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
平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 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 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18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导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 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。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 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 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13