京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据营销的三大流派:刻舟求剑、叶公好龙和甩手掌柜
【导读】首先要强调一点,本文讨论的重点是大数据“应用”,尤其是针对企业营销的大数据应用,对于大数据技术本文会有少量涉及,但是对于大数据工程、大数据科学,这不是这篇文章关注的范畴。
大数据营销应用,在大数据带来的各类应用中,恐怕是品牌企业最关注的一个方向。被许多媒体报道过的ZARA的案例,就是一例典型的基于大数据获取、分析,完成经营及营销决策的案例。这个案例让很多企业认识到,通过大数据了解客户的喜好趋势、提高利润空间,可能是一个非常有效的途径。但是我们要知道,因为大数据很大,从关注到真正做出适当的投入和适应的配套动作,对于企业来讲,其间的距离并非举步既至,反而往往充斥着各种认识误区。就笔者所见,认识误区至少有三大流派:刻舟求剑派、叶公好龙派和甩手掌柜派。
报道ZARA案例的媒体,很少会将另一个案例拿出来进行对比性分析——H&M的大数据案例。在大数据方面,H&M与ZARA投入的热情不相伯仲,但是从大数据获得的收益却判若云泥,最重要的一个原因就是,在如何落实大数据得出的经营决策上,出现了较大的差异。ZARA对于大数据提供的决策信息落实得坚决而高效,配套大数据的管理链路非常通畅,直接指导到产品设计、生产、分区域投放的各个环节。对比而言,由于H&M产地分散到亚洲、中南美洲各地,使用大数据后,H&M又没有采用有效措施缩短跨国沟通的时间,这拉长了生产和经营适应大数据决策的时间成本。如此一来,大数据即便及时反映了各区域市场的顾客意见,H&M却无法立即改善,资讯和生产分离的结果,让H&M内部的大数据系统功效受到限制——这造成了ZARA为大数据获得的成绩弹冠相庆之际,H&M却认为大数据价值了了的现状。
上面这个案例是大数据应用的常见认识误区之一,笔者称之为刻舟求剑型认识误区,这种认识误区最大的特点是,看到大数据的视角是孤立、静止的,虽然愿意投入很大力量在大数据获取和分析方面,但是企业的其他管理配套却依然故我,并没有针对大数据应用做出更多的适应性调整,导致大数据工作的最大成就,只是获得了一堆数据而已。
令人遗憾的是,其实多数企业在大数据应用上,都或多或少的有一点刻舟求剑的毛病。判断一个企业在大数据应用上是否刻舟求剑,只要看参与大数据项目的部门和主管在企业中的地位和驱动力就可以知道。如果一家企业的大数据项目,其主对口部门是企业中的会员部门或者是技术部门,或者其他五花八门的总监级别的部门,除了这个对口部门外,并没有能够同时管理多个业务块的更高级别的干部关注大数据项目,那么基本上可以判断,大数据项目的成果多半跑不出数据范畴,想要对营销决策、产生企划和市场投放决策产生高效而持续的影响,基本上没可能。
企业的这种组织安排,显示出他们基本上没明白,大数据跟ERP有一点类似,要想产生效果,就要对旧有的一些管理链路、运营思路进行适应性改变,否则,希望大数据像一个模块一样,只要嵌入企业旧有营销链路,就能运转如神,那基本上属于痴人说梦。
刻舟求剑派虽然问题多多,至少在行动上还是有其坚决一面的,当发现投入不能得到应有产出,企业也还有机会亡羊补牢,对管理链路进行调整,从而使得大数据获得的决策信息、营销数据能够有效传递到相关部门。
笔者最怕的是碰上叶公好龙派,说起大数据的时候极为热情,上手实施的时候,要么手面极小,根本无法保证大数据所需要的资源总量;要么对于大数据必须有的一些工具建设、策略优化、数据准备工作指指点点、不予配合——这两种情况,都非常常见,往往让大数据服务提供商哭笑不得。
我们以面向营销促销的大数据挖掘应用为例,这种应用的目的都是通过精准的人群建模和工具体系建设,使企业能够有效提高新客户数量、新客户下单转化率、老客户复购率等等指标。这种应用无非是两个大类:企业有数据,或者企业没有数据。如果企业手中有大数据,那么必然要经过数据清洗、建模、挖掘、形成策略、建立营销工具、支持营销等多个步骤;如果企业手中没有大数据,那么必然要考虑首先找到数据源、建设数据获取工具,然后同样是清洗、建模、挖掘、形成营销策略、建立营销工具、支持营销等多个步骤。
如果我们碰上的是一家叶公好龙的企业,那就热闹了。比如服务提供商说数据要清洗,客户就可能会质疑:“我做DM和EDM的时候这个数据都能用,不用清洗,你们直接建模吧。”服务商就解释:“做DM或者EDM,只需要有联系方式,和一个粗略的人群分群,就可以了,但是转化率很低,通过数据清洗,我们要剔除其中所有不合格、不准确的数据,完成数据补齐等等工作,这是建模之前的必要步骤。”客户不听解释,反而更加质疑:“你们是不是不够专业,才对数据质量有这么高要求?要是我的数据像你要求的那么好,我找你们来干嘛?”
——照这样沟通,只有一个结果,服务商撤出项目,客户还觉得自己被人骗了。
还有一个门派,是最大的一个门派——甩手掌柜派。这个门派最大的认识误区特点是:我找大数据服务商来,就是给我干活的,我要什么,他给我什么就可以了,到底大数据是怎么运作的,我才不需要去明白呢!我要是都懂了,要他们干什么?
这个门派人数众多,是前述两个门派的火药库。就是由于“我不需要搞太懂”这个思维的存在,甩手掌柜们总会在该问的时候呆若木鸡,不该问的时候横加指责。总是呆若木鸡的企业,最后往往走向刻舟求剑派——这种企业思维中,大数据就是大数据,搞完这一块,等着结果出现就好了,为什么还要调整其他运营流程?而总是横加指责的企业,则往往变成叶公好龙者——这种企业的思维中,大数据“应该是我想的那个样子”,于是当别人告诉他“大数据其实是这个样子”的时候,质疑就如杂草般丛生了。
所以,想搞好大数据应用的企业,首先要检查一下自己是不是具备“学习型企业”的素质,牵头的高层领导、具体对口的部门,是不是有充分的学习热情和能力。一个大数据营销应用项目的建设,其实是一家企业特别好的一次学习和梳理营销体系的机会,当一个项目在建设的过程中,所有参与项目的企业内员工,逐步成长为数据获取、分析和形成决策、策略的个中好手,是一家企业非常幸福的事情,这意味着企业竞争力的提升!
至于甩手掌柜,对大数据来说,那叫做“死路一条”!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10