京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在大数据时代,当Marketing遇上IT如何融合_数据分析师
正是围绕着大数据,CMO 与CIO 两个职能的诸多共同之处,也有着将两者联系起来的最强大的纽带。
今年1月,时任摩托罗拉系统首席营销官的Eduardo Conrado被任命为摩托罗拉系统的营销和IT高级副总裁。他目前的工作包括营销的传统职责——如产品营销、品牌、网站、内部和外部传播等;同时,IT部门和首席信息官也归他管理。
Eduardo Conrado并非特例。在大数据时代,当Marketing遇上IT ,CMO与CIO之中任何一方都无法单枪匹马奋战市场了,他们必须在大数据背景下进行角色转换和职能转型。他们担负着什么职责?应怎样扮演好自己的角色?
大数据
预言者?
汇报机制决定了公司的重心。
传统来看,IT及首席信息官(CIO)汇报的对象之一是首席财务官。如果是这样,那么IT的重心往往是成本控制,包括优化公司IT使用成本以及优化IT基础设施和团队。
另一种普遍的情况是,IT向运营部门汇报。这意味着IT部门的重心是后勤办公室,即工厂、流通中心、供应链等。
当技术日益成为商业的助推力,对摩托罗拉系统这样的一家技术公司来说,“技术是我们的业务,但更重要的是,业务即技术,”Eduardo Conrado在接受AdAge采访时表示。
随着越来越多的公司围绕消费者,IT也应当帮助推动公司的消费者参与。如果IT要对某个部门汇报的话,那么就应该向销售或营销部门汇报,因为这是面向消费者的部门,”他补充说道。
事实上,摩托罗拉系统也确实是这样做的。过去十年里,公司的营销部门已经在数字领域从事各种活动,包括监督网站、内容管理、社交平台、数据库、内部协作工具等,这些营销人非常熟悉各种分析工具。让首席营销官深度参与技术战略的制定,这是自然而然的事。
以前,摩托罗拉系统在营销部门内有传统的数字团队,而在IT部门内有单独的团队支持营销部门的数字团队。现在,这两支团队开始更紧密的合作,在营销、IT和销售之间共同进行规划。随着两个部门间工作和人才交集越来越多,如何让资源和知识更加有效的共享?在这种情况下,如果有一个机制来监督这两个平行部门之间的合作,数字营销和IT战略团队之间的协作可能更加顺畅。
于是,摩托罗拉系统内部将数字营销和IT团队合并。他们开始关注战略、关注如何与客户互动,如何定义流程等。在团队中,一半是偏技术型的营销者,另外一半人才则偏营销和销售流程。
CMIO
随着营销和大数据变得日益密不可分,首席营销官(CMO)和首席信息官(CIO)创造协作伙伴关系就变得尤为重要。首席营销官及其团队不得不依仗技术的发展来实现其营销目标,而与此同时,首席信息官及其团队也开始认识到应该更加以客户为导向,挖掘数据商业价值。
分别来自Gartner及EXperian的调研都不约而同地指向了一个趋势:CMO及CIO必须在大数据背景下进行角色转换和职能转型。
1、技术在营销中的角色更加重要。
据Gartner预计,到2017年,企业CMO将比CIO掌握更多用于购买技术服务的预算。也就是说,营销预算将超过IT预算,其中,高科技产品营销预算增长预计达到11%。而大部分增加的预算都将被用于技术方面,以帮助营销人员进行市场分析和营销自动化等活动。这部分技术包括:客户关系管理、数字营销、数据库营销、营销自动化、客户分析、移动营销、电子商务等方面。
2、CMTO对技术产品的购买决策有很大影响。
除了要掌握上面提到的各种技术,CMTO对购买技术产品的影响力将越来越大。通过右图我们可以了解到,在数字营销等八大方面,CMTO对购买决策的影响作用,均接近50%的水平。
3、CMTO需要更加注重战略而非技术。
调查结果显示,CMTO在选择和管理营销服务商、选择和管理营销技术提供者、全面负责品牌和企业传播等三方面的职责正在加大。未来十大职责及要求包括:管理技术组件、判别并利用未来新兴营销技术、冲破IT与市场部门的合作死结、理解跨渠道互动、协调并传递跨渠道信息、评估营销绩效等。
如何融合?
但是据一项最新调查显示,这样的改变并没有发生。首席营销官理事会和SAS软件研究所共同发表的一份最新报告《大数据的大角色:首席营销官和首席信息官的联合》指出,85%的首席营销官和首席信息官表示他们的合作仍有挑战。此外,只有41%的高级营销官表示与IT方面对接,39%的高级IT执行官表示和营销层面对接。
大数据或许是两者对接的连接点,如首席营销官理事会所说。“正是围绕着大数据,我们发现两个职能的诸多共同之处,也有着将两者联系起来的最强大的纽带。据61%的营销官和60%的IT执行官表示,大数据代表了平等机遇和挑战,很多都在努力适应那些进入机构的结构化和非结构化数据,管理数据流的累积和分析。”
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】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02