宋星，纷析咨询创始人，中国数字营销领域的意见领袖及资深从业者，前Adobe Omniture Business Unit大中华区首席商业咨询顾问。他的博客（拥有12年历史）“互联网分析在中国”（chinawebanalytics.cn），在全球有超过500万粉丝。

我一直觉得人们对于“数据”二字，有莫名的喜好。

应用数据，似乎总是能够带来很多神奇的改变，把那些隐秘的角落里面藏着的东西展现出来，颠覆人们的认知，或是如同魔法，让一个眼看就要行将就木的事情重新焕发新生。“化腐朽为神奇”，这往往是人们渴望数据又仰慕数据的原因。

各种数据解决方案的提供商则尽力渲染了这种氛围，毕竟，创造一种神通广大的数据“观感”，对自己很有利。可是，与之相对的，当企业真的想要用数据做些事情，却发现与自己一直以来的数据感觉，有着天渊之别。

2010年，我在犹他州的Orem——一个风光旖旎的小城，Adobe Omniture当时的总部——接受关于商业咨询业务的培训。我的导师，一个刚刚到了40岁却已经升级为外公的热情洋溢的家伙，告诉我与客户打交道的十个“诀窍”，其中一个我深深记得。

“不要询问你的客户在数据上的需求。”然后，他故弄玄虚地说：“永远询问他们在业务上的需求，永远。”那时我认为他不过是在故弄玄虚。但随着时间的推移，我很快意识到这句话背后真切的现实。

在这之后，反映企业种种数据困惑的问题不断向我涌来。比如，我怎样才能获得自己电子商务旗舰店里面的数据？我手上有几亿设备ID，我要怎么用它？我应该如何用数据找到潜在消费者或者生意机会？我应该采用什么样的数据战略？我应该用什么解决方案或选什么数据供应商？我该配置什么样的团队，以及到哪里找人才？

我忽然意识到，无论是企业，还是企业中的营销与运营的从业者，可能还远远没有准备好，还不能够用数据创造新的数字化的生意，甚至很可能无法描述自己具体的数据问题，因此也就无法准确提出自己的数据需求。

一方面，与数据相关的技术和方法在不断地被革新；另一方面，企业对3个层面的数据理解非常薄弱。这3个层面分别是：对数据本身的理解、对数据和业务之间关系的理解、对应用数据的理解。

阻碍因素有很多，但常见的阻碍是如下一些根本性的问题。

第一个问题，你真的拥有数据吗？

例如，那些常常认为自己手握上亿数据的企业，当你凑近查看，就会发现他们几乎并没有拥有什么数据。这亿万规模的数据，往往只是单纯的数据条目的数量，但每个条目下所包含的属性极少，甚至根本就是“光杆数据”，这样的数据除了徒占存储空间，其他的作用就太少了。

第二个问题，你对数据的理解客观吗？

数据究竟是什么，一千个人心中有一千个哈姆雷特。“数据”二字不过两个音节，但每个人对它具体代表什么的理解却千差万别。这些不一致的理解，充斥在每天的业务工作中，造成了诸多误解、困扰，甚至摩擦。

阻碍我们对数据客观理解的因素是数据的多样性和复杂性：什么是数据？什么是可获得的数据？什么是可利用的数据？什么是可分析的数据？这些数据又有什么结构和具体类型，以及从哪里获得……完全就是一门专业的科学，很多人难免望而却步。

第三个问题，你是否了解数据得以应用必需的前提？

例如，过去服务商“忽悠”甲方客户说，我们能搞定阿里的数据。但他没告诉你前提条件——数据的应用都必须且只能在阿里的生态内。这个条件其实是很“严苛”的。

今天大家都明白了围墙花园这种“自然现象”，不至于再被上面的说法所迷惑，但新的“迷惑”仍然不断萌生。最典型的，数据连接和打通。很多数据工具都有这个功能。但数据的打通需要条件，而不只是靠技术。条件具备了，技术不会成为阻碍，但若条件不具备，光靠技术直接去搞定，今天没有这样的可能了。

例如，基于数据打通的“全链路”营销是当下的“时髦”。但前提是，营销环节的全部链路上都需要有一个统一的数据获取解决方案，并且每个链路上用户都得留下电话号码。

又比如，标榜自己的推荐算法（推荐引擎）如何智能，如何“天下无敌”。其实，这个功能今天也很成熟，但是也需要在一定的条件下才能工作。其背后是监督学习，要“喂给”机器靠谱的数据，并且要认真告诉机器哪些是正确的结果（正样本），哪些是不正确的结果（负样本）。这些条件，都得靠企业自己去创造，而与数据系统和算法无关。

这些看起来似乎都是“常识”。但要掌握的常识太多了，却又缺乏一个系统的让人们能够掌握这些常识的渠道和方法。

第四个问题，上马了很多工具，但驾驭工具的人在哪儿？

这恐怕也是最常见的问题之一了。

前两年是DMP（数据管理平台）火了，这两年CDP（客户数据平台）火了，还有让人感觉“可远观不可亵玩”的数据中台也火了。但是赶着潮流上工具的，可能会惊慌发现，“车”都造好了，但似乎没有几个人会“开车”。

一种解决方法是，让工具供应商也顺便提供“开车的司机”。但问题来了，造车，可以是流水线，可以复用代码，或者直接用SaaS，但“开车”，却得实打实地靠人。供应商也没有那么多人。况且，供应商派来的“司机”，虽然懂“车”，却未必懂你的“路”，也不懂你的“交通规则系统”，所以，这“车”很不容易开好。

企业迟早总会意识到，培养自己的人学会“开车”是最可靠的方法。但招什么样的人，以及如何培养，仍然是难以得到答案的问题。

第五个问题，如何将数据匹配于业务？

这或许是最核心的一个问题。如果我有了数据，或者有了应用数据的工具，我该如何将它匹配于业务呢？

比如，一种乐观的想法是：有了CDP和MA（营销自动化）系统，就能让我实现过去从不曾有过的“千人千面”或“One on One（一对一定制化）”的消费者沟通与运营。但企业期待的变化似乎完全没有随着数据和工具的丰富而发生。例如，我们数据赋能数字化发现，就算一个企业有极好的CDP系统，并且拥有可以熟练操作CDP的员工或服务商，“千人千面”之类的好事也并未随之实现。

究竟给什么人以什么面，或者对不同的人传达什么信息，以及在什么时机和场合下传达，都不是工具能自动实现的，而需要靠企业自己，基于自己的目标和约束条件进行设计。CDP或MA不可能预知这些设计，也不会自动产生这些设计。

而在执行所谓“千人千面”的过程中，也需要不断调整优化，这一过程只有在企业自己的运营团队的主导下才能实现。

换句话说，将数据匹配于业务，企业欠缺的是靠谱的营销策划和深入的客户运营，而这些都需要依赖靠谱的团队和个人。团队和个人要做到这一点，要具备两方面的能力：一方面，要能够熟练掌握数据和工具能够为企业赋予的新能力，并将这些能力运用在营销或者运营的策划中，创造出新的玩法和效果；另一方面，也要能够在策划营销活动的过程中，把引导消费者主动提供数据以及获取、处理、治理、保存这些数据纳入策划之中。

这两个能力对团队和个人来说，都很不容易具备。因此，这本书，希望针对上面的问题给出答案，无论是知识上的，还是方法或经验上的。我觉得，唯有给出直接的、不含糊的，并且与业务实战真正结合的答案，才是真正能够为读者朋友们，以及为那些真正希望利用数据实现数字化营销和运营转型的企业们起到帮助的内容。

注：欢迎大家在评论区踊跃留言，我们将从中精选出3位有独到见解的用户，分别赠送《数据赋能：数字化营销与运营新实战》新书1本。感谢大家一直以来对德外5号的支持。