Anton Kravchenko

в этом случае нужен агентский договор с продавцом.
Обычно используются 2 схемы выплат:
1. продавец ведёт расчёт с клиентом напрямую, по истечении некоторого периода выплачивая агентское вознаграждение агенту, либо
2. расчёты с клиентом ведёт агент, и просто выкупает товар у продавца по некоторой стоимости, оставляя разницу в своём кармане

Есть варианты и выставления лояльности вручную (по правде говоря, на это забивают через 1 месяц), так и варианты с расчётами на основании неких данных. Как выше отметили, показатель NPS часто используется для оценки лояльности. Однако NPS непригоден для оценки конкретного клиента, только для оценки группы клиентов. Дополнительно можете найти брошюру "Метрики клиентоориентированности", её выпустил Связной (Enter) года 3 назад, там как раз они простым языком объясняют суть этих показателей.
Касаемо Вашего вопроса, то могли бы Вы пояснить цель этого расчёта, т.е. для чего нужно знать этот показатель?

Определите для начала, у Вас действительно BIG Data или просто Data.
BIG характеризуется:
1. Огромные объёмы данных (в ТБ +-)
2. Огромная скорость их генерации (в ГБ/сек +-)
3. Высокая требуемая скорость их обработки (вплоть до real-time)
4. Неструктурированность (голос, текст, числа, двоичные данные) и множество источников их поступления (датчики, сохранённые ранее данные и т.п.)

Судя по Вашему вопросу, у Вас подходит только п.4 - поправьте, пожалуйста, если ошибаюсь.
Ещё важный момент - для чего Вы планируете использовать результаты анализа этих данных? Вопрос задаю потому, что под многие задачи уже есть готовые решения - типа сервиса товарных рекомендаций RetailRocket (не реклама, просто привожу как пример) для интернет-магазинов, задача которого - рост среднего чека по покупкам.
Так вот, в зависимости от Ваших задач вполне возможно, что Вам будет достаточно некоторого самописного или готового софта, в т.ч. и без лейбла Big Data ))
Опять-таки, как пример - мы в своё время делали простую систему прогнозирования продаж для крупного дистрибьютора на связке Terrasoft BPM'online + 1С + Deductor. В проекте мы оперировали примерно 27 000 единицами номенклатуры и 250 000 позиций в отгрузках за год. Разбивку делали по 3 филиалам и 20 товарным категориям. Из 1С брали факт по реализациям, загоняли всё это в Deductor для построения прогноза (при этом в BPM'online вручную указывали коэффициенты сезонности - проект был достаточно простой), из Deductor-a перегружали данные в BPM для наглядной аналитики и привязки прогнозов продаж к планам работы менеджеров (кроме прогноза, мы ещё в BPM'online вели аналитику по суммарным потребностям клиентов, и проводили сравнение прогноза продаж данному клиенту и известной потребностью клиента и при сильном отставании прогноза от потребности "натравливали" менеджеров на этого клиента).

Какую задачу Вы хотите решить?