya kepada orang lain. Dalam waktu empat bulan
sejak peluncurannya, Amazon menjual lebih dari 100 buku setiap hari. Kinerja perusahaan
yang mengesankan menarik para investor dan Amazon mendapatkan investasi besar
pertamanya sebesar US $ 100.000 dari Madrona Venture Group, Inc.e pada tahun 1995.
Perusahaan ini melaporkan penjualan bersih sebesar US $ 511.000 selama enam bulan pertama
operasinya dan keyakinan Bezos bahwa Ia bisa membuat kesuksesan perusahaan meningkat.
Pada awal tahun 1996, Amazon pindah ke markas baru — sebuah gudang kecil di Seattle.
Perusahaan ini mempekerjakan 11 orang dan menawarkan 2,5 juta judul buku. Mengikuti
model Jepang, Amazon memiliki persediaan yang sangat terbatas dan dengan demikian
menjaga biaya tetap terkendali. Ini memulai program pemasaran afiliasi inovatif yang disebut
Amazon Associates Program pada Juli 1996. Program ini memungkinkan situs web pihak
ketiga untuk menjual buku melalui tautan ke Amazon yang dipasang di situs mereka untuk
komisi sebesar 15 persen dari total penjualan yang dilakukan. Program ini sukses besar dan
membantu memperluas jangkauan Amazon tanpa harus menghabiskan banyak uang untuk
iklan. Para ahli berpendapat bahwa program ini tidak hanya menghasilkan lalu lintas ke
Amazon tetapi meningkatkan kehadiran merek secara daring karena situs pihak ketiga ini
memuat logo Amazon di laman mereka. Program Amazon Associates kemudian diperluas ke
semua produk yang dijual di portal Amazon. Amazon go public pada tahun 1997 dan
menawarkan 3 juta sahamnya untuk dijual. Saham dibuka pada US $ 18 per saham dan IPO
mengumpulkan US $ 54 juta untuk perusahaan. Pada tahun 1998, Amazon mulai menjual DVD
dengan pembukaan toko videonya yang diikuti oleh peluncuran lelang Amazon.com pada
Maret 1999.
Kesuksesan Amazon menarik banyak pesaing baru seperti Book Stacks dan Book Zone ke
pasar dan ini menyebabkan persaingan yang lebih tinggi bagi perusahaan. Untuk menghadapi
persaingan secara efektif, Amazon memperkenalkan fitur-fitur baru seperti ulasan produk
online di mana pelanggan dapat menulis ulasan buku mereka sendiri serta membaca ulasan
yang ditulis oleh orang lain. Pada tahun 2000, Amazon telah membuat perubahan besar dalam
model bisnisnya dan mulai menjual produk lain. Pada tahun 2000, ia juga memperluas
kehadirannya dan meluncurkan situs di Prancis dan Jepang. Pada tahun 2001, Amazon
mengizinkan pengecer lain untuk menjual produk mereka melalui situsnya dan mengambil

3|Page
bagian dari hasil penjualan sebagai komisi. Pada kuartal terakhir tahun 2001, Amazon
melaporkan laba pertamanya.
Operasi Amazon diperluas pada tahun 2003 saat membuka situs web baru di negara-negara
Asia Pasifik dan Eropa. Pada tahun 2006, ia meluncurkan anak perusahaan utama bernama
Amazon Web Services.6 Amazon Web Services menyediakan berbagai layanan komputasi
jarak jauh berbasis cloud kepada pelanggannya. Munculnya era digital mengubah pola
konsumsi konten orang. Banyak orang mulai membaca buku dan majalah di desktop dan laptop
mereka daripada membeli salinan fisik. Menanggapi perubahan ini, Amazon memperkenalkan
pembaca e-book bernama Kindle pada tahun 2007. Kindle menjadi hit besar di pasar dan
menggembar-gemborkan era baru membaca digital. Kindle kemudian dirilis sebagai aplikasi
untuk perangkat lain yang bekerja pada sistem operasi seperti Android dan iOSf. Hingga tahun
2011, kapitalisasi pasar Amazon telah mencapai angka US $ 100 miliar, menjadikannya salah
satu perusahaan teknologi terkemuka di dunia. Untuk tahun iscal 2012, Amazon memiliki
pendapatan US $ 61,09 miliar dan rugi bersih US $ 39 miliar (Lihat Exhibit 2 untuk keuangan
Amazon).

DATA BESAR DI AMAZON

Selama bertahun-tahun, Amazon telah berevolusi dari menjadi pemain e-commerce murni
menjadi perusahaan layanan Internet raksasa yang menawarkan berbagai layanan bagi individu
dan perusahaan. Ini mulai sangat fokus pada data besar dan memulai transisi dari pengecer
online murni menjadi perusahaan data besar raksasa.7 Amazon bersama dengan raksasa
Internet besar lainnya seperti Yahoo! Inc.g (Yahoo) dan Twitter, Inc. (Twitter) menyadari pada
awal tahun 2000an bahwa mereka memiliki sejumlah besar data tentang pengguna mereka yang
dapat mereka manfaatkan.8 Sementara perusahaan lain tidak berkonsentrasi pada kepentingan
besar data, Amazon dengan cepat menguangkan pada database yang tak ternilai dari orang-
orang yang berbelanja di portal e-commerce di seluruh dunia. Tim rekomendasi produk di
Amazon memikirkan cara-cara inovatif yang dapat menggunakan data yang dikumpulkan oleh
perusahaan. Hasilnya adalah revolusi data besar yang mengubah cara Amazon melakukan
bisnis.
Sebagai raksasa e-commerce, kesuksesan Amazon selalu bergantung pada penyediaan produk
yang tepat bagi pelanggannya. Membuat produk yang tepat tersedia pada gilirannya tergantung

4|Page
pada pemahaman produk yang tepat yang diinginkan pelanggan. Memahami kebutuhan dan
selera pelanggan yang terlibat melakukan riset pasar yang tepat serta menganalisis basis
pelanggannya sendiri. Sejak awal, Amazon telah terkenal dengan sistem rekomendasi
produknya yang memberikan saran produk kepada pelanggan tergantung pada perilaku
pembelian mereka di masa lalu. Data yang dikumpulkan dari pelanggannya adalah pendorong
utama di belakang sistem rekomendasi Amazon. Menjadi pemain e-commerce terkemuka,
Amazon memiliki bank data yang besar mengenai suka dan perilaku pembelian di masa lalu
dari basis pelanggannya. Itu telah menggunakan bank data ini untuk membangun sistem
rekomendasinya. Sistem rekomendasi sebelumnya didasarkan pada menunjukkan lebih banyak
barang yang mirip dengan yang dicari oleh pelanggannya. Metode kesamaan barang demi item
ini dibangun atas dasar filteringi kolaboratif dan sangat berhasil dalam memperdalam
hubungan dengan pelanggannya. Mesin rekomendasinya telah ditingkatkan dan
disempurnakan untuk memberikan hasil yang lebih baik.
Amazon kemudian mulai memanfaatkan data pembelian historis konsumen juga dan data
clickstream dari semua pelanggannya untuk menampilkan halaman web dengan informasi yang
disesuaikan secara unik. Menggunakan data semacam itu membantu Amazon dalam banyak
hal selain menunjukkan produk terkait dan alternatif yang dicari oleh konsumen. Menambang
sejumlah besar data membantu dalam memahami perasaan batin dan kesukaan pelanggan yang
mereka tidak dapat mengekspresikan diri. Mengomentari pentingnya data dalam memahami
perilaku pelanggan, Michael Driscoll dari Datasporaj mengatakan, “Anda dapat bertanya
kepada orang-orang apa yang memengaruhi keinginan mereka untuk memperbarui kontrak
ponsel mereka, dan apa yang dikatakan orang dan apa yang mereka lakukan seringkali sangat
berbeda. Data adalah kunci untuk membedakan antara apa yang dikatakan orang dalam hal
sentimen dan apa yang mereka lakukan dalam hal tindakan.

MEMANFAATKAN DATA BESAR

Amazon memanfaatkan data besar untuk meningkatkan hubungannya dengan pelanggannya
dan memberikan layanan pelanggan yang unggul. Pengecer online membangun basis data yang
luas dari pelanggannya dan preferensi pembelian mereka dalam jangka waktu yang lama. Ini
adalah salah satu perusahaan e-commerce pertama yang mulai menggunakan metode

5|Page
penjualan-silang / jual-laris. Sistem rekomendasi pelanggan ini kemudian ditambah dengan
memanfaatkan sumber daya data besarnya. Menggunakan data besar, Amazon mulai
menganalisis pembelian produk sebelumnya yang dilakukan dari toko online oleh
pelanggannya dan barang-barang lain yang dibeli bersama dengan mereka. Data yang
dikumpulkan dari pelanggannya digunakan untuk memberikan saran yang diam tetapi sangat
disesuaikan untuk membuat mereka membeli lebih banyak. Analisis data ini membantu
Amazon memberikan saran produk kepada pelanggan yang ada serta pelanggan baru yang
mungkin tidak membeli produk komplementer. Ini adalah alasan mengapa situs Amazon
menampilkan ‘Pelanggan lain yang membeli item ini juga membeli jenis barang‘ rekomendasi
penjualan silang. 12 Rekomendasi terkait produk juga disesuaikan berdasarkan banyak faktor
seperti lokasi dan demografi pelanggan. "Bahkan dapat menghubungkan perilaku pembelian
antara penjualan rumah dan kebun," kata Jeff Kelly, memimpin analis data besar di Wikibon.

Berbagai produk membingungkan yang dipamerkan di portal e-commerce membuat mereka

tampak berat dan tidak dapat dimengerti oleh banyak pelanggan. Menurut analis, menambang
harta karun informasi dan memberikan rekomendasi produk yang relevan dapat membuat situs
e-commerce terasa lebih kecil dan lebih intim bagi konsumen. Data besar juga membantu
Amazon dalam pengembangan strategi pemasarannya yang dipersonalisasi — taktik yang
membuatnya unggul. Banyak perusahaan e-commerce menggunakan email massal umum dari
produk dan penawaran yang tersedia bersama mereka. Strategi ini menyebabkan pemborosan
upaya pemasaran banyak perusahaan dan pelabelan e-commerce mail sebagai spam. Amazon
menciptakan profil pelanggan 360 derajat yang melacak dan menyimpan segala sesuatu yang
terkait dengan pelanggan seperti riwayat penelusuran, data sosial, selera dan preferensi, riwayat
pembelian sebelumnya, dll. Profil pelanggan 360 derajat ini memfasilitasi identifikasi
kelompok pelanggan yang cerdas yang dapat ditargetkan dengan tepat .15 Amazon dapat
menciptakan pesan-pesan pemasaran yang sangat pribadi mengenai produk-produk
berdasarkan kebutuhan dan minat masing-masing pelanggan.
Amazon juga mengandalkan data besar untuk meningkatkan kualitas layanan purna jual kepada
pelanggannya. Sebagian besar pelanggan Amerika diketahui memiliki pengalaman yang sangat
negatif dalam interaksi layanan mereka. Amazon mencoba memecahkan masalah ini dengan
memanfaatkan data besar yang dimilikinya tentang pelanggannya. Memiliki data yang tepat
membantunya memiliki pertukaran yang menguntungkan dengan pelanggannya dan
memecahkan masalah mereka dengan cepat. Eksekutif layanan pelanggan Amazon memiliki
akses cepat ke data mengenai pembelian sebelumnya dan riwayat penelusuran pelanggannya.
Ini memungkinkan perusahaan untuk memberikan solusi yang lebih cepat terhadap masalah
dan keluhan pelanggannya. Pengadu tidak harus menguraikan detail mereka seperti nama

6|Page
belakang, nomor kontak, dan alamat berulang kali sebelum pertanyaan / masalah mereka
diselesaikan. Pendekatan unik dalam memanfaatkan big data untuk meningkatkan kualitas
layanan memberikan hasil yang spektakuler. Setelah pengalaman positif dengan tim dukungan
Amazon dalam satu pertemuan tersebut, Sean Madden, seorang blogger bisnis terkenal,
berkata, “Setelah hampir satu dekade memesan barang dari Amazon, saya tidak pernah
mencintai perusahaan seperti yang saya lakukan pada saat itu.” salah satu faktor yang
memfasilitasi penggunaan data besar untuk layanan pelanggan adalah akuisisi Amazon dari
Zappos, pengecer online terbesar dari sepatu, pada tahun 2009. Amazon mengakuisisi Zappos
untuk US $ 1,2 miliar untuk memperluas jangkauannya di kategori produk di mana ia tidak
kuat.19 Zappos terkenal karena menggunakan basis data pelanggannya untuk memberikan
sentuhan pribadi kepada pelanggannya dan mengubahnya menjadi penggemar dan pemandu
sorak.20 Amazon mengadopsi strategi layanan pelanggan Zappos setelah mengambil alih
perusahaan.
Penerapan data besar untuk meningkatkan layanan pelanggan membuat Amazon dan anak
perusahaannya, Zappos, menjadi peringkat di antara 10 pengecer teratas dalam Yayasan Pilihan
Federasi Ritel Nasional / American Express untuk tahun 2010 dan 2011 (Lihat Exhibit 3 untuk
10 pengecer teratas di Yayasan Federasi Ritel Nasional / American Express Customer 'Choice
Awards untuk tahun 2010 dan 2011). Daripada menggunakan data besar hanya untuk
memberikan saran produk yang lebih baik dan meningkatkan kualitas layanan, Amazon
menggunakannya untuk memeriksa penipuan di organisasi. Area menarik di mana Amazon
diuntungkan dengan menggunakan data besar dalam mencegah pencurian gudang. Pada suatu
titik waktu tertentu, Amazon memiliki 1,5 miliar item dalam katalognya di 200 pusat
pemenuhannya di seluruh dunia. Pencurian barang-barang ini merupakan ancaman besar bagi
Amazon. Masalah dengan mengidentifikasi barang mana yang lebih dicari oleh pencuri adalah
barang mahal dan berharga murah dicuri. Barang-barang mahal juga sering dicuri karena alasan
seperti kelangkaan mereka. Untuk mengatasi masalah ini, Amazon menggunakan data besar
dan memperbarui data katalog produknya hampir 50 juta kali seminggu.22 Data katalog produk
dikumpulkan, disimpan, dan dianalisis untuk mengidentifikasi item mana yang lebih mungkin
dicuri dan informasinya dimasukkan kembali ke gudang (Lihat Exhibit 4 untuk lima komponen
proses big data). Ini membantu Amazon mencegah pencurian barang-barang di katalognya.
Werner Vogels (Vogels), Chief Technology Officer dan Wakil Presiden Amazon.com, merasa
bahwa data dan penyimpanan tidak boleh dibatasi. “Di dunia lama analisis data, Anda tahu
persis pertanyaan mana yang ingin Anda tanyakan, yang mendorong koleksi dan model
penyimpanan yang sangat mudah diprediksi. Dalam dunia analisis data yang baru, pertanyaan
Anda akan berevolusi dan berubah seiring waktu dan karena itu Anda harus mampu
mengumpulkan, menyimpan, dan menganalisis data tanpa terkendala oleh sumber daya.

MENEMBUS PERUSAHAAN LAIN DENGAN DATA BESAR

Selain memanfaatkan data besar untuk meningkatkan kinerjanya sendiri, Amazon juga
membantu portal e-E-commerce lainnya untuk memanfaatkan sumber daya data besarnya. Ini
dicapai melalui layanan inovatif untuk bisnis e-commerce yang lebih kecil yang disebut
Amazon Webstore. Amazon Webstore, diluncurkan pada tahun 2010, memungkinkan pengecer
untuk membangun portal mereka di sekitar platform e-commerce Amazon. Amazon Webstore
adalah toko independen di luar toko e-commerce resmi Amazon yang dibuat dengan nama dan

7|Page
merek domain pihak ketiga. Pengguna Amazon Webstore dapat menempatkan Amazon
Product Adsl di portal Amazon. Orang yang mengklik iklan produk ini akan dialihkan ke situs
situs mitra tempat penjualan akan selesai. Sebagai bagian dari kemitraan ini, Amazon
mengizinkan situs bermitra untuk menggunakan data besarnya sambil mempertahankan
identitas independen mereka sebagai toko e-commerce online kecil. Amazon membebani mitra
dagangnya dengan biaya bulanan tetap serta komisi tetap untuk menggunakan sumber dayanya
dan sumber daya data besar.
Kasus menarik di mana Amazon Webstore meningkatkan kinerja pengecer kecil adalah
Anaconda Sports. Anaconda Sports, pengecer olahraga yang sukses dari New York, AS,
menemukan dirinya terjebak dengan sistem e-commerce yang tidak efisien dan mahal dengan
masalah seperti ketidakmampuan untuk menyimpan semua informasi pelanggan, kurangnya
pengalaman unik berdasarkan preferensi pelanggan, dan kualitas layanan pelanggan yang
buruk.Memodifikasi portal e-commerce melalui Amazon Webstore memungkinkannya
mengembangkan toko yang efisien yang menyelesaikan semua masalah yang dihadapi serta
meningkatkan penjualannya secara substansial.
Mengomentari manfaat dari Amazon's Webstore untuk usaha kecil dan menengah, Scott
Pulsipher, direktur Amazon Webstore, berkata, “Dengan memanfaatkan teknologi dan
infrastruktur Amazon, Amazon Webstore menata lapangan untuk usaha kecil dan menengah,
membantu mereka membangun dengan cepat dan mudah. bisnis mereka dan meningkatkan
pengalaman pelanggan. ”Amazon Webstore diimplementasikan bahkan oleh merek besar
seperti Timex, MTV, Boeing, dan Samsonite yang memungkinkan mereka untuk
meningkatkan keterlibatan mereka dengan pelanggan mereka (Lihat Exhibit 5 untuk screenshot
situs web Samsonite yang dibuat menggunakan Amazon Toko web). Mengomentari bagaimana
Amazon Webstore membantu meningkatkan penjualan dan memangkas biaya di Timexm,
direktur e-niaga, Cal Crouch berkata, “Ketika kami meluncurkan Amazon Webstore baru kami,
kami melihat peningkatan langsung 40 persen dalam pendapatan dan ukuran pesanan rata-rata.
Dan di sisi dukungan, kami telah mendapatkan fleksibilitas untuk membuat sebagian besar
perubahan pada konten dan merek sendiri — menghemat ribuan (dolar) dalam biaya
pengembangan. ”

8|Page
Amazon Web Services Amazon (AWS) membantu banyak perusahaan untuk mengembangkan
aplikasi yang lebih baik, menyebarkan produk dan layanan baru, dan memotong biaya mereka
(Lihat Exhibit 6 untuk arsitektur AWS). Amazon menawarkan solusinya menggunakan alat
yang sudah dikenal seperti Oracle Database dan Microsoft SQL Server, sementara juga
merintis dan mempromosikan platform baru seperti DynamoDBn, Hadoopo, dan Redshiftp.
“Salah satu konsep inti Big Data adalah mampu mengembangkan analisis dari waktu ke waktu.
Untuk itu, perusahaan tidak dapat dibatasi oleh sumber daya apa pun. Dengan demikian, Cloud
Computing dan Big Data terkait erat karena bagi perusahaan untuk dapat mengumpulkan,
menyimpan, mengatur, menganalisis, dan berbagi data, mereka membutuhkan akses ke sumber
daya yang tak terbatas, ”kata Vogels.
Perusahaan kecil menghadapi banyak kesulitan dalam mengadopsi dan menyebarkan data
besar karena terbatasnya sumber daya yang mereka miliki. Amazon keluar dengan solusi untuk
perusahaan semacam itu sehingga mereka dapat menerapkan data besar dengan mudah. Pada
November 2013, Amazon Web Service mengumumkan layanan baru untuk pemrosesan data
besar secara real-time. Layanan yang dikenal sebagai Kinesis, memproses volume tinggi data
yang mengalir ke gudang berbasis web Amazon secara waktu nyata. Alat ini memiliki
kemampuan untuk menerima sejumlah sumber data dan dapat mengolah terabyte data per jam.
Itu dimaksudkan untuk memungkinkan pengembang untuk membuat aplikasi yang bekerja
secara real-time untuk tugas-tugas seperti analisis lalu lintas situs web, transaksi bisnis yang
terkait dengan pemasaran dan keuangan, data media sosial, dan log (Lihat Exhibit 7 untuk
arsitektur Kinesis). Mengomentari fleksibilitas yang akan diberikan Kinesis kepada bisnis,
seorang analis di Neoviseq Paul Burns berkata, “Kadang-kadang orang menghabiskan berjam-
jam atau berhari-hari hanya mengumpulkan data, lalu kembali dan memprosesnya, jadi sudah

9|Page
ketinggalan zaman. . . . Jadi Amazon mengatakan kami akan mengurus semua itu untuk Anda,
cukup tulis program Anda sendiri dan terhubung dengan kami. ”32 Kemampuan untuk
membuat aplikasi data besar melalui Kinesis diharapkan untuk menghapus salah satu
kemacetan terbesar bagi perusahaan kecil dalam mengadopsi data untuk bisnis mereka. Tetapi
satu batasan dari Kinesis adalah bahwa semua pemrosesan data akan dilakukan di pusat data
Amazon itu sendiri dan bukan di lokasi klien.

MELIHAT KE DEPAN
Analis datang dengan saran tentang lebih banyak cara di mana Amazon bisa mendapatkan
keuntungan dari data besar. Berakar dalam menjual buku, Amazon telah membangun sistem
peninjauan untuk buku-buku yang dijual melalui situs webnya. Sistem peninjauan Amazon
terutama didasarkan pada ulasan teks yang ditulis oleh pelanggan dan jumlah bintang (dari satu
hingga lima) yang diberikan kepada buku atau penulis. Sistem peninjauan ini memungkinkan
Amazon membangun komunitas dan basis pelanggan setia. Selama bertahun-tahun, ada dugaan
bahwa banyak penulis telah menemukan cara untuk memanipulasi sistem peninjauan Amazon
dan mendapatkan ulasan berbayar untuk buku-buku mereka. Ulasan berbayar seperti itu
cenderung bias dan pada gilirannya, mereka berdampak pada keandalan sistem peninjauan.
Untuk mengatasi masalah ini, beberapa pakar industri menyarankan agar Amazon membuat
solusi data besar yang akan memungkinkan pembaca memberikan berbagai macam umpan
balik dan komentar tambahan yang dapat digunakan untuk memeriksa kebenaran ulasan.
Analis berpendapat bahwa selain meningkatkan keandalan sistem peninjauannya, sistem
peninjauan berbasis data besar juga akan memungkinkan Amazon untuk menampilkan ulasan
yang lebih relevan kepada pelanggan hanya karena menyarankan produk yang relevan.

10 | P a g e
Saran lain mengenai penggunaan data besar untuk prospek Amazon lebih lanjut adalah dalam
memberikan persaingan yang lebih baik untuk perusahaan Internet besar lainnya seperti Google
Inc.r dan Facebook, Inc. Model bisnis dari banyak perusahaan Internet ini didasarkan pada
iklan online. Dan menurut perkiraan oleh Google, 30 hingga 40 persen dari pendapatannya dari
iklan pencarian berasal dari sumber e-commerce. Pertumbuhan Amazon sebagai toko serba ada
Internet dan basis produknya yang semakin meningkat menjadikannya tujuan utama untuk
penelusuran produk, yang jelas melampaui Google. Posisi unik ini membuat Amazon memiliki
lebih banyak data belanja orang daripada perusahaan Internet lainnya. Beberapa analis
berpendapat bahwa menggunakan data besar, Amazon dapat mengalahkan Google dan
Facebook dalam jangka panjang. Bezos mengakuisisi The Washington Postt sebesar US $ 250
juta pada Agustus 2013. Akuisisi ini memicu spekulasi di kalangan pengamat industri bahwa
Bezos akan menggunakan data besar untuk merevitalisasi bisnis berita dan menemukan sumber
pendapatan baru untuk bisnis yang menua. Penggunaan analitik data besar dapat memberikan
wawasan yang lebih baik kepada pembaca The Washington Post. Dengan demikian, Amazon
dapat mengintegrasikan kesukaan para pembaca dalam mengembangkan produk baru dalam
bisnis berita. Menurut analis, keahlian Amazon dalam data besar dapat mengubah bisnis berita
online dengan cara yang sama seperti Bezos telah mengubah bisnis penerbitan buku 500
tahun.36 Menurut analis data besar Wikibon, Jeff Kelly, pada akhir 2013, Amazon memiliki
semua potongan teka-teki data besar tetapi perusahaan akan menempatkan ini bersama-sama
secara efektif untuk muncul sebagai pemain dominan di ruang ini.

Amazon’s Big Data Strategy

“As Amazon’s recommendation team, we asked ourselves, how do we take this data and make
a little bit more money, how do we apply it in this channel differently and it was really neat.
Now it is being called ‘big data’ in the marketing and media world, but at the time we were
doing this stuff, it was just kind of putting one foot in front of the other.
Leading e-commerce company (Amazon) and its subsidiary Zappos among the top ten retailers
in the National Retail Amazon.com , were rank Inc. Ed Federation Foundation/American
Express Customers’ Choice Awardsa for two years (2010 and 2011) in a row. Industry
observers felt that the coveted recognition was the result of Amazon’s use of its big datab
resources to provide superior service quality. Right from the time it had emerged as a dominant
provider of Internet services in the early 2000s, Amazon had started to focus on big data to
improve its performance. Along with many other major Internet companies, it realized the
importance of big data in the early 2000s, and had since then, focused on properly utilizing the
huge databases of people who were shopping on its e-commerce portals.
Amazon leveraged its big data sources to give its customers good product recommendations
and thereby improve the relationship with them. It utilized its big data resources to meticulously
upgrade its famed customer recommendation system. Data on past purchases made by
customers was used to give them highly customized product suggestions. Analysis of past
customer data also helped Amazon in giving suggestions to new customers who were buying
from its portal for the first time. Big data helped Amazon in developing 360 degree customer

11 | P a g e
profiles and to create hyper-personalized marketing messages regarding the products based on
the needs and preferences of individual customers. On the customer side, Amazon also utilized
its big data resources to improve the quality of its customer care. Easy access to the profiles of
customers and their past purchasing/browsing habits made it easy for the company’s customer
service executives to provide quick solutions to the complaints of customers. The acquisition
of Zapposc by Amazon in the year 2009 further facilitated the use of big data in improving
customer service quality. Big data resources were also put to some innovative uses like
checking fraud at the organizational level. Product catalogue data was analyzed thoroughly to
identify which of the items were more likely to be stolen. The results of this analysis were fed
back to the warehouses of the company to limit the theft of items.
Other than improving its own performance, Amazon also helped other smaller e-commerce
companies by allowing them to use its big data resources and improve their performance. An
innovative service called Amazon Webstore, launched in 2010, allowed smaller companies to
build their portals around Amazon’s e-commerce platform. Users of Amazon Webstore could
advertise their products on Amazon’s portals by paying a small part of the sales proceeds as a
commission to Amazon. For a fixed monthly fee for utilizing the service, partnering businesses
could use Amazon’s big data resources. Amazon Webstore was quite successful and was
adopted by both small as well as big retailers such as Timex and Samsonite who did not want
to have their own e-commerce system. Amazon’s suite of cloud based Internet services known
as Amazon Web Services (AWS) had also come out with solutions for small companies so that
they could implement big data easily. A new service known as Kinesis, announced in
November 2013, could process high volumes of data flowing into AWS on a real time basis.
According to some industry observers, this was Amazon’s bid to close the loop on its integrated
cloud stack and deliver an end-to-end solution for collecting and processing data. They felt that
just by taking a relook at the various aspects of its big data capabilities and effectively
leveraging on these, the company could emerge as a threat to the entire analytics eco-system.

BACKGROUND NOTE
Amazon was founded in the year 1994 by Jeffrey Preston Bezos (Bezos). It started its
operations at a time when the reach of the Internet was increasing and the Internet was being
considered as a potential business medium. Understanding the trend, Bezos came up with the
idea of selling books through the Internet. He felt that books were the best products to sell
online as millions of titles were in print and an e-commerce site could house and sell many
more books than the conventional brick-and-mortar bookstores. Bezos calculated that the
common brick-andmortar stores could not house more than 200,000 books at a time3 and aimed
to build a large online bookstore which would be bigger than any physical bookstore in the
world. Amazon was initially funded with the money that Bezos borrowed from friends and
relatives. Bezos and his wife, along with some employees, built the website and tested it for
over a year before launching it (Refer to Exhibit 1 for Timeline of Amazon).
Amazon was finally opened to customers in the year 1995. Like many other technology giants,
it was initially run from a garage—the one in Bezos’ Washington home. At the time when
Amazon started its operations, the book retailing market was highly fragmented and there was
no major player except Barnes & Noble, Inc.d Barnes & Noble had onetenth of the total market
share but no online presence. Amazon thus got the first mover advantage and faced very little

12 | P a g e
competition in its initial days of operation. Right from when it began its business operation,
Bezos focused on customers and believed that customer loyalty was the key to penetrating the
market and increasing sales. Amazon started to ship goods to all the 50 states in the US and 45
other countries within a month of its launch—and all this while still working from Bezos’
garage. Amazon’s popularity grew through word-of-mouth as customers recommended it to
others. Within four months of its launch, Amazon was selling more than 100 books a day. The
company’s impressive performance attracted investors and Amazon got its first big investment
of US$ 100,000 from Madrona Venture Group, Inc.e in 1995. The company reported net sales
of US$ 511,000 during the first six months of its operations and Bezos’ confidence that he
could make a success of the company increased.
At the beginning of 1996, Amazon moved to new headquarters—a small warehouse in Seattle.
The company employed 11 people and offered 2.5 million book titles. Following the Japanese
model, Amazon had very limited inventory and thereby kept its costs under control. It started
an innovative affiliate marketing program called Amazon Associates Program in July 1996.
The program allowed third party websites to sell books through links to Amazon posted on
their sites for a commission of 15 percent on the total sales made. The program was a huge
success and helped in expanding Amazon’s reach without the company having to spend much
on advertising. Experts opined that the program not only generated traffic to Amazon but
enhanced the brand’s presence online as these third party sites carried Amazon’s logo on their
pages. The Amazon Associates Program was later extended to all the products sold on
Amazon’s portal. Amazon went public in the year 1997 and offered 3 million of its shares for
sale. The shares opened at US$ 18 a share and the IPO raised US$ 54 million for the company.
In the year 1998, Amazon started selling DVDs with the opening of its video store which was
followed by the launch of Amazon.com auctions in March 1999.
Amazon’s success attracted many new competitors like Book Stacks and Book Zone to the
market and this led to higher competition for the company. To counter the competition
effectively, Amazon introduced new features like online product reviews where customers
could write their own book review as well as read reviews written by others. By the year 2000,
Amazon had made a big change in its business model and started selling other products. In
2000, it also expanded its presence and launched sites in France and Japan. In the year 2001,
Amazon allowed other retailers to sell their products through its site and took a part of the sales
proceeds as its commission. In the last quarter of the year 2001, Amazon reported its first profit.
Amazon’s operations were further expanded in the year 2003 as it opened new websites in
AsiaPacific and European countries. In the year 2006, it launched a key subsidiary called
Amazon Web Services.6 Amazon Web Services provided an array of cloud based remote
computing services to its customers. The advent of the digital era was changing the content
consumption patterns of people. Many people started reading books and magazines on their
desktops and laptops instead of buying physical copies. Responding to this change, Amazon
introduced an e-book reader called Kindle in the year 2007. Kindle was a big hit in the market
and heralded a new era of digital reading. Kindle was later released as an app for other devices
working on operating systems like Android and iOSf. By the year 2011, the market
capitalization of Amazon had reached the US$ 100 billion mark, making it one of the leading
technology companies in the world. For the iscal year 2012, Amazon had revenue of US$ 61.09
billion and a net loss of US$ 39 billion (Refer to Exhibit 2 for the financials of Amazon).

13 | P a g e
BIG DATA AT AMAZON
Over the years, Amazon had evolved from being a pure e-commerce player into a giant Internet
services firm which offered a large range of services for individuals and corporations. It started
to focus heavily on big data and embarked on its transition from a pure online retailer into a
giant big data company.7 Amazon along with other major Internet giants like Yahoo! Inc.g
(Yahoo) and Twitter, Inc. (Twitter) realized in the early 2000s that they had huge amounts of
data about their users which they could put to valuable use.8 While the other companies did
not concentrate on the importance of big data, Amazon was quick to cash in on the invaluable
database of people who shopped on its e-commerce portals around the world. The product
recommendation team at Amazon thought of innovative ways in which it could use the data
accumulated by the company. The result was the big data revolution which transformed the
way Amazon did business.
As an e-commerce giant, Amazon’s success had always depended on making the right products
available to its customers. Making the right products available in turn depended on
understanding the precise products that customers wanted. Understanding the needs and tastes
of customers involved doing proper market research as well as analyzing its own customer
base. Since its inception, Amazon had been renowned for its product recommender system
which provided product suggestions to customers depending upon their past purchasing
behavior. Data collected from its customers was the primary driving force behind Amazon’s
recommender system. Being the leading e-commerce player, Amazon had a large bank of data
regarding the likes and the past purchasing behavior of its customer base. It had used this data
bank to build its recommender system. Its earlier recommender system had been based on
showing more items similar to the ones which were being looked for by its customers. This
item-by-item similarity method was built on the basis of collaborative filteringi and was hugely
successful in deepening the relationship with its customers. Its recommender engine had since
been improved and perfected to give better results.
Amazon later started utilizing the historical purchase data of consumers as well and the
clickstream data of all its customers to show webpages with uniquely customized information.
Using such data helped Amazon in many ways other than showing the related and alternative
products that the consumers had been looking for. Mining the vast amount of data helped in
understanding the inner feelings and likings of customers which they could not express
themselves. Commenting on the importance of data in understanding the behavior of
customers, Michael Driscoll of Datasporaj said, “You can ask people what influences their
desire to renew their cell phone contract, and what people say and what they do are often very
different. Data is the key to differentiating between what people say in terms of sentiment and
what they do in terms of actions.

UTILIZING BIG DATA

Amazon leveraged on big data to improve its relationship with its customers and provide
superior customer service. The online retailer built a vast database of its customers and their
buying preferences over a long period of time. It was one ofthe first e-commerce companies to
start using the cross-selling/up-selling method. This customer recommendation system was

14 | P a g e
later augmented by utilizing its big data resources. Using big data, Amazon started analyzing
the past product purchases made from its online store by its customers and the other items that
were purchased along with them. Data collected from its customers was used to give silent but
highly customized suggestions to make them buy more. This analysis of data helped Amazon
give product suggestions to existing as well as new customers who might not have otherwise
bought a complementary product. This was the reason why Amazon’s sites displayed ‘Other
customers who bought this item also purchased that item’ kind of cross-selling
recommendations.12 Product related recommendations were also customized based on many
factors such as the customer’s location and demography. “It can even cross-correlate buying
behavior between home and garden sales,” said Jeff Kelly, lead big data analyst at Wikibon.
The bewildering range of products that were showcased on e-commerce portals made them
seem unwieldy and incomprehensible to many customers. According to analysts, mining the
treasure trove of information and providing relevant product recommendations could make e-
commerce sites feel smaller and more intimate to the consumers. Big data also helped Amazon
in the development of its personalized marketing strategy—a tactic in which it excelled. Many
e-commerce firms resorted to generic mass emailing of the products and offers that were
available with them. This strategy led to the wastage of marketing efforts of many firms and
the labeling of e-commerce mails as spam. Amazon created 360 degree customer profiles
which tracked and stored everything related to customers like their browsing history, social
data, tastes and preferences, past purchase history, etc. These 360 degree customer profiles
facilitated the identification of discerning groups of customers who could be well targeted.15
Amazon could create hyper-personalized marketing messages regarding the products based on
the individual customer’s needs and interests.
Amazon also relied on big data to improve the quality of its after sales service to its customers.
Most American customers were known to have a largely negative experience in their service
interactions. Amazon tried to solve this problem by leveraging on the large data it had regarding
its customers. Having the right data helped it have a favorable exchange with its customers and
to solve their problems quickly. Amazon’s customer service executives had speedy access to
data regarding the past purchases and browsing history of its customers. This enabled the
company to provide quicker solutions to the problems and complaints of its customers.
Complainants did not have to spell out their details like last names, contact numbers, and
addresses repeatedly before their queries/problems were solved. This unique approach of
utilizing big data to improve service quality gave spectacular results. After having a positive
experience with Amazon’s support team in one such encounter, Sean Madden, a top business
blogger, said, “After nearly a decade of ordering stuff from Amazon, I never loved the company
as much as I did at that moment.” One of the factors which facilitated the use of big data for
customer service was Amazon’s acquisition of Zappos, the largest online retailer of shoes, in
the year 2009. Amazon acquired Zappos for US$ 1.2 billion to expand its reach in product
categories in which it was not strong.19 Zappos was famed for using its customer database to
provide a personal touch to its customers and turn them into its fans and cheerleaders.20
Amazon adopted the customer service strategies of Zappos after it took over the company.

The application of big data for improving customer service made Amazon and its subsidiary
Zappos to rank among the top 10 retailers in National Retail Federation Foundation/American

15 | P a g e
Express customers’ Choice Awards for the years 2010 and 2011 (Refer to Exhibit 3 for top 10
retailers in National Retail Federation Foundation/American Express Customers’ Choice
Awards for 2010 and 2011). Rather than using big data to just provide better product
suggestions and improve the quality of service, Amazon used it to check fraud in the
organization. An interesting area where Amazon benefited through using big data was in
preventing warehouse theft. At any given point of time, Amazon had 1.5 billion items in its
catalogues across its 200 fulfillment centers across the world. Theft of these items was a big
threat to Amazon. The problem with identifying which of these items were more sought after
by thieves was that both expensive and low-priced items were stolen. Inexpensive items too
were often stolen due to reasons like their scarcity. To solve this problem, Amazon used big
data and updated its product catalogue data nearly 50 million times a week.22 Product
catalogue data was collected, stored, and analyzed to identify which of the items were more
likely to be stolen and the information was fed back to the warehouses (Refer to Exhibit 4 for
the five components of big data process). This helped Amazon in preventing the theft of items
in its catalogues. Werner Vogels (Vogels), Chief Technology Officer and Vice President of
Amazon.com , felt that data and storage should be unconstrained. “In the old world of data
analysis you knew exactly which questions you wanted to ask, which drove a very predictable
collection and storage model. In the new world of data analysis your questions are going to
evolve and change over time and as such you need to be able to collect, store, and analyze data
without being constrained by resources.

AIDING OTHER COMPANIES WITH BIG DATA

Other than utilizing big data for improving its own performance, Amazon also helped other e-
ommerce portals to leverage its big data resources. This it achieved through an innovative
service for smaller e-commerce businesses called Amazon Webstore. Amazon Webstore,
launched in 2010, allowed retailers to build their portals around Amazon’s e-commerce
platform. Amazon Webstore was an independent store outside of Amazon’s official e-
commerce store built on the third party domain name and brand. Users of Amazon Webstore
could place Amazon Product Adsl on Amazon’s portals. People who clicked on these product
ads would be redirected to the site of the partnering site where the sale would be completed.
As part of this partnership, Amazon allowed its partnering sites to use its big data while
maintaining their independent identity as a small online e-commerce store. Amazon charged
its merchant partners a fixed monthly fee as well as a fixed commission for using its resources
and big data resources.
An interesting case where Amazon Webstore improved the performance of a small retailer was
Anaconda Sports. Anaconda Sports, a successful sports retailer from New York, USA, found
itself stuck with an inefficient and expensive e-commerce system with issues like inability to
store all the customer information, lack of unique experience based on customer preferences,
and poor customer service quality. Modifying its e-commerce portal through Amazon
Webstore made it possible for it to develop an efficient store which solved all the problems it
had been facing as well as increase its sales substantially.
Commenting on the benefits of Amazon’s Webstore for small and medium businesses, Scott
Pulsipher, director of Amazon Webstore, said, “By leveraging Amazon’s technology and
infrastructure, Amazon Webstore levels the playing field for smalland medium-sized

16 | P a g e
businesses, helping them quickly and easily build their businesses and improve the customer
experience.” Amazon Webstore was implemented even by big brands like Timex, MTV,
Boeing, and Samsonite which allowed them to improve their engagement with their customers
(Refer to Exhibit 5 for the screenshot of Samsonite’s website built using Amazon Webstore).
Commenting on how Amazon Webstore helped to increase sales and cut costs at Timexm, its
e-commerce director Cal Crouch said, “When we launched our new Amazon Webstore, we
saw an immediate lift of 40 percent in revenue and average order size. And on the support side,
we have gained the flexibility to make most changes to content as well as brand ourselves—
saving us thousands (of dollars) in development costs.”
Amazon’s Amazon Web Services (AWS) helped a lot of companies to develop better
applications, deploy new products and services, and cut their costs (Refer to Exhibit 6 for AWS
architecture). Amazon offered its solution using familiar tools such as Oracle Database and
Microsoft SQL Server, while also pioneering and promoting new platforms such as
DynamoDBn, Hadoopo, and Redshiftp. “One of the core concepts of Big Data is being able to
evolve analytics over time. For that, a company cannot be constrained by any resource. As
such, Cloud Computing and Big Data are closely linked because for a company to be able to
collect, store, organize, analyze, and share data, they need access to infinite resources,” said
Vogels.
Small companies faced a lot of difficulties in adopting and deploying big data due to the limited
resources at their disposal. Amazon came out with solutions for such companies so that they
could implement big data easily. In November 2013, Amazon Web Service announced a new
service for real time processing of big data. The service known as Kinesis, processed the high
volumes of data flowing into Amazon’s web-based storehouses on a real time basis. The tool
had the capability to accept any number of data sources and could process terabytes of data per
hour. It was intended to allow developers to create applications that worked on a real-time basis
for tasks like website traffic analysis, business transactions related to marketing and finance,
social media data, and logs (Refer to Exhibit 7 for Kinesis’ architecture). Commenting on the
flexibility Kinesis would bring to businesses, an analyst at Neoviseq Paul Burns said,
“Sometimes people spend hours or days just collecting the data, then coming back and
processing it, so it’s out of date. . . . So Amazon said we’ll take care of all that for you, just
write your own program and connect to us.”32 The ability to create big data apps through
Kinesis was expected to remove one of the biggest bottlenecks for smaller companies in
adopting big data for their businesses. But one limitation of Kinesis was that all the data
processing would be done at the data centers of Amazon itself instead of at the clients’ location.
LOOKING AHEAD
Analysts came up with suggestions on more ways in which Amazon could benefit from big
data. Having its roots in selling books, Amazon had built a review system for the books sold
through its website. Amazon’s review system was mainly based on text reviews written by
customers and the number of stars (from one to five) given to a book or author. This review
system allowed Amazon to build a community and a loyal customer base. Over the years, there
were allegations that many authors had found a way to manipulate Amazon’s review system
and to get paid reviews for their books. Such paid reviews tended to be biased and in turn, they
impacted the reliability of the review system. To solve this problem, some industry experts
suggested that Amazon create a big data solution which would allow readers to give a vast

17 | P a g e
range of additional feedback and comments which could be used to check the veracity of the
reviews. Analysts opined that apart from improving the reliability of its review system, a big
data based review system would also make it possible for Amazon to show more relevant
reviews to the customers just as it suggested relevant products.
Another suggestion regarding the use of big data to further Amazon’s prospects was in giving
better competition to other big Internet companies like Google Inc.r and Facebook, Inc.s The
business models of many of these Internet companies were based on online advertising. And
according to an estimate by Google, 30 to 40 percent of its revenue from search advertising
came from e-commerce sources. The growth of Amazon as the Internet’s one-stop shop and its
increasing product base made it the primary destination for product searches, clearly bypassing
Google. This unique position left Amazon in possession of more shopping data of people than
any other Internet company. Some analysts were of the view that using big data, Amazon could
beat Google and Facebook in the long term. Bezos acquired The Washington Postt for US$
250 million in August 2013. This acquisition sparked speculation among industry observers
that Bezos would use big data to revitalize the news business and find new revenue sources for
the ageing business. The use of big data analytics could give better insights into the readers of
The Washington Post. Amazon could thereby integrate the likings of readers in developing new
products in the news business. According to analysts, Amazon’s expertise in big data could
transform the online news business in the same way as Bezos had transformed the 500-year-
old book publishing business.36 According to Wikibon’s big data analyst Jeff Kelly, as of end
2013, Amazon had all the pieces of the big data puzzle but the firm would have put these
together effectively to emerge as a dominant player in this space.

18 | P a g e