最近在反覆思考資料分析的價值究竟該如何落地，這個問題，其實大家都在反覆追問很多行業大咖，也在不斷嘗試實踐。

對我來說，我覺得資料分析在企業中的應用無非就是三個方面：營銷，風險，經營。

通俗的講，營銷更多是面向客群運營的最後一步，基本上是圍繞場景和客群展開的；

風險，則是解決如何降低成本，控制不必要的浪費，策略和規則是核心；

經營，則是要動態的評估和量化我們在諸多操作方面的效果，不斷策略優化。

今天我們拿營銷來說，資料分析在營銷中究竟的核心價值在哪裡，營銷未來該怎麼走下去？

我們來看作為客群運營的最後一公里，營銷最核心要確立的是，未來要對誰營銷，為什麼要去營銷，怎麼營銷，效果如何評估，之後如何優化？

在任何的營銷最後一步，都是輸出一組客戶ID，並對這組ID進行觸達，簡訊也好，微信也好，你無法脫離可觸達使用者的ID，無論是老使用者還是潛在客戶，這點沒有改變。

但是我們會發現，如果倒推，我們發現生成這組ID之前，我們需要確立輸出的策略，在輸出策略之前，我們需要知道策略是如何被制定出來的。簡單說，儘管你最終看到的只是一組可以用於營銷的ID，但是這組ID是帶有很深入的營銷含義的，即這組ID人群長什麼樣，過去表現啥樣，指標是啥，為什麼宣洩這樣的ID進行營銷，而在隨後的營銷執行環節，則是深度依賴於之前的人群ID策略，本質上，什麼物料和內容，則是來自於最初的策略。

比如我們在折扣季，我們是不會針對正價使用者進行營銷投送。

說到這裡，我們要引出一個概念，就是策略資料

所謂策略資料，就是經過對有用的資料進行整理分析後，我們需要針對營銷，來挖掘策略資料，而營銷的執行，內容創意的產生，都是源於策略資料。

策略資料告訴我們，應該對誰去營銷，預期是什麼表現，要怎麼進行ID的劃分，最終形成可以用於營銷運營的套路。

在今天我們看到很多的企業最困難的事情就是不知道如何去設計和界定營銷，在執行力和觸達能力方面，從來不是問題。一線營銷人員很難生成體系化的完整的營銷策略。即使今天我們發現，對資料標籤化之後，人為的進行人群篩選（標籤篩選），我們最終發現，人群篩選出來可能只有幾千人，營銷的必要基本不存在，而這中，形成了很多計算資源浪費，因為人群本質的篩選，可能就是隨機的和想象的，因為營銷人群並未完全進行事前的分析或者建模來建立策略資料，並輸出最終的ID。

可惜的是，今天我們在很多時候，把建設放在了營銷pipeline管理，觸達能力提升，而我們卻沒有解決今天的痛點，就是你該如何建立策略資料，形成可用的高質量的營銷群組。當這一步能力不能提升，再好的流程和出觸達能力，卻無法形成更好的效果。

另外一點，在完成人群觸達之後，我們忽視對於營銷效果的資料分析，和結果資料的重新回傳到策略資料中，並進行下一步的融合和策略資料優化，並對營銷進行迭代優化。

簡單說，我們重視營銷的中間流程和觸達能力輸出，但是在最初的策略制定，資料輸出，效果評估和資料回傳融合，缺失重視程度很低，儘管今天我們擁有一定的資料分析能力，但是我們發現，這絲毫沒有在整體的營銷工作中，發揮核心作用。

策略資料的產生，一方面依賴於過去的大多數指標的表現和調整必要，另一方面我們將更多借助模型，自動產生更多的策略資料，可用於實踐環節。營銷未來的深度發展一定是建立在收尾兩端能力的豐富上，ID輸出源於策略資料的支援，同時藉助直接的營銷效果，進行調整。這也是未來真正的營銷自動化該去做的，核心在策略。

當然如果想要去輸出這樣的策略資料，對於基礎資料的整理，營銷模型建設，綜合資料管理，都是非常關鍵的。

實際上，未來的營銷產品是非常簡單的，而不是基於一定的人工邏輯，再去通過標籤進行構建，營銷在一定邊界中的場景和應用是固定的，不存在太多的偏差範圍。如果非要給一個場景的話，那就是怎麼把營銷人員腦海中的疑問進行資料化，並快速給出基於機器計算的組合策略。比如：9月份我該做什麼活動，此時輸出的應該是基於歷史資料和模型，分類的幾類活動或者人群，這種策略的輸出，同時會評估ROI，再次之後，才會實現快速的自動化能力和響應能力。

營銷的核心是面對客群營銷，而客群的制定是要基於策略資料生成。

歡迎大家關注公眾號 i-analysis