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
在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,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是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18小陈是某电商平台的数据分析师。老板交给他一个任务:“我们平台的注册用户已经突破1000万了,想了解一下用户的平均月消费金额。 ...
2026-05-18【专访摘要】本次CDA持证专访邀请到拥有丰富物流供应链数据分析经验的赖尧,他结合自身在京东、华莱士、兰格赛等企业的从业经历 ...
2026-05-15在数字化时代,企业的每一次业务优化、每一项技术迭代,都需要回答一个核心问题:这个动作到底能带来多少价值?是提升了用户转化 ...
2026-05-15