
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
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08