智能資料：如何挖掘高價值的資料

智能資料：如何挖掘高價值資料

[德]比約恩·布勞卿 拉斯·拉克 托馬斯·拉姆什 著

王盛男 譯

目錄

第一部分 從大資料向智能資料轉變

第1章 深陷資料過載的愁雲慘霧

第2章 數字化海嘯——完全不關注資料也行不通

第3章 智能資料冠軍——選擇正确的資料是成功的基礎

第二部分 智能資料的循環

第4章 五步流程實作增值

第三部分 冠軍企業的智能資料應用領域

第5章 更加智慧地接近客戶——在合适的時間、以合理的價格、提供所需的産品

第6章 從貿易夥伴轉變為資料夥伴——通過中介共同提高客戶潛力

第7章 智能優化選址、産品線和産品

第8章 多管道到底是什麼意思——為客戶和企業提供最好的“客戶旅程”

第四部分 企業的智能化之路

第9章 能夠接受錯誤才是正确的經營态度

第10章 使組織更加靈活——選擇正确的組織構架、流程和技術

第11章 智能化地引進人才和開展教育訓練——正确選擇員工

第五部分 赢得資料

第12章 選擇客戶真正需要的數字化戰略

第一部分 從大資料向智能資料轉變

第1章 深陷資料過載的愁雲慘霧

“它無所不在，它無所不知，它的名字是大資料。”

——呆伯特，2012年7月

流感預測器也鬧“流感”

2008年是大資料發展的重要一年，盡管當時幾乎還沒有人提出大資料分析這一概念。就職于在當時仍備受推崇的、雄心勃勃的搜尋引擎供應商谷歌的一小撮資料科學家在《自然》雜志上釋出了一種大資料應用的方法，即利用大資料（的檢測功能）令地球上的人類更加健康（少生病）。科學家們将這種應用命名為GFT：谷歌流感潮（Google Flu Trends）。科學家們宣稱，在不與醫生溝通的情況下，谷歌可以預言美國境内的流感疫情暴發和地理傳播路徑。科學家們的預測速度比當時的監測部門美國疾病控制與預防中心（CDC）更快、更準确。

幾十年來，為了實作對流感疫情的監測，CDC搜集相關醫療診斷報告後，能夠據此推測出全國居民的健康狀況，推測結果公布時間較現實情況有一周左右的延遲。基于這種推測結果，CDC則可采取相關的公共衛生控制措施，例如開展大規模的疫苗接種。谷歌的科學家們基于他們的資料庫，找尋到了一種預測居民健康狀況的更容易的方法：他們統計居民在搜尋引擎中搜尋例如“流感有哪些症狀”或者“附近有哪些藥房”等詞條的頻率，标記搜尋人所在的地點，并将這些統計資料與以往的流感疫情情況比對修正。在2008年，聚合并定位數以百萬計的流感相關的搜尋資訊僅需不到一夜的時間。此外這種研究也證明了與專家發放調查問卷詢問的方式（在調查流感疫情時，專家指的就是醫生）相比，基于搜尋請求統計的分析方法在一定區域内可以得出更微觀精細的預測結果。

“谷歌流感潮”是大資料分析大衆媒介影響的一個突破。不僅僅是谷歌公司的員工愛引用“谷歌流感潮”這個案例去促使人們關注谷歌公司的社會價值，關注資訊技術仿射問題的記者也終于可以捕捉到一個在智能資料應用方面确鑿的、普惠的成功案例。Trendtagen趨勢大會的主講嘉賓操着慣用的“這僅僅是一個開始”的口吻，認為“谷歌流感潮”這個應用執行個體是基于實證的醫學研究革命的開始。分析與商業智能軟體公司的銷售人員都表現得仿佛他們的公司也參與了編寫GFT算法一樣，他們是想給人一種感覺，就是他們公司的産品在商業領域能夠創造奇迹，就如同谷歌流感潮在公共健康領域創造的奇迹一樣。人們也不再質疑在資料驅動下實作的進步。大資料分析領域的三個重要原則，通過谷歌流感潮這一應用案例被大衆知曉。

1.我們擁有的資料量，遠比我們想象得多。我們必須尋找新的方法，更有效地使用資料。

2.通過這些資料，我們可以觀察人們的行為，并識别發展趨勢，這可以為我們（實時）提供一個更準确的現實圖景，其準确程度優于我們之前任何一次通過調查擷取認識的方式，是以，我們擁有了更好的決策基礎。

3.我們不再需要探究原因，統計關系會告訴我們，我們需要了解什麼。《連線》（WIRED）雜志前主編克裡斯·安德森（Chris Anderson）在他的文章《理論的終結》中就提到了這一點。在一個由資料丈量的世界中，我們不再需要理論模型，反正這些理論模型也隻能部分為我們闡釋世界。如果我們擁有豐富的資料基礎，資料自會為自己證言。

2013年對大資料來說是一個好年景。有人會說，對大資料的發展來說，2013年比2008年還重要，這個就要看我們選取哪些比較名額了——可以是全世界積累的資料量、人們在谷歌上對“大資料”詞條的搜尋量、跟大資料有關的IT項目投入，也可以是呆伯特漫畫裡提到大資料詞條的次數（2012年第一次提到）。企業咨詢顧問、趨勢觀察員、軟體供應商把大資料字樣印在彩旗上，畫在表格裡，在每次PPT（示範文稿）演講中都會提到。2013年，幾乎在德國所有的行業會談、座談會和企業戰略會中都會提到大資料概念。高德納咨詢公司的“3V”定義（體量、速度、多樣化）變成了聚會小圈子裡的高雅談資，不管這個定義到底對他們有沒有實際用處，也不論他們到底有多深的IT知識儲備，參加聚會的人都重複不停地談論這一定義。

簡而言之，大資料這個專業術語成為數字化的标簽，大資料之“偉大”如同這個概念本身所承載的資料量那樣“海量”，也如同這個概念所承諾的那樣宏大。當時，整個世界無可救藥地中了大資料的“毒”。

對“谷歌流感潮”項目來說，2013年就沒那麼幸運了。2月，在《自然》雜志的新聞門戶網站上刊登了一篇文章，文章指出，一度宣稱能使世界變得更美好的大資料應用領域的典型案例“谷歌流感潮”預測結果出現誤報，對一些流感疫情的發生率估計過高，另一方面又認為某些疫情根本不會發生。2009年1月的豬流感事件就屬于後一種情況（實際發生，但GFT沒預測出來）。

現在回想起來，“谷歌流感潮”的發展史也可以這樣寫，谷歌是那個時代在大資料應用領域第一個“吃螃蟹”的人，領先于同業。來自山景城（谷歌總部所在地）的資料工程師率先對外宣稱他們可以預測流感趨勢。但同時，他們也是第一批令公衆失望的人。哈佛大學的一份學術研究報告認為“谷歌流感潮”事件是在對大資料分析整體進行炒作。這份報告中最重要的詞彙是“Hybris”，這個詞源于古希臘語，在德語中是“Selbstüberschätzung”，譯為“傲慢”，即指“大資料傲慢”。2014年4月，《經濟學人》雜志刊登了《對大資料的抨擊》一文。《紐約時報》在大篇幅的分析文章中提出了“8個（不對，是9個！）大資料存在的問題”。劍橋大學公共風險認識學教授戴維·施皮格哈爾特（David Spiegelhalter）表述得更加直白，他認為以他的經驗來看，大資料所承諾的種種，毫無疑問純屬胡說八道。

技術成熟度曲線（Hype-Cycling）

資訊技術總是“說大話”，承諾很多事情，就好像這些事情在短時間内都會實作一樣。這種現象由來已久，是老生常談，老得就跟第一台計算機一樣。這種現象強烈地影響了IT産業從業人員的心态，也逐漸影響了美國IT行業的特質。所有新科技好像就沒有不重要的，研發者和銷售人員都覺得是颠覆性的創新研發。這種情況有時令我們也很抓狂，事情總是這樣，肯定是不行的。

資訊技術總是“說大話”，承諾很多事情，就好像這些事情在短時間内都會實作一樣。這種現象由來已久，是老生常談，老得就跟第一台計算機一樣。

鼓吹資訊技術進步的言論是對一種理念堅信不疑的反映，即從長遠看，創新技術肯定會得到應用，在一定時期之後，個人、社會組織及企業事實上也會消費創新技術，屆時，那些從一開始就對技術創新抱有（過于）積極的态度的主體就會受益。早在20年前（第一個浏覽器剛剛使普通人浏覽網頁成為可能），軟體分析師傑姬·芬恩（Jackie Fenn）就提出了一個了不起的、結論性的分析架構，即高德納公司的技術成熟度曲線分析。

許多本書的讀者對這個曲線并不陌生。用實體學家的話描述這個曲線就是，具有指數特性特征的一條光滑曲線在經曆了一個飛躍式上漲的波峰之後，逐漸接近一個有走高趨勢的平衡位置。如果是在經濟領域，這條曲線表示，從指數上看，經過市場上的大肆渲染和宣傳，新資訊技術首先将經曆不斷提高的市場關注度。與此同時，對新IT産品的期望值也逐漸攀升，但是這些尚不成熟的産品在1.0版時是不可能滿足這些期望的。從某種程度上來說，這種期望後産生的失望是意料之中的。如果這些新産品生産企業掌握資訊技術資源，很快他們就會推出優化後的2.0版本。

這些新版本可以實作人們意想不到的優化，比如可以治愈兒童疾病，或是增加了新功能。在這個階段，對新産品的公衆關注度明顯降低，人們會更切合實際地去衡量這些新産品的市場潛力和技術局限性。（能夠經受住市場檢驗的）成功的資訊技術而後會達到“實際生産高峰期”階段。此時，消費者知道自己想要什麼，他們也非常清楚，這些新産品雖然已經不是最受追捧的了，但是這些新産品基本成熟的功能會使他們所在的機構或組織受益。

有很多新技術、新産品在跌入谷底之後，就不了了之了，市場低谷成了死亡之谷。

2011年，大資料作為類概念第一次出現在高德納年度技術成熟度曲線報告中，在随後的2013年，大資料達到了曲線期望值的頂峰（達到“過高期望的峰值”階段）。2014年，大資料以“坐過山車”的速度沖向市場關注度的低谷，預計2015年将繼續加速向谷底俯沖。[1]這些隻是預測層面的，不可回避的是，像施皮格哈爾特這類對大資料持批判态度的頂尖專家絕不會就此認定，大資料會朝着曲線上“實際生産高峰期”方向發展。這是因為，技術成熟度曲線畢竟不是統計分析方面的“再保險曲線圖”（具有極高的預測準确度），不是所有時髦的新資訊技術都會像技術成熟度曲線預測的那樣，在經曆了比較長的時間之後，會獲得市場的認可。出于回顧驗證預測結果的目的，高德納的分析師們特意關注了一些已經上市的新産品的市場表現，結果發現有很多新技術、新産品在跌入谷底後，就不了了之了，市場低谷成了死亡之谷。

大資料這個概念的表述還是太模糊，涵蓋了許多不同的産品和應用執行個體，在戰略和實操決策層面都引起了一定程度的困惑。沒有人能說清楚，在未來的5~10年，我們在企業經營中會用到哪些大資料分析方法。我們也不知道，到那時，我們使用哪些被大肆宣傳的“秘密武器”時，會讓我們不止一次地回想起“大資料”這個名詞。此處有兩個原因，一是大資料這個概念中的“大”不能用數量來衡量，二是對于多少資料量是容易或者不容易被運用的，判斷過于主觀。對有些企業來說，幾Pb（10的15次方位元組）的資料量就大得不可想象了，對另一些企業來說，處理Eb級的資料量（10的18次方位元組）都很輕松。從我們在大資料的大部分商業應用領域的經驗來看，企業能夠處理的資料量的多寡，在決定某個企業能否達到“實際生産高峰期”階段方面，是最不關鍵的因素。後續我們會對此進行更詳細的分析，此時，我們大膽預測，在一段或長或短的時間之後，大資料這個概念在企業中将不僅僅作為一個高高在上的抽象化概念存在。

沒有“大爆炸”的大資料

去年，我們從大企業和較大的中小企業的資料項目中獲得了一些經驗，在整合這些經驗時，我們發現，在對大資料的認識和态度方面，存在如下自相沖突的現象：

決策層越高，就越會涉及大資料這一概念，同時對大資料的期望值也越高。如果此時，首席執行官、董事或者戰略決策部門還沒有深入了解在他們的業務領域面臨的最重要的數字化挑戰是什麼，他們對大資料的期望值還會更高。簡而言之就是：

越是沒有大資料應用經驗，對大資料應用于企業管理的期望值就會越高，越會希望通過大資料的應用獲得“多快好省”的收益。

這些期望主要是集中在能夠借助大資料發掘出企業尚未涉足過的、全新的商業模式上。這種期望會在各種媒體報道的影響下越發強烈。比如媒體會報道：

1.早在客戶意識到他們自己是多麼迫切需要某樣商品前，亞馬遜就已經開始出售這些日常商品了。

2.由于有一定的大資料意識，線上影片租賃提供商網飛（Netflix）對那些觀看連續劇成瘾的使用者的欣賞偏好非常了解，網飛自己制作電視劇并且進行恰當的銷售，例如凱文·史派西主演的《紙牌屋》。

3.未來汽車保險公司借助于全球定位系統資料，在“按裡程付費模型”架構核心算出了保費收費标準，進而可以提供極具市場競争力的優惠保險産品。

具體的表象往往還沒有形成，例如這些基礎性的經濟領域技術創新在個别企業内是如何呈現的，等等。但是對大資料的基本态度已有定論，即資料為我們指明了方向。這不僅僅是效率的問題，還有實惠，因為現在資訊技術的使用成本極低。這一點在去年與大資料相關的演講中可以看出來。

另一方面，我們認識到，決策層級越低，大資料帶來的失望情緒就越大，但是這種情緒多多少少都有所隐藏。這種情緒上的對立有多種原因。一方面，IT部門往往已經制定了工作方案，使企業可以更加有效地使用資料，但是方案在企業内部并未得到響應和貫徹。另一方面，如果公司将資訊技術問題作為基礎性工作來抓，那麼原本相安無事的技術部門将陡然變為衆矢之的，對于這一點，公司資訊技術操作層面的負責人原則上是十厘清楚的。随着資訊技術的進步，IT部門意外地發現自己變成了影響公司決策的強有力的“刹車器”。在這方面，IT部門常用的話術是：“我們的系統不支援這個功能。”從IT部門的角度看，他們（這樣說了以後）往往會是幸運的，不用再去為了公司的數字化快速發展做更多辛苦的努力，因為上層決策者往往會關注大資料應用所需的短期的、實際的、可預期的投入，有時對投入關注得越多，繼續投入資源的熱情便會有所減弱。當上層決策者們慢慢意識到，在他們的企業内必須進行哪些深入的改變，才可以借助數字化長效地發掘公司真正的市場潛力時，決策者們才會慢慢改變内心的抵觸情緒，逐漸厘清認識。這裡指的當然是，發掘自己公司的市場潛力，而不是别人的。

在一些大資料概念相對模糊的公司，常出現如下問題：決策層認識到了大資料分析是發掘新商業模式的一種可嘗試的途徑，同時他們對此寄予厚望。在項目中，他們很快意識到，資料确實是一種資源，可以在短期内，沿着企業本身的價值鍊——從組織生産、供應商管理、後勤保障、銷售營運直到客戶售後服務——去優化企業的核心業務。而後，人們不可避免地會将大資料的應用潛力與商業模式的持續優化聯系起來。在排除其他并行的商業模式優化因素的情況下，人們嘗試着去預估資料帶來純增量的潛力，結果是，在節省資源和增加銷售額或者利潤方面，大資料帶來的純貢獻值是低于預期的。故而人們對沒有帶來驚喜的大資料就不再有興趣了。

一次對企業影響深遠的、緻力于尋求資料驅動下優化解決方案的嘗試，迅速将各種有經驗的、熟悉企業文化的“反對者”引向了“雷區”：

1.必須開放資料庫。通過利用營運資料，企業的業績可能提升，但也可能降低。但遺憾的是，部門主管們對此持有很沖突的心态，他們遵循的行為原則是，如果我從資料中獲益則沒問題，但是如果我沒有獲益，則無法接受。

2.資料技術的“惡魔”通常存在于細節中。小問題總是能演變成大問題，進而導緻IT投入（盡管有IT行業的各種美好承諾）經常一路飙高，就如同柏林機場和易北河音樂廳在籌建時不斷增加的預算一樣。哪些處于職業上升期的上司會去冒這種風險？此外，讓事情變得更困難的是，因為從商業角度出發資料應用似乎是值得期待的，故而資料庫的經營管理人員的職權越來越大。在一個公司裡，如果想投産一個創新性的客戶資料應用，就需要對SQL（結構化查詢語言）代碼進行修改。誰能夠估計出為此修改5000行SQL代碼究竟有多複雜？肯定是實際操作修改的人。

3.内外部的資料保護者喜歡證明他們的存在權利。評估法律風險和突破法律方面的障礙不會給企業管理者帶來任何樂趣，即便是在資料驅動下也一樣。

4.應用分析工具所做出的預測并沒有像軟體銷售商和咨詢顧問宣稱的那樣令人信服。同時，在很多基于資料分析的優化項目中，在項目投産前往往有很好的預期，但是投産之後帶來的短期實惠較少，項目投資收益少（沿着企業原本的價值鍊）導緻公司資産收益率下降。

5.要更好地使用資料所面臨的最大障礙不是機器裝置，而是人員。更準确地說，是人力資源。智能的資料分析需要聰明的腦力。企業内部經常不具備這種人力資源或者這些人的工作量已經飽和，隻能高薪從外部聘請，這時就會遇到普遍存在的困難，即控制預算。

總體而言，項目負責人和（或）财務預算人員如果想要推動項目進展，而項目本身需要應用大資料分析手段，那麼他們最好還是馬上做好與不斷飛漲的預算做長期鬥争的打算，預算飙升是很有可能發生的。短期内獲得的分析結果是很有限的，可能遠未達到預期，如果此時項目負責人想憑借這些分析結果将項目立項，這樣的可能性微乎其微。企業首席執行官和董事們認為，企業戰略規劃的實施需要時間，企業在經曆深刻的變革後，成為一個資料驅動下的市場競争領先者——就像美國商業分析先驅托馬斯·達文波特（Thomas Davenport）所說的“分析型競争者”（Analytical Competitor）那樣，至少需要5年的時間，也很有可能是10年。幾乎沒有首席執行官和董事們可以确定，到那時他們還是不是在擔任現在的職務。與此同時，所有的有數字化發展戰略的企業當然也都清楚，他們必須要做些什麼。

處于沖突糾結中的企業目前面臨的這種情況，在國際象棋中被稱為“Lavieren”，即以守為攻戰術。

以守為攻戰術

在棋牌類遊戲裡有一種情況，在這種情況下采用“Lavieren”戰術特别有用。參與遊戲的人中，沒人有穩操勝券的取勝之道。大家都采用與之周旋的招數，并給自己留出盡可能多的轉圜空間。在這種情況下，“Lavieren”戰術就有可能派上用場：如果對手犯了錯誤，進而失去了空間優勢，那麼就為對方提供了進攻“王”的機會。反過來說就是，防守是最好的進攻。自己并不主動做什麼，而是以守為攻，等待并期待對手犯錯，進而為自己赢得一個機遇。

完全沒接觸過象棋的人，可能不能了解我們在說什麼，不了解什麼是企業所謂的數字化戰略，那麼請回憶一下那些無關緊要的中場傳球。一個在本質上被動的、以守為攻的行為，會被機會主義行為或者會議上大肆宣揚大資料應用的行為所掩蓋。

以守為攻型企業典型的行為模式有：

☆為特定用途購進多種分析與可視化工具，雖然從根本上來說這種行為是好的，但是這種行為不總是會起到好效果，結果導緻大家對IT的印象變得更加支離破碎，并且産生了“工具過載”現象。伴随着“工具過載”而來的，是人們越來越高漲的失望情緒：“我們沒有辦法再控制我們的系統了，反倒淹沒在了一片資料汪洋之中。”或者像一個在一家大型保險公司工作的營運主管所描述的那樣：我們現在需要一個快速的解決方法，使我們的保險經紀們能夠着手處理客戶們的無索賠等級分類工作。因為缺少時間和錢，我們現在隻能采用臨時性的辦法完成這項工作，這種行為在長期來看，使高效的資料應用更難實作了。

☆逐項、不相容地購買外部資料也會導緻“工具過載”，“工具過載”使各項技術手段的融合變得更加困難。伴随着“工具過載”而來的，還有進一步的資料過載。

☆将數字化創新工作交由企業自有的“創新加速器”來做。媒體對此種模式都抱以正面的宣傳态度，而且從根本上看，支援年輕企業家追求科技化的未來，也确實是件好事情。我們也确實遇到過個别企業，他們将創新成果應用于企業經營并獲得了成功，但是實事求是地講，由“創新加速器”孵化出來的初創企業，獲得創業成功的比例還是很低的。在沒有核心領域背景背書的情況下，建立一個“創新加速器”，或者從狹義的角度來說，貿然去參與一家數字化初創企業的發展，這在某種程度上釋放了一種錯誤的信号，就好像我們已經擁有一支規模很龐大的創新軍團了。這種錯覺會消磨人們在核心領域追求創新的動力。

這聽起來有些荒謬，但是對長期的數字化效益來說，卻存在着極大的隐患，尤其是當以攻為守者憑借他們的機會主義獲得了首次成功的時候，又或者當他們成為本職工作和部門工作的良好内部推動者的時候。因為上述情況加深了人們的印象，即多虧了有新的工具和諸多新的資料，才使得我們沒有偏離正軌。此外，我們在加速器這個問題上還有很多“百搭牌”。是以，我們并不需要徹底地改變什麼。消息從上層傳達到基層，然後再回報回來，這樣就很好。

來自矽谷的大資料發明者在某種程度上可能是吃了高估自己的虧。逐漸獲得數字化進展的“以守為攻”型企業，自己将這種進展貼上了大資料的标簽，都或多或少地有些自欺欺人。正如杜克大學心理和行為經濟學教授丹·艾瑞裡（Dan Ariely）的格言所說的那樣：“大資料就好比是青少年性行為。所有人都在談論，但是沒人敢去嘗試。偶爾有幾個人真去嘗試了，卻弄得一團糟。”

“以守為攻”者的根本問題是：

他們總是盡可能地大聲疾呼大資料概念。他們誇大了自己在資料過載的情況下取得的成功。然而，他們并沒有尋找到真正意義上的改革模型，這種模型可以為他們開啟更廣闊的前景，幫助他們占領所在行業内的資料分析制高點。

我們得承認，很難用恰當的語言表達上述情況。但是項目經驗告訴我們，誇張的表達有助于我們認識到問題的存在。

選擇一個比較中立的概念去描繪企業的數字化現狀，和一些被數字化改革折騰得夠嗆的職業經理人的心情，那麼這個概念應該是這樣的（見下頁圖）：

圖的左下角描述了企業裡資料分析活動的現狀，誠實地說，許多人對實際情況是不滿意的。

圖右上角所描述的情況就很難把握了，它包含了一個非常抽象的範疇，即數字化的未來幻景。同時，也回答了“未來可為企業帶來長效競争力的、數字化驅動的經營模型到底是怎樣的”這一問題。

圖裡的數字化未來幻景是通過現實中的應用案例建構的，這些案例來自例如谷歌、亞馬遜、網飛、貝寶、Bluekai（資料管理軟體公司，于2014年被甲骨文收購）等資料分析領域的“明星企業”。來自奧托集團的代表們都有理由去考慮，我們究竟打算怎樣去獲得跟他們一樣的數字化競争力。實際上，（在數字化方面）我們跟他們的差距還很大！在與他們的數字化競争中，我們暫時不可能取得勝利！另一方面，在這個數字化未來幻景中，還存在很多雄心勃勃的數字化驅動下的初創企業。企業管理者和來自施瓦本的機械制造工程師異口同聲地發問（他們也确有權利知曉），我們想要的隻是這100萬美元嗎？如果沒有一個一個的消費者，這該如何實作？如果他們暈乎乎地拿錢去了股票交易所，那我們就需要關注一下我們的季度财務資料或者月銷售額了。

總體來看，這張圖就是脫離現實太遠。我們很難發現，圖裡描述的未來幻景到底跟大多數企業的日常工作有什麼關系。考慮到新近的大資料項目經驗、這些項目産生的成本，以及項目帶來的應用成果，我們就更難去相信，在可預見的時間内，這個圖中描述的數字化現狀是如何發展成為圖中描述的幻景的那種規模的，就如同圖中的箭頭穿過，直指圖的右上方。

然而，這就是大部分行業中的大多數企業的數字化目标。“以守為攻”戰略能夠實作的前提是，你的對手也正好在“以守為攻”。如果你的對手有很好的發展戰略，那你就隻能等着倒黴了。此時，“以守為攻者”會比想象中的更快被“将死”。

在項目中，我們最好還是考慮一下這個問題：我們可以想象一下，如果明天谷歌、蘋果或者亞馬遜要涉足我們的行業和市場了，那我們該怎麼辦？

[1]本書德文原版出版于2015年。——編者注

第2章 數字化海嘯——完全不關注資料也行不通

“我們需要銀行業，但不一定需要銀行。”

——比爾·蓋茨

沿價值鍊産生分化

“沒人會在網上買書。人們在買書之前，需要翻閱實物，并且聽一聽資深售書員的建議。”1996年，當傑夫·貝佐斯推動亞馬遜上線的時候，好多人都這麼說。在2005年前後，當第一個電子書閱讀器問世的時候，大部分的書商都認為：“客戶需要實實在在地摸到書籍，感受紙張的質感，并且還要能夠用筆畫出書中的重點章節。”2008年，兩個年輕的企業家嘗試性地為Zalando[1]創立了一個小型網店，主要用于出售人字拖，當時德國大部分的大型鞋類銷售企業都堅信：“沒有人會在網上買鞋的，因為買鞋前必須要試穿。”在一些零售貿易中，現實情況是這樣的：在必要時，一些專營市場中的不易腐爛的食品可以在網上售賣。線上食品貿易所需的物流費用是很少的。當然，在購買生鮮食品之前，人們還是需要先看看實物的。

歐洲經濟委員會是緻力于商業中心發展與推動的國際機構，羅蘭貝格管理咨詢公司與歐洲經濟委員會合作開展的一次客戶問卷普查結果顯示，從客戶購買頻率的角度衡量，網店在培養客戶忠誠度方面表現更好——雖然在實體店裡顧客可以盡可能地找到銷售人員并尋求他們的建議，但客戶在網店購買商品的頻率是在實體店購買的3倍。這一結果為羅蘭貝格的一份研究報告提供了資料支撐。我們會在本書的第二部分進一步讨論零售貿易的智能化、數字化、多管道經營戰略，但這裡先說一下：零售商們大都在客戶資料分析方面傾注了大量創造性的精力，以期優化客戶關系，但是為什麼在具體的銷售環節，基于銷售商自身和所在行業的結構化特點，它們跟亞馬遜相比卻沒有競争力呢？就好像亞馬遜在實體店方面做得更好一樣，甚至是在大城市以外地區。

在貿易中，這種情況并非個案。通過與盡可能多的行業的戰略規劃負責人交流，我們發現，很多企業目前都掙紮在生死邊緣，卻不自知。三年前，在《我們的資料》一書中，我們就強調，資料分析能力目前還僅是一個競争優勢，但在可預見的時間内，它将變成一個“保命因素”。資料分析能力弱的企業會被資料分析能力強的企業排擠出市場。這種預測之前偶爾會讓人感到驚訝，但這都是在大型手工商品零售商Praktiker、日化品零售商Schlecker、鞋類零售商Goertz、卡爾施泰特百貨集團破産之前了。

資料分析能力目前還僅是一個競争優勢，但在可預見的時間内，它将變成一個“保命因素”。（2012年）

在我們的印象中，在各個行業，有太多的決策者，當他們自己在客戶認知方面的“裝備水準”沒有什麼改觀的情況下，他們從内心來說并不想知道，一些業已存在的和另一些新出現的競争者是如何在資料分析力量方面武裝自己的。一言以蔽之，就是他們關于發展道路的觀念沒有根本性的轉變。他們使用的是老式雷達，但競争對手已經在使用衛星裝置了。還不僅僅是這些：競争對手們利用所有可得資料去推斷消費者會在何時、以怎樣的價格去購買什麼樣的商品。他們還通過對資料的利用，去優化研發、生産和後勤保障，進而獲得最佳利潤水準。基于上述，我們可以發現一種現象，即沿企業價值鍊産生的系統性分化。

這一系統性、飛躍式分化是這樣的（見上頁圖）。

截至目前，在大多數行業内，這一企業分化過程還是一點點進行的。通常情況下，即便是行業内的數字化先驅企業也依舊處于艱難的數字化改革中，全行業的結構性改變尚不可見。但是，在平靜的水面下卻醞釀着一場數字化海嘯。

機智，聯合，進攻

把一切能夠數字化的事物，全都數字化。

把一切能夠數字化的事物，全都數字化。這句話在矽谷是鐵律。大西洋彼岸的大部分采用以守為攻戰略的企業決策者當然也明白：激進的創新主義者重視這一點，并且他們積極主張熊彼特的“創造性破壞理論”。

數字化已滲透至各行各業，并催生出了一批擁有全新商業模式的市場競争者。這是目前我們已知的。下面讓我們來分析一下。

在數字化世界裡，成功的市場競争者通常從四個次元出發，來獲得他們的競争優勢。

深思熟慮的、以資料為基礎的客戶認知和客戶需求識别

從生産研發到售後環節，資料分析領先者完成了由産品指向型到客戶指向型的轉變。與其他企業不同的是，他們不僅僅是口頭宣揚。“資訊拉取替代資訊推送”對他們而言，不是一個噱頭，而是客觀存在的商業現實。這其中最成功的企業，會用一個全新的模式滿足人們的基本需求。谷歌讓全世界都可以免費獲得資訊，臉譜網徹底改變了私人交流的方式。“點贊”這個功能是資訊技術對人類最深層次需求的完美回應，誰都願意被喜愛，被贊揚。

此外，基于資料的審慎的客戶認知還是一項不錯的服務業務。在很多領域，産品資訊整合公司和資料評估公司，因為可以直接接觸到客戶，進而可以作為新的媒介或流程優化者介入到企業價值鍊中去，這便相應地使産品供應商繞過一些原有環節，降低經營成本。通過産品供應商和客戶之間的“脫媒”，企業的利潤空間變得更大。傳統的供應商往往承受着雙重壓力，一方面，銷售網絡中每增加一個供應商，營業額就會随之減少；另一方面，企業利潤會被中介和搜尋引擎的手續費蠶食。

平台化和網絡影響力

我們如何去建立一個平台，由我們來定義這個平台的規則和流程，以至其他的市場主體都必須參與到我們的價值創造過程中去呢？這是一個戰略性的問題，矽谷中的許多企業創始人也在問。他們明白：

從市場結構方面考慮，數字化就意味着平台化。

抽象地說，就是利用平台化的産品、服務或者技術，去服務于盡可能多的公司，目的是提供互補的産品、服務或者技術。平台化的市場往往具有一個相對穩定的核心應用，比如配有谷歌線上商店的安卓作業系統，或是亞馬遜商城及其“經濟生态環境”中的供應商，包括App（應用程式）開發商和遍布全商城的專業化網絡商店等。

平台掌握客戶資源，可以直接接觸到終端客戶；平台制定标準，比如商品該如何配送至客戶手中；同時，平台還要促進各供應商之間的競争。與平台使用者不同的是，平台企業承受着很大的創新壓力，一般情況下獲得的利潤還要明顯少于平台使用者。

在平台市場中，一條傳統的科技定律很起作用：誰制定規則，誰就擁有市場。

在平台市場中，一條傳統的科技定律很起作用：誰制定規則，誰就擁有市場。在數字經濟中，平台模式最精彩的部分在于，在傳統的價值鍊條中，平台企業可以比具有市場影響力的生産企業更快更好地形成規模。原因就在于所謂的網絡影響，早在20世紀初，全球第一家電話公司就已經知道利用這一點了。一個平台能獲得的參與者越多，那麼它對大家的作用就越大。平台吸引到的客戶越多，那麼它對供應商就越有吸引力，反之亦然。一個平台如果開始盈利了，它的成長速度往往是呈指數級的，而且平台一旦建立起來，我們是很難打破它的優勢的。

世界越來越數字化，平台模式更加頻繁地介入到傳統價值鍊條中，這必然是以傳統産品、服務和技術供應商的利益為代價的。在某一個細分市場中，往往隻能有少數的，甚至是隻能有一個成功的平台存在，這是客觀規律。此處重要的是，我們應該有意識地去開拓平台市場，進而我們為客戶和供應商提供的就不僅僅是一個單一“經濟生态環境”，而是許多的新市場。

通過智能協作消費獲得新的潛能

分享不僅僅隻是關愛。分享使既有商業模式的優化和新商業模式的誕生成為可能。這一現象經常發生在個人對個人的交易中，在這類交易環境中，私人或者小企業互換閑置的資源，比如空置的房間、暫時不用的車子以及暫無活計的工匠等。一些新的“線上銷售冠軍”公司認為愛彼迎（Airbnb）、優步（Uber）和任務兔子（Taskrabbit）意味着一個全新的商業類型，為此TED演講嘉賓瑞秋·波特斯曼（Rachel Botsman）創造了一個貼切的概念——“協作消費”。在商業管理層面，這一新商業類型被認為是僅有有限商業影響力的短暫存在，經常招人嘲笑。但是人們并沒有意識到它的潛力：“智能協作消費”将中介方擠出了價值創造鍊條，甚至可以席卷整個行業，像在優步和來福車（Lyft）案例中發生的一樣。此處，我們看到了一種與“資料整合型的服務提供”完全相反的模式。協作消費者向我們展示了“消滅中介”是如何大規模實作的。

波特斯曼宣稱，這種新的個人對個人的交易将給消費帶來重大改變，其影響力比線下、線上貿易還要強。人們可以認為這是TED演講中普遍存在的誇張誇大。但是對于中介方來說，無論是在B2C（商家對客戶）或是B2B（商家對商家）市場中，最好還是認真關注一下。特别要認真考慮一下這個問題：在智能協作消費時，交易雙方是如何建立信任的？協作消費這一新概念是如何在優化價值創造過程中發揮作用的？因為像優步和Instacard（一家超市物品快送公司）這樣的公司已經向我們證明，這種新的協作消費與資本主義之間，并不是互相排斥的關系。

雄心勃勃+激進式管理

僅有很少的證據顯示，大家認為傑夫·貝佐斯是一個令人喜歡的人。如果要用一個詞來概括他的性格，那麼“雄心勃勃”是最合适的。這位亞馬遜公司的創始人最常被引用的一句話就是：我要成為世界上最成功的商人。他正一天天、一步步地接近這個目标。同樣，奧利弗·紮姆韋爾［Oliver Samwer，“火箭網絡”（Rocket Internet）三兄弟中最好鬥的一個］在公開亮相時，看起來也不是很親和。“在網絡這些事情上，我是屬于最激進的一類人。我會盡最大努力去獲利，同時我也期待你們跟我一樣！”他在一封給電子商務投資企業的創始人和經理人的“激勵信”中這樣寫道。根據科技類部落格TechCrunch（歐洲）報道，他在閃電式開辟印度、土耳其、澳洲、南非、東南亞新市場的請求信中也提到過此番言論。在德國，紮姆韋爾因為選用“閃電戰”這個詞語而受到公衆的譴責，這是理所當然的。郵件背後顯示出的膨脹的經營方式也同樣遭到了譴責，這是數字化海嘯進一步的預警信号。紮姆韋爾三兄弟脫離了德國普遍文化共識，這可能也是他們遭遇如此敵對的最重要原因。撇開個人同情不談，從經濟層面來看，這是愚蠢的。

許多職業經理人對數字化都産生了失望情緒，在與他們的交談中，我們發現：鑒于數字化面臨的挑戰，在許多大企業内，人們都放棄了追求數字化領先地位，或者放棄了穩居領先地位的訴求。被美好前景所激勵着的、極度狂熱的資料分析競争者經常會迷失方向，這對企業的雄心壯志是一種連續性的打擊。恕我這麼說：就連我們的經營方式都沒有給我們提供任何理由去相信我們能夠營運數字化海嘯預警系統。

到處都土崩瓦解！

數字化驅動下的行業競争者帶來了很多颠覆性的改變，分行業來看，目前呈現如下狀況：

媒體（創意内容）

音樂行業也難逃一劫。在世紀之交，音樂行業是數字化的第一個受害者，因為網際網路的帶寬已經發展到了可以非法傳播音樂的程度。音樂作為一個獨立産業，沒有能力去建立一個系統平台（在這個平台上，具有支付意願的音樂愛好者可以安全便捷地将音樂下載下傳到數字化終端裡），這樣的話，音樂行業也就不算倒了黴。但是，這是知識匮乏造成的不合理現象。

蘋果公司憑借數字媒體播放應用程式iTunes及配套的高價終端裝置iPod播放器、iPhone手機和iPad平闆電腦，成為颠覆性的革新者。其間，除了谷歌音樂服務和亞馬遜音樂等一些下載下傳商店以外，諸如Spotify（聲破天）或者Simfy（一家德國音樂網站）等流媒體音樂平台也曾介入音樂出版行業的傳統價值鍊，有效地抑制了音樂侵權行為。此外，諸如Soundcloud（聲雲）這種P2P（點對點）音樂分享社群成為創作者和聽衆之間的橋梁。

盡管電影制片人，還有狹義上的書商成功地吸取了音樂産業失敗的教訓并盡力去避免重蹈覆轍，但是，總體來看，電影和出版業數字化競争的赢家并不是華納兄弟和蘭登書屋，而是網飛和Kindle（亞馬遜的電子書閱讀器和軟體平台）。傳統印刷媒體的現狀更加灰暗。2014年初夏，德國最大的出版集團阿克塞爾·施普林格的首席執行官馬蒂亞斯·德普夫納在給谷歌總裁埃裡克·施密特的一封公開信中表達了對谷歌公司的不滿。德普夫納言簡意赅地論證稱，谷歌想要建立一個“超級跨國國家”。從國家層面和歐洲層面，我們需要有意識、有力度的國家幹預。人們也可以這樣了解這封信的内容：就如同我們看到的一樣，對媒體行業而言，這一切都為時已晚。順便說一句，施普林格已經屬于數字化程度很高的企業了。傑夫·貝佐斯個人買下了《華盛頓郵報》，那麼誰來購買德國《世界報》和《法蘭克福彙報》呢？肯定也沒人買《法蘭克福評論報》（否則它也不會破産）。

貿易（電子商務）

“那些絕對專業的線下貿易商能夠存活下來，但這一比例不超過20%。”這句話不是我們說的，而是，又是——奧利弗·紮姆韋爾說的。一次，紮姆韋爾應家族式商業連鎖集團廷格爾曼（Tengelmann）公司董事長卡爾–埃裡溫·豪布（Karl-Erivan Haub）的邀請出席活動，當着衆多企業家和職業經理人的面，他認為傳統零售貿易将面臨大幅縮水。我們并不确定紮姆韋爾話中提到的數字是否準确，但是我們相信，這一言論的核心内容是符合發展方向的，隻有那些将自身實際優勢與數字世界中的技術和可能性結合起來的線下貿易公司，才能夠存活下來。在未來的幾年中，我們自然就會看出來，到底是誰能夠在戰略性的多管道貿易中長期占據領先優勢了。

即便是最敏銳的貿易商也會高估自己客源的忠誠度。

遺憾的是，即便是最敏銳的貿易商也會高估自己客源的忠誠度。許多電子商務企業都高負債開展業務擴張，是以短期内沒有（或者從未）實作盈利。即便是“線上和多管道”政策已被确認在戰略上具有正确性，情況也依然是這樣。如果原有網際網路使用者群跟不上銷售形式和銷售速度的變化，那麼再好的前景也沒用。許多傳統的銷售商為自己在“線上和多管道”貿易中取得的增長率感到驕傲。但是容易被忽略的是，實際上在德國幾乎全部的傳統貿易企業中，線上交易量占企業全部業務量的比重低于企業所在行業線上業務量占比的平均水準。換句話說就是，雖然我們已經取得了一些進步，并已經開始部分參與線上市場競争，但傳統貿易還是失去了一部分市場佔有率。

旅遊業

傳統的旅遊經銷商，街角的那些旅行中介，可能要遭受三重打擊。第一，線上旅行中介提供了具有競争力的價格。第二，航空公司和旅行社發現，通過線上直接下單預訂，他們完全可以擺脫傳統中介商了，節省下來的資金增加的利潤，可以留為己用或者用于貼補價格戰。第三，現在流行的“分享經濟”“協同消費”模式，比如愛彼迎，還有跨大洲“換房住平台”讓酒店住宿這種原本非常重要的旅遊産品顯得過時了。

酒店經營面臨的威脅不僅僅隻來自中期合住平台。大型的線上預訂平台，例如好訂、缤客和HRS酒店預訂等也已然獲得了巨大的市場佔有率，他們提供“酒店承諾最低價”，同時收取不菲的傭金。在尋找和介紹最物美價廉的住宿方面，谷歌對傳統中介的威脅越來越大。一個非常有意思的現象是，一方面，數字化削弱了傳統中介的職能，但與此同時，數字化又引入了一種新型中介。憑借超前的數字化競争力，新型中介掌握着“在正确的時間、給正确的客戶提供正确的服務”的能力。從酒店經營者的角度出發，新型中介相對高額的傭金對酒店的短期現金流來說是一個不利因素。從長期來看，情況可能更糟糕，新型中介切斷了酒店與顧客之間的直接聯系。至少，當顧客線上預訂房間或者是線上直接購買酒店服務時，顧客并沒有直接與酒店産生互動。

電信業

電信營運商是資料巨頭。除了谷歌和臉譜網以外，沒有哪家公司掌握的關于我們的數字化資訊比我們的電信營運商還多。我們所處的位置、我們日常活動的模式、我們用手機上網浏覽的内容、我們的聯絡關系網等資訊，實際上可以催生新的商業模式，比如手機營銷、個人資訊保護、手機支付，或者專門針對某個領域的應用平台，例如将符合工業4.0标準的機器聯網。

然而，電信營運商正面臨淪為“啞巴管道”（Dumb pipe）的危險。實際上，當使用者使用智能手機，通過蘋果或者谷歌系統提供的應用程式進行數字化通話時，沃達豐、德國電信、西班牙電話公司等移動電信營運商都在失去與使用者的資料聯系。去年，電信營運商在優化應用層面所做的努力幾乎都失敗了。電信營運商在通話領域的市場影響力逐漸減弱，逐漸淪為通信基礎設施的供應商。它們建立起資訊領域的高速公路，然而卻不知道在上面行駛的是誰、要去向何方。

誰掌握了使用者端，誰就掌握了市場。基礎設施建設是薄利經濟，最好的情況也就是有一些政策上的支援。

在這裡，數字化經濟的一個基本原則發揮了作用，即誰掌握了使用者端，誰就掌握了市場。基礎設施建設是薄利經濟，最好的情況也就是有一些政策上的支援。盡管電信營運商的數字化水準在逐漸增強，但還是需要非常努力地進行數字化變革，這雖然聽起來很奇怪，但它們必須這樣做。電信營運商的目标是，憑借高人一籌的商業模式，努力從“啞巴管道”向“智能管道”轉變。

如果用經濟學的眼光去看待關于網絡中立性的政治辯論，那結果是顯而易見的，即缺乏對新商業模式的有效建議。不同的網速服務背後的目的沒有别的，隻是在嘗試為基礎設施傳遞資料的高效能去尋求更高的定價水準。這在某些情況下，是由于網絡建設成本高，是以具有一定合理性。目前還沒有更好的解決辦法。

物流業

大概從10年前起，物流行業由于數字競争力匮乏而陷入被動防守的境地。以資料為支撐的實時線路優化給一些物流供應商帶來了巨大的競争優勢。物聯網（在物流行業即指不停地通過資料流調節控制貨物流）正将這種發展引入下一個階段。此外，在物流行業的價值鍊創造中，有一些環節變得多餘了。例如，馬士基集團就取消了目前在港口和轉運點業務量逐漸萎縮的一部分專業化船運業務。物流資料經理的影響力、帶來的銷售額和業績貢獻反而越來越突出，這些物流資料經理有一小部分來自集團内部，絕大多數是來自外部物流資訊供應商。總結一下就是，數字化競争催生了物流行業新的中介商。

銀行及保險業

數字化經濟可以使銀行面臨相對少的監管，無須面對現存大銀行面臨的組織壓力。如果銀行的創立者當年擁有關于數字化經濟的先進知識并借此建立起銀行，那麼現在的銀行業将會什麼樣子？或許是這樣的：坐落在精挑細選、客流量大、友善區域内客戶辦理業務的地點的分支機構數量會減少，在銀行大堂裡将會有簡單易懂、便于使用的機器裝置。銀行産品收費透明、業務手續費降低、在銀行手機App裡有非常人性化的客戶使用指導，真正做到了以客戶為導向。銀行系統的安全系數更高。客戶可通過線上聯系、電子郵件、視訊聊天或者私人通話等方式獲得銀行咨詢顧問服務。服務不再是産品導向，而是基于客戶的個性化需求。在每一次服務中，客戶資料資訊都被充分掌握。最終是會有這樣的銀行的，這隻是個時間問題。

不可否認的是，還沒有人發現了金融服務業數字化變革的“王道”，但是據我們估計，這更多的是受制于監管，而不是缺乏變革的内在動力或者是消費者意願。然而銀行創立者和投資者的視角則正好相反，他們認為現在正是進軍銀行和保險業的時候，原因是銀行和保險業體制僵化，而且近10來年，由于銀行和保險業處于國家政策監管之下，缺乏創新的壓力。在銀行信貸、結算領域以及一些保險公司業務方面的征兆顯示了金融行業傳統的市場參與者在市場上面臨的“被攻擊面”有多大。

☆與旅遊業相似，新的經紀人和比較平台在客戶和金融服務商之間徘徊。金融脫媒也會導緻新的盈利點出現。

☆個人金融經理提供整合不同金融産品供應商産品和資料的服務。這種服務在短期内會使客戶對某一個金融産品供應商的忠誠度提高，例如會産生主要結算銀行。但最終，這種服務或者App會加劇金融脫媒，直到非銀行金融供應商也可以提供這種服務。

☆個人信用中介平台［如借貸俱樂部（Lending Club）或者德國P2P信貸公司Smava］和項目融資平台（如衆籌平台Kickstarter或者德國衆籌平台Startnext）被作為範例建立起來，且數量越來越多。截至目前，Kickstarter已經向（有創意的）經營理念和産品直接投資超過一億美元。

☆現在，網上轉賬十分安全、簡單。與現金和信用卡相比，移動支付工具作為一個強有力的競争對手成長起來。貝寶屬于億貝（eBay）的支付環節，就是這個領域的典範。銀行和一部分信用卡公司有向電子錢包逐漸退化的趨勢，他們如今正在苦苦地掙紮。在B2B領域内也有大量的支付手段，思愛普公司（SAP）參與合作開發的TRAXPAY公司的業務就是其中一種，這些支付手段将銀行的支付結算服務排擠在外。

☆從長期來看，現實生活的改變在一定程度上動搖了當今保險業賴以存在的業務基礎。傳統的壽險越來越不适合一個充滿了多元化的職業發展路徑和再婚家庭的社會。此外，保險費必然會變得越來越透明化，并是以承受一定的壓力。個人醫療保險也面臨類似的挑戰。最後，但同樣重要的是，對占有财物的價值觀的改變也在部分影響着目前盈利水準依然很高的财産保險業務。如果一個人根本沒有一輛車，那也就談不上車險了。

☆保險業從根本上來看是一種社會關系網絡。人們聯合起來，共同對抗每個個體可能遇到的危險。将網際網路的網絡聯結能力應用于保險業的商業模式中，這種想法很容易了解。來自德國柏林的P2P保險公司Friendsurance做出了一種嘗試，根據不同的保險類型将客戶分為不同群組，同一群組的人互相之間共同承擔特定的風險，通過這種方式，投保人實際上享受了保費優惠（因為有“零索賠獎金”返還）。來自矽谷的意外天氣保險公司Climate Corp，借助大資料天氣分析工具，為農民提供歉收保險，目前已經憑借這種商業模式累積了一億美元的險資。在南非，乘客可以通過手機為風險隐患較高的拼車單次行程投保小額保險，這種商業模式已經成為可能。目前，保險業還沒有尋找到獲得重大成功的黃金法則。哎，到底什麼時候才能發現呢！

教育行業

我們經常驚訝于自己竟然沒有意識到數字化對教育行業居然有這麼大的影響力，也沒有意識到這其中蘊含的商機。教育行業是這個世界上最廣闊的市場之一。世界市場的體量很難衡量，因為它主要掌握在國家和政府手中，但是這個估計應該是沒有太大偏差的。非常明确的是，用于包括幼兒早期教育、中國小、大學、企業内部的職業進修、成人教育以及用于提升自我修養項目的國家财政預算和個人支出，足夠為好幾個谷歌、臉譜網和亞馬遜提供市場空間。

目前，一個未被廣泛關注的市場潮流是“自适應”學習軟體，尤其是在數理自然科學領域。這種軟體會像一個教育專家一樣，給使用者回報他的強項、弱項和學習速度等資訊。然而它會比最好的教育家更有耐性。目前市場認知度比較高的就是“慕課”（MOOC），MOOC是“Massive Open Online Courses”的首字母縮略詞，即大規模開放線上課程。美國的一些線上大學，如Coursera、edX或者優達學城（Udacity）擁有上百萬學員，他們在學習過程中努力地将電視大學和數字化學習的效果結合起來。世界範圍内已經有許多人效仿這種做法，将其轉化為一種商業模式且獲得盈利隻是時間問題。在教育這件事情上，縱使是很小的市場佔有率也意味着很大的業務量。

醫藥與健康

在向個性化醫療發展的道路上，資料起到了重要作用，這是衆所周知的。波茨坦的哈索·普拉特納研究所和柏林夏裡特醫學院的基于基因資料庫的癌症治療研究項目“Onkolyzer”獲得了應有的廣泛關注。在哥倫比亞廣播公司益智問答遊戲節目《危險邊緣》中，國際商業機器公司（IBM）公司的沃森認知計算系統因在人機對戰問答環節戰勝了人類選手而名聲大噪，這是沃森系統的第一次商業化應用。在診斷環節，資料庫可以為醫生提供決策支撐，并輔助醫生調整診斷意見，這一點被報道的也比較多。另一方面，數字化也潛移默化地對其他健康領域産生影響。

2007年，《連線》雜志的兩位記者建立了“量化自我”網站。正如網站名字所寫的那樣，這個平台的目的是，幫助人們去量化自己的行為。借助一些數字化小工具，通常是智能手機App，人們記錄下自己的行為并且分析它，如果發現了錯誤，那就去改變自己的行為。這可以用來衡量評價我們的日常生活和行為，例如，我們會知道自己在浏覽電子郵件、在低效的會議上或者在走錯路上浪費了多少時間。我們還可以設法描繪自己的購買行為，比如經常在哪些地點完成購買。然而最重要的是，我們可以量化自己的思想、飲食、運動和睡眠，等等。

從資料保護主義者的角度出發，他們認為這種通過自我量化進而實作自我提升的應用是很有問題的，因為使用者與軟體開發商共享了非常私密的個人資訊，但是卻很難有效評估這些開發商在資料保護方面的嚴肅性。迄今為止，這個問題給資料保護主義者帶來的困擾，遠比“使用這種應用的使用者越來越多”更大。

新技術帶來的無限可能與消費者需求産生碰撞，這就為保健市場帶來了巨大的發展潛力：

☆智能手機能完成的事情遠比現在更多。現在的智能手機，或者是再給它增加一些小的技術手段，不僅僅能夠作為支付工具、掃描器或者家裝服務控制儀器使用，而且還能夠成為健康管理和醫療技術領域的全能工具。

☆市場需求是巨大的，更确切地說，這種需求分為兩個層面。關注運動和健康的消費者獲得了可以長期使用測量和分析儀器的機會，目前，還隻有擁有私人醫療團隊的頂尖運動員們才有機會使用這些儀器。這些儀器可以記錄過去4周以來的慢跑裡程、深度睡眠期和心電圖資料，運動員們借此可以變得更健康，取得更好的成績。針對一些非自發的、非預防性的保健需求層面，市場潛力也應該更大，比如一些慢性病患者或者一些自理能力下降的老年人的保健需求。

糖尿病和心血管循環方面的病人是數字化創新的核心目标群體，在這方面，智能手機至少能部分分擔醫護人員的職責。例如，可穿戴數字裝置就是将智能手機技術與醫學診斷結合在了一起。這方面的發展進一步加劇了社會老齡化的大趨勢。

現今，在健康領域的數字化初創公司都在重點關注養老院中的看護服務或崗位的中介業務。這個領域的下一個發展計劃是直接服務于人的身體。一個數字化的手環不再僅僅提供計步功能。如果人跌倒或者是昏厥，它能夠識别出來，并且能夠提供援助。

制造業和工業4.0

工業4.0這個概念是很模糊的，至少是跟大資料這個概念一樣模糊。就像念叨大資料這個概念一樣，也有很多的企業決策者經常提起工業4.0，雖然他們也不是很明确地知道工業4.0這個概念到底指的是什麼。機械制造業的生産商往往是這樣了解的：我們額外再生産一批傳感器，然後貼上4.0的技術名額，這樣聽起來時髦一些。

在我們看來，對工業4.0概念的了解包括如下方面：

未來的制造裝置都被安置在智能化的、設施完備的、數字聯網的廠房裡，鄰近工廠的裝置能夠持續地互換使用。如果一台機器在生産過程中需要更多的工業原料，那麼它會在聯網中顯示出來。如果一台機器已經達到生産負荷極限，那麼它可以通過聯網向其他機器請求支援。

制造裝置不僅僅隻跟“同類”制造裝置“聯系”，也可以跟它自己生産出來的半成品“聯系”，還可以跟它自己生産或者加工出來的成品“聯系”。這些半成品、成品都攜帶有晶片，制造裝置能夠監控這些産品的後續使用情況，這樣一來，制造裝置就能夠更好地滿足日益個性化的客戶需求。

未來裝置的聯網程度何止是十倍于今日的程度？！每一個裝置都是所謂的“裝置雲”的一部分。

讓我們再往深想一步：未來裝置的聯網程度何止是十倍于今日的程度？！每一個裝置都是所謂的“裝置雲”的一部分。這反過來又意味着：在一個有協作關系的生産圈中，不同工廠的生産資料被連接配接在了一起。一個大型汽車批發商跟我們說，有一位顧客在網上預訂了一個發動機上的密封環，這個密封環是由特定材料制造的，并且對特定材料的密度提出了很專業化的要求。“裝置雲”中的聯網機器成功地搜尋出了哪個裝置能夠在規定的時間内生産出符合品質要求的産品，并且售價最低。

汽車（交通）業

就像在街角的旅遊中介一樣，汽車生産商可能也不值得同情：系統地看，數字化的很多方面現在已驚人地改變了汽車行業衆所周知的、順利運作超過百年的産銷商業模式。

☆智能手機使“合夥使用汽車”的形式發生了改變。現在的乘客越來越對和誰一起、使用哪輛車感到無所謂。大部分的拼車族越來越少地考慮去購買一輛車，就更别說買第二輛了。

☆傳統的汽車生産商在面對新晉的、數字化競争能力強的汽車生産商時備感壓力。具體的原因是：仍具有購車需求的目标客戶群體會去尋求分銷商或二級進口商平台，這些平台價格實惠且擁有最好的網際網路貿易架構，還會提供送貨上門服務。或者，他們可以通過像Meinauto和APL-Auto這樣的新型中介線上購置新車。

☆讓我們用一些問題來概括一下汽車行業的數字化未來：誰會赢得這場自動化汽車比賽？是那些知名的汽車定點生産商，比如豐田、大衆，還是與資料供應商合作的寶馬？谷歌是否已經預見到實物汽車可以作為一種可交換的大宗商品，并且正在獨自榨取無人駕駛汽車這一新事物的剩餘價值？其他人可能會問，汽車行業和數字化的聯合會是怎樣的？在經濟層面，最終是誰在引領汽車行業的變革？

在這裡，我們謹慎地表達一下自己的了解：數字化程序使實物汽車面臨貶值。如果我們問50多歲的上一代人，他們最喜歡的品牌是什麼，他們會回答奔馳、大衆和寶馬。但是30歲以下的消費者會說三星、蘋果和阿迪達斯。人們更加重視使用價值。面對這種趨勢，汽車生産商們，尤其是産量比較大的生産商，需要去尋找對策。

能源

2013年，全世界發電量2300萬千兆瓦時。1千兆瓦時相當于100萬千瓦時。利用智能電網技術，即将發電企業、儲電企業、電力使用者進行聯網，可節約30%~40%的電能。

通過應用智能電網和智能電表，我們可以赢得改善世界氣候的最大的機遇，也可以獲得能源史上最大的商機，而且二者還并不互相沖突。

投資者眼光

20世紀80年代後期，在瑞士的歐洲核子研究組織裡，有一位來自英國的科學家蒂姆·伯納斯–李（Tim Berners-Lee），他潛心研究與其他的科學家互換電子文獻的技術可能性。與此同時，來自伊利諾伊州西北大學凱洛格商學院的美國經濟學家艾爾弗雷德·拉帕波特（Alfred Rappaport）正在尋求企業家衡量和提升公司價值的方法。蒂姆·伯納斯–李的研究結果最終衍化形成了網際網路，而拉帕波特的研究結論現在被我們稱為股東價值。

這兩位科學家的研究具有因果關聯性。拉帕波特的研究成果使人們在評估企業價值的時候，不再過度關注企業過去的營業額和現時的收支情況。根據他的“現金流貼現模型”，在評估企業價值時，僅需關注企業未來的現金流。當時，幾乎所有評估企業價值的流程都多多少少地采用了“現金流貼現”這一概念。這導緻當時一些初創的、成長力良好的新業态的評估價值突然間飙至數十億美元，它們可以借此在資本市場上籌集對創業的成功來說必不可少的資本。與此同時，投資者越來越不看好那些在成熟市場領域成長性較差的傳統商業模式。企業作為一個機構所擁有的“祖父條款”[2]（現在仍與20世紀90年代在企業經濟學課上所學到的沒有什麼差別）的作用突然減弱了。簡單來說就是，如果沒有拉帕波特和他的股東價值原則，市場上大部分的數字化公司就不會存在。

大約30年之後，世界上最有價值的三家公司中有兩家是網際網路公司，它們就是蘋果和谷歌。也隻有全球最大的石油公司埃克森美孚能跟得上它們的腳步吧。沃倫·巴菲特——号稱有史以來最成功的投資家——在資料驅動下的商業業态方面大量投資，其中他運作的伯克希爾·哈撒韋公司就是排名前五的案例。現在，微軟的很多業務也與資料密切相關。

如果說還有最後一件事需要論證，那麼就是：需要從投資者看待數字化或者相關事物的眼光出發，讓最後一名大資料理論的批判者也相信，沒有資料是行不通的。

對現時現金流和貼現現金流都關注的投資者可能會發現：

1.在很多領域，既存市場領先者在其核心業務方面的利潤被瓜分；

2.在很多成長性良好的領域，尤其是那些技術創新程度較高的領域，出現了許多新的市場主體。

投資者們親眼看到了它們是如何改變消費者的生活的。他們親身經曆了在自己家的房子裡，一堆電子裝置是怎樣從無到有的。他們能夠回想起來，桌上型電腦、筆記本電腦，以及後來的平闆電腦是如何占據越來越多的個人時間的。投資者們能夠感受到，如果沒帶智能手機，他們晚上睡不了覺，白天出不了門。婦女們睡前越來越多地閱讀電子書，而不是紙質書籍。或許，某位投資者（比如本書的三位作者之一）認識一個60歲左右的前集團董事，他給自己買了一部迷你折疊車，為的就是能夠以最快的速度到達即行（car2go）的取車點，奔馳smart的後備廂較小，但正好可以容納迷你折疊車。如果投資者們還未曾嘗試過線上購買生活用品，那麼他一定是認為，他的冰箱早晚可以先進到替他做這件事的程度。

同意識到生活中的種種改變一樣，投資者們需要認識到，在一個以使用者為中心的世界裡，經濟關系發生了怎樣的改變。他們需要知道，某個企業是怎樣橫掃所有行業最終獲得市場地位的，以及是誰掌握了市場前沿。投資者可以去觀察，當亞馬遜對消費者十分了解，而生産商卻不是很了解客戶時，亞馬遜就可以牽着生産商的鼻子走了。

第三，投資者們需要看清楚，克萊頓·克裡斯坦森20年前提出的“颠覆性創新”理論，就如同一個成規，言中了很多數字化變革中的企業的宿命。在空白市場中，新企業應該如何發展？市場領先者認為哪些業務是缺乏吸引力的？一些市場領先者在一開始會去嘲笑初創公司的技術弱點，而後為什麼他們又轉而認真分析這些企業了呢？在空白市場中，為了保持領先優勢，初創公司裡業績表現較好的企業是如何在最短的時間内彌補自己的技術弱勢的？憑借着先進的技術和商業模式，“颠覆性創新”型企業是如何跻身利潤豐厚的核心市場的？而且時常會占領全部市場。經濟史學家肯定知道這些。沒有哪個馬車生産商能夠一下子變成汽車制造商，沒有哪個大型帆船制造商能夠完成向汽輪制造商的轉化，也基本上沒有哪個計算機硬體生産商能夠迅速轉變為一個經營資料的大企業。這時，（不得不說）IBM是一個例外！

投資者需要時常思考一個問題，那就是：我到底在賭什麼？我下多少注？這是一個衡量現在和未來的問題。在回答這個問題的時候，投資者們會有意無意地在拉帕波特第二部成功的著作中尋找到建議。這本書于2001年出版，書名是《預期投資》（Expectations Investing）。投資者根據預期進行投資的主要立足點，是通過謹慎分析企業未來的發展前景，來判斷企業的現時價值，而這種價值在過去被低估了。目前這種論點獲得了廣泛共識。書中描述的預測企業未來發展前景的工具就是所謂的标準。以投資者的眼光來看，現時的股價對企業來說首先是一種低估的評價，這種評價不能促進企業的數字化變革。

以投資者的眼光來看，現時的股價對企業來說首先是一種低估的評價，這種評價不能促進企業的數字化變革。

另一方面，利好的消息是：一家保險公司為了維持市場領先者的地位，不一定非得成為谷歌。一家食品零售企業不需要具有像亞馬遜公司那樣的數字化競争力。具有高利潤值的電信企業也沒必要像臉譜網一樣那麼了解自己的使用者。但是，它們必須在它們所在的行業裡成為智能資料冠軍，比行業裡的其他企業具備更強的數字化競争力。

[1]德國大型時尚電商，主營服裝和鞋類。——譯者注

[2]Bestandsgarantie，在英文中是grandfathering，譯為“祖父制”“祖父條款”。祖父條款是一種規定，它說的是，某些人或者某些實體已經按照過去的規定從事一些活動，新的法規可以免除這些人或者這些實體的義務，不受新法律法規的限制，繼續依照原有的規定辦事。——譯者注

第3章 智能資料冠軍——選擇正确的資料是成功的基礎

“每天，我們每秒制造出的資料量相當于美國國會圖書館全部館藏的3倍。但是，它們大多數是像YouTube上的影片，或是像13歲小孩之間談論下一部《暮光》系列影片的短信一樣。

——納特·西爾弗

聰明的資料使用者

亞馬遜首席技術官沃納·威格爾（Werner Vogels）宣稱：“我們從來都不嫌資訊太多，資訊越多越好。”從理論上講，這有一定道理，但從實踐上來看，這完全是個謬論。

很多企業的IT系統都是滿負荷運作。這些系統自然不是可任意延展的。給系統擴容往往會比預計的情況花費更長的時間和更多的費用。将資料和應用轉移至“雲端”，從技術上看同樣也是很艱難的，而且基本上，花費也總是超預算。與此同時，還要考慮系統安全和資料保護問題。

納特·西爾弗（Nate Silver）是統計學家和知名部落客。2008年美國大選之前，他所掌握的資料量肯定遠比手握大量預算的美國選情機構少。他在自己用虛拟名字申請開設的個人網頁FiveThirtyEight.com上發表了他關于奧巴馬将會獲得第一次總統競選勝利的預測。他準确的預測使電視上德高望重且手握大量資料的媒體評論員們顯得十分落寞。實際上，美國50個州的投票結果被納特預測對了49個，隻有印第安納州的投票結果錯了。在2012年奧巴馬第二次參選美國總統的時候，納特準确預測了全部50個州的投票結果，其中包括了“搖擺州”和哥倫比亞特區。

如果世界上存在一種像諾貝爾獎一樣的獎項，用于表彰過去一年中最聰明的資料使用者的話，那麼納特·西爾弗絕對是最具競争力的候選人。評獎委員會可以在頒獎詞中做如下描述：

納特·西爾弗在經初步研究後提出了正确的假設，而後又根據這一假設挑選出了正确的資料。他遵循“試錯法”來不斷優化他本來已經很簡潔的預測算法，使整個預測系統具備了自我學習功能。在與假設的不斷比較中，他反複問自己：從人為估算角度來看，哪些關聯是真正重要的？哪些關聯隻是出于預測系統統計方面的需要，才看起來顯得重要？

對納特來說，隻有資料量少，他才能真正地利用這些資料。這位來自密歇根州不惹眼的統計學家的大資料分析成功事迹的迷人之處在于：事後再去審視，他對于選情的研究與人類基本常識相比，是一種變異形式。所謂的人類基本常識是這樣的，一個小男孩跟他的父親說，剛剛看到前面路上有5元錢，他的父親回答道：“孩子，那現在肯定沒有了，早就有人把它撿走了。”

納特·西爾弗創造性地優化了選舉結果預測，基本思路很簡單，那就是群體智慧優于某一個專家的個人智慧。之前是因為令人難以相信，是以沒人真正利用這一點。來源于多個選情預測機構的分析手段肯定比其中某一個機構的分析更能夠給出接近真相的預測結果。如果将這種大資料分析理念移植到商業層面，那麼我們可以得出這樣的假設，即大資料分析的“碩果”藏得很隐蔽。

在這個移植過程中自然會有一些注意事項，而且也很難想象，大多數行業的資料挖掘者會像選情研究人員那樣錯過真正重要的資訊。但從過去10年我們的項目研究經驗來看，基本上都證明了：

超多的超級“碩果”都隐藏得超級深！

隻有當我們抛開了那些時髦話和與之相關的、看似具有說服力的觀點時，我們才能真正收獲這些“碩果”。換句話說就是，我們必須運用正确的方法，系統地去尋找真正有用的資訊。

找對資料比擁有超多資料更有用

如果想收獲“資料果實”，我們必須注意以下幾點：

☆正确的資料

起決定性作用的不是資料量，而是具有多樣性的有用資料。目前，很多企業擁有的資料量已經超出他們的使用能力。有用資料是指重要資料。當然，即便是最好的資料分析科學家也不可能提前就準确地知道，哪些資料對促進市場營銷或者提升經營水準來說是重要的。但是如果能夠提前知道，就可以大大降低成本，極大地提高資料研究項目的效用，是以項目負責人都會願意在選取重要資料方面投入大量的時間和資源。經常出現的情況是，掌握的資料太具有同質性了。在大部分的資料應用領域，多樣性都是最重要的資料篩選标準。對于結果的品質來說，資料量往往是第二位的。此外，非結構化資料，例如來源于臉譜網、部落格和論壇上的資料資訊，它們的價值被過分高估了。非結構化的資料資訊來源于與企業主營業務關聯性較小的一部分人，他們遺留的資訊相對來說重要性較小。然而，依據我們的項目經驗，在客戶資料庫中有很多資料寶藏，它們的數量和價值反而常常被低估。

☆正确的假設

我們提出假設，這些假設是通過我們系統的思考和實踐經驗得出來的。想好了再做，這在資料分析方面也同樣是有道理的。一些企業所存在的在數字化方面操之過急的行為，就沒有遵循這一簡單真理。

☆正确的行動

提出假設并不意味着一開始就對結果帶有傾向性。（客戶的）世界不會是像我們預期的那樣。用杜克大學經濟學家丹·艾瑞裡的話來說就是，客戶是非理性的。提出假設往往隻是系統工作流程的起點。假設會在不斷“嘗試—修正—再嘗試—繼續優化”的過程中發生變化。

☆正确的工具

能夠帶來最高增值的并不是最複雜的分析工具，而是最适合的工具。用Excel圖表去分析整理區域内直郵業務的盈利情況，相較于利用昂貴的社交媒體資料收集手段去分析“病毒效應”對提升品牌價值的貢獻度而言，往往有可能會獲得更有價值的認識。同樣，有意識地采用“面包黃油方法”，即有規律地抽樣控制（統計幹擾），可以規避一些錯誤決策帶來的損害，這些錯誤的決策有可能是由錯誤地執行或者解讀大資料分析結論導緻的。

☆正确地使用資源

結果說明一切。在市場和銷售行業的智能資料應用範疇内，要時常記住這句話。原因是，人們（尤其是德國企業的決策者）總是癡迷于探尋事物之間的關聯性。在每一次系統地大資料分析之後，我們往往隻是知道了其中某一特定的互相作用機制，比如在C範圍内，目标客戶群體A是如何通過盲目購物對B的促銷行為做出反應的。然而，我們卻沒有考慮清楚我們為什麼要這麼做。過分探尋事物互相作用的原因會使整個部門都感到疲累，就像我們一再體會到的那樣。聰明的資料使用者應該知道如何配置分析資源與精力。

基于上述對資料分析的認識和态度，首先在市場營銷和産品銷售領域，我們給出了我們的“智能資料方法論”：

☆智能資料涵蓋了有計劃的、重點突出的資料分析方法和流程，目的之一是降低成本，其二是在既有或是新的商業領域、商業模式中獲得額外收入。這些方法和流程将實踐知識、理論模型與統計學分析方法、機器的自學習功能（機器學習算法）結合在了一起。

☆大資料流程是去搜集盡可能多的資料，然後嘗試通過運用存儲、計算、分析技術，推導出開放式因果關系。與大資料不同，智能資料是以提出假設為基礎，原則上使用的資料量較小，但是具有多樣性。

☆絕大部分智能資料項目是結果導向型的，同時節省資源。投入使用的IT裝置必須持續性地證明它們的有用性。結果導向型以執行能力為先決條件。智能資料項目的規模不會給企業造成經濟上或人力上的負擔。

“3W”：為什麼？如何做？做什麼？

從“為什麼”開始（德語版本是《永遠從問為什麼開始》）是一本書的标題，這本書本身很鼓舞人心（不僅僅隻是标題具有激勵性）。這本書的作者是軍事參謀、動機培養專家西蒙·斯涅克（Simon Sinek）。這本書着重從心理層面探讨了上司層如何将企業或者團隊引向成功，對上司力的提升給出了良好的建議。這本書的核心主題是所謂的“三步走”，即首先我們要想好，我們為什麼要做這件事。其次我們要确定，我們想要如何在企業或者團隊内部開展合作。最後我們需要考慮，我們究竟要做些什麼，才能夢想成真。

首先我們要想好，我們為什麼要做這件事。其次我們要确定，我們想要如何在企業或者團隊内部開展合作。最後我們需要考慮，我們究竟要做些什麼，才能夢想成真。

圍繞這本書的TED演講在TED大會網站上獲得了極高的點選量。演講時，斯涅克沒有使用動畫、注解或者插圖等輔助手段，他隻是在挂圖上畫了一個圈：

斯涅克将他這個簡單的圈稱為“人類動機的黃金圈”。“講故事”專家奇普·希思（Chip Heath）和他的弟弟丹·希思（Dan Heath）估計也會認為這三個圓圈理論具有他們提出的“黏性”特質，屬于能夠緊緊黏住人心的觀點。

關于一家公司如何能夠發展成為資料驅動型企業，我們在本書的第三部分會詳細讨論。但是此處我們可以先多說一句，這三個同心圓可以被視為數字化戰略演進并應用于企業經營的必由之路。

在實施智能資料戰略的企業中，這“三步走”戰略大體是這樣的：

1.為什麼

“一個人知道自己為什麼而活，就可以忍受任何一種生活。”這句話不是西蒙·斯涅克說的，而是弗裡德裡希·尼采。

在每一個行業、每一個商業領域以及每一種商業模式實施智能資料戰略之初，都需要分析數字化帶來的基本挑戰。我們在第二部分會詳細闡述這一點。在數字化世界裡，沒有資料是行不通的，思考過并認識到這個道理的人，會即刻去尋找數字化的解決方案，并且他們需要知道這樣做的原因。

在技術變革的時代，企業管理也需要考慮創新。在尋求數字化探索的過程中，我們建議摒棄傳統的管理方式。衆所周知，企業管理層制定的經營目标（雖然也會結合基層的意見）不是泛泛而談讓大家無從下手實施，就是規定得太過具體詳細，就好像不這樣做就算不上制定方案一樣。

在企業管理中，我們建議通過創造性地組織研讨會的形式來進行決策，企業各層面的員工、投資者、客戶和經銷商都出席這個會議，集體決策出企業未來一年的發展方向、數字化改革和新資料将在各種具體的發展方案中起到何種作用，以及在實作發展目标的過程中，企業已有哪些能力、還需要發展哪些能力等。

傳統的企業管理流程就如同一個金字塔周邊有許多箭頭，它們從上到下或者從下至上訓示，在文章中經常用“級聯”形容。智能資料解決方案更像是一個背囊。企業首先需要有一個關于發展方向的大緻想法，智能資料解決方案明确這一前進方向，并首先要指出企業需要做好哪些準備。

然後，我們就可以進入“第二步”階段了。

2.如何做

我們希望如何開展合作？這對希望挖掘智能資料分析潛力的企業來說，是最重要的問題。換句話說，這個問題的答案是企業赢得資料分析競争力的鑰匙。

“如何開展合作”這個問題還可以引申出三個子問題：

☆智能資料隻有在融入“企業生活”的前提下才能發揮它的全部能量，是以我們需要關注一個企業的企業文化是怎樣的。

☆企業文化需要根植于企業的目标體系之中，我們需要關注一個企業的目标體系是怎樣的。

☆未來的數字化競争對企業的人力資源、技術資源都提出了一定的要求，我們需要關注一個企業長短期内是如何培育這些必要資源的。

第一個子問題涉及的核心要素包括：資料好奇心，擷取知識、技術和資料的途徑和分享機制，員工是否可以參與決策，同僚之間的信任，勇于嘗試的熱情等。這也包括了如果發現某種投入明顯不管用時，能夠果斷地決定放棄再投入。

由此我們會發現，企業的目标體系必須做出相應的改變。我們認識的各行各業中的許多企業，為實作公司戰略投入很多。但是，很少有企業會大規模持續地獎勵推動企業數字化程序的員工。此外，需要改變一下關注“如何開展合作”問題的時間範圍。企業會有一些願景，可能需要5~10年才能夠實作，我們可以将目光從這樣的目标中轉移出來，關注一下1~3年内需要實施的具體計劃。

在涉及資源投入的時候，情況基本是這樣的：技術分析手段的供給量是大于需求量的，但是能夠給機器裝置提出準備指令、輸入所需資料，并能将技術、知識轉化為生産力的人力資源，卻是供不應求。商業智能專家、資料建構師、資料庫分析員，以及最具價值的資料科學家會越來越供不應求。智能資料冠軍企業高層管理人員在以下兩方面不能夠過度放權：一是企業技術力量的發展，二是對企業人力資源素質的培養。在資料中會顯現出新的競争優勢。如果企業的數字化裝置短缺，或者缺少能夠操作它們的員工，那麼這就是企業高層決策者的責任。

在評估過“數字化冠軍是如何成功的”這個問題之後，我們總結出了6點對成功來說至關重要的因素，每一個希望赢得數字化變革的企業都應該具備這6個因素。

3.做什麼

成功的智能資料企業會十分謹慎地使用有限的數字化資源。他們一方面避免重複勞動，不支援同質化應用項目，例如不重複支援客戶關系管理領域的應用，另一方面，不在不切實際地建構大資料戰略幻想方面浪費太多時間。他們做得更多的是結構化、系統性地分析企業的數字化潛力，然後列出發展重點。此處，有一個非常好用的工具，即所謂的資料熱圖。

熱圖這個概念在當下很流行。早在1873年的巴黎市議會會議上，熱圖就作為一種可視化工具首次投入使用，當時巴黎對不同的城區進行了統計調查，熱圖的應用使統計結果更易于了解。

抓住數字化機遇的核心是要做好兩個次元的聚類分析。在智能資料項目中，我們在橫軸上系統地歸類現有資料，如果有必要，也會去擷取易得的其他資料。例如，如果是一家汽車生産企業，那麼橫軸上的資料就可以分類為車輛資料、客戶資料和生産資料。在縱軸上可以顯示企業内的哪些人使用了這些資料。通過系統性地對比橫縱軸的資料，我們可以相對快地鑒别出哪些數字驅動下的商業案例可以為公司和客戶帶來更大的增值。此外，熱圖分析可以使兩個數字化項目之間可能的聯系變得顯而易見，以前可能沒人發覺。

原則上，此時人們已經非常清楚應該先做什麼了。極有可能先做的事情與“為什麼這樣做”有關，至少在“怎麼做”這個問題被良好地組織起來的情況下是這樣。

機率擊敗偶然

如果我們從認識論層面出發，把所有數字化的事物再徹底地審視一下的話，我們可以得出如下結論：我們并不相信大資料理論家預言的“理論的終結”。當資料全然能夠解釋這個世界的時候，也并非說理論本身就走到了盡頭。在沒有意外發生的情況下，我們隻能基于過去和現在的資料推測未來。但是生活卻不是提前預設好的。在人類走向滅亡的最後一天，非理性行為和偶然事件會讓預言家明白，他們也有預測不到的事情。同樣，也不會有人能夠長期地準确預測匯率和股市行情，但是，人們可以通過模組化來探尋短期事件的發展機制。

在沒有意外發生的情況下，我們隻能基于過去和現在的資料推測未來。但是生活卻不是提前預設好的。

反過來說就是，能夠意識到預言家能力的有限性并接受這一現實，這也屬于智能資料冠軍企業的核心競争力之一。這些企業也明白，預測水準會随着時間的推移得到優化。機率擊敗偶然不是絕對的，但是在資料分析方面我們會變得越來越智能。

具體到企業經營的日常工作中，是這樣的：智能資料分析會利用所有經實踐驗證過的分析工具，這些分析工具能夠協助我們加深對客戶的了解，借助這些分析工具，我們可以影響客戶的行為。但是，有一些分析工具是不會被選用的，例如那些無法評估其使用效果、對企業人力和财務造成負擔的分析工具；還有一些技術分析手段因“自恃過高”也不會被選用，它們認為具有自學習功能的機器可以完成一切，企業原有的人員和模式都已經多餘了。

智能資料冠軍企業認識到，通過改革成為具有資料分析能力的市場競争者是一個長期且艱辛的過程。它們也并不會去指望，通過一兩個智能資料項目，就能夠多快好省地打開全新的、高潛力的商業模式的大門。相反，他們認為，智能地、持續地經營資料是多層面價值創造的“啟動程式”，同時，從長期來看，也是鞏固既有競争優勢、獲得新優勢的重要因素之一。欲知詳情，請看下一部分。

第二部分 智能資料的循環

第4章 五步流程實作增值

提出正确的問題

“計算機沒有什麼用處。它們唯一能做的就是告訴你答案。”這句話出自巴勃羅·畢加索。衆所周知，作為畫家，畢加索擅長用極其扭曲的方式來表現客觀現實，但他卻不是資料分析方面的專家。像所有偉大的藝術家一樣，他對當時的時事話題有着獨特的感覺能力。

從畢加索所生活的時代到現在，資訊技術的發展是否明顯快于現代繪畫藝術的發展，這個問題的答案是開放性的。可以确定的是，計算機系統在處理藝術問題方面始終有些困難，比20世紀60年代信奉科學技術的未來學家預言的還困難。IBM的沃森認知計算系統可以解碼語言，能夠了解上下文的意思，可以基于前期輸入的報紙雜志資訊和維基資料庫回答測試題目，回答速度和準确度超過之前任何一位《危險邊緣》人類冠軍。但就算現今我們超智能的IT系統很聰明，能夠提出令人感到意外的問題，它們大部分還是存在一些問題的。

日常生活的實踐經驗可以讓我們認識到：

以資料為基礎的價值創造的潛力不一定來源于資料本身。

有一次，一位企業管理者迷惘地說：“我原來認為，隻要打開潘多拉的盒子，就自然會有新想法出來。”人們就是這樣盲目推測大資料的魔力的。當然，人們會從資料中獲得很多認識。資料分析會變得越來越智能化，但前提是要選擇正确的問題作為出發點。這些問題不是關于對某一行業前世今生的（大）資料分析。最好是召集5~10個來自不同項目背景的聰明人，坐在一起共享一下他們精通的範疇，例如對商業模式的了解、對不同價值鍊領域的專業認知（可以是市場營銷、企業營運、售後服務、采購等方面）以及對某一個資料驅動下的解決方案的發展潛力的看法等。然後，提出具有較大思維開放性的問題：

1.我們的商業問題是什麼？

2.銷售收入和淨利潤來源于何處？

3.它們産生于價值鍊上的哪一環節？

4.通過數字化的解決方案，我們可以在哪些範疇内快速提升價值創造水準？

在這裡，我們需要再老生常談地強調一下，在開始任何一項資料驅動下的市場分析之前，都要記得：

市場佔有率不斷下降的情況是客觀的，我們面臨的問題與30年前、60年前和90年前沒有差别，即我們如何去阻止這種下降。

市場營銷或者經營的目标“任務書”不會因為引入使用了大型計算機或者雲計算而發生根本性改變。市場營銷和銷售人員必須一如既往地關注如何提高市場佔有率、發掘與開拓目标市場、提升零售業務顧客份額、防止老客戶流失、提升客戶間推薦頻率、增強市場營銷措施的影響力，等等。

問題的次元沒有發生改變，是以我們也就不需要引入新的參數或者變量來實作資料分析，況且在資料分析的過程中還會産生新的問題。市場佔有率不斷下降的情況是客觀的，我們面臨的問題與30年前、60年前和90年前沒有差别，即我們如何去阻止這種下降。資料隻能幫助我們去尋找更好的答案。更直覺的表達就是：

智能資料分析不是從深入的資料分析開始的，而要首先提出具有戰略性的初步設想（這個初步想法應具有一定的包容性，可以涵蓋企業經營中的核心名額）。在分析人員的組織方面，原則上最好是由來自相關領域的同僚組成一個創意工作組，如果決策層、外部專家和客戶也能參與進來，就更理想了。最好不要在自己的會議室裡讨論，到外面去租一間配有書寫牆和桌子的“創意實驗室”。如果在讨論前能夠去到一些場所，親自接觸客戶，也是一個不錯的選擇，比如去産品旗艦店、營業視窗，或者去一個普通的銀行網點，靜靜地坐在角落裡，觀察一下客戶。

首先，按照不同部門描述企業面臨的最大機遇和（或）存在的問題。會議的主導者必須注意，不要讓讨論會向着歸納或者推論演繹式讨論的方向發展。這具體是什麼意思呢？

此處我們指的是，創意讨論會經常會出現一種情況，就是整個讨論組都陷在一個思維方向裡，會從個别的觀察現象中推導出一些普遍原則，然後很快就會上升到對事物規律性的認識，尤其是當上司也有這種思維認識的時候。我們稱這種現象為歸納式思考。比較少見的是，一個創意讨論組具有市場營銷的理論構想，同時也發現了自己的問題，但是卻忽視了所有理論上不會發生的情況。我們倒也經曆過這種推論演繹式的思維态度，這也是有百害而無一利的。

在一個智能資料分析流程開始之前，尋找到合适的起點問題的訣竅是，把自己看作一個成員，真正參與到整個思維活動中去。美國創新研究人員，例如湯姆·凱利（Tom Kelly），将其稱為“初學者心态”。這種在基本态度上有意識地保持一定開放性的做法，有助于我們不被過多的細節所迷惑，不受之前政策失利的影響，專心關注業務上的問題。這可以幫助我們去探尋不同問題之間的聯系，而在此之前，可能都沒有人意識到這種聯系的存在。

讨論組新鮮但具批判性的觀點也滲透到了早先的一些認識中。起初我們認為，人們在感性上關于投入産出的估計與著名的帕累托法則（80/20法則）不是特别吻合。現在我們覺得，一些想法之是以會産生出來，有可能完全是因為出于某種原因，這一讨論組更喜歡執行這種想法。總之，這些想法不能像變戲法一樣被憑空編造出來，也不應該被當作兒戲。此時我們需要做到明确地提出問題，業務問題越是被明确地提出來，越容易被轉化為一些初步的工作設想。在智能資料分析流程的早期階段，這些設想肯定是粗線條的，可以采用下面的形式呈現出來。

我們的企業現階段為什麼沒有成長，存在以下5個主要原因：

☆對部分客戶來說，我們的産品太貴了，市場購買力沒有達到這種程度。

☆與競争者相比，我們的外部營銷業績差。

☆在市場定位不精準。

☆對特定目标客戶群來說，我們的産品缺乏吸引力。

☆由于售後服務太差，導緻我們流失了很多客戶。

在這個階段，資料分析隻有一個任務，就是推出基本觀點并進行論證。到了下一步，任務就發生了改變，創意讨論組需要轉變視角，并思考：

資料怎樣能夠幫助我們尋找到解決上述問題的更優方案？

直白地說，就是将已經明确的問題寫在“創新實驗室”的書寫牆上（要是沒有，那就寫在挂圖上好了），然後讨論組的成員（才第一次）通過頭腦風暴的方式探讨具體方案，去發現新機遇或者去解決現實問題。通過這種方式，會獲得一個長長的入圍清單，列出數個有可能的具體措施，目的都是為了進一步釋放資料驅動的潛力。

下面舉幾個簡明扼要的好例子：

☆我們必須優化産品設計，進而去吸引高價值貢獻的客戶群體；我們應該參照對照組實驗的結果，去摸清我們需要怎樣去修改哪些産品設計參數。

☆我們需要為我們的外勤人員配備類似iPad平闆電腦的裝置，通過與同類客戶資料資訊的比對，這些電子裝置可以給銷售人員提供諸如某一個客戶購買同類産品的記錄，以及促進某位客戶追加購買的具體營銷話術建議等。

☆通過綜合分析交易流水和市場研究資料，我們可以更好地了解客戶需求，并可以相應地調整目标客戶群體的宣傳政策，例如50歲以上的客戶。

☆如果我們通過資料分析可以更好地預測何時客流較大，那麼我們就可以更合理地配置設定從業人員，提高客戶滿意度。

☆如果我們能夠放寬退換貨的條件，從長期來看，便可極大地提高客戶貢獻度。通過市場潛力分析，我們應該能夠确認，在不影響盈利的情況下，我們在哪些業務上可以這樣做。

☆定期的促銷活動往往針對的不是低端客戶。恰當的分析可以幫助我們識别出潛力客戶，我們必須将優惠活動控制在潛力客戶範圍内。

一些小型企業偶爾會開展一些智能資料項目，在這些項目中提出的初步想法隻需示範性地具有一定抽象性就可以了。然後，便可以開始去探尋資料源頭，目的是更合理地實作為産品定價、滿足客戶需求或者是優化區域營運管理。然而，在一些大企業的智能資料項目中，按照不同的業務範疇和不同的價值創造階段，這些初步設想會被系統性地區分開來。此處就會用到在第3章中介紹過的“熱圖”工具，主要是用于結構化地詳細解釋并定量分析這些以資料為基礎的價值創造手段。這樣的話，一個項目可能會持續3~4個月的時間。

首先要有效提出優化措施，完成了這一點，就意味着智能資料流程的第一階段結束了。可以通過讨論小組的方式完成這項工作。有時，高層管理者或者中層經理更願意獨立去完成這一階段的工作，他們或是整夜思考相關問題，或是與雇員和客戶直接交流，或是通過與IT部門負責人的溝通，大體掌握通過哪些投入可以獲得哪種資料。面對具體的決策事項，民主讨論或者集中決策都是有其根據的，根據不同的事情選擇不同的決策形式。但是無論如何，需要堅持的原則是：

在問題清單的最上面，必須列示最有可能獲得最大成效的措施。

有時，這些措施可能聽起來非常誘人，比如我們需要開發一個App，通過使用這個App，我們可以做到實時地識别客戶、了解并滿足客戶需求。但是，大多數時候情況卻是相反的，清單上的那些措施都聽起來非常切實、基礎，但最終隻能面臨被徹底忽視的命運。

使用正确的資料

市場是單一客戶的集合。如果我們能夠準确地認識每一個客戶，了解他們的行為驅動因素、實際的購買行為，了解他們的統計學、心理學以及社會經濟學特征，了解客戶價值以及客戶需求（包括顯性及隐性需求、必要需求及願望），他們的資訊獲得途徑，他們對廣告宣傳的反應及行為，他們可接受的價格範圍，購買前的考慮因素，每一個産品種類的顧客份額，他們的品牌忠誠度以及投訴行為，如果我們能夠将每一個客戶的上述資訊都以資料的形式反映出來，我們就能夠獲得市場的全景資訊，了解市場的全貌。從注釋學意義上講，是這樣一種概念：我們可以從細節的集合中獲得關于整體的認識，而通過全局性的眼光，我們也可以更好地了解市場和單一客戶。

我們可以從細節的集合中獲得關于整體的認識，而通過全局性的眼光，我們也可以更好地了解市場和單一客戶。

在《我們的資料》一書中，我們将這種理論上的市場全景圖稱為“市場拼接圖”。完全競争環境下的市場主體可以随時、按需要的“粒度”審視這張“市場拼接圖”。在《我們的資料》這本書中，我們認為，最好的地圖就是比例尺為1：1的地圖，但是這樣的地圖肯定很大，裝不進後備廂裡了。三年來的實踐經驗和其後的數十項智能資料分析讓我們更加相信，“市場拼接圖”很有可能會停留在一個自相沖突的營銷夢想階段。在所有企業中（我們認為在所有企業中都是這樣），資料資源都在被荒廢，在尊重資料保護基本政策的基礎上，通過利用這些資料，可以總結出有效的市場營銷措施。

在進入智能資料流程的第二階段之前，我們先拿出之前列好的初步想法清單和熱圖。按照下列三個啟發性問題的次序逐一考慮清單上的假設。

☆目前我們已經掌握的哪些資料源可以幫助我們找到解決辦法？

☆我們缺少哪些資料，還想進一步獲得哪些資料？

☆通過（a）自行收集，（b）以資訊互換的方式從合作方處獲得所需資料，（c）從外部購買所需資料，分别需要投入多少成本？

如果想有一個概括性的認識，那麼最好是視項目的複雜程度，采用單一或者複合圖表的形式，将資料可能帶來的增值（資料吸引力）和獲得資料需要付出的成本（資料可擷取性）之間的關系呈現出來。

通過梳理并了解既有和潛在的資料源，大多數企業反而找不到清晰的思路了。一個原因是，很多企業發現它們擁有的資料量遠遠超出它們的應用能力。這一點在交易資料上反映得最為明顯。但是，不能僅僅因為客戶資訊資料庫不能與使用者産生互相作用，就認為資料庫中的資料是沒有意義的。我們需要趕快建立起一種意識，即隻有通過無負擔地審視我們具有功能障礙的ERP系統資料，才能夠使“資料墳墓”[1]重新煥發生機。事實情況也往往是這樣的。另外，市場營銷人員需要意識到，出于資料保護原因導緻的資料使用障礙越來越少，低于内外部資料管理人員宣揚的程度，尤其在涉及個人資料的使用與收集的時候。還有一種普遍認識漸趨流行，那就是在單一客戶層面，缺乏交易資料并不會導緻智能資料分析工作停滞，相反會使項目進行得更快。一開始就掌握較少資訊的人，反而會更快地獲得相應的結果。這是因為掌握的資料越多，工作量也就越大，就越不易獲得結果。

同一個決策者，當聽到公司已經擁有200萬個客戶時，這也許對他來說是個好消息。但是，如果他随後又聽到，在這200萬個客戶中，“我們隻掌握20萬個客戶的郵箱位址，而其中還有1/3我們無法确定是否還在被活躍使用”，那麼這個決策者可能會感到不安。市場資料并不能算是可靠穩定的資訊，通過購買方式獲得市場資料也比我們想象的貴很多，這也是很多公司至今沒有花錢去額外購買市場資料的原因之一。

我們已經感覺到，在資料項目的這個階段，輿論氛圍發生了逆轉，期望借助分析工具從資料癱瘓中解脫出來比我們想象的還要艱難和耗時。我們還是先别這樣做了。在智能資料流程中的這個階段，如果想獲得成功，那麼項目負責人就需要馬上啟動以下步驟：

☆不用非要獲得大而全的資料量。試驗證明，基于現有30%的資料以及既有的資料品質開展資料分析，我們就可以獲得更好的增值。但同時闡明，這僅僅隻是起點，每一次資料疊代更新都會帶來驚人的“學習效應”。

☆系統性地尋找潛在的合作夥伴開展資料互換。他們可以是供應商、貿易商、金融服務提供商、通信公司或影響力較大的電視節目。這樣做的目的是建立一種網絡聯系，網絡參與者在資料方面互相支援，以期獲得對客戶潛力更準确的認識（有時也包括對單一客戶的認識）。

☆盡可能準确地評估出，為獲得缺失資料我們要付出多少成本，以及這樣做可以為我們帶來多少增值。簡單地說就是，我們需要有一個确切的決策基礎，才能做出投資決策，進而才能獲得數字化競争力。

☆尋找到解決問題的非常見做法。經驗表明，幾乎所有的資料問題都有一個創造性的解決方法，這個方法既不會拖延項目進度，也不會影響分析結果的準确性，但一樣可以解決問題。

舉個例子。在貿易中，一個典型的問題就是，我們不認識客戶。客戶進店的時候我們不知道他的名字，走的時候我們一樣還是不知道，除非這個客戶持有會員卡。我們可以期待，會發明一個客戶關系管理系統，通過藍牙、信标或者客戶App等方式，幫助我們識别進店的客戶是誰，并且将全套客戶資訊發送給店鋪櫃台。但是無論如何，我們現在還不知道，哪些正在測試的系統将來會投入使用，以及有多少客戶會使用這些系統。

櫃台開出的票據和電子商店的運作資料均以百萬計，在初始階段，系統性地利用這些資訊具有一定意義。與開展一個包羅萬象的大資料分析相比，此舉可以獲得一個基于客戶行為的客戶分類結果。我們肯定是要推廣這種CRM系統的，但是當我們意識到存在這種互相作用的客戶分類，且據此實施了相應的市場營銷和企業營運措施，并積累了關于這些措施的效率和效果方面的經驗之後，我們将能夠更智慧地推廣使用這個系統。

總結一下，當我們解決了如下問題，智能資料流程的第二階段就接近尾聲了。

☆我們了解了如何更好地走近客戶。

☆我們了解了需要哪些資料輔助我們尋求問題的解決方案。

☆我們知道，在不增加公司技術、人力和财務成本的情況下，我們如何獲得所需的資料。

客戶需求了解

“更好地了解客戶需求”。這九個字可謂是資料革命給予服務業最大的承諾。作為全球最大的線上商店，亞馬遜很好地示範了在資料庫基礎牢靠的情況下，針對單一客戶市場，它是怎樣将資料革命的願景轉化為現實的。線上商店将資料資源嵌入到它們的系統中，作為發貨商，線上商店可以擷取所有客戶的名字和位址資訊。通過分析線上消費者留下的資訊痕迹，線上商店可以更準确地定位到潛力客戶群體。雖然線上商店不是真的對它們的消費者有私人了解，消費者對它們而言隻是以不同的IP位址形式而存在，但光是這些IP位址也留下了内容豐富的購物資訊，這對線上商店來說有很大用處。

“更好地了解客戶需求”。這九個字可謂是資料革命給予服務業最大的承諾。

很多與我們合作過的公司，本身都不是純線上供應商。它們一般都來自相關領域，後來創立并擴充了數字化業務。它們服務于單一客戶，并且會要求雇員盡量去滿足客戶的個性化訴求，并提供客戶咨詢。但是它們現行的市場營銷和企業營運措施中的絕大部分是基于客戶細分，或者說是基于一種模組化——這個模型緻力于尋求客戶行為的普遍規律。

客戶細分的意思就是，将市場細分為不同的客戶群組，每一個群組的客戶都具有同質化的消費行為。或者更确切地說，按照做出消費決策之前相同或者盡可能相似的決策因素，将客戶進行分類，但是不同的決策因素最終産生出相同的決策結果也是有可能的。不同客戶群組之間，在消費行為方面最好界限清晰。在書本中，這屬于邏輯的同一性原則，但在實踐中情況可能還不一樣。

在智能資料流程進入第三階段之初，我們需要先系統全面地評價公司現行的客戶細分情況。然後我們會很快地發現，不同部門之間遵循着完全不同的客戶分類邏輯。在一個企業集團中，往往會有數十種客戶分類共存。當我們系統梳理并回顧之前的工作，會呈現出如下情況：

☆營銷戰略部門按照心理因素進行客戶分類，緻力于探究客戶價值和客戶需求。這方面的一個例子就是目标客戶模型Sinus Milieus，或稱Sigma Milieus，即基于人群的市場細分模型。除了社會階層從屬（即社會地位）之外，這個模型還考慮了其他一些主要的影響因素，例如傳統、現代化（個性化），還有自身重新定位等。戰略規劃者認為客戶分類應基于他們的生活環境，這對企業的長期定位和戰略規劃來說無疑是有意義的。

☆産品營銷部門優先考慮的是消費者類型。這基于一個根本性問題：對于某個具體産品或者服務，我們如何能辨識出一個人

•是否知道這項産品或服務

•是否需要這項産品或服務

•是否會購買這項産品或服務

☆典型的客戶一般會具有X、Y、Z等共性特征，一般我們叫這類客戶Jens M。

☆營運部門會從交易資料、需求資料和潛力資料次元進行客戶分類。經營部門會根據A、B、C類客戶或者相應的A、B、C類潛力客戶的營業額貢獻情況，優化拜訪客戶的頻率。

在各行各業都存在着這種或好或壞的客戶細分。我們也看到，各個層面的市場主體都在努力嘗試，通過利用更優質的資料達到更精準的客戶分類，為客戶分類補充新的次元和标準，使之達到與時俱進的水準。這樣做肯定是對的，也有好處。但是卻沒有解決一個根本性問題：

在一個企業中，如果同時存在太多的客戶分類，那麼相應推出的市場營銷手段将在市場上呈現“打亂仗”的狀态。

誇張點兒說，在很多企業中，客戶細分的實際情況是這樣的：一個粉刷匠、一個木匠和一個做窗戶的人要合作蓋一間房子。但他們對于業主的實際需求和想法卻有着完全不同的看法。他們之中，一個隻說德語，一個說波蘭語，一個說葡萄牙語。更糟糕的是，既沒有工長，也沒有建築師帶着他們一起施工。

有時候，在客戶細分方面缺乏一緻性的影響并不明顯，因為不同的部門終歸還是在市場上各自為戰。繼而可以預見到的是，适用于某一個部門的廣告傳單，可能沒有具體反映公司的整體情況，也未對公司整體業績産生積極影響。這種傳單對促進銷售額增加的作用也就一目了然了。

相對較大的智能資料項目的目标之一，是将公司内部關于客戶的不同視角和觀點整合協調起來，這樣，營銷戰略部門、産品營銷部門和營運部門就可以建立起具有一緻性的客戶了解。現在對此比較流行的表述是：內建分類。

在理想情況下，客戶內建分類是這樣的：公司内所有市場營銷以及和營運相關的職能部門都使用同一個由社會人口統計學、心理變量、交易資料資訊聚合而成的資訊池。我們可以把這個資訊池想象成一個多元立方體，IT專業語言稱其為OLAP資料集，OLAP意即聯機分析處理。通過持續性地分析客戶考慮問題的視角，資料集可以推測出影響購買的因素，并建立對這些因素的統一了解。反過來，一旦這種統一了解得以建立，公司内所有的部門就可以或者必須重新審視一下自己部門所處的這一環節，并調整自己的工作，使其與部門的職能定位與工作任務相符。

綜上所述，持續性地思考并貫徹內建分類的好處有兩個：

☆內建分類将可得資訊整合起來，讓我們更好地了解客戶；

☆內建分類為公司各部門提供了統一的客戶描述，在很大範圍内減少了因各部門之間客戶了解不同而對客戶營銷帶來的“摩擦損失”。

理論上的東西就介紹到這裡。資料分析領先者會越來越多地将理論應用于實踐。對此，他們需要具有戰略性的遠見，并對理論轉化為實踐的過程有足夠的耐心。但我們相信，這種投入是值得的。

大量研究證明，從長期來看，以客戶為中心是最重要的競争優勢。市場越是朝着以客戶為中心的方向發展，就越需要清楚準确地掌握客戶情況。在一開始越是看重客戶細分，客戶細分的邏輯越精确，那麼後期在策劃和執行市場營銷措施方面的投入就越少。

大量研究證明，從長期來看，以客戶為中心是最重要的競争優勢。市場越是朝着以客戶為中心的方向發展，就越需要清楚準确地掌握客戶情況。

還有一點對智能資料項目來說也很重要。如果在未來的1~3年内，沒有機會将研究理論轉化為實踐，那麼建立在所有部門的可得資料基礎上的內建細分邏輯也不會有什麼用。智能化的客戶細分是疊代發展的，意味着包括子項目和測試在内的持續投入，這些子項目和測試在公司中獲得了積極的關注，并為智能項目的開展掃清了可能存在的障礙。

我們将這種做法稱為智能資料分類。

需要注意以下幾方面：

☆智能資料分類的起點，是智能資料流程的第一和第二階段所總結出來的初步想法以及問題清單。它們能夠提示我們，哪些關鍵領域需要進行細分，甚至包括相關的細分次元。

☆必須讓之後直接或間接從事客戶需求滿足的部門從業人員參與客戶細分。如果讓營銷戰略部門自己去考慮需要涉及的部門，而沒有把實際與客戶接觸的部門考慮在内，那客戶細分工作也不會産生效果。

☆智能化、內建化的客戶細分需要具有一定的超前性，要通過識别與未來客戶細分相關的關鍵性問題或标志性特征，嘗試預測與其他行業領域的融合問題。

☆資訊的數量經常不如期望中的那麼多，資訊品質也不盡如人意。我們可以先從規模小一些的資訊池開始，着手做一些簡單的關聯測試。有時候，包含購物記錄和客戶關鍵特征的幾百個電子郵件位址就足夠了。如果這些測試顯示項目大有希望，那麼接下來我們便可以去考慮逐漸提高可用的源資料的占比。

☆當智能資料分類與（大）資料革命的時代精神相悖時：在智能資料分類時，要有勇氣對某些有幫助的參數“說再見”。當我們确定，可支配收入因素對購買決策的影響程度是地域環境從屬性因素的50倍以上時，未來我們就需要将環境資料排除在考慮範圍之外。此時也要考慮80/20法則。

☆一個時常被低估的資料來源是“丢單分析”。這對價值高、數量少的産品和服務作用明顯。經驗證明，客戶非常樂于回答某些問題，比如你為什麼沒有購買某輛車。當一個客戶在一次試駕過後，就再也沒有出現在汽車店裡時，我們必須要聯系他并且詢問他問題出現在哪裡。此時，從相對小的“丢單分析”資訊池中，我們可以歸納出有價值的認識，并采取相應的市場營銷手段。

當大資料解決方案嘗試從盡可能多的資料中意外地發現事物之間的聯系或者分類時，智能資料內建分類是有目的地先行一步。起初，隻是處理一些日常可得的資料資訊，例如交易資料。基于所有關鍵資料點，資料科學家可以将所有交易資料進行統計學分類，以行為作為分類依據，将資料分為不同的群組。接下來，可以總結出一些具有說明性質的資料特征，例如人口統計學特征、客戶價值和需求等。明确的資料特征使提出适合的“獨特的銷售主張”（簡稱USP，詳見智能資料流程第四階段）成為可能。基于交易資料的基礎客戶細分再反過來促進我們與客戶的日常溝通。

客戶細分黑盒子

客戶細分的目的是，基于現有資料的特征，将客戶識别為盡可能同質的，或是盡可能彼此異質的群組（簇）。在将相似的要素進行分組或在發現資料中潛藏的模式方面，存在着不同的操作方法，這些方法源自機器學習領域“無監督學習”範疇。最重要的幾個分類操作方法如下：

1.分層聚類分析

這種操作方法是基于前期已經識别出來的資料特征（例如通過識别市場上同質化群組的社會人口統計學特征、使用行為和觀念）測算出被觀察者（個人或公司）之間的差異，并據此建立矩陣。這個矩陣也分為許多行，同資料庫中被觀察者的分類占比保持一緻。被觀察者之間的差異涵蓋了所有已識别的資料特征，并且可以通過不同的方法計算出來。在分層聚合的過程中，一對兒被觀察者在一個循環流程中被反複概括比對，就連最小的差異也會被發現。這個流程會一直不停地循環重複，直到所有的被觀察者都被納入某一個簇中。這個積聚的過程可以通過多種不同的算法實作。比較常見的算法包括單聯聚類法（即SL聚類，又稱鄰近算法）和凝聚層次聚類（沃德法）。根據算法之間不同的聚合邏輯，會産生不同的聚合結果。采用單聯聚類法可以識别出一些較小的邊緣群體，若采用凝聚層次聚類法，那麼簇的規模一般會比較均衡。

分層分析方法的優點是，不需要事先就知道簇數，而是借助于統計學參數預估出理想的簇數，從統計學的角度出發，理想簇數的确定需要考慮到組内同質群組間異質之間的平衡問題。分層分析方法的缺點是，計算量非常大，且隻适用于小規模的資料量。很多時候，分層分析方法被用于分析通過社會調查形式獲得的資料。分層分析流程也适用于從大資料中進行随機抽樣，目的是獲得穩定的分類并且确定簇的數量。後續，資料科學家會采取分區操作，将聚合結果擴充到整個資料庫。

2.劃分聚類分析

在分層聚類分析過程中，不需要事先就确定簇的數量，這對模式探索型的聚合分析流程來說是一大優點。然而，在劃分聚類分析中，必須要預先就确定好簇的數量。總體來看，劃分聚類分析的各種方法間存在共性，都是根據預先确定好的簇的數量選擇出相應數量的對象，将每個對象的初始值作為單一簇的平均值或者中心點，然後反複調整聚類劃分，直到誤差函數最小化為止。其中，最著名且應用最廣泛的誤差函數是K均值（K-Means）算法：先根據既定的簇數随機選擇出相應數量的對象，将這些對象的初始值作為每個簇的平均值，對剩餘的每個對象，根據其與初始均值之間的差異程度，将其歸入相應的簇。然後再重新計算每個簇的誤差函數平均值。這個過程不斷重複，直到每個簇中各對象的差異不顯著（或者說誤差最小化）。

劃分聚類分析中還有一種算法是K中位數（K-Medians）或者模糊C均值（Fuzzy C-Means）。K均值的最大好處是，它尤其适合大規模的資料分析，因為它在算法方面不像分層聚類分析那麼複雜。但是K均值算法的問題在于對異常值的敏感度過大，偶爾會導緻十分小的聚類被劃分出來。另外，該算法是基于随機選取的初始值，是以在反複調整過程中，劃分結果不是很穩定。此外，結果缺乏可再現性也是缺點之一。分層聚類分析可以補償劃分聚類分析的缺陷，是以可以将分層聚類分析中産生出的聚合分類結果作為K均值分析方法的簇數起點值。

3.密度聚類分析

密度聚類分析背後的邏輯是，将被觀察者視為一個空間内的點，盡管這些觀察者之間存在很多差異化特征。首先我們要識别出這個空間内的高密度區和低密度區，并以此為基礎建立起簇。這種分析方法的核心流程就是所謂的“具有噪聲的基于密度的聚類方法”（Density-Based Spatial Clustering of Applications with Noise，簡稱DBSCAN）。根據這個空間内點之間的距離，我們會識别出密度最高的區域，并将這個高密區内的點作為核心點。還有一些點處于中等密度區域，我們将這些點稱為邊界點，被歸至周邊的簇。還有一些點，分布非常稀疏，我們将這些點稱為噪聲點。DBSCAN分析方法的優點之一，是不需要提前就确定簇的數量，這與分層聚類分析法有異曲同工之妙。與K均值分析法相比，DBSCAN方法具有一個關鍵優勢，即可以識别非線性聚類，并可以有效對抗異常值。但是當空間簇的密度不均勻、間距差相差很大時，DBSCAN聚類品質較差。DBSCAN是相對比較新的聚類分析方法（1996年才被提出），目前已經發展成為機器學習領域最重要的算法之一。

4.模糊聚類分析

目前既存的系統化聚類分析流程都是将一個因素明确地歸入某一個簇中，這是所謂的“硬流程”。模糊聚類分析屬于“軟流程”，即某一個因素可以被歸入一個以上的簇，換句話說，就是在識别聚類從屬性的不同等級。模糊聚類分析中最有名的算法是模糊C均值（FCM）。首先假定每一個被觀察對象都能夠或者傾向于被歸入一個簇，那麼處于簇中心位置的被觀察者歸入這個簇的可能性高一些，處于簇邊緣的被觀察者納入這個簇的可能性相對低一些，或者說簇邊緣的被觀察者也有可能被納入其他簇。

從技術層面上看，模糊聚類分析的邏輯與K均值算法類似。模糊聚類分析這一設想的目的是，實作一個被觀察對象被歸入不止一個簇中，這在某些特定的應用案例中更具現實價值。如果市場和客戶細分部門希望獲得明确的聚類結果（例如要去評估某一聚類集合的市場潛力），在對客戶針對不同商品種類的消費行為和購買決策進行統計分析時，多元的聚類可能更有意義。例如，為了精準定位并營銷旅行社潛在客戶，我們可以利用模糊聚類分析方法，通過分析交易資料資訊，進而去識别客戶的旅行類型。此時，有些客戶或被歸入多個特征組，例如海灘度假組、城市遊組等，這可以幫助我們為客戶提供多樣化的選擇。

多元度的統計學細分流程如果想起作用，那麼首要的就是對使用者而言，分類結果不能太寬泛。舉一個分類結果寬泛的例子：有一個關于消費者的聚類分組，組中九成的消費者收入較高；85%的消費者是穩定客戶，并且會關注商品的品質、安全性和售後服務；組中的消費者平均家庭人口在2~3人之間，每月平均支出980歐元用于家用，這其中有430歐元都是在同一家商店消費的。企業如果希望通過聚類分析來獲得決策支撐，那麼分類結果所要描述的特征應該盡可能少，并且清晰可辨，這樣對企業來說容易了解、易于操作。

所謂的“好問題”（Power Questions）可以幫助我們，将客戶歸于某一細分類别中。例如可以這樣提問：

☆客戶會購買名牌商品嗎？

☆客戶每個月是至少給我們支付400歐元購買生活用品嗎？

☆客戶基本上80%的結算都要通過轉賬完成嗎？

☆客戶買嬰兒用品嗎？

“好問題”的答案是明确的，通過這些答案可以建立一個決策樹。通過決策樹調整統計學聚類分析結果，我們會發現，聚類分析不一定能夠百分之百貫徹下去。在理想情況下，90%以上的客戶會被明确地歸入某一類。70%~80%的聚類程度是可接受的水準。如果聚類水準低于70%，就不足以獲得清晰可辨的分類結果。原則上，我們此時就可以判斷我們初步設想有問題。在這一點上，大家的觀點也不統一，不過及早地意識到這一點，并提出新的設想，重新運作一次智能資料分析流程，也沒什麼壞處。不準确的細分無疑會導緻瞄準錯誤客戶或者采取錯誤的市場營銷措施，進而給公司造成損失，重新運作總比遭受這些損失要好。

同時，即便是達到90%聚類水準的最好的細分情況，如果客戶服務人員不能了解或者不能夠正确使用，那也是惘然。這聽起來是理所當然的事情，但是在實踐中卻經常被忽略。

對此，我們在一個世界領先的IT生産商的大項目中感觸最深。企業總部的戰略營銷部門邏輯清晰地為大部分B2B聚類分組都起了名字，比如“印刷發燒友”或者“累垮的勞工”。然後成立了産品設計部門，并制定了産品戰略。遺憾的是，處于銷售環節的員工無法了解什麼是印刷發燒友，哪些人又是累垮的勞工。

智能資料細分能夠幫助我們有效減少、簡化聚類結果。首先，我們分析易得的交易資料，根據交易額資訊确定出所需聚類。接下來，我們轉而分析市場研究提供的購買決策資訊和有關公司構架的資訊。然後，我們制作有針對性的廣告，并将廣告資訊準确傳遞給正确的目标客戶，達到90%以上的“擊中率”。這樣可以減少瞄準錯誤客戶的情況，并且可以提高廣告的有效性，使廣告的效用與增額投入成正比。

市場營銷人員不需要精通，也不需要深入了解這些數理統計學原理。但需要知道的是，原則上，對交易資料的分析是起點，進而去分析互動資料和市場研究資料。智能資料分析和傳統的聚類分析方法的目的一樣，都是盡可能地分析出同質群組中清晰可辨的消費者行為特征。獲得一次性、靜止的分析結果不能算作資料分析成功，我們需要的是每月、每天甚至是實時都能進行動态分析。

智能資料分析和傳統的聚類分析方法的目的一樣，都是盡可能地分析出同質群組中清晰可辨的消費者行為特征。

産品設計部門的可視化工具特别适合用來展示聚類分析結果。例如，用情緒闆展示特定類型客戶的生活空間，或者利用Mockups産品原型設計工具呈現出與真實大小一樣的實體模型，使同僚們對聚類分析結果産生感官上的認識。還有一些企業實作了進一步發展，引進并使用了設計思維工具。它能夠讓使用者産生身臨其境的感覺，仿佛坐在目标客戶群體的起房間中，或者仿佛自己是一個客戶咨詢顧問，坐在一個特定觀察環境中的角落裡，靜靜地觀察并分析客戶行為，此時，對客戶分類将會有更敏銳及清醒的認識。

真正的智能資料聚類分析

讓我們暫時先把市場營銷的事情放下。在一個廣告宣傳和産品銷售更完善的世界中，極其智能化的客戶聚類分析應該是什麼樣子的呢？我們可以設想一下。在這個世界中，宣傳這個概念不再适用了，因為一對一的交流更像是對話，而不是宣傳。針對具體的交易是如何發生的問題，産品價值和客戶社會從屬性因素的指導意義也逐漸弱化。我們不再按照年齡、收入或者最喜愛的汽車品牌等因素劃分潛在客戶類型。我們已經意識到，消費者本身具有複雜的特質。對于每一個消費者而言，在其做出每一次購買決策時，考慮的因素都是完全不同的。真正的智能資料聚類分析可以告訴我們，在不同的消費情境下，影響單次購物決策的因素都有哪些。相應地，以具體客戶為中心，可以為每一次購物決策提供量身定制的分析結果。在極限情況下，每一個細分類别中僅存一個客戶。

換句話說就是：在每次市場營銷措施實施之前，基于重要的購買影響因素，一個反應性能良好的、持續自學習的IT系統會整合出一個全新的聚類，并将單一客戶有目的地歸入其中。

為了進一步說明這一點，我們拿銀行業舉例子，銀行業受制于嚴格的資料使用限制，目前還沒能夠做到精确地滿足客戶需求。将來，銀行不需要再按照年齡、收入等标準将客戶歸類，例如這個客戶31歲，月收入2600歐元，按照儲蓄賬戶的工資記錄可以推測出他在一個大集團的子公司工作，他有一輛大衆POLO汽車。相反，即便這個客戶還沒有在銀行開立貸款賬戶，銀行也知道，無須再去向他推薦住房抵押貸款業務。因為，這個客戶剛剛被系統歸入了一個新生成的聚類中：他是一個小朋友的父親，住在一個建立住宅區内，且已經擁有了房屋近100%的産權。

我們應該允許銀行合法地使用這些資料，因為IT系統早就可以完成對客戶的動态實時分類了。我們不應該讓真正的智能資料聚類分析僅停留在想象階段。我們從銀行的客戶關系管理系統和賬戶資訊中可以輕松通路這些資料。産生的統計費用很直覺，且操作簡單。銀行的客戶不會再收到标準化的銀行通知單了，取而代之的是真正符合每個客戶實際情況的通知單。這樣，客戶會覺得銀行十厘清楚他們的需求，最終，這會為銀行帶來更大效益。

提出自己獨特的銷售主張

我們如何能夠使我們的産品與客戶需求相适應，進而……

☆提升某一個已識别的聚類中客戶的購買意願呢？用市場營銷術語表達，就是我們能夠常常讓客戶按下“購買鍵”。

☆提升必要的市場營銷措施的盈利性？或者我們可以準确地預見到，哪些市場行為可以讓我們實作盈利。

這兩個問題的答案就是智能資料分析流程的下一階段：提出自己獨特的銷售主張：此處我們探尋的是“是什麼”的問題，即我們要改進産品的哪些方面。至于“怎麼做”的問題——我們希望如何滿足客戶需求，我們放到下一階段去讨論。

在探讨“是什麼”時，經常會出現的情況是讨論泛濫。原因是，這個問題的答案範圍本身就很寬泛，答案有可能是“我們需要适當調整一下直郵政策”“在周末開展打折促銷”，或者“做廣播廣告以提高知名度”，甚至是“我們還是幹脆換一種産品吧”“我們需要徹底改變我們的網點選址政策”。

在智能資料架構内，我們會去嘗試系統地調整一個産品所有可能的變量，這項工作需要由一個複合型的專家團隊來完成。需要注意的是，在着手工作之前，要清楚地定義出産品變量的範圍，例如價格、顔色、打捆、包裝、産品說明書、附加金融服務。後續，不同的資訊會被分别歸入這些變量範圍内。

在智能資料流程的這個階段還需要注意，智能化意味着，在可預見的時間内具有實作的可能性。在一個月之内或者一年内，我們究竟能夠将哪些成果轉化為生産力？做完這些之後，我們又通常會獲得什麼？

為此，我們需要關注一下通過資料獲得的新認識：

☆客戶需求（尤其關注老客戶需求）

☆管道偏好（尤其關注口袋份額較低的客戶和潛在新客戶）

☆購買驅動因素（價格、産品、種類、咨詢、服務、地點便利、舒适性）

問題的答案與使用場合高度相關。但實際上，根據案例經驗，答案也會因以下幾方面因素而有所不同：

☆在X客戶分組内，有可能通過捆綁銷售實作交叉銷售。

☆在Y客戶分組内，具有通過提供更高附加值産品實作向上銷售的潛力。

☆在Z客戶分組内，清晰說明服務内容，可以有效提高客戶口袋份額。

☆當我們擴大或者縮減産品種類時，我們可以獲得新的客戶分組。

☆當我們改善客戶咨詢服務後，我們可以優化A客戶分組内的客戶關系。

我們這樣做的目的，不是去創造出一種産品，使其能夠适應全部組别客戶的需求。能做到這樣當然好，但這不現實。相比之下，我們更需要做的是，塑造出具有現實意義的、有市場吸引力的、能夠經受住市場考驗的産品線，并以資料為基礎，不斷地去優化它。

我們後續還會詳盡地論述這一問題，這裡先提一下：

我們的目的是要搭建一套自學習系統。

通過在各分類組中的系統性對照實驗，我們可以檢測出，哪些産品變量在哪個客戶分類組中可以取得最大的盈利效果。然後，在智能資料流程的下一階段，我們可以進一步地校準我們的認識，綜合考慮銷售時機、銷售管道等因素，使USP更加具有針對性，進而一步步挖掘客戶潛力。

然而，特别是在智能資料流程的第四階段，提出具有普遍性的智能USP和市場營銷法則是很難的，甚至不可能，這是由第四階段本身的性質所決定的。是以在本書的第三部分，我們會列舉很多案例，這些案例試圖去提出獨特的銷售賣點，為智能化的客戶營銷（在對的時間、采用适當的營銷話術、提供适合的産品）奠定了基礎。

正确地吸引客戶

如果我們想更好地吸引客戶，我們就必須要知道，在購買之前，客戶是怎麼知道這個産品的，他在來買東西的路上都經曆了什麼。即便在數字化時代，還是需要了解這些情況的。資料僅能夠幫助我們，在每次與客戶實際接觸的“觸點”，豐富我們對客戶的了解。上一句話的重點是“每次”。

如果我們想更好地吸引客戶，我們就必須要知道，在購買之前，客戶是怎麼知道這個産品的，他在來買東西的路上都經曆了什麼。

在每個“觸點”，無論是目前、潛在或是老客戶，都或多或少地對一個商品、一項服務、一個品牌或者一家企業有所了解，即客戶有前期的客觀知識儲備。但是同時，客戶也會有感官認識，或強或弱，或正面或負面。（潛在）客戶基于認知和情感兩方面的經驗，會在内心勾勒出關于産品、品牌或者企業的形象，即所謂的印象。印象經常與态度密不可分。

相應地，在智能資料分析流程第五階段首先要做的是，沿着下列引導性問題的思路，分析客戶的“觸點”。

☆目前，我們究竟是在哪裡與客戶産生接觸的？

☆我們在那裡究竟是怎樣與客戶産生互相作用的？

☆我們通過現行的互動方式想取得哪些效果？盡管人們都喜歡強調自身的優點，這是可以了解的，但系統地關注一下引起客戶不滿的業務記錄也很重要。我們經常能夠在分析不滿意客戶或者已丢失客戶的過程中，發現改善客戶服務的最重要措施。

☆迄今為止，我們還沒有與哪些（哪類）客戶産生接觸，或者鮮有接觸？

在總結并了解了在既有“觸點”的互動情況的基礎上，我們可以開始考慮一個問題：對某一聚類客戶來說，可能的新“觸點”有哪些？采用何種措施可以對他們産生怎樣的效果？此時，關注一下其他行業、國家，尤其是其他創新型企業的經驗，可能會有所幫助。

客戶旅程究竟将我們引向何方？

客戶旅程是一個客戶所有“觸點”的集合。大資料在市場營銷方面許下的最大諾言是：基于充足的資料，我們可以估算出每一個客戶在“客戶旅程”中的行為順序，并引導這些行為向有利于我們的方向發展。谷歌和蘋果宣稱它們可以做到這一點，并宣稱這樣對它們的數字産品有好處。此外，就沒有人再能夠做到這樣了，就連亞馬遜也不行。

在可預見的時期内，在大多數市場領域，我們并不認為單一客戶的“客戶旅程”是可以全然被預測并操縱的。不同客戶的“客戶旅程”是完全不同的，它與情境密切相關，且十分複雜，已經超越了我們當下能夠近似模拟的程度。甚至連客戶自己也不清楚自己“客戶旅程”的下一步是怎樣的。每一個客戶在每一次購買決策之前，都越來越頻繁地改變選擇方向和購買目标，走了未預見到的捷徑或者彎路，迷失在決策邏輯中，或者選擇了其他種類的商品。總之，詳細地去分析個人的“客戶旅程”的效果低于預期，且與營運費用投入無關。很快就會産生邊際效應。

然而，如果把“客戶旅程”概念作為總體方向性架構或者至少是一種思維模式來看，卻是十分有價值的。它可以幫助我們确定，在每一次我們與客戶具體接觸時，客戶處于“旅程”的哪一個階段。某一客戶是剛開始對一個商品感興趣，還是對某一個商品的興趣已經逐漸增強；是已經開始考慮購買，還是說僅需再營銷一下就肯購買了。它能夠幫助我們建立與客戶新的“觸點”，檢測這些“觸點”在“旅程”中的意義與作用，同時，随着時間的推移，我們可以更好地了解客戶喜好。更重要的是，通過早期并持續地關注“客戶旅程”概念，我們得以對“客戶旅程”與“觸點”概念有更好的了解，不會因無知而在新的數字化或者固定“觸點”（例如App或者分支機構）方面大量投入，緻使企業遭受損失。目前，企業在理論層面發現了很多“客戶觸點”，并在從理論向實踐轉化方面進行了大量投資。但遺憾的是，這些投資決策并沒有考慮到這些“觸點”是不是客戶所希望的，這些“觸點”在“客戶旅程”中發揮什麼樣的作用，同樣，也沒有衡量這些“觸點”的效用。舉個例子，如果我是一個汽車生産商，隻有當我清楚了，固定的貿易基地将來會在“客戶旅程”中發揮怎樣的作用，我才會知道如何去安排和設計這些基地（可以将貿易基地與資料化“觸點”相結合，例如在貿易基地中使用“組态程式”來測算汽車貿易商的到店頻率，還可以在貿易基地中安裝電話會議裝置），才會知道我需要保有多少基地才夠用。我們并不是通過在方案設計階段不停地思考來獲得這些問題的答案的，而是通過在一開始就智能地利用資料，不斷進行試驗，同時分析試驗的結果。

以智能資料為基礎的市場營銷會分析每一個“觸點”的資料，在策劃市場營銷手段的時候會參考分析結果。我們需要始終去關注，采取某種市場政策是否值得。我們不需要去滿足每一個我們認為有價值的客戶需求，因為這樣做成本太高。聰明的企業會為客戶提供多種選擇，去塑造客戶的“客戶旅程”，使之向企業所期望的方向發展。

根據簡單的邏輯，團隊就可以将已有及可能的“觸點”劃分先後順序：

1.哪些“觸點”對哪些目标客戶群體是真正重要的？

2.哪些因素會加速或延緩“客戶旅程”，且客戶會在後續“旅程”中仍然需要這些因素？

3.在一個客戶聚類中，在每一個“觸點”，哪些因素可促成購買？

4.在每一個“觸點”，我們可以通過采取哪些措施提升市場營銷效果？

就這樣，就是這麼簡單！此外，還有一個關鍵點：

5.需要為在每個“觸點”上采取的每個措施界定一個衡量效果的标準。隻有在一個“觸點”起到的作用很清晰的情況下，我們才能夠了解它在“客戶旅程”中的功能定位。如果我們無法去界定在某個“觸點”上采取的一個或多個措施有效與否，那很可能是這個“觸點”本身的認定有問題，或者建立這個“觸點”是多餘的。

智能資料流程是一個自學習系統。我們最終采取的各種市場營銷措施，其實質是一種假說。如果我們認真地踐行了智能資料流程的第1~4階段，那麼這些假說的命中率将會很高。我們在每一個層面都秉持着效率優先的原則，是以這些措施的投入産出比會相對較高。但是，這些措施是否真正起作用，我們也隻有在嘗試過之後才知道。就如同我們必須去嘗試投放不同的産品組合一樣，我們也需要通過嘗試來檢驗各個“觸點”的效率和作用。最終，我們才會認識到，在哪個“觸點”、針對哪些客戶、通過采取何種措施能産生最大效果。

智能資料流程是一個自學習系統。

“嘗試”在此處是一個無害的行為。在智能資料範疇内，“嘗試”具體可了解為：我們需要将想法付諸實踐，并評價實踐的效果，否則的話，我們就無法兌現承諾并發現其他潛在可能性。

具有資料基因的市場參與者差別于普通市場參與者的一點是，他們具有衡量“觸點”實際效用的能力，能夠将有效的措施移植到同類或者他類客戶群體中去，并且他們會迅速終止無效措施。

通過這樣反複的疊代更新，我們将能夠更好地滿足更多客戶的需要。

智能資料市場營銷的“黑盒子”

實體學家和統計過程控制的創始人威廉·愛德華茲·戴明（William Edwards Deming）曾說過：“我們隻信仰上帝，其餘的人都得拿資料說話，我們才會相信他。”

資料本身對市場營銷是沒有價值的，隻有通過統計學過程去處理分析資料，才會帶來有益的認知。不同的分析目标，需要的統計學流程也是差異化的。在此，我們大概介紹一下：

☆如果需要去發現資料中潛藏的範式，在市場營銷過程中，大都是希望去識别同質化或潛在的客戶群體，那麼可采用聚類分析流程。

☆如果需要去分析并評價已确定的KPI（即關鍵績效指數，例如ROMI，市場營銷投資回報率）的驅動因素，統計學家大多會采用驗證性因子分析方法，特别是回歸分析。這種分析流程的目的是，盡可能地通過其他因素去解釋一個目标變量，并且揭示出不同因素對這個變量的重要性及作用強度，以期能夠實作對KPI的有效管理。驗證性因子分析方法最常見的應用是用于市場營銷有效性研究項目。

☆如果需要去評價多管道的效用或者去評價企業市場營銷效率的标杆管理情況，那麼可以采用資料包絡分析方法。這種緻力于績效優化的分析方法是基于一種理念，即為不同的公司或者衆多管道的投入變量設定相應的産出水準。這個分析方法的優點之一是，每一個分析流程僅需為數不多的資料點。

☆在資料驅動的市場營銷中，最常見的分類問題是将人配置設定至既存的聚類組中。借助決策樹可以建立起最優分類原則，盡可能地将人員配置設定至恰當的分組中。決策樹是最有效的分組方法之一，應用方式極為靈活，易于了解接受，并且通過算法的不斷優化，例如随機森林算法，決策樹也适用于較大量的資料分析。

☆亞馬遜開了一個好頭，現在所有的企業都想擁有一個好用的推薦引擎，以此實作自動生成個性化的推薦建議，最大限度地比對客戶的喜好，盡可能地促進銷售。此時，可采用下列兩種方法：

1.關聯分析方法：這是一個很簡單的分析方法，尤其适合于“購物車”研究，用于尋找經常被同時購買的商品。如果想使用這種分析方法，我們需要擁有完整的匿名交易資料。

2.協同過濾分析方法：這種分析方法是通過對比客戶（例如網站使用者）的喜好和購買情況，實作向客戶推送個性化推薦建議。從嚴格意義上來看，與其說這種方法是一種統計學算法，倒不如說是一種特殊的過濾和比較邏輯。這種方法具有應用簡單、運算強度低等特點，是以特别适用于處理大量資料。這種方法的缺點是，我們必須先期對目标客戶有一定了解，才能為其推送有價值的推介資訊。我們對客戶的了解越多，我們越能夠為客戶提供更好、更精準的建議。這跟此前提到過的自學習系統概念是相吻合的。

結論：實作增值

與傳統的聚類模型和與之對應的市場部門相比，智能資料分析至少可在下述5個層面為企業帶來可量化的競争優勢：

☆聚焦企業經營中出現的實際問題和發展潛力，可以促使企業明确目标和措施，這個恰恰是許多具探索性的資料項目所欠缺的。

☆由于擁有更好的（高聚合性、智能化預分類）資料基礎，智能化的聚類可以更準确地描摹某一聚類中客戶的實際購買行為。此外，可被明确歸入某一聚類的客戶比例有所上升。由此，在理想情況下，在單一客戶層面，我們采取的市場營銷措施可以更加精準地發揮作用。

☆我們有（越來越多的）可能去正确評估某個單一客戶在某個商品或者具體商品組合上的銷售額貢獻潛力。

☆通過設定“觸點”優先級，我們可以顯著提高滿足客戶需求的效率。

☆通過動态利用統計學分析，我們可以更好地調整針對單一客戶的市場營銷與經營活動。

總的來說，在智能資料流程中，我們可以基于更智能化的聚類分析，總結出具有良好投入産出關系的市場營銷措施。此處，智能資料聚類分析起到了決定性的作用。因為，得益于規律性重複的、內建化的交易資料、互動資料和消費行為資料分析，智能資料流程不僅僅隻是更準确地表述一個客戶購買某個商品的可能性有多少。作為一個自學習系統，智能資料流程還能夠描述出客戶将會在何時、通過哪個管道、以怎樣的價格購買。

我承認，這聽起來更像是自吹自擂的大資料自我營銷。在本書的第三部分，我們将介紹一些智能化的企業，他們的經營證明了智能資料流程的優越性；這些企業日漸獲得資料競争優勢，卻沒有陷入“資料自我負累”的泥潭。我們稱這些企業為智能資料冠軍企業，他們在很多應用領域确實赢得了競争優勢。

[1]即那些不會再被通路的資料。——譯者注

第三部分 冠軍企業的智能資料應用領域

第5章 更加智慧地接近客戶——在合适的時間、以合理的價格、提供所需的産品

時尚策劃

策劃購物集團（Curated Shopping）在市場上反響強烈，至少從它在柏林的啟動儀式上看是這樣的。策劃購物搭建了一個貿易平台，在這個平台上，審美品位尚不明确的客戶在系統和人工咨詢的輔助下，可以定制家具、設計品、禮品、女鞋或者男裝。這個平台上的客戶都是穩定的客戶群體，在平台上尋求定制服務。早期階段，平台投資者被平台建立者的創意想法所吸引，尤其是在時尚領域，成百上千萬的投資流入到Outfittery、Modomoto、Kisura以及8Select公司。策劃式線上購物的理念和價值前景非常容易了解：客戶經常會在以下幾方面提出各種各樣的問題，比如我屬于什麼類型、我适合什麼風格、在某一特定場合該穿什麼衣服等。為了能夠獲得系統建議，客戶也會自然而然地透露相關的個人資訊，比如身材、體重、鞋子尺碼等。在這些資料的支撐下，策劃師可以整合初選資訊，并将建議資訊發送給客戶。這些建議僅是出于策劃師的審美取向和喜好。客戶針對這些建議給出的回報使系統和個人策劃師更好地了解客戶，進而可以在下一次推介中優化建議。從客戶方面看，首先是節約了穿搭的時間，此外，如果策劃式購物進展順利的話，在策劃師專業建議的幫助下，客戶的穿着水準也比以前有了很大提高。策劃式購物有效地提高了客戶在衣着方面的舒适度和審美水準，是以客戶也就不會再随波逐流地胡亂穿衣了。

随着對客戶了解的加深，購物建議的品質越來越高。為客戶提供高水準的購物建議，能使客戶關系更加密切，與此同時，可降低價格敏感性。

策劃式購物是智能資料應用的一個典型範例。策劃購物集團本身并不是高深莫測、需要很多資料支撐的“怪物”。它僅是利用收集到的資料輔助購物顧問，給客戶提出一些量體裁衣的個性化購買建議。随着對客戶了解的加深，購物建議的品質越來越高。為客戶提供高水準的購物建議，能使客戶關系更加密切，與此同時，可降低價格敏感性。這種商業模式眼光長遠，關注客戶價值的長效提升，而不是通過價格戰實作廉價銷售。

策劃式購物很好地說明了客戶價值、增長潛力與企業增值間的關系：将客戶與個性化的購物世界長期聯系在一起，通過這種方法，我們可以獲得長期穩定的營業額，提高客戶份額占比，赢得可觀的利潤。資本市場認為，策劃式購物模式在多樣性方面，較傳統貿易模式略勝一籌。

為客戶系統地提供個性化商品的基本理念也不僅僅局限于時尚領域。隻要遵循統一的原則和流程（視企業情況不同，可以選擇按月、按周、逐日，甚至是實時地去運作這種基本流程），這種基本理念也可以在其他行業獲得推廣。

策劃式配件

如同定制客戶關心男裝一樣，安裝材料和固定材料的B2B使用者基本上都會提出同一個問題，即我們如何能夠在經常性材料支出方面節約成本。從貿易商的角度，隻要知道“客戶在何時需要何種商品”，那麼節約成本的問題其實很容易解決。

在滿足手工業者需求的行業的智能資料項目中，我們可以明确回答這個問題，因為在一個試點項目中，相較于控制組，實驗組出現了如下情況：

☆通過智能化地實施市場營銷和營運措施，實驗組中固定客戶的商品激活率有所上升。

☆通過實施向上和交叉銷售，實驗組的商品銷售額有所提高。

這些提升具體是如何實作的呢？見下圖：

在典型的目标營銷和銷售流程中，我們主要是系統地梳理每個子類中客戶的需求，進而提供适宜的商品和服務。與客戶需求不明确的消費品市場相比，這種做法在B2B領域的操作更簡單且更易于實作。系統能夠掌握一家雇用8個勞工、年銷售額約60萬歐元的瓦斯裝置工廠的零件清單和材料費用是多少。如果想要知曉一個企業在某個重要産品門類的客戶份額占比，進而了解客戶的營銷潛力，我們不需要通過大資料系統調取交易資料。我們隻需要找到一個行業内資深的、了解客戶的銷售人員，他很快就可以給出建議，我們針對哪些客戶采取怎樣的措施，就可能提高客戶份額占比。

在這個案例中，我們沒有時間和經費去開發創新産品。已經采取的市場營銷措施跟之前的也沒有明顯的差別，比如針對銷售情況欠佳，但日常又确實需要的商品，我們給予打折優惠；還有一些商品，如果客戶購買量超過某個最低标準，我們可以給予買送優惠；新客戶如果再次購買某一商品，我們可以贈送小禮物，等等。

我們把所有這些舉措都在對照組中又嘗試了一遍，然而讓我們驚訝的卻不是這些舉措本身。這次，我們有更多的時間和經費去思考更有創造性的營銷話術，通過客戶和所需産品的合理對應，我們也取得了前述提到的效果，即提升激活率和提高銷售額。但是，有兩次營銷活動以失敗告終：在日常消費品銷售中，經常會采取買送促銷，這容易導緻負投資回報；在開展“二次購買給予獎勵”促銷活動時，我們實作的銷售額增加并未達到預期的水準。很顯然，用這種簡單的刺激手段是無法有效激勵B2B領域的新客戶的，他們更加關注供應商的一些基礎性資質。促銷宣傳活動隻有在為客戶提供廣闊的、全新的可能性的情況下，才能獲得理想的效果。

當我們在市場上嘗到了一點兒甜頭之後，就會對智能資料産生更大的興趣。當我們通過相對簡單的分析和措施獲得了一定成果後，一般會産生兩個問題：

☆為什麼之前我們沒有獲得這樣的成果？

☆為什麼我們的競争者也沒有這樣做？

在許多B2B商業領域，如果一家資質良好的企業能夠提供優質的商品，并且資料分析能力領先于同業，那麼就具有改變現有市場格局的潛力。

思考這兩個問題會花費很多時間，或者你也可能覺得這全然無聊。當我們跟一家傳統企業的CEO介紹這些事情的時候，他會覺得隻是雕蟲小技。既然他這麼認為，我們也沒有辦法。但僅僅是因為這些事情簡單，我們就不做了嗎？在下一階段，這些事情就會變得越來越複雜，且需要分析。我們需要目的明确地把握住機遇。在許多B2B商業領域，如果一家資質良好的企業能夠提供優質的商品，并且資料分析能力領先于同業，那麼就具有改變現有市場格局的潛力。這一點在迄今還在小步快走以期成為數字化領先者的行業内尤為奏效。

哈，這個賣家是真正了解我的！

在上述案例中取得的成果和經驗幾乎被全盤移植到了餐飲業、醫療、小型健康中心、實驗室、保潔公司、美容美發、中型建築企業、汽車修理廠、園藝業、光學業……在研究這些市場中的銷售情況時，總是能夠得到相近的結論：有些企業由于早先有經營B2B客戶的經驗，是以具有較大的發展潛力。在智能資料項目早期，我們會開展企業客戶調查問卷活動，在調查中我們經常會聽到：“我們合作多年，我們的供應商（主要供貨商）居然對我知之甚少，這簡直太讓我驚訝了。”可是，當有經銷商在資料的支撐下，為它的客戶提供智能化的采購建議清單時，人們這種驚訝的态度就轉變為：“哈，這個賣家是真正了解我的！”實作這種轉變的最重要前提是，要為這些經銷商配備數字化工具，這些工具能夠正确預估客戶的需求并将其清晰地展示出來，市場營銷人員就可以據此實時反應，及時滿足客戶需求。智能資料流程本身具備自學習機能，是以這些資料化工具也同時應該是一個實用的資料收集器。也就是說，數字化工具可以促使市場營銷人員在與客戶直接接觸時，盡量提出一些明确直接的問題，這有助于我們增進對客戶的了解。

對企業客戶關系認知具有重要價值的資訊包括：

☆客戶需求的範圍和結構。

☆企業客戶是否會經常面臨商品脫銷的情況？這種情況是否會導緻企業客戶付出的取得費用高企？

☆客戶所在的市場出現了怎樣的發展趨勢？

☆客戶更喜歡通過何種管道、以怎樣的時間間隔獲得服務？

經驗告訴我們，在我們采用正确的溝通語氣，且不占用太多時間的情況下，B2B客戶是願意向我們透露如何能夠更好地滿足它們的需求的。小型企業，例如餐飲業，付出的取得費用相對較高。小型企業會常常經曆物資短缺的狀況，這不僅僅是因為客戶有時會突然增多，有時也是因為企業在訂貨管理方面産生了纰漏。如果一家餐飲企業意識到讓供應商了解它的大緻訂貨規律，那麼供應商就可以降低這家餐飲企業的取得成本的話，那麼此時，提升這家餐飲企業客戶價值貢獻的措施，顯然就與供應商密不可分了。因為這樣做會：

☆提升客戶口袋份額——取代市場競争者

☆增強客戶關系——防止客源流失

☆增加營銷回報——提高外勤工作的邊際貢獻度

☆提高客戶推介占比——通過口碑赢得新客戶

☆擴大客戶基礎——提升新客戶的數量及品質

時不我待，現在就是着手開始的最好時機。在美國，亞馬遜新成立的B2B部門就領略到了這樣做會産生怎樣迅速的市場反應。AmazonSupply的産品清單幾乎每日都在延長。固安捷（Grainger）是美國B2B領域的傳統領軍企業，還保持着與15年前無差别的經營模式。固安捷關注亞馬遜的進展，首先注意到亞馬遜打價格牌，其後又感覺亞馬遜不關注長期客戶關系管理，隻注重商品快速傾銷。這種情況必然是假象。AmazonSupply憑借在B2C貿易領域積累的客戶分析能力、市場營銷能力和物流保障能力，使貿易流程實作了數字化。AmazonSupply不僅僅是展售清單上的商品，大部分的商品都有現貨庫存。波士頓咨詢公司的一項研究顯示，AmazonSupply平台銷售商品的價格比任何專業化的B2B貿易公司平均低了25%。

在消耗品B2B貿易方面，供貨結構與個人客戶日常消費品供應差不多。如果一個客戶經常訂購某一個種類的茶葉，那麼亞馬遜就會随時為客戶推送貨品資訊，比如這種茶葉現在有折扣優惠，或者價格沒變但是換了較大包裝等。有時這些推送資訊也沒有提供價格優惠，僅是為客戶提供了購買提示，免得客戶還要特意想着要購買某物。越是密集地給予客戶購買建議，促進商品的交叉銷售，客戶就越願意購買商品，比如茶葉。剛開始可能是因為大幅度的價格優惠，到後來可能就是僅僅因為産品推介本身了。

亞馬遜很早以前就開始嘗試針對易售的簡單貨品開展直銷，并建立自有品牌。目前，德國的B2B貿易商和供貨商依舊認為，AmazonSupply的物流費用昂貴，繳稅程式煩冗，一個手工藝者、發型師或者精密儀器工程師懶得去研究這些。但是，亞馬遜作為世界最大的線上貿易商，要在歐洲或者亞洲培養起自己B2B貿易的倉儲和物流能力，這隻是時間的問題。

大衆在解讀上段最後一句話時，是帶有悲觀意味的。當電子商務要強勢進入一個市場領域時，我們還是最好盡快退出這一市場。在一些市場領域，如果商品具有很好的通用性、保存期限長、易操作使用、不需要過多咨詢，同時産品相對來說體積和重量很小，那麼就需要小心電子商務的市場入侵了。在大部分的領域都有一個規律，誰能憑借分析能力更好地接近客戶，誰的生意就能做得長久。如果一家網站成為一個智能化的、多管道戰略的固定管道基礎，那麼這家網站的重要性不言而喻。

貿易方面的分析小知識

在食物及非食物貿易方面，怎樣更加智能化地接近客戶？固定店鋪貿易早就開始系統性地搜集客戶資訊了，例如在世界市場上占據領先地位的沃爾瑪、樂購、梅西百貨、尼曼和法國的家樂福。在德國，除了像麥德龍和奧托這種大型企業外，一些中型企業，比如藥店連鎖企業DM、不來梅的專業化商店Dodenhof或者大型百貨商店布羅伊甯格（Breuninger），也總是能夠提出令人驚喜的分析方案。在零售貿易方面開展智能資料項目的一個優勢是，零售貿易的資料環境通常較好，或者相對容易改善。另外，在零售貿易方面，有成型的分析流程，分析所必需的IT系統都是常見系統。基于二十餘年來對零售貿易的分析經驗，或者通過與鄧韓貝（Dunnhumby）和Emnos等客戶分析公司合作，我們可以較好地預測已采取的市場營銷措施的效果。為零售貿易客戶在對的時間點、以合理的價格提供合适的商品，這是一個系統性的分析流程。

在貿易方面，基于客戶會員卡資料開展的營銷活動的作用機制與上述已描述的案例情況相差無幾。首先，也是要将可得的交易資料以适當的形式呈現出來，随後将客戶進行分類，再研究出市場營銷類型及相應的算法。然後，将可能的市場營銷類型和産品對應到恰當的客戶分類。這些與營銷措施一一對應的目标客戶名單會給到市場營銷部門，以便市場營銷部門可以準備并實施相應的宣傳和營銷。通過對比實驗組與控制組的市場反應情況，我們獲得了更新的資料分析結果。據此，我們可以知曉已采取的營銷措施帶來的銷售額增量和邊際貢獻，通過投入與産出的對比，我們可以估算出這些營銷措施的ROI（投資回報率）。我們将從這個流程中獲得的認知全部用于優化算法，然後整個流程會重新開始運作。

根據行業和企業的不同，市場營銷類型可能會有所不同。但是，在大部分的貿易企業中，下列基礎做法都産生了一定效果：

☆緊密聯系忠實客戶

☆窮盡購買潛力或擴大購買範圍

☆提高購買頻率

☆交叉銷售

☆減少或防止客戶流失

☆複蘇已流失客戶

☆向上銷售

☆開拓新客戶

☆緊密聯系新客戶（營銷二次或三次購買）

☆持續為客戶提供産品推介

除了采用目标營銷之外，我們還可以在此基礎上采取一系列行動，例如：

☆優化供給鍊（提前識别客戶需求）

☆按不同的客戶類型優化供給管道

☆杜絕欺騙（早期識别欺騙）

☆供應商管理

☆貨品種類管理

一家貿易企業在做出獨自實施上述措施還是與其他企業合作實施的決策時，必須要結合自身情況。麥德龍推廣PayBack積分卡，目的是為了為客戶提供更具吸引力的購物體驗，與此同時掌握更廣闊的客戶資料基礎。但是在麥德龍現購自運（Metro Cash & Carry），所有顧客都持有會員卡，是以客戶資料資訊十分充足。一家在德國和印度都擁有資料科學家和目标營銷團隊的共享服務中心，可以為所有國家提供适合的産品和廣告資訊。為了更好地展現消費品貿易的特點，客戶在德國3C連鎖巨頭Media-Saturn可以試用自帶程式，體驗Shopkick簽到平台應用。

在價格發現過程中，好貨也得便宜

為客戶以最低的價格提供最豐富的購物選擇，這是很多大型賣場成功的訣竅。但是，在網絡時代，它們很難再實作又便宜又好。對于一家在市場上占據領先地位的電子産品銷售商店，這種認識意味着經營模式的轉變。現今，很多商家單純依靠打價格戰，導緻市場競争看似曠日持久。在看待這個問題時，時間信條告訴我們，要掌握尺度。我們要為客戶一如既往地提供具有吸引力的價格，但是同時我們要充分利用價格空間。無論如何，我們不能夠再僅僅依靠降價措施了。此外，門店的負責人需要明白一點，價格政策是談不上保密而言的，給了一個客戶優惠的價格，那麼所有的客戶都會來要求享受同樣的價格。

歐洲某協會研發出一個新型價格系統，并開展了試點應用。這個系統是基于兩個原則建立的：

☆通過與20餘個強勁的市場競争者的價格對比（這些市場競争者大約可以占據70%的市場佔有率），系統可以為客戶提供優于這20餘個競争者的價格。

☆此外，會考慮客戶對不同商品的差異化價格的敏感性。

除了簡潔的原則外，這套系統能夠提供可有效節約經費的IT解決方案，這也是這套系統令人印象深刻之處，這種現象在使用18個月後就可以顯現出來。

采用這種智能資料IT解決方案時，首先要提取所有市場參與者的當日價格資訊，我們可以在價格網站獲得這些資料。系統會分析上個月不同商品的價格敏感性，并且從三個次元界定出我們可以比其他報價人報出的價格高多少，是市場可以接受的。下一步，我們通過與最重要的市場競争者的對比來校準我們的報價，最終為客戶提供最合适的價格。

這套系統已經階段性地成功運作，并且實作了三個關鍵目标：實作了效益提升，實作了内部統一定價，最重要的是，通過定價原則的博弈效果實作了市場穩定。

商品最終的定價不僅取決于産品本身，還需要考慮針對每個消費者的價格政策因素。資料分析服務商So1開展的一個針對食品貿易的有趣項目做到了這一點。這個項目緻力于将優惠活動個性化，這樣做的目的是：

☆提高優惠券的兌付率，即提高優惠活動的效用

☆縮減折扣總額

☆降低不必要的優惠的占比，即有些商品即使不贈送優惠券也會被購買，那就不要再在這些商品上提供優惠

直到現在，還是有些零售商，針對某一項特定商品給予所有消費者相同水準的促銷政策，它們并沒有考慮到每個消費者不同的購買意願因素。這個項目研究的基礎是匿名的會員卡資料，并輔以電話繳費資訊。通過這些資料，我們首先可以識别出市場上匿名消費者對每個商品的支付意願并開展分析，分析結果對客戶促銷措施有長遠的影響。我們通過這些分析結果來确定促銷機制，在這個機制的主導下，一個消費者有可能在他下次到收銀台付款時，收到與其他消費者不同金額的優惠券。這樣做的效果遠遠超出了我們的預期：

☆相對于之前的0.5%，優惠券的兌付率提高至6%。

☆打折幅度的平均水準提升至七折，而之前一般是打五折銷售。

實體網點銷售打敗網絡化銷售

除了管理商品優惠活動之外，還有一個購物應用也非常智能化，它能夠為大型零售商提供雲解決方案。在數字購物助手的幫助下，“SAP（思愛普）精準銷售”将從網際網路營銷中總結出來的産品推介方案引進并應用于實體網點銷售。一般情況下，在客戶剛剛走進賣場時，近場通信技術就會通過智能手機識别出他們，并啟動購物App。這個App還可以作為價格掃描器使用，它會告訴客戶哪個商品有優惠，客戶在選購時無須再三猶豫。當客戶掃描一袋小包裝尿片時，系統會馬上為客戶推薦在售的嬰兒奶瓶。在這個過程中，“精準銷售”動用了商品推介算法，這個算法是基于“一個客戶如果買了這種商品，那麼她有可能還會購買……”的理念。此外，系統還會做到像線上商店的資料庫一樣，對客戶的購物記錄了如指掌。如果賣場針對這個客戶的口袋份額較高，那麼系統可以預測出這個客戶家庭中的嬰兒食品儲備，這種預估是實時的，并且往往具有很高的“命中率”，之後系統會按照預估結論優化它給出的“尿片交叉銷售購物建議”。例如，系統資料記錄這個客戶近來已在别處購買過嬰兒奶瓶了，本次不需要購買，但是嬰兒洗頭水估計快用完了，那麼此時系統就會給這個客戶推送一張自有品牌純天然嬰兒洗髮乳的優惠券。

此外，不僅僅在我們掃描了某種商品之後會觸發購買助手的推介功能，我們接近特定區域的時候，也會收到系統的商品推介資訊。這個所謂的“接近”是以米為機關衡量的，例如當一個客戶走向飲品貨架方向的時候，外面天氣非常熱，此時他喜歡的啤酒品牌正在舉行促銷活動，如果買兩箱新品小麥啤酒就可以享受優惠。客戶在走入一條過道時會收到啤酒促銷的優惠資訊，經由這條過道他将會拐入這個啤酒品牌的貨櫃。

我們必須承認，像上述描述的那種系統，對資料初學企業來說不是小事情，然而對大型零售商來說，也并非全在掌握之中。大型零售商必須具體問題具體分析，評估在技術上實作這種雲解決方案的難易程度，以及如何将這種解決方案與原有的忠誠度管理系統結合起來。在接下來的幾年中，這些IT解決方案提供的功能和效果都會有所提高，并為那些想要在網絡商城崛起的過程中分一杯羹的零售商提供更多數字化選擇。數字購物助手系統通過消費者手中的智能手機，将線上線下連接配接起來，是多管道銷售政策理想的“觸點”，我們會在本書的最後一部分詳細讨論這點。從實體網點零售商的角度來看，最使他們感到興奮的是，網絡化應用借助适地營銷手段，越來越多地轉移至移動終端，第一次為它們提供了對抗傳統線上貿易商的清晰的競争優勢。在賣場的實體網點中，線上和線下銷售的好處迅速結合在一起，這是純線上銷售所不具備的優勢。

如果我們要為實體網點中的客戶提供數字化服務，即打通線上線下銷售之間的連接配接障礙，我們就需要将線上線下銷售的優點結合起來：一方面，我們要能夠提出實時的、定制化的市場營銷方案，另一方面，我們還可以讓客戶直接帶走現貨。

網絡化應用借助适地營銷手段，越來越多地轉移至移動終端，第一次為它們提供了對抗傳統線上貿易商的清晰的競争優勢。

這無疑也是大型電子商務供應商統統都開始進行實體網點業務嘗試的原因。讓實體網點營運商在一個鋼筋水泥的實體商店中去追加網際網路應用，這個工作遠遠比讓一個沒有經驗的線上貿易商去搞一個實體商店容易得多。當人們這樣做的時候，傳統的實體網點營運商就可以憑借自身的優勢打敗線上競争者，行業的智能資料冠軍企業需要自己去發現這個機遇。

在本章的最後，我們要介紹一個在B2C領域按需提供服務的最具說服力的案例。這個案例的有趣之處在于，它來源于一個行業，在這個行業中，基于資料的業務咨詢總是碰壁，并且經常會觸及資料保護問題。這個行業就是零售銀行業。

當一個信用良好且具有償付能力的客戶需要在荷蘭國際直銷銀行（ING-DiBa）的ATM自動櫃員機上支取大量現金時，他的賬戶可能會出現餘額不足的情況。此時，系統會基于他的微觀客戶聚類資訊，為他提供一個消費信用額度，并顯示在ATM機螢幕上。在使用這部分信用額度進行轉賬交易的同時，系統自動記錄賬戶餘額的變化，并在轉賬賬戶項下計結這部分透支額度的利息。通常情況下，ING-DiBa短期盈利能力有限，但在提升客戶長期價值貢獻方面表現卓越。

ING-DiBa緻力于建立長期的客戶關系，是以他們是為了客戶的利益才提供透支服務的。這就是所謂的在對的時間和地點，提供對的服務。

焦點小組調查結果顯示，很多客戶在使用透支時是很有心理負擔的，感覺自己會長期陷入欠債的狀态。相比大多數其他銀行而言，ING-DiBa讓真正有價值的客戶在透支時相信，ING-DiBa緻力于建立長期的客戶關系，是以他們是為了客戶的利益才提供透支服務的。這就是所謂的在對的時間和地點，提供對的服務。

第6章 從貿易夥伴轉變為資料夥伴——通過中介共同提高客戶潛力

一切對抗一切？

誰都不喜歡被威脅。威脅大多源于過分恐懼。恐懼并不是好事情，因為它會影響分析。讓我們打破一次正常，認真開展分析。對生産商、高附加值服務供應商和傳統貿易商來說，最糟糕的景象莫過于：

迄今為止，生産商和貿易商能夠和平共處。雙方都按照自己的方式去搜集客戶資訊。它們之中的一方對市場調研資料感興趣，而另一方，即在市場前沿接觸客戶的一方，更加關注于交易資訊。雙方都在不斷地優化自己的方式，共處的模式也很少出現問題。因為兩方中的任意一方都意識到，以另一方的利益為代價的買賣的成本有時會非常高。但這并不意味着生産商和貿易商之間存在盲目的信任。人們盡可能地保護自身，保護自己的商品和客戶的資訊不被他人知曉，目的是為了防止其他人蠶食自己的業務領域。但是現在，網飛已經非常了解客戶的收看習慣，它已經可以制作出比它的客戶（例如HBO電視網和AMC電視台）更好看的電視劇。蘋果公司已經通過貿易商售出了太多的手機、iPad和電腦了，是以在新産品問世時，蘋果選擇了直銷形式。我們從蘋果公司在iTunes Store上直接為客戶提供數字化服務的銷售思維中，就完全可以體會到這種做法。同樣，谷歌公司為安卓系統也建構了一個這樣的數字化生态系統，亞馬遜公司也建立起了由Fire Phone、Fire-TV和Amazon Prime構成的内部系統，微軟和Spiele提供下載下傳或者線上訂閱的服務，這對貿易商來說可能意味着整塊市場的流失。直至前不久，生産商越過中間貿易商直接接觸終端客戶的行為，才不被認為是管道戰争。在一個多管道的世界中，如果生産商不想令更多的客戶失望，它們别無他選。這種做法不僅僅隻是針對數字化産品，基本上涵蓋了所有産品種類，無論是直銷商品，還是直運商品。

反過來，貿易商在資料的支撐下對客戶的了解越來越多，這在兩方面對（品牌）生産商造成了一定威脅。一方面，貿易商通過給市場提供質優價廉的自有品牌商品，從電腦電源線到狗糧、家用器具、列印機墨盒，再到藥品、食品和紡織品，進一步挖掘了客戶潛力。另一方面，貿易行業的智能資料冠軍企業已經掌握了引導客戶行為的能力，它們可以在市場上制衡直銷生産商。我們在本書的最後一章，會介紹智能資料冠軍企業在這方面采取的最重要的一些措施。

通常情況下，線上貿易商谙熟如何建立與客戶緊密相連的商業模式。那些沒有與亞馬遜合作開展線上貿易折扣和電子書折扣活動的出版商，已經首先感受到了生産商與銷售商之間實力對比不均衡的情況，他們的書品延遲發貨，線上新書推介嚴重減少，并且印刷版次持續萎縮。這種市場格局影響力的變化不僅僅發生在出版行業。稍微大型一些的貿易商知道，用自有品牌商品與名牌産品競争是很艱難的，并且需要投入很高的營銷預算，是以他們會采取将一部分自有品牌産品與其他生産商的名牌商品聯合銷售的方式。當然，他們早就知道，這樣做會讓消費者反應敏感，比如，當我們将一個産品禮包中的一樣聯合利華的商品換成拜爾斯道夫品牌的同質産品，或者反過來做品牌替換時，消費者都會敏銳地發現。

最終是生産商鉗制它的貿易夥伴，還是反過來，貿易商牽制生産商，這取決于誰在資料的支撐下能夠更好地了解客戶，誰能夠基于數字化及多管道生态環境建設，與客戶聯系得更緊密。

數字化的多管道貿易商和純線上貿易商會擠壓數字化競争能力較弱的貿易商的生存空間。與此同時，線上貿易量的占比會繼續增加。最終是生産商鉗制它的貿易夥伴，還是反過來，貿易商牽制生産商，這取決于誰在資料的支撐下能夠更好地了解客戶，誰能夠基于數字化及多管道生态環境建設，與客戶聯系得更緊密。

如同前文已經說過的那樣，我們都不喜歡感受到未來受到威脅。但是這種說法本身就是很沖突的。一方面，這已經不是即将受到威脅的問題，因為我們所描述的情況正在一步步地演化為經濟現實，且不僅僅局限于數字化産品領域。另一方面，在激烈競争的局面下，同時還存在一種經過市場檢驗的、影響巨大的共赢情況，即：

與你的競争對手分享資料，就是在實作利益共赢。

協同型客戶關系管理

早在大約10年前，哈佛大學經濟學家亞曆山大·克拉克勞爾（Alexander Kracklauer）、奎因·米爾斯（Quinn Mills）和迪爾克·塞弗特（Dirk Seifert）就共同提出了協同型客戶關系管理概念（Collaborative Customer Relationship Management，他們還同步出版了同名著作）。從某種程度上看，這個概念具有先知特質，因為它當時就預言了在受資料影響越來越深的經濟環境中，會出現與以往不同的競争局面。我們覺得，協同型客戶關系管理概念在現今也可以尋找到廣泛的現實基礎。

基于上述概念，我們可以總結出三類企業，它們懂得如何智能地利用資料資訊。

☆第一類：包括谷歌、亞馬遜、億貝、貝寶和VISA（維薩）在内的資料巨頭企業。它們憑借自身固有的經營模式，就可以直接掌握到龐大的資料量，他們可以直接将這些資料資訊投入到下一步的經營中去。

☆第二類：我們稱第二類企業為“獨奏者”或者“資料專家”。它們都是某一行業或者某一産品門類的領軍企業，客戶影響力較大，資料現狀非常好。既有的市場格局為這些企業提供了良好的資料基礎，并且單一客戶的利潤貢獻度都很高，是以它們有能力實作客戶忠誠度管理，并借此完成市場定位及資金籌措。這一類型的企業包括大型零售商（沃爾瑪、宜家）、連鎖酒店（喜達屋、希爾頓）和汽車租賃企業（赫茲、安飛士）等。這些企業大多數都是從數年前或者數十年前起，就開始憑借成功的客戶忠誠度管理措施，系統性地收集客戶資料資訊。通過這種方式，它們對行業内市場上的客戶有了深入的了解。但是，它們對跨行業的認知掌握較少。從消費者的角度看，第二類企業中的任何（單獨）一家，大多都不具備必要的規模與吸引力，在激烈的市場利益争奪中存活下來，在面對數字化競争時，大部分也不具備成為行業内一家獨大企業的内部實力。是以，第二類企業中，對客戶忠誠度管理較好的那部分企業，例如航空公司（美國航空、漢莎航空、英國航空），都選擇與第三類企業合作的經營政策。

☆第三類：與資料巨頭企業開展合作的一類企業，已經打造完成了資料合作同盟。它們的智能資料合作夥伴會系統性地與它們分享跨行業的、來自不同價值創造層面的資料資訊。這樣做不僅僅可以幫助他們壓縮投資規模，節約營運成本，還為它們提供了一個在宏觀與微觀層面全面觀察消費者采購與消費行為的機會。有一些資料合作夥伴最終可能會參與到它們的行業中來，或者是着手開始了解它們的行業情況（尤其是星空聯盟和寰宇一家項下的航空公司）。還有一些資料合作夥伴，它們通過與專業化的資料服務商（鄧韓貝或Emnos）合作，或者通過建立其他的資料合作夥伴關系，開發出了一些跨行業的多夥伴聯合模式（例如英國Nectar積分聯盟、德國Payback返利計劃）。

互相分享資料的價值創造能力早已不是新概念。在貿易領域，早在20世紀90年代，一些加入ECR倡議的歐洲工業和貿易企業就已經開始系統性地踐行這一理念。縮略語ECR代表Efficient Consumer Response，即有效客戶反應。在市場飽和狀态的促進下，ECR成員企業實作了傳統的、跨企業的管理流程優化，例如完成了貨闆、産品編碼和物品編号的标準化工作。同時，在多邊資料交換的作用下，成員企業獲得了對選址、産品或品類研發、價格形成和市場營銷手段等更深入的認識。我們可以這樣說，十幾年過去了，基于資料的标準化管理流程運作一直十分良好，但是ECR在激勵客戶和提升客戶忠誠度方面的表現确實欠佳，很多成員企業對此都是很失望的。

ECR和許多其他的企業間資訊互動模式都曾經并且仍然在面臨5個最大的障礙：

☆在誰應該承擔共同投資的哪一部分方面，無法形成一緻意見

☆在整合不同的客戶關系管理系統方面需要投入大量成本（況且這些系統還經常不好用）

☆資料保護方面的顧慮

☆IT系統安全性問題

☆雙方不信任，認為資訊合作夥伴存在未按照約定用途使用資料的可能性，甚至可能将這些資料用于傷害夥伴的利益

任何一個非資料巨頭的企業，在實際審視自身的實力後，若發現自己确實無法成為行業中一家獨大的企業，那麼此時，它就必須尋求與資料巨頭企業聯盟合作。

這些障礙由來已久。在利益面前難以達成一緻和互相間的不信任是人性使然。客戶關系管理系統資料庫技術的進步和雲技術的應用，使這些障礙中的一部分有所弱化。但是現在我們需要更加關注IT系統安全性帶來的風險。相比15年前，有一點的确發生了本質性的改變，那就是共享資料的必要性。在ECR的起步階段，沒有什麼資料巨頭企業，那些所謂的“獨奏者”企業也剛剛開始進行資訊積累。而今的情況是，任何一個非資料巨頭的企業，在實際審視自身的實力後，若發現自己确實無法成為行業中一家獨大的企業，那麼此時，它就必須尋求與資料巨頭企業聯盟合作。換句話說就是，它必須馬上成為團隊合作型企業。在整個市場中，第一類和第二類企業最終都會發展成為第三類企業。

在尋找潛在資料合作夥伴的過程中，以下建議可能會有幫助：

☆分析自身企業的價值鍊。在已經與其他企業開展直接或者間接合作的企業中，哪些掌握了對自身企業業務有價值的資訊？這種方法尤其适合高價值或者高利潤商品的多級貿易，因為價值鍊中的所有參與者在面對産品銷售時，所追求的利益都是一緻的。

☆關注一些行業，這個行業中的企業，與自身企業有着共同的目标客戶群體，但是兩個企業又不發生直接的競争。比如航空公司之間的資訊夥伴關系，租車公司與連鎖酒店間的資訊夥伴關系等。或者，往小了說，一定區域内的化妝品沙龍與康體中心之間也可以建立這種資訊夥伴關系。

☆分析重要的資訊是在哪裡産生的，在哪裡存儲的。消費者在哪些企業那裡遺留下了資訊，而這些企業恰巧又能為自身企業提供技術和資料？這些資料提供企業掌握的資訊能否有效地補充自身企業的資料庫，并輔助自身企業進行資料分析，這些企業是否會對新的商業模式感興趣？大型電信企業或者支付結算企業（VISA或貝寶）都有可能是資訊提供企業。

☆有哪些既存的系統或者服務可以直接利用？除了大型的資料服務商，如鄧韓貝、飛常裡程彙或者Payback外，還有一些小型的專業化服務商，它們能夠收集和分析推廣促銷措施的有關資料。

瑞士法典

除了多夥伴聯合模式之外，我們還可以從很多年前某大型IT供應商的一個有關列印機墨盒的項目中總結出一些經驗，并應用于實際工作。我們先簡要回顧一下這個項目的情況：

事情需要追溯到大約10年前。在經曆了一段長時間、持續的高利潤增長之後，列印機墨盒生産企業遭遇了市場飽和及客戶對價格越發敏感等情況。那時（可能現在也是），列印機墨盒産品需要經過多層級分銷商實作銷售，是以生産商根本無法掌握終端客戶的情況，例如誰在購買、買了哪種型号、購買頻率是什麼、促進購買的因素是什麼、通過哪些管道購買等情況。生産商通過客戶份額占比分析也不太可能識别出哪些是可能流失掉的客戶群體。生産商的産品宣傳往往缺乏針對性和精準性。在這種情形下，生産商選擇了向貿易商支付廣告資訊費的方式，用于購買貿易經銷商掌握的市場資料資訊。生産商這樣做，需要支出的廣告資訊費規模往往高達成百上千萬，但是它們卻并不能有效評價這種行為的效果。生産商購買這些資訊的目的，是為了能夠提出全方位适應市場需要的營銷措施，這可以算是ECR協定的一種反向應用。這種做法對貿易經銷商來說，好處是顯而易見的，它們可以在其銷售管道範圍内免費享受這些廣告宣傳帶來的銷售量的增加。但是，這種做法對貿易經銷商來說，也存在一種潛在的風險隐患。生産商有可能會利用這些購得的客戶資訊，繞過貿易經銷商，直接對客戶進行銷售；也可能通過不給經銷商提供某些特定商品，進而逐漸建立這些特定商品的直營業務。目前這種直營業務規模尚小，但增長率卻很高。為了解決生産商與貿易商在交換資訊過程中互相不信任的困局，項目參與者提出了一個名為“Code Switzerland”（瑞士法典）的解決方案，即在資訊互動機制中，引入一個中立的中間商。

首先，将貿易經銷商提供的客戶資訊進行假名化處理，然後将這些假名客戶資訊傳至獨立的分析中心進行彙總。這個獨立的第三方按照智能資料流程步驟将所有可得的資料進行聚類分析。根據聚類分析結果，生産商就可以針對每個聚類或每個客戶群組開展相應的宣傳營銷措施，目的是提升客戶份額占比或防止存量客戶流失。生産商可以編寫一個營銷手冊，這個營銷手冊是一份跨行業、普遍性的市場營銷材料，裡面收錄了生産商全部的營銷計劃和方案。

在這個過程中，生産商需要保持透明化作業，要與經銷商共同商定市場營銷的措施和實施範圍。第三方資料分析公司本身也有系統化的市場營銷政策制定工具，它們也會相應地提出戰略性的營銷和銷售方案，這些方案會對生産商提出的營銷計劃提供輔助和調整。這樣一來，生産商濫用資料的情況就被有效規避了。

生産商與貿易商之間的互信是随着“瑞士法典”獲得成功逐漸建立起來的。大約在2005年前後，幾個貿易經銷商首先試水“瑞士法典”模式。一年之後，就有大約12家貿易企業加入了這個模式。5年之後，規模發展至幾百家，涵蓋了歐洲、地中海東部沿岸地區、非洲、亞洲和美洲的全部大型貿易商，累計貿易額高達數十億美元。

在“瑞士法典”實施過程中，我們會通過控制組實驗不斷調整方案，并且為方案加入一些與時俱進的元素。這種模式為生産商和貿易商雙方帶來了上億美元的業務增長，對于生産商而言，這種模式下的市場營銷措施為其帶來了前所未有的、高達15%~20%左右的客戶激活率，營銷投資回報率約為700%。通過采用這種模式，我們實作了對存量客戶群體的首次全面“掃描”，并可基于掃描結果，量化評價市場營銷措施的有效性和影響程度，而不再是僅僅停留在感性評價或者粗略估計營銷效果的層面。最終，生産商和貿易經銷商之間共享的就不僅僅是資料了，它們會一同驚喜地發現，通過值得信賴的效果評價和随之而來的營銷費用智能管理，竟然産生了這樣大的改變。

假名的力量

在沿價值創造鍊條分享資料的過程中，以下因素是成功要素：

☆作為方案的發起者（一般是生産商），如果想促進方案的實施，就要首先着手建立互信的基礎。通常情況下，先期的費用需要生産商支付。

☆緻力于分析這些假名資料的中間服務商需要協助企業建立這種互信。此外，在方案實施過程中，還需要解決一系列資料保護方面的問題。（在下一個案例中，我們再詳細介紹這一點。）

☆資料分享方案需要有明确的目标和清晰的原則支撐：要提前規定清楚，誰可以利用哪些資料并做什麼。所有的參與企業都需要明白一點，那就是任何聯盟在開始階段都是十分脆弱的。經驗告訴我們，如果聯盟中有一個人不守規矩，那麼整個聯盟就有可能解體，若是此時還想設法拯救聯盟不緻解體，那麼就需要付出極高的代價。

☆企業的股東們總是要求完美和嚴謹的項目管理。但是他們卻總是忽略一點，那就是好的項目管理需要相應的資源來支撐。

☆高度的透明化才能促進和保證大家對整個項目的充分信任，要定期召開項目進度溝通會，不要使會議流于形式。

形成企業間的資料分享夥伴關系的價值是顯而易見的。很多線上貿易企業甚至對此給予高度評價，認為這種做法已經突破了企業間的界限。例如，Rocket Internet公司為其所有的線上商戶建立了一個共同的客戶資料庫，使所有的線上商店都形成了資料分享夥伴關系，并将這項服務作為公司與其線上商戶客戶商務合同的一部分。通過這種方式，公司所有的線上商店都共享同樣的資料，并且可以獲得來自兄弟企業的客戶資訊。今後，這種有組織的資料合作形式肯定還會延伸到其他行業中的企業。這種推廣的前提是，從一個企業中獲得的客戶資料分析結果對另一個企業來說也同樣具有很高的利用價值。線上貿易商間的資料分享就能夠實作這樣的效果，未來也會有越來越多的行業是這樣。

然而目前，我們在許多行業内發現了相反的情況。一個由一名股東控制的企業集團，它旗下所有不同的子公司都在為同一群客戶服務，但是卻沒有一家子公司能搞清楚，到底哪些客戶是在哪家子公司購買的商品。相應地，也沒有任何一家公司去嘗試，與其他子公司一起去提高客戶價值。之前，每一次打算要在這個方向上有所建樹的想法都因怕遭遇IT問題或者是對資料保護方面的擔憂而被扼殺在搖籃中。針對這種現象，與上述案例中描述的列印機墨盒生産商和銷售商類似的企業需要認識到：

法律上獨立的資料分析服務供應商應該且能夠受托對假名客戶資料進行處理，進而形成普遍性的客戶聚類分析結果，随後将這些重要的市場認知資訊回報給委托企業。在企業集團内部，我們應該允許相對便利地使用這些所謂的檢索資訊，比如名字，還包括頭銜、位址、行業、工作關系和生日。我們在使用這些資訊時，應該時刻意識到這些資訊的附加意義，它們很可能就是聚類資訊分類标簽！

我們可以從一個大型金融服務企業集團的一份可行性研究中，了解到這種形式的資料共享帶來的增值究竟有多巨大。為了規避這個過程中可能存在的法律風險，這家金融服務集團首先委托一家結算所将這些來自金融同業的客戶資訊進行了假名化處理，這些資料包括了來自私人銀行、多家保險公司、建房互助儲金信貸社和投資集團的客戶資訊。之後，這家結算所将經假名處理過的客戶資訊回報給了這家金融服務集團。随後，這家金融服務集團将這些帶有客戶ID的假名客戶資訊轉交給了所謂的資料分析中心，由分析中心基于全部資料進行客戶聚類分析。随後便産生了約300個小的客戶聚類，這些聚類在客戶具體和長期需求方面有很強的指導性，并且聚類之間存在管道相似性。分析中心将每一個客戶都歸入一個聚類中，後将聚類分析結果回報給參與項目的金融同業。正如前文描述的一樣，這個項目的高潮即将到來：如果回報的資訊中僅包含單一客戶的一些檢索資訊，那麼這時，收到資訊的金融同業首先要對自己的客戶進行“去假名”處理。此外，分析中心還能夠對純匿名資訊進行多樣化的分析。

客戶資訊共享可以幫助我們實作：

☆與每一家子公司單獨掌握資料相比，客戶資訊共享可以讓我們獲得更準确的聚類分析結果，更好地了解客戶需求。

☆每一家子公司都可以利用聚類分析結果滿足自己客戶的需求。

☆分析中心輸出的普适性認知結論首先應該被用于細化自身的客戶聚類分析結果，或者優化産品組合。不要把這些資訊直接用于單一客戶層面。市場營銷人員面對這種一般性分析結論時是大有可為的，很可能在某個客戶聚類中就有廣泛的按揭貸款需求。

清算所流程

☆清算所獲得了帶有假名标記或客戶編碼的檢索資訊，并且将這些資訊與存量客戶進行反複比對。随後，為每個客戶指派一個ID，除此之外不進行任何操作。清算所将這些處理過的檢索資訊回報給企業集團。

☆企業集團将這些重要的假名化資訊轉交給獨立的資料分析中心。

☆資料分析中心從清算所獲得資料密鑰（ID=假名标記），這是進行存量客戶分析的基礎。企業集團隻需要知道這些客戶是企業集團的，但不需要知道這些客戶具體來自哪個子公司。

☆分析中心基于全部資料進行聚類分析，并向企業集團回報每個假名标記的聚類特征。

對于智能資料冠軍企業來說，持續性地與他人共享資料資訊隻是實作自身數字化轉型的重要的第一步。下一步，這些企業需要考慮，是否應該為了尋求以客戶為中心的、基于資料的商業模式，而去擴大既存商業模式的邊界？我們要不要考慮建立一個娛樂社群，而不僅僅是售賣娛樂電器？我們是不是考慮研發一下便利店的售貨系統，而不僅僅是停留在為便利店供貨？在為飯店供應食材的同時，還可以考慮營運一個餐廳訂位平台。以這種方式去拓展商業模式會獲得較好的協同效應，對相關市場情況有一定掌握，有助于直接開辟新的銷售市場，伴随着銷售額的增長，企業價值不斷提升，可以更好地獲得資本市場的認可。

雙重選擇性加入？是的！

此時，提出一個具有限制性的提示是很有必要的，即獲得客戶明确的允許，這是與其他公司頻繁互動客戶資訊的根本性前提。資料保護者對此的要求還要更高，他們認為，在與其他公司共享客戶資訊之前，必須獲得客戶有意識的認可，并且使用客戶資訊的公司必須與其他公司建立明确的資料合作關系，不能夠容忍與本不想開展合作的公司共享客戶資料，或者與根本不知名的公司共享客戶資料資訊的情況出現。我們認為這種限制是合理并且正确的。

客戶資料資訊的所有權在客戶。隻有在客戶允許的情況下，公司才能夠使用。

客戶資料資訊的所有權在客戶。隻有在客戶允許的情況下，公司才能夠使用。

企業需要努力獲得使用客戶資料資訊的權利。也可以這樣表述，企業需要通過自身的努力，例如增加資訊使用活動的透明度、為包括客戶在内的參與者創造更大增值等，去赢得客戶的認可，進而允許其使用自身的資料資訊。我們稱這一行為為“赢得資料”（Earned Data），這跟目前在市場上獲得了廣泛關注的“赢得媒體”有些相似。我們會在本書的最後一章再詳細地介紹這一概念和理念，此處對資料分享的原則就先介紹這麼多。

智能資料冠軍企業對資料合作夥伴這一概念的了解，不僅僅停留在企業與客戶之間的一紙協定層面。公司需要為客戶帶來更好的服務體驗、更專業的咨詢服務和更優質的産品。

如果企業真正能夠做到這樣，那麼會有越來越多的客戶樂于與企業建立資料合作夥伴關系。到那時，客戶這樣做，就不再是因為接收到了要求同意共享客戶資料的操作指南而不過腦地點了幾下确認鍵了。

這種規避資料假名化處理的行為是合法的。隻要企業能夠做到始終維護客戶利益，并且緻力于維護長期客戶關系，那麼即便是極其複雜的德國資料保護法律也許可這種行為。隻要企業能夠堅持這樣做，而不僅僅是口頭上說說，那麼客戶就不會要求對資訊進行假名化處理，同意在使用資訊時不隐去真名，這樣可以讓企業更好地了解客戶的需求。此時客戶會樂于并有意識地點選“選擇性加入”按鈕，共享自身資訊。

第7章 智能優化選址、産品線和産品

“錯誤的旗杆”

如果是一些基礎性的因素，比如網點選址、産品線或者産品，不能夠與客戶需求相适應，那麼就算産品再智能、合作夥伴再優秀，也無濟于事。遺憾的是，我們總是會以南轅北轍的标準來衡量這些因素。

網點選址十分重要。在決策過程中，應該遵循一定的邏輯，并聽取多方意見，尤其是在貿易領域。然而在現實中，很多選址決策是基于決策者自身的主觀邏輯的，并不是基于客觀因素。我們也可以這樣說，在規劃和優化選址的決策過程中，實踐情況與邏輯理論偏離甚遠。

事實上，用于驗證選址是否合理的統計學方法早就存在，并且經過了實踐的檢驗。從本質上看，這種方法并不特别複雜，而且在過去的10年中沒有發生太多根本性變化。在做出選址決策前，一般來說，我們要分析購買潛力、核心目标客戶的行動路線以及步道的使用頻率等。這樣分析的結果往往是，我們會讓一個新規劃的建築市場直接毗鄰其區域内最強勁的競争對手，比如選址在一個擁有相似産品線的家具市場的正對面，未來可能還會為這些同一競争領域的商家配套加油站等設施。

針對區位選擇的聚類分析造成了德國批發零售行業紮堆的現象，具有直接競争關系的企業挨得很近，并且貿易模式也很相似。一位選址戰略家認為，導緻這種“紮堆”現象的原因是“旗杆效應”。有時候，樹立這根旗杆意義非凡，它可以是一種優越性的象征。在貿易領域，我們提到“旗杆效應”時，往往會引發資料使用中的了解誤區。當一個看起來非常具有吸引力的選址進入我們的視野時，我們總是會産生一種念頭，我們一定要把新址定在這裡。這樣做是有原因的，因為這個地點享有很高的關注度，并且與其他地方互通友善，是以具有戰略性價值。這些選址之是以能夠獲得我們的關注，也常常是因為重要的競争對手已經在此處建立了一個網點，且這個網點多年來經營得很成功。

但是，絕大部分批發企業在網點發展過程中并沒有孕育出一種戰略去指導不同地區、不同經營模式的網點，憑借它們的産品去比對客戶多元化的需求。一般情況下，我們會嘗試去建立一個新網點，然後利用在其他地區業已成熟的經營模式，去滿足客戶既存的（有宏觀市場調研資料支撐的）需求。不同地點的網點間差異巨大，顯見的包括網點大小、場地結構以及産品線等因素，大部分并未被考慮在内。在本書的第二部分，在談到客戶旅程的時候，我們已經提及這一點了。網點負責人的任務就是，利用成功的經營模式，去滿足具有區域特色的客戶需求。但是令人着急的是，隻有要在做出選址和經營模式選擇的決策時，企業才會想要去分析具有區域差别化的客戶需求對選址政策的影響。這絕對是一個決定性錯誤。大型的貿易連鎖企業必須馬上着手研究針對不同市場的經營政策。智能資料冠軍企業也應該從客戶角度出發，持續地考慮選址決策的問題。理想的情況應該是這樣的：

☆第一步：首先要了解市場，把客戶進行分類并排出優先級，然後針對不同類别的客戶提出差異化的經營政策。在此過程中，需要注意客戶旅程情況，并且明确定義出網點經營模式的角色作用。

☆第二步：确定我們在網點選址過程中需要怎樣權衡哪些标準。

☆第三步：開放性地研究客戶的購買潛力。借助于捷孚凱（GfK）和尼爾森市場研究公司資料庫中的郵政編碼資訊來研究，會相對容易一些。

☆第四步：将差異化的客戶購買潛力情況與自身選址、最重要競争者的選址情況進行比較，發現市場空白點。

☆第五步：系統化地評估潛力區域内的客戶需求，評估有市場研究資料支撐的網點，評估既存的、有相似客戶潛力的網點的交易資料。

☆第六步：到這步，我們才開始去尋找具體的選址。雖然存在例外情況，但在一般情況下，我們要避免與強勁競争者挨得太近。如果實體距離太近，那麼就要經受考驗，與已經“樹起旗杆”的競争者相比，我們是不是能夠以一種全新的貿易模式去更好地滿足客戶需求。

☆第七步：利用可掌握的全部資料源，詳細地分析網點的微觀環境，比如，利用谷歌地圖系統性地檢測購物高峰期的交通情況。基于證據的決策是主觀态度的前提。

☆第八步：參考差異化的選擇标準，确定正确的選址和經營模式。

如果此時有人覺得這樣做很乏味，甯願借助智能手機資料去做大資料客流研究，我們覺得這也是可以的，但前提是掌握了相應的技術手段。其他人最好還是優先考慮一下上述智能資料解決方案。

美國沃爾格林公司借助Excel實作選址優化

每一個網點都具有區域特性，尤其是藥品銷售網點。擁有近7000個銷售網點的美國藥品銷售連鎖企業沃爾格林公司，在多年前采用了一種獨特的方式，對客戶的購買資料與住址資訊進行了比對研究。結果發現，最大購買距離是兩英裡！住址距離一個網點超過兩英裡的客戶就基本不會去這個網點買藥了。基于這種資料研究結果，沃爾格林公司的企業戰略人員可以發現前文提到過的網點發展過程中的市場空白點，也可以發現網點量供過于求的情況。另一方面，研究結論更容易轉化為實踐，即企業負責人可以更好地去優化在每個網點投入的廣告宣傳預算。

沃爾格林公司主要通過在報紙上安插宣傳折頁進行廣告宣傳，這些廣告折頁會随報紙被分發到全國所有有郵政編碼覆寫的區域。研究人員利用Excel彙總資料資訊，識别出哪些郵政編碼覆寫區域與最近的藥品銷售網點間的距離大于兩英裡。随後，這些區域的廣告宣傳預算将被取消。沃爾格林公司通過這種方法，累計節省了500萬美元的費用支出，但銷售額卻絲毫沒有受到影響。

在正确的地點采用正确的銷售模式

在下一章我們會看到，資料是如何使多管道貿易成為可能并促進其發展的。在此處我們先重點強調，在不同的銷售模式下，在與客戶直接接觸的過程中滿足客戶需求的能力，是在大多數行業和商業領域建立多管道戰略的前提。迄今為止，尤其是在貿易領域，這一點被強烈地忽視了，是以這反而為我們提供了機遇，使我們有可能在激烈的市場變革中占據競争優勢。在貿易領域，大型的連鎖企業可以通過上面八個步驟很清晰地識别出哪些選址對全産品線網點來說是合适的，哪些客戶需要購買受監管類藥物，哪些位置适合設立快閃店，以及哪些地區的居民喜歡在下班的路上順便開車去便利店買東西。獲得這些認知不僅僅對建立新網點有幫助，對優化現存網點網絡也有益處。

在不同的銷售模式下，在與客戶直接接觸的過程中滿足客戶需求的能力，是在大多數行業和商業領域建立多管道戰略的前提。

當然，這也不僅僅适用于分銷貿易，對B2B貿易也起作用。在B2B領域，有時更容易發掘這些認知的應用潛力，就比如我們在前文提到的一個智能資料項目中，優化一個中型家裝服務供應商的外勤資源那個案例一樣。

“二戰”之後，在德國經濟奇迹那些年，德國企業經曆了持續性的高速增長，幾乎沒有經曆經濟蕭條的階段。在這期間，這些企業的分支機構網絡也得到了生機勃勃的發展，但那時的發展主要是憑“直覺”。

借助郵政編碼和交易資料資訊，在分析客戶需求的時候考慮到區域差别化的因素，這種方式與之前的市場滲透截然不同。在一些地區，外勤人數過多，但産生的經濟效益少。而在另一些區域，外勤人數又與客戶需求潛力不符，不能滿足市場競争的需要。在資料的支撐下分析外勤人員到客戶處去的實際路程時間，我們會發現，其實是外勤營銷區域的劃分有問題。在直線距離規劃和路程規劃的輔助下，我們可以優化外勤人員的路程選擇。通過重新劃分外勤營銷區域，外勤人員整體的工作飽和度在原基礎上可提高20%，人均工作飽和度範圍從之前的60%~120%調整為基本每個外勤人員都可達到95%。

如果我們把資料在圖表中進行可視化疊加，我們可以直覺地總結出很多有意義的功能整合措施。加上一點兒對路程資料的統計學分析，我們很快就可以得到新的區域劃分方案，并重新進行資源配置。不需要關閉任何一個網點，也不用裁減雇員。此外，這也是一個長期的轉型方案，企業可以在後續逐漸實踐。

無論是設計建設新的網點，還是從根本上重新規劃既存網點，都是一項長期的工作，遠比在紙面上基于資料提出的優化方案要複雜。如果親身參與到這項工作中就會發現，在實施過程中存在很多的限制和困難，比如投資額巨大、可支配用地面積有限、審批障礙重重、施工制度限制、長期租賃合同僚宜、勞務法律制度要求、不同網點間員工的抵制情緒等。資料隻能夠輔助我們做出關于網點發展的正确決策，并協助我們通過實驗項目獲得關于網點具體設計應用于實踐的認知。在跨越實踐中的種種障礙上，資料能做的十分有限。但是，在優化産品線方面，資料能發揮的作用就很大了。在促進供求關系協調并符合區域性特征方面，資料是必不可少的，在某些情況下，我們甚至需要實時資料來監控供求關系平衡問題。

實時優化産品線

當美國氣象台預測佛羅裡達州将有飓風時，不僅僅是當地的救災組織做好了應急準備，當地的沃爾瑪超市也備足了食品，以應對客戶購買需求的變化。超市會立即向恐受災地區派出貨運卡車，這些卡車負責向災區輸送物資商品，如桶裝水、壓縮液化氣筒、煤油燈、保存期限較長的牛奶制品、烤面包幹等。還有一種家樂氏公司的名叫Poptarts的華夫餅，甜甜的，質地有些黏稠，很多在嬰兒潮年代出生的人小時候經常吃這種華夫餅，它會讓人回憶起兒時和諧安甯的生活，是以在面臨危險的環境下，人們似乎特别愛買這種華夫餅。

沃爾瑪在掌握貿易客戶資料資訊方面幾乎可以與亞馬遜比肩，算是世界上數一數二的公司，同時，沃爾瑪也是世界上為數不多的真正實踐大資料應用的公司之一，在資料應用領域已經取得了極大的競争優勢。一場飓風的來臨，隻能算是持續優化産品線過程中的一個顯性極端事件。沃爾瑪公司能夠做到實時監測某一地區多變的天氣資料，并能夠将監測結果與産品銷售資料關聯分析，随後會将分析結果應用于産品供應及定價決策中。憑借此種做法，一方面，沃爾瑪公司具備了極其靈活的物流配送能力，成為20年來最具市場分析能力的市場競争者之一；另一方面，沃爾瑪公司的倉儲成本顯著降低。

現階段，幾乎在所有的大型歐洲貿易企業的貿易研究項目中，都能發現一個基本的訴求，那就是盡快掌握像美國貿易企業那樣的數字化競争實力，并用盡可能短的時間，優化自身的産品線，以滿足變化了的市場需求。樹立這樣的項目目标是有原因的：

智能地優化産品線，能夠使我們在資料的輔助下，更好地對标客戶需求，提高客戶價值，與此同時，還可以優化庫存、降低成本、提高市場營銷有效性。

然而，一件事情的結果，往往不如人們預想的那麼好，在這件事情上也是這樣。如果我們想系統性地優化産品線，成功與否在很大程度上取決于銷售和市場研究資料。試點市場和實驗室資料顯示，由于市場競争情況的不同，實際的優化結果差異較大。在産品線确實存在優化空間的前提下，地區性的結果差異往往跟市場或企業上司者的經驗和市場直覺有關。如果一家貿易企業能夠将沃爾瑪公司視為自身數字化競争力的榜樣，那自然是好的。但不是每一家企業都能夠做到像沃爾瑪公司那樣，通過系統性地分析交易資料和市場潛力資料，及時（最少按周）調整區域産品種類，（最少每日）調整産品定價，使供求相比對，同時還能夠重點關注某一産品門類的情況。

智能資料冠軍企業通過以下5個步驟，獲得優化産品線的能力：

1.系統性分析購物車資訊；

2.獲得靈活調整産品供給和産品定價的能力，并且能夠衡量調整結果；

3.關聯産品門類資料，以便于進一步優化産品線；

4.縮短使産品供給與産品定價互相比對的時間（從按周到逐日，再到實時調整）；

5.基于上述4個步驟的經驗，建構一套基于資料的，對其他市場、工廠、企業等領域具有推廣性的優化流程。

如果連鎖商店能夠堅持品牌定位管理，那麼對商品門類和産品種類的細分将取得成效。

産品種類、産品定價細化的作用是有限的，這并不難了解。是以，尤其是連鎖商店，還應該關注網點品牌定位的問題。如果一家位于柏林或慕尼黑的網點，在箱包區出售日默瓦行李箱，但是哈根和吉森市内的網點，卻在售賣不知名品牌的行李箱，那麼對消費者而言，這家連鎖商店的品牌定位将日漸模糊。

采用不同的形式去強化産品細分，這對大多數貿易企業來說都有好處，我們在這一點上是有共識的。如果連鎖商店能夠堅持品牌定位管理，那麼對商品門類和産品種類的細分将取得成效。再以一家大型食品商店為例，這家商店對它的客戶群體以及客戶需求進行了持續性的細化分析，然後這家商店将可實作根據不同網點主要客戶群體類型，将每家分支網點進行功能定位，将網點分為日常網點、中等網點和高檔網點三類。然而，這隻是第一步。

根據不同的行業，采取不同的細化形式，這是十分有必要的，因為不同行業的網點，其功能可能是截然不同的。銀行網點就是一個很好的例子，汽車行網點也是。以前，人們在買某一輛車之前，平均要去車行逛4次，而現在，車主基本上去一次車行，就能決定是否購買。通過産品配置軟體、網絡浏覽和汽車行的官網查詢産品資訊，這個過程在“客戶旅程”中占比越來越大。顯而易見，從客戶的角度出發，汽車行的功能定位發生了根本性變化。其實，早在一二十年前，汽車生産商就意識到了實體網點功能定位的問題。當時，幾乎所有的生産商都在考慮多銷售管道戰略并賦予實體網點新的功能定位。但是當時，我們對“到底哪種實體網點定位才是符合未來發展趨勢”的認識還很少。從汽車生産商和銷售商的角度，謀求實體汽車行網點的替代性轉型，仍然需要嘗試和探索。

所有智能資料解決方案都需要遵循的一個根本原則是，要處理好投入與産出的關系，這也同樣适用于上文提到的方法和措施。在實際工作中，要想處理好投入與産出的關系，能夠衡量和量化産出是大前提。此時，基于資料的産品線優化就顯得十分必要了，因為隻有基于産品優化細分，我們才能夠為解決方案的每個階段設計合适的對照組試驗，進而才能夠從根本上推動轉型。

DDI，這三個字母在全世界數字化複興時期獲得了廣泛關注。DDI是Data Driven Innovation的縮寫，即資料驅動創新。在了解或者介紹資料驅動創新這個概念時，人們往往會提到其帶來的破壞性影響。我們承認資料的破壞性影響力，并且在《我們的資料》一書中較長的描述了數字能夠産生破壞性影響力的原因。與此同時，我們也相信，改變人們對資料影響力的看法隻是時間的問題，人們會意識到，在某些領域使用某些資料，将會給世界帶來改觀，将對企業及其市場、銷售部門産生積極影響。隻是現在，人們還熱衷于關注資料驅動創新帶來的破壞性的威脅，而不是進步。

資料驅動創新可分為三個層面：

1.數字化技術創造全新的産品和服務；

2.在資料的支撐下，将會孕育出前所未有的商業模式；

3.在資料的輔助下，通過反複的對照組試驗，逐漸優化既存的産品、服務和流程。

在與企業家交流的過程中我們發現，大多數企業決策者都對前兩個層面極其感興趣，而對第三個層面關注太少。一家德國汽車生産企業不斷地思考，如何能夠生産出無人駕駛汽車，這自然是有意義的。同樣，保險公司的産品研發部門去考慮，在汽車司機可以通過地理資料伺服器将他們駕駛車輛的資訊和行車資訊實時地發送給保險公司的情況下（即使現在還做不到這樣），是否可以研發出一個新的個人保險險種，這也是有必要的。

然而，智能資料冠軍企業往往會從第三個層面着手，并且在流程長效優化方面傾注最多的資源。例如下列四項智能産品創新案例：

☆一家大型的運動鞋生産企業引導其客戶使用個人跑步App。通過研究App使用資料以及特定款式鞋類的銷售資料發現，購買某一款頂級跑鞋的消費者，在使用跑鞋方面存在極大差異。基于此種認識，這家企業改變了這款跑鞋的産品定位，将購買這款跑鞋定義為健康生活方式的象征，并且針對特定的消費群體展開了相應的廣告宣傳。通過這種方式，這家企業促使特定消費群體的生活方式更加健康，另外，通過改變産品定位和市場宣傳這兩種手段，企業的營業額獲得了大幅提升。

☆有一家德國大型家用電器生産企業，對自身産品在東歐地區的銷售表現不滿意。于是，這家企業盡可能搜集了自己和競争對手産品的市場、價格以及産品特征等資料。這些資料一部分來自資料庫，另一部分由一家專業的産品标準管理組織提供。通過資料分析發現，在對産品購買決策影響較大的産品特征方面，東歐和西歐地區是截然不同的，差異之大遠超這家德國生産商的想象。在認識和把握這種差異性方面，亞洲的競争者似乎表現得更好，或是有更好的資料資訊支撐。比如，一個藍色的、黃油塊兒大小的LED（發光二極管）燈泡，俄羅斯的消費者就會願意多付出50歐元去購買。一個小小的産品特征改良，可能就足以提高産品在客戶心中的價值表現。

☆對一家電信供應商來說，消費者最關心的産品特征就是，手機信号的接收品質是否良好。可惜的是，建造和營運通信網絡的成本，偏偏是這個行業最大的成本支出科目。一家阿拉伯地區的通信網絡供應商在早年便面臨市場挑戰，網絡傳輸能力的建設跟不上快速增長的市場需求。這個問題使這家通信網絡供應商面臨客戶因不滿意通信品質而加速流失的風險。是以當時，這家通信網絡供應商的決策層在建設和營運網絡方面追加了數十億美元的投資。如果這個案例發生在一個智能資料項目中，我們會建議這家企業的決策層首先去差别化地關注一下區域客戶潛力，然後參考每個通信基站覆寫區域内的客戶價值貢獻，以及服務滿意度尚高的客戶群體的追加銷售潛力，再來規劃網絡擴建的進度。這樣做的話，隻需要利用海杜普（Hadoop）軟體就可以提取分析互動資料，成本支出可能也就5位數。相比數十億美元的追加投資來說，豈止是合算可以形容的。

☆“Emmas Enkel”是小型便利店的疊代産物，即那種新式的、很小規模的、根植于當地消費需求的零售店鋪。這些店鋪要從8萬多件商品中挑選出幾千件适合于地區銷售的商品，僅依靠直覺恐怕是不行了。現在，它們持續性地關注并利用銷售資料，進而做到使所售商品與服務的小區域内不斷變化的市場需求相比對。

第8章 多管道到底是什麼意思——為客戶和企業提供最好的“客戶旅程”

我們先來關注貿易領域。人人都在說“多管道”，但是站在客戶的視角，到底什麼才是“多管道”？有可能是這樣的：

人人都在說“多管道”，但是站在客戶的視角，到底什麼才是“多管道”？

我下午窩在沙發上，用筆記本電腦購物，我發現了一雙黑色的鞋，特别喜歡。我用谷歌搜尋發現，這雙鞋在一家連鎖百貨商店在售，而這家商店正是我平時經常光顧的。在我下次去這家百貨商店逛街的時候，我特意走到了賣這雙鞋的櫃台，并試穿了這雙鞋。這雙鞋很舒适，但是适合我的尺碼的隻有棕色了。我在櫃台看了同款黑色的樣子，但是是别的尺碼。之後我請商店調貨，并于第二天将黑色的、适合我穿的尺碼的鞋配送到我家。我知道，即便這樣，如果我認為有必要，我也可以選擇退貨或者去櫃台再換成棕色的那雙。但我并沒有那樣做。買到的這雙鞋跟在櫃台試穿的那雙一樣舒适，我下午就穿着新鞋出門了。潛意識中，這次購物體驗給我留下了良好的印象，我獲得了優質的服務。這種印象很有可能驅使我在下次購物時，還是窩在沙發上上網，并直接進入這家連鎖商店的線上官方網站。反正我已經有這家商店官網的登入名了，是在上次這家商店為我提供物流配送服務時直接生成的。

實體網點、數字化資訊和銷售管道的協同配合是未來的發展趨勢，這在當今貿易領域已達成共識。線上銷售促進線下銷售，反之亦然。在實體網點可接入線上官網和購物App。大型電商也在對實體店進行研究，Zalando走訪了周邊地區的大型直銷商店，億貝協同麥德龍集團對一家創意商店開展了研究，在這家商店裡，包括貝寶支付功能在内的手機應用被智能化整合使用。亞馬遜則走訪了一些昂貴地段的中型實體店，其中有一家紐約的實體店恰好坐落在帝國大廈的正對面。在對實體店的研究過程中，很難不提到蘋果公司實體店成功營運的例子，這個案例被視為數字化産品世界中的豐碑。

多管道發展——内外有别

智能化地組織并發展企業的多管道戰略是一項大工程。完成這個工程的難度在于，在某種程度上看，客戶和企業對結果的要求是沖突的。企業希望将多種管道整合起來，讓客戶覺得各種管道形成了一個有機整體。但是企業在管理各種管道時，卻需要視每種管道的特性，分别采取不同的營運模式。簡而言之就是：

對外，需使多種管道無縫連結、發揮作用；對内，需對各種管道實行差别化管理。

隻有通過嘗試，才能夠發現未來發展之路。從自身或者競争對手的每一次嘗試中，我們都能有所收獲。去年針對貿易領域的一項研究顯示，在有些企業中，對于發展多管道戰略，存在一系列了解誤區。

對外，需使多種管道無縫連結、發揮作用；對内，需對各種管道實行差别化管理。

誤區一：将線上管道視作競争管道

在過去的一段時間裡，一些貿易商犯了一個錯誤，那就是在建設線上商城方面傾注了相對多的精力，目的是為了招攬更多的客源，但是同時，它們也擔心線上商城的發展會對實體店的銷售産生不利影響。它們之中不乏超大型貿易商，有一些甚至時至今日都沒有認真地梳理對比一下它們掌握的實體店會員卡客戶資訊和線上客戶資訊。這樣做産生的後果很能說明問題，那就是純線上貿易商的線上銷售表現優于傳統實體店貿易商。

誤區二：認為多管道戰略是一個技術解決方案

這些企業之中，有一部分是太晚才認識到資料的重要性，另一部分則是有錯誤的認識，認為隻要技術基礎設施齊備，隻要所有銷售管道和系統有機連結，那麼就等于多管道建設已經成功了。多管道發展戰略是一項高預算投入型的工程，而且對IT部門來說是一項長期、艱巨的工作，涉及多種非常複雜的IT工具和解決方案。如果企業中的市場營銷人員不能夠正确了解他們怎樣能引起哪些層面、哪些客戶的消費興趣，那麼即使是多管道發展，也不能夠為企業帶來盈利。然而，這還不是最糟糕的結果。有一些需要很多新科技加持的多管道發展項目，最終恰是敗于确實存在的技術障礙。比如舊系統不能滿足需要，但是再購買一套新系統又會大大超出預算。

誤區三：認為客戶和企業在看待多管道方面是同樣的邏輯

市場營銷人員（當然也包括市場咨詢人員）具有專業化的知識，他們對于購物世界的看法受專業化的影響，有時是扭曲了的認識。他們（和我們）的大多數直覺、靈感和知識，關于對與客戶第一次接觸直到理想情況下客戶再次購買這一過程的認知，來源于他們自身的購買行為和他們對周邊世界的了解。我們如果作為專業人員，在考慮問題的時候，也願意采用多管道的邏輯。我們會考慮某一個特定管道的優點是什麼，在什麼情況下（如有必要）我們将會選擇其他管道。在獲得考慮結果的基礎上，我們會站在企業的立場去優化企業的管道，最終目的是赢得更多的客戶。我們更願意認為，随着數字化世界和其現有管道的發展，客戶轉換管道是必然會發生的“壞事”。這種認識自然是不對的，是以企業為中心的想法。但是，在尋找多管道解決方案過程中，這類受職業背景影響的“過濾氣泡”問題是另外一回事。如果一個客戶對數字化時代的購買行為沒有什麼特别的探求興趣，他基本上不會去考慮自身的管道偏好問題。因為對客戶而言，購買行為不是由管道組成的，他們的“客戶旅程”是由一系列多樣的“觸點”組成的。客戶在每個單一觸點獲得的感受，将會影響他的購買和再次購買行為。表達得更清晰一點兒，就是多管道是一個具有誤導性的概念，因為它是單向的概念，僅從企業角度出發去考慮問題。

對客戶而言，購買行為不是由管道組成的，他們的“客戶旅程”是由一系列多樣的“觸點”組成的。

企業考慮優化管道，客戶隻是憑感受。第三個了解誤區從根本上決定了數字化世界中的企業在每次嘗試進行智能化客戶管理時能否取得成功。想要獲得最終結論，仍需謹慎跟蹤觀察。

彈球機而不是保齡球

當今的市場營銷更像是在玩彈球機遊戲，而不是保齡球。

這種說法最早是由來自明斯特的市場營銷與媒介教授托爾斯滕·亨甯–圖勞（Thorsten Hennig-Thurau）提出的。大緻的意思是，當我們把市場營銷比喻成保齡球遊戲的時候，市場營銷宣傳手段就是保齡球，目标客戶群體就好比保齡球瓶，大量的市場營銷手段是直接針對目标客戶群體的，就如同用保齡球去擊倒球瓶的過程一樣。這個溝通過程相對來說是受控制的，且隻有在市場營銷人員具有很強的營銷能力的前提下，市場營銷過程才會發揮作用。從實際情況來看，營銷失敗的情況較多。後續，通過電視、廣播、雜志等媒介營銷的情況，也影響營銷效果。在這樣的溝通模式下，客戶無法發揮主觀能動性。相比于今日，客戶可選擇的産品和溝通媒介是十分有限的，在産品購買管道方面，可選擇的餘地就更小。在實際消費過程中，許多産品就隻能通過一種管道購買，那就是他們經常光顧的實體商店。

最晚從社會化媒體産生突破以及通過智能手機可以上網開始，市場營銷和企業經營變得更像是在玩彈球機遊戲。市場營銷的方向變得更多元化，在很多領域，市場宣傳将失去原有的市場控制。這就好比在彈球機遊戲中，我們會朝很多方向射出小球，有時候可以讓小球一杆進洞，但是大多數時候都沒打中。面對這種市場營銷控制力的喪失，我們的确可以抱怨，然後對溝通和銷售管道的日趨複雜無能為力，而後隻能在電視廣告方面撒下大把的營銷經費。但是同時我們也期待在每次銷售過程中，産品的品牌價值和更高的市場占有率可以對客戶購買行為産生一些影響。或者我們可以努力嘗試在單一的“觸點”上，為每一個客戶群體，甚至是為每一個客戶開辟個性化的“球道”。

最晚從社會化媒體産生突破以及通過智能手機可以上網開始，市場營銷和企業經營變得更像是在玩彈球機遊戲。市場營銷的方向變得更多元化，在很多領域，市場宣傳将失去原有的市場控制。

基于上述，綜合我們對前文提到的誤區三的認識，我們必須從根本上分析重要客戶的常見“客戶旅程”，在每一個“觸點”思考如下問題：

☆客戶在這個“觸點”期待怎樣的服務？

☆客戶在“客戶旅程”的哪個階段最期待某項服務？一個客戶是剛開始了解一個産品，或是已經在考慮購買了，還是仍需要一些營銷推動？一個客戶已經是老客戶了，是在考慮再次購買嗎？是在考慮延長服務合同嗎？

☆我們應該采取何種措施引導“客戶旅程”向有益于企業利益方向發展？我們将這些措施稱為加速器和連接配接器。

智能化的加速器（推動既存但尚未被察覺的市場需求）和連接配接器（連接配接已經明确的客戶需求）要能夠推動客戶在某一管道中的“客戶旅程”持續向前發展，這個管道需要資訊透明，且便于客戶使用。這是第一個要點。然而現在大多數市場營銷的真實情況是，我們往往是從企業的視角看事情的，我們會考慮，一個正常客戶是怎樣正常對待一個“觸點”的。第二個要點是，在每一個“觸點”，我們都需要一個量化标準，去衡量并優化已采取的措施的效用。第三個要點，我們需要有針對性地去尋找新的資訊源，幫助我們在“客戶旅程”的每一個階段加深對客戶的了解。誰能夠做到以這樣的眼光去審視“客戶旅程”，誰就能發現資料中隐藏的秘密，這些秘密他和他的競争對手之前都不曾想到過。試想，如果一家大型食品供應商去關注小型餐飲企業的App資料資訊，會發現什麼？這些在實際經營中又意味着什麼呢？

每人一個蘋果賬戶！

在所有的多管道研究中，我們關注的問題都差不多。客戶在各種各樣的“觸點”開啟自己的“客戶旅程”，此時，去識别客戶需求并不是一件簡單的事情。針對不同的需求去配置合适的産品就更加困難了。

智能資料冠軍企業采取以下四步措施來應對上述挑戰，這四步在一段時期内可同步實作：

1.它們努力在盡可能多的“觸點”明确識别出盡可能多的客戶。為此，它們會利用每個“觸點”産生的每一次機會，并且投入大量激勵措施。這樣做的原因是，它們意識到了每一個（潛在）客戶姓名和位址資訊的價值。在這方面一個值得效仿的例子是Apple ID（蘋果賬戶）。蘋果公司通過采用Apple ID（又一次）成功解決了客戶識别的問題。Apple ID就是每一個客戶都擁有一個獨有的ID号碼，這個号碼在使用蘋果公司的全部裝置和服務時均有效。在盡可能多的“觸點”識别盡可能多的客戶，這一行為的整體價值大于每次客戶識别的個别價值疊加之和。在此基礎上，我們可以開展第二步。

2.企業需要系統性地了解在每一個“觸點”上與客戶的互動，包括線上和線下管道。為此，企業需要利用全部現有的機會，去量化衡量或者詢問了解每一個“觸點”上的客戶需求。有時也可以利用匿名資料。在第二步明确識别出越多的客戶，那麼第三步就會越輕松。

3.哪些客戶群體，将以怎樣的機率去選擇哪一管道來完成“客戶旅程”？如果想要回答這個問題，我們需要掌握這個企業的全部客戶分類資訊（希望是智能化的資料），并将這些資訊與第二步獲得的資訊進行對比。通過對比我們會發現，例如，在“觸點”B上，客戶群體A明顯需要更多的咨詢服務，一個客戶群體B中的客戶，如果你給他一個95折的優惠，就很有可能促成購買。這樣做十分有助于直覺展示最重要的客戶群體的“客戶旅程”，對第四步的實施也大有助益。此時，我們是把關注點落在了最重要的客戶群體上。就像在本書第二部分提及的一樣，大資料狂熱分子有些過于草率地給公衆留下了一種印象，那就是資料無所不能，可以賦予市場營銷者一種能力：在單一客戶層面，實作“客戶旅程”變得模式化、可操縱化。實際上，對絕大部分企業來講，這一設想還都将長期停留在理論探讨層面。在實踐中，智能資料冠軍企業更多地會将注意力集中在最有價值的客戶群體上，關注對這些客戶起作用的措施。

4.基于通過前三步獲得的認知，營銷團隊就可以推導出對特定客戶群體适用的加速器和連接配接器了。資料基礎越完善，客戶就越願意在“客戶旅程”的下一階段有所參與。在每一項措施的具體實施方案中，會明确效果衡量标準。根據特定的衡量标準，沒有達到預期效果的措施将會被叫停或者調整。

把市場營銷措施應用于實踐時，最重要的是必須讓客戶感覺到，這種營銷是令人愉快且友好的，讓客戶感受到企業是在設身處地地為他考慮，想為他多提供一種選擇。這個很容易了解。要讓市場營銷從生拉硬拽向主動吸引顧客的方向轉化。如果讓三個市場營銷人員（或者市場營銷顧問）坐在一起，估計不出10分鐘，他們就會講到這句話。當我們試圖差别化地引導特定客戶群體的客戶旅程時，空洞的營銷話術往往會引起反感。在21世紀市場飽和的情況下，恐怕沒有客戶希望感覺到自己的購買行為是受到外界操縱的。客戶期待的是多元化的資訊和咨詢，需要有掌控感，需要順暢的購物體驗以及卓越的售後服務。一旦一個挑剔的客戶感受到，一家企業正在對他采取蓄謀已久的強推式營銷，有可能他在“客戶旅程”的其他階段也或多或少地有所感受，那麼此時，他就會反應敏感。

在一個溝通和銷售管道都日趨多元化的世界中，好的市場營銷是，能夠站在客戶的角度，為其提供便捷舒适的後續服務。

由此我們得出，在“彈球機”市場時代，我們隻有通過利用加速器和連接配接器使“客戶旅程”變得更有吸引力，才能掌握市場。在任何情況下，都不能讓客戶有被操控的感覺，這就好比是售貨員坐在駕駛員位置，而乘客坐在副駕位置，甚至是被放在嬰兒座椅裡，毫無自主權可言。

在一個溝通和銷售管道都日趨多元化的世界中，好的市場營銷是，能夠站在客戶的角度，為其提供便捷舒适的後續服務。

基于與客戶接觸的實踐，将吸引力理論系統化，可使其從“要讓市場營銷從生拉硬拽向主動吸引顧客方向轉化”這句空洞的話轉化為實用的行動指南。對大衆來說，這句空洞的話說起來容易，忘得也快。但是如果落實到每一次的客戶接觸中，就會突然變得很容易了解，可幫助我們提出具體的營銷措施，大家也會明白，在實踐中，針對不同的客戶群體，到底怎樣才是具有吸引力的。例如，在實際業務中，很多進階汽車生産商都會緻力于為購車客戶提供從産品咨詢到售後服務在内的全流程的愉悅的購車體驗。

客戶旅程中的管道斷點

注意！諷刺來了！如果汽車設計師和工程師能夠研發出好汽車，并且能夠保證汽車的品質，那麼理論上，這款汽車根本不愁沒有銷路。市場營銷和企業營運人員充其量也就是負責盡可能擴大銷售。那麼該如何對待客戶呢？現下的情況是，賣場裡的汽車銷售人員都是先确定客戶确有購買意願，然後才會開始與客戶攀談，提供咨詢服務。

當然，這種行為在大型進階汽車商那裡并不多見。但是毫不誇張地說，如果能夠做到以客戶為中心，确實可以在很大程度上推動汽車生産行業的發展。汽車行業内部分工高度細化，随之而來的“筒倉效應”也很明顯，在這樣的行業中，堅持以客戶為中心是很有必要的，但實踐起來也不容易。

我們在各種項目中，對進階汽車生産和貿易行業的變革開展了研究。一項針對“客戶旅程”現狀的研究顯示，我們在友善客戶選購方面，付出的努力實在是太少了。具體來看，一般的潛在消費者往往需要經曆如下辛苦的購物旅程：

首先，他通過傳統的宣傳管道、與同僚聊天或者看汽車雜志上的廣告，對某一款汽車産生了購買興趣。此時，大部分的潛在消費者會選擇線上浏覽、了解這輛車的資訊。還有一些潛在消費者會使用線上配置器，看一下這輛車的外觀等情況。就在這時，第一個“斷點”就産生了。從汽車生産商的角度出發，肯定是希望潛在客戶能夠親自到銷售網點去看一下。然而這對客戶來說，意味着要長距離驅車到郊區去。接下來，如果客戶去了銷售網點，且在網點遇到了資深且負責的銷售顧問，那麼對客戶來說還算是小有進展。但是，如果他碰到了一位不專業的顧問，且這個銷售網點還無法擷取他前期在配置器中的相關搜尋資料資訊，那麼客戶就得從頭再講一遍，他到底對哪種車型感興趣，以及他需要哪些配置。大多數情況下，這個客戶可以當場或者在若幹天後，進行一次試駕，但是試駕車的配置跟他需要的配置之間多少會有些偏差。然後，這次實體店“旅程”就結束了，這位潛在客戶驅車回家（幸運的話可以帶回一些産品折頁），繼續在網上查詢相關資料。

如果這個客戶對這款車型特别感興趣的話，一段時間之後，他會緻電經銷商詢問一些細節，約定簽訂合同的時間，最終買走這輛車。然後，銷售員就可以賺取傭金了。在這種理想的情況下，到這個階段才開始提及售後維修服務事宜。經銷商會保留這個客戶的資訊，生産商是接觸不到這些資訊的。

通過采用哪些加速器和連接配接器可以使“客戶旅程“更加輕松呢？

1.将對客戶的線上服務延伸至個性化咨詢階段。當一位顧客面對線上配置器中的各種配置方案猶豫不決時，他可以直接選擇與一位訓練有素的咨詢人員線上視訊交流，或者能夠線上約定一個具體的咨詢時間，通過電話與購車顧問交流。如果線上配置器可以基于智能分類當場為購車者提供理想車型及配置建議，這也是可以的。購車顧問可以在視訊或者電話交流過程中告知客戶，在附近的哪些網點可以試駕理想車型，還可以建議可選擇的試駕時間，比如下周六，正好那時要試駕的車型無人預約。

2.客戶可以自由存儲線上配置器的配置結果。為此，客戶必須要在系統中輸入簡要的客戶資訊，進而獲得一個客戶編号。這個流程并不難，另外還可以讓客戶知道，這個編号由客戶獨有，專供其在購車過程中使用。客戶可以在銷售網點通過智能手機或電腦快速調閱配置器中存儲的配置資訊。從生産商或者經銷商角度來說，線上網站演變成了一個“客戶引導中心”。

3.加強品牌宣傳的實體覆寫度，在市中心的商店裡，或是在時尚潮店裡，總之，是在客戶所到之處。在這些與客戶能夠産生接觸的地方，有可能擺放實物汽車的可能性有限，那麼可以通過讓客戶體驗可視化裝置，來給客戶留下深刻印象，進而與客戶約定汽車試駕。當我們發現客戶确實對某款車型很感興趣，或者已經是老客戶，我們還可以将服務延伸至客戶家門口，購車顧問可以直接将試駕車輛開到客戶家。在試駕過後，購車顧問會将此款汽車的資訊妥善歸類，并維護到該客戶資訊檔案中，形成所謂的産品庫。

4.銷售人員可以在客戶關系管理系統中借助圖表清晰地看出，客戶在哪些“觸點”需要咨詢服務。客戶關系管理系統會提示銷售人員，需要在哪個時間點去跟進哪類客戶群體的咨詢需求。比如，針對住在高檔社群、年齡在35歲至40歲之間、有孩子及家庭的男性群體，我們最遲在售後兩周，就需要與其取得短信聯系，詢問是否需要進一步的産品咨詢服務。

5.當我們把車配送到客戶家門口，或者從客戶家中提回車輛的時候，産品咨詢人員就可以向客戶講解其可以享受生産商提供的哪些數字化服務，以及這些服務能夠為客戶帶來的好處。客戶使用在“客戶旅程”前期階段獲得的客戶ID登入系統，然後便可享受相應的服務。産品銷售人員也可以提醒客戶關注在售後階段使用經銷商提供的保養維護服務的好處。車聯網系統也會定期提示客戶使用這些服務。此外，在客戶使用這些服務一段時間之後，車聯網系統還會為客戶推薦一些定制化的服務産品。總之，經銷商在售後服務環節投入越大，所獲得的附加紅利就越多。

6.客戶可以通過網絡實作汽車配置選擇、汽車訂購、線上支付，可以約定整車配送的具體時間。大部分的進階汽車生産商都意識到，它們需要在“觸點”之間建立橋梁。例如奧迪，斥巨資在黃金地段設立産品體驗店，倫敦的體驗店就在倫敦最昂貴的地段上。梅賽德斯–奔馳讓客戶可以更加簡單便利地使用Mercedes Me用戶端，以此獲得對客戶的更多了解。針對特定車型的租車業務，梅賽德斯現在已經可以實作全流程線上操作。随着寶馬公司i系列概念車的問世，寶馬公司距離實作“觸點”互聯的理想願景又近了一步。在汽車貿易行業，跨越變革障礙的難度是很大的。在汽車行業整體向以客戶為中心開展營銷變革的第一階段，我們認識到，“筒倉效應”“資訊孤島效應”會阻礙我們走向成功。

我們需要這樣一個角色，可以順應“客戶旅程”有效地控制加速器和連接配接器系統，并組織、促進和確定所需的跨部門協作。對行業内的智能資料冠軍企業來說，還面臨着一個更大的挑戰，這就是我們獲得的第二個認識，一個令人欣喜的認識，即客戶在購買新車的過程中，參與意願非常強烈，他們願意向經銷商透露他們的姓名、通信位址、郵件位址和手機号碼，還有他們的購買及使用需求，因為他們知道，這樣可以有效提高供應商向他們提供産品咨詢服務的品質。

線上産品展示廳

針對不同客戶群體“客戶旅程”的大量研究是有益的。對于汽車生産商來說，研究結論具有很高的參考價值。在汽車銷售行業，單個産品的價值很高，而交易筆數相對較少，這就導緻單一客戶的客戶價值貢獻很高，市場營銷投入比較容易統計。我們回顧一下最初對多管道戰略的探讨和思考，回顧一下零售貿易領域固定網點貿易商和純線上貿易商之間的競争（它們現今都已經發展成為多管道供應商了），那時候的營銷投入恐怕就不容易統計了。

“客戶旅程”朝着與以往不同的方向演進，固定網點貿易商越來越多地從一種交易行為中獲利，即客戶先在網絡上了解産品資訊，然後再到實體商店中實作購買。

為了給食品、羊絨衫和洗碗機的多管道貿易未來的營銷政策提供更好的決策基礎，2013年，我們與奧托集團、購物中心營運商ECE合作，對大約42000名消費者進行了通路，了解他們在什麼地方、以怎樣的方式、買了什麼東西以及為什麼購買。其中，有2000人把一個月的消費明細逐筆記錄了下來。我們作為消費行為研究人員，與7組共51個消費者進行了詳細的溝通，了解他們的線上、線下購買動機。在此基礎上，我們形成了名為“客戶追蹤”的研究報告，其中揭示了很多有價值、相對客觀的認識。

對要發展資料發展戰略規劃的固定網點貿易商來說，最重要的三點研究結論是：

1.現階段，“客戶旅程”朝着與以往不同的方向演進，固定網點貿易商越來越多地從一種交易行為中獲利，即客戶先在網絡上了解産品資訊，然後再到實體商店中實作購買。也就是說，我們過度高估了所謂“展示廳現象”的效應。盡管研究資料顯示，确實有1/5左右的交易量是通過客戶在實體店中了解産品資訊，而後在網上以更優惠的價格購買商品實作的，但是，線上了解産品資訊，然後去實體商店購買商品，這種購買行為産生的交易額已經占到德國貿易總額的1/7左右。一些線上貿易商建立了線下實體網點，以此來實作展示商品和提供咨詢服務的目的，而固定網點貿易商則通過提供線上數字化資訊咨詢服務來促進銷售。兩種模式相比較，後者實作的銷售額是前者的12倍。

2.我們考察了線上和線下客戶的相似性後發現，對于銷售額貢獻度最高的那部分目标客戶來說，商品的價格并不是最重要的購買影響因素。他們更看重的是能夠親手摸到商品，獲得面對面的咨詢，在付完錢後能馬上拿走現貨。他們看重購物樂趣和購物帶來的儀式感。當固定網點貿易商在資料的輔助下意識到有這部分人（在研究報告中，稱這部分人為“富有的購物狂”“傳統資深買手”“主流線下消費者”）的存在，能夠更好地了解他們的需求，并為他們提供服務，那麼在未來将是大有可為的，因為這部分線下消費者貢獻了超過2/3的銷售額。焦點小組分析結果顯示，這部分人線上下購物時，其實清楚地知道通過線上購物有可能會省錢。

3.此外，研究結果還表明，不同的客戶群體對多管道産品的态度差異很大。對固定網點貿易商來說，知道哪個客戶群體在哪種環境下更傾向于選擇哪種購物管道，這是很有必要的。在這個架構下研發适合的産品，這是“客戶旅程”研究的下一個發展方向，可以使旅程更加舒适便捷，更有效率。當某客戶群體中的一個客戶需要購買某種特定商品時，如果他的首要目标是省錢，那麼就需要注意線上線下管道的良好配合。此處一個很好的例子是美地亞的提貨商店，客戶可以線上選購商品并結算，然後再去提貨點拿貨。提貨的時候甚至連車都不用下，一個售貨員會幫助客戶把商品裝進後備廂。我們也進行過與之正相反的嘗試。不來梅附近的專業市場Dodenhof會定期為VIP客戶組織高端商品展賣會，就像時尚秀一樣。銷售商會在兩天之後将客戶所購商品通過包裹郵寄給客戶。很多VIP客戶都選擇這項郵寄服務，即便他們是開車來的，能夠直接帶走商品。

兩年後的今天，線上和線下管道仍然是有分别的。在消費電子産品領域，隻要能夠線上搜尋到喜歡的品牌的資訊，基本上90%的客戶都會在去實體店前線上了解産品資訊。線上上浏覽過程中，如果其他品牌能夠很快響應客戶需求，并且用适當的營銷手段招攬客戶，那麼客戶就可能轉而購買其他品牌的商品了。

特殊案例：多管道銀行

現在誰還會為了彙款而特意去銀行？事實是，恰恰就有這樣的人！2014年年末，羅蘭貝格管理咨詢公司和VISA聯手對未來私人銀行進行的一項研究表明，有62%的德國人和瑞士人認為，銀行網點的位置是他們選擇主結算銀行時考慮的重要因素。目前，就如同對未來銀行發展的讨論所揭示的那樣，一方面，客戶越來越多地使用銀行的電子管道，另一方面，客戶還沒有辦法徹底抛棄銀行實體網點。這項研究的目的就是要去探究客戶的真實需求。

在傳統銀行和儲蓄所向智能化和管道融合化變革的過程中，多管道化發展的速度比我們想象的要慢，之前我們認為需要警惕發展過快。多管道化的發展現狀是，一方面，核心客戶群體基于以往在銀行辦理業務的經驗，表現得相對保守，但同時他們對使用數字管道又抱以開放态度。

此外，研究還顯示，時至今日客戶也很少出現串管道的情況。如果出現了，那大多也是從線上切換到線下。這也就是說，客戶對銀行産品的興趣大多是通過線上浏覽被激發的。但是，越是面對複雜的産品，客戶越需要尋求在網點面對面的咨詢。我們經常質疑銀行咨詢的專業獨立性和咨詢品質，是以對這一點可能會覺得有些驚訝。但是當我們仔細考慮後，我們會發現，銀行在實體網點方面繼續追加投資是有利可圖的，尤其是在我們适當改變實體網點功能定位的情況下。

羅蘭貝格管理咨詢公司和VISA的研究向銀行發出了明确的信号：客戶是需要實體網點的。客戶需要的網點形态，更像是蘋果連鎖店和星巴克咖啡的混合體，而不是像間辦公室。

然而，從我們的角度來看，這份研究最值得興奮的地方在于，它是從一個完全不同的層面——信任層面分析問題的。前幾年，金融危機和各種咨詢醜聞險些使銀行業的生意受損，但是銀行卻一如既往地保持着較好的聲譽，這與謹慎地使用資料是分不開的，這有助于促進銀行在創新發展移動銀行方面取得突破。

發展移動銀行，首先是在技術層面，即誰能夠提供更安全可靠的線上結算。這對銀行來說蘊藏着極大的商機。客戶知道，銀行知曉他們的所有資訊。忽略一些以往的小醜聞不談，在整體上看，銀行并沒有濫用這些客戶資訊。正是基于這種對銀行資訊保密工作的信任，銀行才能夠實作多管道化，其中包括自營管道，以及與其他供應商合作的管道。

第四部分 企業的智能化之路

第9章 能夠接受錯誤才是正确的經營态度

彈道式思維

“大部分人在考慮問題和行動時，都具有彈道式思維。”這句話出自1989年出版的暢銷書《失敗的邏輯》，作者是來自班貝格市的心理學家迪特裡希·德爾納。也同樣是在這一年，歐洲核子研究組織的工程師蒂姆·伯納斯–李搭建了一套資訊網絡，通過采用超文本技術，全世界的科學家在這套網絡上可以實作資訊共享。這套網絡之後被命名為網際網路。德爾納本身是一名技術人員。20世紀90年代中期，當伯納斯–李的網際網路獲得廣泛推廣應用時，德爾納因其對人工智能的研究而備受矚目，他希望能夠創造有感覺能力的機器人。雖然最終德爾納的項目“人工情感”失敗了，但是他的“失敗的邏輯”卻具有現實意義，它關乎一個核心問題，就是我們如何面對錯誤。

德爾納所謂的“彈道式思維和行動”意指決策和實踐的過程就像是在發射加農炮。評估、讨論和初步測算的過程，就像是發射前的瞄準。根據作戰情況的不同，瞄準的過程常常是十分繁雜忙碌的。然後就是射擊！一旦炮彈發射出去，進入彈道，那就再無法掉頭。如果炮彈沒有擊中目标，那麼炮手就會示意射擊失敗。

在訓練炮手時，最重要的訓練目标就是盡可能降低射擊失敗率，全部命中是最理想的情況。敵方也是遵循這個邏輯的。在裝備水準差異不大的情況下，射擊失敗率越低，獲得勝利的可能性就越大。這種軍事化的行為方式所帶來附帶損害，直至今日也是很大的。在批量大生産繁榮的時代，甚至直至20世紀下半葉，這種發射加農炮似的經營方式确實适用于很多行業的企業。依靠經營管理來瞄準目标，然後就漫天發射炮彈，有時擊中目标，有時射擊失敗。哪家企業管理得好，瞄得準，哪家企業就能夠盈利。企業的運作機制大概是這樣的：

企業上司負責發現市場商機。工程師在産品試生産過程中投入大量費用後，會研發出新産品。六西格瑪和其他的品質管理工具會系統化地、最大限度地降低批量生産中可能發生的錯誤，并且優化生産過程中的資源投入。市場營銷部門對潛在客戶實施地毯式的營銷。此處我們可以借鑒圖勞教授的保齡球理論，加農炮彈就好比教授口中提到的保齡球。産品銷售部門向成長性良好的市場中投放産品，市場飽和程度越高，銷售部門的銷售難度就越大。優秀的企業管理意味着良好地調控整個流程，最終實作用最少的投入獲得最大的産出，經營結果最終展現在季末财務損益表中。在上述管理機制中，最常被強調的是效率問題。在現今的企業管理中，按照彈道式思維去考慮問題和行動，反而可能會導緻企業經營失敗。

用不斷嘗試打敗加農炮理論

數字化時代的創業文化給了加農炮式經營方式猛烈的一擊。創業文化秉持的理念是破壞性創新，通過大量、一系列的嘗試去尋求突破。對創業者來說，錯誤不是敵人，而更像是夥伴，他們不是要杜絕錯誤發生，而是：

通過錯誤去發現問題，基于問題去尋求解決方案，将解決方案轉化為新産品。

通過錯誤去發現問題，基于問題去尋求解決方案，将解決方案轉化為新産品。

我們越來越經常地在大企業的管理圈中聽到“漂亮地犯錯”這句俏皮話，同樣被經常提及的還有“新失敗文化”。從創業者們公開承認失敗到分享失敗的經曆，這都是失敗文化的表現形式。成功的創業者們都認為這是對待錯誤的一種全新态度。

他們這樣認為是必然的，原因至少有三：

☆首先，他們自己公司創立的基礎就是他人曾犯下的錯誤。之前建立的公司忽視了什麼，還有沒有提出改進措施的空間？

☆其次，勇于嘗試的英雄人物，比如拉裡·佩奇、謝爾蓋·布林、馬克·紮克伯格、彼得·蒂爾或者埃隆·馬斯克，在過去的20年間向大家示範了如果一個沒有既往成功經驗負累的初創企業不斷嘗試下去，将會發生什麼。嘗試創造智慧。我們會從嘗試中獲得新認知，這是嘗試本身的性質使然。為此，我們必須有衡量的标準和核心評價名額。此外，我們還需要記錄下失敗的過程情況，這樣其他人也可以從中有所體會。

☆第三，創業者也清楚地知道，像交易所或者大企業的并購部門這種風險投資人，是瞄準了初創企業的試驗性價值，并且看中了作為一套獨立自學習系統的企業在尋找全新的問題解決方案方面的能力。

然後呢？

加農炮邏輯很難施展。我們如果想要射擊，那首先要知道目标在哪裡，可實際上知道的人卻不多。

大企業跟初創企業不一樣，大企業經營業務，從不胡扯什麼破壞性創新。大企業的經理人也不是創業者，他必須避免錯誤的發生，隻有這樣他的企業才能夠持續經營下去。而創業者就不一樣了，他們賭的是毫無保障的明天，賭風險投資人會認同他們的想法。大企業的經理人則認為，通過企業生産流程的運作，将會持續産生财務增值。我們要把兩者進行比較嗎？當然。

但是，可以确定的是，加農炮邏輯很難施展。我們如果想要射擊，那首先要知道目标在哪裡，可實際上知道的人卻不多。

無計劃時代的企業管理

我們很難規劃或預測産品和服務的成功，原因有很多。客戶需求時刻在變，技術突破層出不窮，在國際化的大背景下，尤其是政策性的限制不好預計。成功的産品馬上就會被複制，産品生産流程逐漸趨同，市場競争環境日新月異，在地球的另一端，随時都可能崛起一個競争對手，即便就在昨天，這家公司的名字可能還無人知曉。消費者的決定權達到史無前例的水準，不是由企業，更不是由企業的經理人來決定該生産何種商品或提供何種服務，而是由消費者來決定。也是在這種環境下，存在着發射加農炮似的管理方式與另一種管理方式之間的關聯，這種管理方式就是智能地應對失敗和智能化地應對客戶資料。

企業并不知道客戶想要什麼。它們隻能建立假設，然後再試生産一些産品，看是否能夠滿足客戶的需求。

從對失敗項目的分析中我們了解到，隻有在決策層和部門主管的管理理念有所轉變的情況下，通過這種試驗方法來增進客戶了解才可能成功。我們在管理咨詢相關書籍中經常會讀到這種理念，但是卻沒有真正用于企業日常經營。我們稱這種不那麼激進但與時俱進的管理理念為“後理論管理”。

管理具有很重要的作用。因為從本質上講，管理是将其他的人吸引到價值鍊上來的一個過程，這個價值鍊最終會産生收益。針對這些收益如何配置設定，公平配置設定的原則是怎樣的，這些争論從未停止過。在今後，說不定我們也會出版一本書來讨論這個問題。出于這方面的考慮，我們其實也很關注一個問題，就是現今我們到底需要一種怎樣的管理和上司理念。關注一下管理實踐的現狀可能對回答這個問題有一定幫助。

在管理類暢銷書《管理的終結》中，作者提到了現今管理文化中一個有趣的沖突現象。盡管企業高官們一再向員工們強調創新性發展的重要性，但是在企業管理方面，高管們還在采用誕生于20世紀上半葉的管理方法。唯一有點兒差別的可能是，企業内部的等級制度略有弱化，在管理過程中管理人員能夠采用更多的管理技巧，但是從本質上來說，管理的方式方法并沒有改變，依舊還是“配置設定資源、确定預算、管理權力配置設定、獎勵員工以及最終決策”這一套。以上雖然是簡略叙述，但是仍涉及了管理方式随時間的變遷情況。

企業并不知道客戶想要什麼。它們隻能建立假設，然後再試生産一些産品，看是否能夠滿足客戶的需求。

在東非的熱帶稀樹草原，當人類剛從樹上生活轉為地面活動時，層級化的管理就已經存在了。中世紀，埃及人、羅馬人和采邑主都通過兇殘的等級化管理來鞏固他們的權力。到富格爾家族時期，已經懂得了使用複式記賬法。19世紀産生了條線管理概念，拿破侖将這種新型管理形式應用到軍事方面，克勞塞維茨少将将這種管理模式引進到普魯士。20世紀上半葉是管理學大發展時期，學術成果豐碩。直至今日，福特主義仍然對我們如何規範流程、如何實作規模經濟有決定性影響。流程成本分析是20世紀20年代的一項研究成果。20世紀30年代後期，提出了品牌管理的理論基礎。20世紀60年代，豐田公司提出“kaizen”（持續改善）管理法——即将每一位員工的才能與想法都系統性地結合起來，可以說是管理學方面最後一項根本性創新。從此之後，我們看到的隻是對原有理論的延伸或者對理論有效性的重塑。1955年大型企業的組織構架看起來跟今天的已經所差無幾。隻不過在多輪降低企業成本的浪潮過後，現在大部分企業的員勞工數可能更少了一些，或者有一部分工作可以通過“共享服務中心”在羅馬尼亞或者印度完成。然而，雖然企業已經完成了多項流程優化，并增添了電子輔助裝置，但它們還是遇到了發展瓶頸，因為它們能夠取得的資源越來越少。其中有一些企業中途就放棄了，因為它們面對的市場競争對手可能沒有受到傳統企業構架的負累，競争力更強。

對現實情況的清晰認識是獲得與時俱進的管理理念的前提基礎。現實的情況是，企業的管理方式亟待調整。隻是人力部門不斷地宣揚優化企業管理構架，強調員工們需要在價值層面加強競争以激發内在動力，這些是遠遠不夠的。企業管理必須要實作内化，單就企業作為一個組織來說，本身是無法激發員工的内在工作熱情的，然而與時俱進的企業管理卻可以為員工的工作創造必要條件，在這種條件環境下，員工們不會因工作強度高而感到挫敗，也不會暗自抱怨工作缺乏自由發揮的空間，他們反而會在事務性工作上、在項目上以及公司實務上傾注極高的熱情。當員工們感覺到他們的工作有成效、有意義并且獲得了尊重，他們才會努力地工作。從“Y一代”[1]就業不足的現象可以看出，已經實行了70多年的薪酬體系逐漸失效，主要原因就是薪酬隻是外部激勵手段。

企業管理必須要實作内化，單就企業作為一個組織來說，本身是無法激發員工的内在工作熱情的。

以上論述具體來看是在探讨什麼呢？

在智能化的企業中，與時俱進的管理理念主要包括以下五個方面：

1.與時俱進的管理理念摒棄了原來凡事追求完美的固有思維，不要求萬事都必須100%按照原計劃執行，不再強求結果與計劃目标一緻，不再認為“非黑即白”。一個與時俱進的管理者可以接受目标模糊和不确定性，因為他已經意識到，根本就沒有什麼完全對或者完全錯的方式，隻能是說相對好一些或者相對差一些。沒人非常清楚地知道具體要怎麼樣才能實作優化，是以我們隻能對模糊和不确定性保持寬容态度。

2.與時俱進的管理認同團隊成員的工作能力，在管理方面不會采取“微操作”。在一個結果開放的工作流程中，團隊成員之間更像是互相學習的夥伴，管理人員是工作的組織者或調節者，目的是為了尋找更優方案或者尋求更好的嘗試，以期為客戶帶來益處，與此同時，客戶價值也自然會得到提升。通過嘗試可以降低不确定性，并為今後的發展指引方向。

3.與時俱進的管理者知曉，在一個智能化的體系中，結果開放和以結果為導向并不是對立的，而是同一個事情的兩個方面。在傳統的管理理念中，這一點經常引起誤解，人們往往把嘗試與無計劃性混為一談，認為嘗試最終會導緻顆粒無收。而事實情況正好相反，嘗試可以為更優決策、産品和流程提供依據。在一個快速變幻的時代，高度的計劃性終歸要逐漸解體。25年前，随着柏林牆的倒塌，計劃經濟時代就已經結束了。曆史證明，通過計劃并不能取得良好的效果。在經曆了5年前的全球經濟危機之後，我們又認識到，中期的經濟規劃還是有一定意義的。

在一個智能化的體系中，結果開放和以結果為導向并不是對立的，而是同一個事情的兩個方面。

4.與時俱進的管理要敢于去提出問題，尤其是技術、統計和資料方面的問題。管理者會認真地思考，他們需要創造哪些條件，以使他們的企業、部門或者團隊成為一個能夠自學習的有機整體。通過解決這些問題，管理者可以獲得評價判斷能力，他們可以判斷資料科學家進行的哪些嘗試适合引入企業的資料化戰略，而哪些又不适合。

5.與時俱進的管理并不崇尚獨享，而是樂于分享知識和資料。管理者像他們使用的資訊系統一樣，對資訊持開放态度。伴随着每一次資料共享，資料本身的價值也獲得提升。如果我們不願與他人分享資料，那也就談不上共享了。當資訊流在企業内部共享的時候，大家要保持一個坦誠的态度，隻有當資訊參與者都秉持互惠的原則，企業才能夠成為一個自學習系統。換句話說，資訊（也會以資料形式存在）是唯一的一種資源，越使用價值越高。如果我們将資料作為企業戰略的附庸來看待并使用，那麼資訊将會減值。

隻有當資訊參與者都秉持互惠的原則，企業才能夠成為一個自學習系統。換句話說，資訊（也會以資料形式存在）是唯一的一種資源，越使用價值越高。

孔子說……

“Der Weg ist das Ziel”[2]，孔子說的話聽起來總是像謎一樣。然而在智能資料方面，這句話卻正中下懷，通過智能化的嘗試，我們可以總結出适宜的企業管理方法。

從宏觀上看，第一批智能資料項目是在全面的數字化變革過程中邁出的第一步，大部分行業中的絕大部分企業将且必将經曆這一過程。時至今日，掌握資料分析能力是一項競争優勢。随着數字化程序向前推進，智能化資料處理能力将越發轉變成一個“保健因素”（雙因素理論）。在一個逐漸數字化聯網的世界中，不具備資料分析能力的企業将會從市場上消失。

對于一家大型傳統企業來講，盡管竭盡全力，也不可能在一夜之間就獲得與谷歌相匹敵的資料分析競争力。沒有可能的事情，我們也不必再去嘗試了。但是這些企業可以發揮它們真正的強項，并且将它們的優勢與智能資料相結合。這些企業的管理者可以參考前述孔子關于嘗試的哲學邏輯，為企業創造出一些發揮空間，以便“智能”團隊可以透過資料更好地了解并接觸客戶。在一個高度競争的經濟環境下，其他的企業肯定也會這樣做。适者生存，現在仍不這樣做的企業，在不久的将來也許會失去開始嘗試的機會。我們此處提到的“智能”的意思是，要使事情簡化，而不是比原來更複雜。

在創新顧問和未來研究人員的幫助下，我們很容易描繪出10~15年之後的商業模式是怎樣的，可以将其細緻地用資料展現出來。在大多數行業領域，我們可以相對清晰地預見，3~5年内資料和數字化是如何改變商業面貌的。一般情況下，市場會受到科技或客戶行為方面幾個明顯趨勢的驅動。對于與時俱進的管理來說，順應這些趨勢，并在整體變革中開辟适合自身發展的道路，這是普遍做法。細化到具體的業務上來說，我們要思考：比如，将來客戶會優先采用哪種方式來規劃自己的旅行。

通過思考這些具體的業務場景，我們會為我們的産品、經營模式和業務格局尋找到新的發展方向。如果想使企業真正成為具有自學習能力、能夠自我調整的有機整體，需要從以下5個方面着手：

1.站在客戶的角度思考問題，考慮如何能夠優化客戶體驗，在這方面，資料能夠幫助我們做些什麼？

2.若想成為資料驅動創新的變革先行者，需要識别出與企業定位适配的發展條件，包括業務領域選擇、部門設定、團隊建設和人才隊伍等。發現企業内部已經存在的發展空間和現有資源，并且想辦法切實擴大這種發展空間。

3.然後我們就可以開始工作了！要從能夠産生最大效果的項目開始，在以資料為導向的市場營銷項目方面，一般項目都是針對銷售額貢獻最高的那10%~20%客戶的。有時候，我們也會選擇資料基礎最完善的那部分客戶進行研究。

4.學習，分享知識，擴大資料競争力。

5.最好忘記“試驗項目”這種概念。這個概念源于彈道式思維。搞一個試驗項目的目的，是要尋找概念驗證。如果最終沒有找到，那麼項目就會被終止，然後再建立一個新的試驗項目。數字化世界中的領先企業把自身看作一個具備自學習功能的系統。這些企業也會搞一些帶有“控制組”的小型試驗項目，但是這些項目不是獨立于真實業務之外的幾個小試驗，這些小型試驗項目加總起來就構成了真實業務本身。又或者，這些企業會開展一些示範性項目，這些項目的經驗教訓可以為其他項目提供參考。

資料大狂歡

近期，本書的其中兩位作者應德國一家知名教育機構邀請，組織一個與大資料和數字化相關的紀念日活動。活動參與者是約40位來自集團企業和中型企業的高層管理人員，大部分是男性，年齡介于30歲至40歲之間。我們将會利用一天的時間讨論數字化革命帶來的機遇，将大資料與智能資料概念進行比較，探讨生産流程的優化，以及商業模式的數字化變革。總之，一切内容都與數字化相關。

至少活動計劃是這樣設計的。可是事實上直到當天下午，我們都還沒有進行到關于機遇的讨論環節。每當我們或者某一個受邀嘉賓講到在經營中強化資料分析的方法和可能性時，總是會有持懷疑論者發表反方面的意見。他們中的一些人會列舉自己公司失敗的資料項目，其中不乏有人語氣還很歡快，慶幸自己并沒有參與這些項目，故而仕途也沒有受到項目失敗的影響。在活動尾聲階段關于資料保護的讨論十分熱烈。

當天出席活動的嘉賓中，有一位來自美國一所頂尖高校、頗具名望的市場營銷學教授。在大家碰杯慶祝活動結束的時候，他不知所措地搖着頭，并向大家發問：“在座各位是否對資料毫無興趣，還是如何？”

這位教授對參加活動的大部分人感到失望是有原因的。在下午的個人發言階段，我們都有種感覺，有一些管理者對讨論話題還是很感興趣的，但是卻讓持懷疑态度的人搶占了話語權。從自身的好奇心出發，沒有人願意發表過多看法，他們更看重不要說錯話。

傳統的管理文化是不能容忍錯誤的，犯了錯誤要接受懲罰。避免犯錯是本能，或者說，至少絕大部分人是這樣認為的。

當大家意識到資料分析确實有趣，大家自然就會參與進來，繼而我們也就擁有了發揮的空間。

值得慶幸的是，還有一個例外。在為數不多的女性參與者中，有一位女士就職于一家大型機械制造企業，她對工業4.0極為感興趣。這位女性高管目光炯炯地向大家講述，當自學習效應首次顯現時，資料分析給她帶來了多大的樂趣。在企業經營中，當資料分析行為已經實作标準化，人們在尋求數字化競争力的過程中，資料分析已經成為潛意識行為，這時這家企業才算是掌握了資料分析能力。真正好用的資料分析工具會在部門間流行起來，員工們會主動要求在他們的工作系統中安裝資料分析工具，或者使工作系統适應分析工具的運作。

這位女士總結了自己的經曆和感觸：“當大家意識到資料分析确實有趣，大家自然就會參與進來，繼而我們也就擁有了發揮的空間。”我們對她的這番話感同身受。資料分析項目的确能夠帶來樂趣。當我們認識到這一點，我們就走上了成功的第一步。

[1]指20世紀80年代和90 年代出生的人。——編者注

[2]此為德語原文直譯為“道路即是目标”，對應出處尚待核實。——編者注

第10章 使組織更加靈活——選擇正确的組織構架、流程和技術

可以自由選擇工作崗位嗎？

自由選擇工作崗位是組織管理咨詢顧問近來常提到的一個概念，聲破天公司的營運經驗就是這方面的一個成功案例。作為全球最大的正版流媒體音樂服務平台，聲破天将靈活的團隊組建（例如組建Scrum靈活開發）、精益經營管理（例如豐田Kanban看闆管理）以及展現企業民主元素的自組織等應用于企業組織構架，并取得了令人印象深刻的效果。

聲破天的1400多名技術人員自由組成了十多個工作小組。每個小組都對最終産品的一部分負全責，并且他們可以在所轄範圍内自主地為産品研發新功能。為了最大限度地提升每個小組的發揮空間，團隊都是由跨學科人才組成的。每個小組都要摸索着去工作，就像在一個小型初創企業中一樣。小組内不設傳統意義上的負責人，而是實行産品經理制。團隊内設一個靈活教練（Agile Coach），確定團隊執行原則紀律。每一個團隊成員都可能做出決策，隻要其他成員認同他的想法即可。

工作内容相同或者相近的小組，比如負責音樂播放器和負責背景設施的小組，又同屬于一個大組。根據鄧巴數字（亦稱150定律，即個人能夠維持穩定社會關系的理論人數上限值），每一個大組的人數最多不超過150人，否則将引起組織混亂。一個大組内的小組會定期開會，交流資訊，并達成涉及每個小組的決策。1/10左右的工作時間将投入到跨小組的項目研究。

此外，各小組的專家也會定期坐下來交流探讨，在企業經營或者某一産品層面，研究課題和工作設想還是要具有一定程度的一緻性的，比如在産品測試方面。這些專家除了屬于某一小組外，還共同屬于公司内部另一個部門。這個部門負責大組間的關聯和指導，負責向各大組傳導公司的全面資訊。最進階别的組織者是系統管理人和總工程師，若小組要對系統進行較大幅度的修改，則需要經過他們的同意。有趣之處在于，擁有上司頭銜的組織者享有的主要是建議權，最終的決策還是由小組做出的，是以小組也需要最終對決策的成敗負責。

聲破天公司的成功證明了上述組織體系是具有合理性的。這家瑞典的初創企業為使用者提供了産品使用便利，全球有上千萬的使用者每月支付大約10歐元付費使用。聲破天公司優化客戶數字化體驗的速度之快，令同業競争者歎為觀止。許多來自其他行業領域的初創企業仿照或者直接移植了聲破天公司的組織模式。我們對這方面的研究具有極大興趣，我們将這個看作經營創新的源頭，同時也是思想靈感的源泉。

我們都明白，在可預見的時期内，大部分大企業不會采用這種組織體系。這種激進的自組織文化在西門子、大衆或者德意志銀行這種規模的企業内部也不會掀起波瀾。但同時我們也認識到，在多數企業集團内部，現行的組織形式限制了創新思維的發揮空間，生産流程過于僵化，行政管理過于強硬，這導緻了很多企業将主要精力耗費在内部，而忽略了市場研究。

在我們的印象中，在這方面，前些年的大資料推動者似乎扮演了一個自相沖突的角色。他們讓人們感覺似乎不用改變企業内部的組織構架和本來流程。而現在，我們已經掌握了最新的技術手段，它昭示了我們必須去做什麼——我們要去掌握技術，然後直接把資料扔進分析機器中，等待資料分析的結果。然後我們就可以利用這一結果去優化既存的組織構架和流程，優化中間産品和成品，完善物流、營銷、經營和客戶服務。

如果沒有組織結構的優化和良好的變革管理，大資料就是一紙空談。

情況有可能比空談還要糟糕。為什麼在過去幾年，那麼多打着大資料旗号的大項目以失敗告終，令很多人失望？這是有原因的，就是我們所謂的資料分析機器還沒有真正尋找到智慧之石。在這一點上，智能資料選擇了折中的路線。

智能資料的折中路線

要為示範性項目在組織架構和流程上松綁。一座燈塔如果沒有電、沒有燈就不可能發光。一個項目也是同樣的道理，如果沒有必要的資源，那麼從一開始就注定了失敗。

智能資料理論承認大型企業是需要組織構架和流程的，想要在一夜之間改變這點，既不現實也不值得期待。同時，高管層如果想提高企業的資料分析能力，那麼他們就需要為數字化項目提供足夠的施展空間。在實際操作中，這意味着要為示範性項目在組織架構和流程上松綁。一座燈塔如果沒有電、沒有燈就不可能發光。一個項目也是同樣的道理，如果沒有必要的資源，那麼從一開始就注定了失敗。

企業高管信服并關注這一點的必要性，我們認為再怎樣強調都不為過。事實上，企業高管層也有意願去探索新的道路，隻不過結果總是不理想。我們看過很多由高層推動的數字化項目，他們期待項目能夠有一個好的結果，但往往被以下情況所耽誤：

☆一個行動緩慢、人手不足的營銷團隊，滿足于完成基本任務；

☆一個主要由“白領”組成的外勤隊伍，對集中管理反應過度；

☆一個缺乏靈活性的IT部門，負責營運老舊的客戶關系管理系統。

專業能力強、工作熱情高的項目經理都有過這樣的失意經曆。但是最終他們往往能夠獲得全新的認識，由于企業中不同的股東對成本籌劃的認知邏輯截然不同，他們很難具有統一的經營目标，此時客戶往往被置于邊緣地位。認識到這一點後，以後就能做得更好。

數字化變革中的“四步走”

第一步：引入智能資料循環流程，開始進行變革管理

公司董事會或管理層必須建立一個清晰的認識，即通過利用資料分析，我們可以使業務發展得更好。資料分析本身并不是搖錢樹，它隻是整合了跨部門、複合化的團隊，并保障這個團隊擁有（本書第二部分提到的）智能資料流程順利運作的時間和資源，為團隊實行資料驅動下的市場營銷提供手段。高管層中至少有一位成員需要參與到團隊中，或者說，必須要有一位高管加入團隊。

在智能資料團隊中大家都清楚，在數字化變革過程中，團隊中是否有一個良好的變革管理，會影響團隊中關鍵成員邁出變革的第一步。一些企業的内部具備變革的良好條件。在促進變革措施落地時，外部因素也很重要。簡而言之就是，我們必須通過變革管理提前統一股東們的認識，尤其是對持懷疑态度的股東，不僅僅隻是告知他們，而是要為進行試驗流程奠定一個統一的思想基礎。

我們必須通過變革管理提前統一股東們的認識，尤其是對持懷疑态度的股東，不僅僅隻是告知他們，而是要為進行試驗流程奠定一個統一的思想基礎。

第二步：調整激勵方案，以客戶為中心

智能資料之路的最終目标是實作以客戶為中心。我們隻有在激勵方案中将客戶置于核心位置，才能夠在智能資料之路上取得進展。

我們可以想象一下，在一個更加完善的市場和營運環境中，再沒有傭金或者手續費的概念，而隻有固定薪資概念。一名員工會盡自己所能地為客戶提供咨詢，因為他知曉這樣做會提高客戶的長效價值貢獻，有利于企業的長期經營，而他自己也會從企業的長遠發展中獲利。

在一套自學習系統真正顯現其效果前，它其實需要逾越很多人性障礙。

讓我們從想象中回過神來。企業的激勵方案應該着眼于客戶長效價值的提高，而不是像現在一樣關注短期營業額。一個員工如果能夠提高客戶的口袋份額，或者營銷了售後服務産品，那麼他就應該獲得獎勵。如果有哪位員工還是滿足于向存量客戶出售基礎産品或耗材，那麼對不起，他将無法獲得額外獎勵。

換句話說，我們需要檢驗結果，這也符合資料驅動下的企業管理的内部邏輯。

原則上，激勵方案的設計，需要鼓勵在資料分析方面的投入。有些人會質疑這樣做的必要性。當資料分析切實為企業帶來了增效，企業管理人員就會注意到，并且自然就會使用資料分析系統。從理論上看，這樣說是有道理的，長期以來我們也是這樣希望的。我們通過其後很多智能資料項目了解到，在一套自學習系統真正顯現其效果前，它其實需要逾越很多人性障礙。正如所描述的那樣，所謂智能資料流程，就是有規律性、有意識地去探尋新的事物，這些事物可能經過三次優化之後才會優于既存事物。想要獲得機器的輔助，意味着要锲而不舍地探索，也意味着每一個員工必須放棄一部分的對機器的自由選擇權。

在情感層面上對此有抵制情緒是人性使然，隻有通過坦誠有效的溝通才能解開心結。否則，對資料分析的抵制情緒最終會導緻哪怕是最有希望的資料項目以失敗告終，而此時，項目創造增值的效果還未得以顯現。

第三步：智能化地配置資源，培養人才

在本章的開頭我們就談過，自願選擇工作崗位這種方式對絕大多數大企業來說都不現實。但這也不能一概而論，團隊組建與企業普遍的組織架構相沖突的情況也是可能存在的。

在智能資料企業中，智能化地配置資源首先意味着要為試驗提供條件。員工們自由選擇加入複合化的項目組，是為了在資料科學家的幫助下掌握更多資料分析能力。組員由各年齡段的人組成，他們想弄清楚，如何獨立設計控制組試驗，如何預測模組化，以及接下來如何規範分析，這些對他們的工作領域來說都很有意義。組員們需要榜樣和自由發揮的空間。在美國公司裡，這個自由空間被稱為“沙箱”，在這個空間範圍内，市場營銷人員完全可以接觸到企業的全部資料庫。在理想的情況下，組員們還可以設想并施行更大規模的市場營銷方案，而不用提前請示任何人，隻要這個方案不與這家企業的基本理念相悖即可，就像聲破天公司那樣。

在這方面，我們也經常會聽到反對的聲音。比如，即便我們這樣做了，得到的也隻不過是一些彼此毫無關聯的市場營銷方案，我們也不知道這些方案将給我們帶來什麼，會不會産生惡性效果。實際上，如果沒有一個大的方向，那這确實是危險的。這就是說，資料化創新必須要有一個具有可比性的衡量标準，這個标準是基于相同的客戶了解及客戶分類的。對每一個創新流程來說，這都是指導性原則。基于特定的分析思維邏輯，以衡量标準為前提，創新行為才會具備可比性和互補性。在創新的可比性和互補性方面，也需要有競争，這樣，項目才能越來越智能化地疊代。競争的結果非常符合“二八法則”，我們曾檢驗了100種市場營銷方案，根據之前定義的評價标準，其中8個特别成功，12個很成功，剩餘的80個方案被中止，是以我們就沒有繼續追蹤。

資料化創新必須要有一個具有可比性的衡量标準，這個标準是基于相同的客戶了解及客戶分類的。

總結一下就是，在每一個智能資料項目中，我們都要尋求一種平衡。既要讓員工有足夠的空間去進行智能化的資料試驗，同時也要堅持指導性原則，確定每一次嘗試都是遵循一個統一的架構，圍繞統一的目标開展的，并且，從每一個方案中獲得的經驗教訓可以為接下來的項目提供借鑒。

第四步：智能化地引進技術

如果我們想有朝一日能夠捉住浩瀚資料海洋裡的“抹香鲸”，那麼我們需要引進分布式檔案系統海杜普。高性能叢集計算系統HPCC和Quantcast檔案系統為我們提供了平台，完成對海量資料的分析。以開放源代碼為基礎的解決方案提高了對MapReduce程式設計的需求，我們同時還要掌握R、Python、Hive和Pig語言。在簡化系統界面編輯工作方面，Cloudera和Hortonworks公司提供了商業化的選擇方案。但是，如果是大一些的實時應用，我們還是推薦直接選用記憶體資料庫，比如SAP HANA。SAP HANA配置了高功率的多核體系結構，是以可以快速回報查詢結果。我們需要系統性地對HANA分析架構下的機器學習因素進行優化，這一點尤其重要。對可視化分析和人工智能的自然語言處理也一樣，否則就無法完成社交網絡分析。如果在系統複雜性或者資料通過性方面出現問題，那麼可以考慮使用MIKE2.0解決方案。所有的成本支出都是透明化的，尤其是在使用雲服務的時候，能夠實作随收随付即付且無前端費，pay by the drink（按用量付費）！

停！剛才是開了一個玩笑。如果你對上一段似懂非懂，那麼請你深吸一口氣。

在沒有技術支撐的情況下進行資料分析，就像是遊泳時沒有水一樣。每一項大資料技術都有其存在的價值，能夠在合适的情況下正确地應用這些技術，可以使在10年前還如科幻小說般的市場營銷幻想變為現實。但是這些技術也存在一些問題，當資料科學家們嘗試獨自埋頭研發這些技術時，成本支出可能會得不到有效控制，就像世界頂級建築師建設柏林勃蘭登堡國際機場時發生的情況一樣。

對智能資料冠軍企業而言，什麼才是合适的技術？這個問題不是某一個應用技術、一個程式設計方法、一個電子産品能夠回答的。我們需要采取正确的行動，促進資訊技術真正為我們創造實惠，同時顯著降低投資失敗的風險。

這樣做行不通

有一家企業，剛剛确立了一個複雜的數字化戰略。它認為，它的同業競争者都已經掌握了資料分析能力，它必須用最快的速度趕超。公司的首席營銷官已經意識到了客戶資料的潛在價值，是以他提倡這種趕超行為。企業的高管層并沒有對這個問題進行深入的研究，而是去征求了首席技術官或者技術部門負責人的意見，詢問公司如何能夠在短時間内成為大資料巨頭企業。這種情況下，答案往往是，那我們首先必須要使數字化戰略切實落地，然後我們需要豐富我們的大資料應用程式（雲服務使這點變得更便捷和經濟）。然後，首席營銷官和技術官會設法去遊說财務部門，為此增加必要的預算。

如果預算到位了，首席技術官就會接手這個項目，首席營銷官也會為此感到高興，從此以後營銷人員可以采用技術手段經營目标客戶了。首席技術官很快就會構想出企業理想的大資料公共設施，這些設施在技術方面無所不能，并且能夠對現有的技術設施提供完美的補充。基于這種理想化的圖景，技術團隊會制定冗長的任務書，涵蓋對未來系統情況的較長的描述。當我們把這些梳理清楚，使其具有邏輯和理性後，就着手進行程式設計。然後我們會詢問客戶，是否同意我們繼續使用他們的客戶資訊，雖然這時客戶根本不知道我們将他們的資訊用來做什麼。之後，一系列的市場營銷和企業管理工具就會問世，我們還會開始對員工進行技術教育訓練。在應用過這些工具後，營銷人員會發現，其實這些工具不是特别适合解決他們面臨的問題。

這聽起來像是一種諷刺嗎？我們不禁反問，有多少大型的IT項目是可以在限定的預算内完成的，又有多少能夠實作預想的效果？研究表明，隻有10%~30%。

技術尤為重要，我們需要依靠技術專家去發掘技術解決方案，一般情況下，技術本身不是問題。

這樣做行得通

技術尤為重要，我們需要依靠技術專家去發掘技術解決方案，一般情況下，技術本身不是問題。

讓我們回顧一下智能資料循環流程。市場營銷和企業營運的任務目标沒有改變。我們可以采取五種手段去提升客戶價值，即發掘新客戶、提升口袋份額、長期客戶關系管理、持續推薦和提升市場營銷和營運效率。資料和分析隻是幫助我們更好地去運用這五種手段。如果一家企業計劃增加在資訊技術方面的投入，就必須要認識到這一點。

在引進技術時，要遵循五個基本原則：

☆要弄清楚我們具體要解決哪些商業問題。我們首先要明确回答這個問題，然後再弄清楚未來的使用者（比如市場營銷和營運人員）對技術系統有哪些要求，之後再考慮引進哪項技術。

☆管理部門、技術專家和市場營銷部門必須合作尋求适宜的解決方案。管理和市場營銷部門需要培養一些技術人員，目的是為了更好地針對技術的功能和效用發問。技術專家也需要學會用營銷人員能夠了解的話術去溝通表達。

☆不要固執地尋求最理想的數字化戰略。即便是在大資料時代，也不存在所謂最理想的方案，更不要說是在一個技術尚不成熟的時代了。

☆當我們還不了解一項技術的時候，就暫時先不要引進，這跟投資股票是一個道理。提供技術解決方案的一方必須要證明這個解決方案如何能夠具體地解決我們面臨的商業問題，或者已經解決了其他使用者提出的需求。換句話說，我們不要引進尚未經過驗證的技術。智能資料企業不是科技進步的試驗品，而應該是明智的新技術追随者。

☆現在儲存設備便宜了，雲技術得到發展，我們能夠從非結構化的資料中獲得需要的資訊，即便是在這種大環境下，我們在引進一項新技術前，仍需要考慮三個方面的問題：

•新引進的技術是否能夠與現行系統中的資料源相容？尤其是企業資料庫。

•是不是必須相容才行？

•如果不相容，新技術如何擷取資料？

這三個問題的答案決定了新技術是否能夠在新環境中創造出預期的增值效果。

疊代增量，小步快跑！

智能化地引進資料分析技術意味着，不斷接近靈活程式設計方法中的疊代開發邏輯，Scrum是這其中最常見的一種方法。當項目負責人喊出“疊代增量，小步快跑”這一口号時，他的意思是，将原來列出的項目任務書扔進垃圾桶，不再考慮了。原因是現在使用者的需求變化太快，原來的計劃缺乏時效性，不能再發揮其作用了。通過小步快跑的方式，疊代開發技術應用以滿足客戶需求是更好的選擇。這些小應用可能不能夠滿足客戶的全部需要，但是它們能夠滿足最核心的需求。它們應該具備簡單易學的特點。如果效果好，那麼我們就會對其進行優化，拓展其功能，如果運作效果不好也可以承受，畢竟我們的投入還不算很大。

雖然我們知道，上面所描述的情況不能百分之百地應用于大企業的數字化戰略，但是靈活程式設計方法的核心思想可以作為智能資料企業投資決策的指導性原則。我們不要嘗試一次性轉動技術的巨輪，我們應逐漸去實作。哪些小項目最終能夠帶來預期的增值，在這方面也是遵循“二八法則”。

第11章 智能化地引進人才和開展教育訓練——正确選擇員工

先說一個好消息。對大多數企業來說，并不需要為了更好地使用客戶資料資訊而去新增雇用很多具備不同才能的員工。如果我們能夠在現有員工中發掘合适的人才，去啟動、推動、組建、控制智能資料流程，這就足夠了。如果某個創新項目是通過追加雇用多名資料科學家和大量分析人員獲得成功的，那也不明智。我們确實不需要這樣。我們需要在企業内部組建一支先頭部隊，并組織外部資源給予其支撐。

對大多數企業來說，并不需要為了更好地使用客戶資料資訊而去新增雇用很多具備不同才能的員工。

讓我們從企業人力資源管理的視角出發，去審視一下在智能資料流程中核心崗位的人員都需要具備哪些素質。

戰略規劃官

作為企業的戰略規劃官，首先要考慮企業需要借助資料解決哪些商業問題？在企業順應智能資料流程的實踐過程中，戰略規劃官需要組織協調同經營目标、潛在機遇和必要基礎變動相關的重要部門。戰略規劃官需要有宏觀眼光，但同時也需要有具體的實施計劃。戰略規劃官也被稱為企業智能資料流程的指揮官。

最适合這個崗位的自然是企業的董事或者總經理。企業戰略規劃官可以來自傳統的戰略規劃部門，也可以是資料分析部門的負責人，在改革中，他們的理念可以實作與企業高層的高度協同。我們曾經結識某企業集團後備上司人中的一位佼佼者，他意識到了作為戰略規劃官所能獲得的重大機遇，出色地完成了工作任務，最終使自己成長為年輕有為且最具執行力的複合型項目人才。

企業戰略規劃官必須同時具備三項核心競争力：

☆在既有的經營模式下，戰略規劃官要能夠出色地識别出當下以及将來的市場成功因素。

☆戰略規劃官需要将智能資料方案的實施步驟和邏輯内化于心。

☆戰略規劃官要了解，結果開放和以結果為導向并不沖突，它們是資料項目中關鍵的試驗步驟。

小結一下：企業戰略規劃官必須是具有現代化上司理念的管理者，能夠識别出争取客戶的機遇和資料技術，并且知道并不僅僅因為他是管理者，他的想法就是最正确的。

資料科學家

從智能資料流程的第二步起，我們便開始需要精通資料應用的同僚們的輔助。這一類人才在市場上稀缺且昂貴，如果他們之中有人能夠被納入資料科學家的行列，那麼就更稀缺、更昂貴了。兩年前，托馬斯·達文波特在《哈佛商業評論》上撰文宣稱，資料科學家是21世紀最性感的工作。他在同名文章中将資料科學家比作“新鮮出爐的面包”，他們不僅具有高深的分析及統計能力，而且對商業流程和經營模式有着深入的了解。正是由于具備這兩項能力，使他們能夠兼具IT人員和非IT人員的了解和表達能力，最終可成為最富價值的“金牌外交家”。在IBM，什麼樣的人才能被算作資料科學家？他們要能看懂資料庫記錄，在其他人還迷惑不解的時候，他們就已經看清了趨勢。在部落格中對資料科學家有這樣的描述：“一半是分析師，一半是藝術家。”

我們希望每一個數字化企業夠能擁有足夠的、（在理想情況下）雇傭價格合理的數字科學家。在數字革命中，我們雖然不能說資料科學家是超級英雄，但是我們也不能否認，在數字化變革的每一個階段，擁有數字技術和商業營運雙重知識背景的數字化科學家都做出了極大貢獻。在很多數字化項目中我們也發現，有的時候并不能找到一個現成的資料專家，而是需要去發掘或者組建資料團隊，比如從IT部門或者從戰略營銷部門抽調人手，然後整個團隊再坐下來一起分析資料。在IT部門和客戶關系管理部門總是能夠找到一些電腦科學家，他們即偏愛統計學和數學，又對經濟領域有興趣。對于這些“老面包”（與前文新鮮出爐的面包相對）來說，如果誰能夠把他們從乏味的程式設計工作中解脫出來，那他們會很高興的。如果有必要的話，對他們進行一些商業資料分析方面的教育訓練，使他們能夠探索性地處理資料，這樣他們會更高興。他們會去嘗試曾經在最喜歡的大資料部落格和專業論壇中接觸到的東西。經驗告訴我們，這批充滿好奇心的IT人員一定會成為項目的主推力量，在新的項目中，他們也會忘我地去工作。

如果通過内部調配人員或者重新招聘仍然無法滿足人力需求，我們也可以将某項特定工作承包給外部資料服務商。我們在使用資料外包服務（基本都是外包給專業化的咨詢公司）的時候需要注意，外包服務商從一開始就接手一項任務，他們最終交出的結果不可以隻是一份PPT材料。他們必須負責，以BOT（建設—營運—移交）的方式完成這項任務。這種任務執行方式不便宜，但是如果依靠企業内部能力無法完成，那麼就必須采用這種方式。因為如果外包任務執行得不徹底，沒有完整地解決資料方面的問題，我們在執行的過程中往往會面臨失敗。在這種情況下，分工合作就是正确的選擇。企業内部IT部門負責抓取資料并将資料提供給外部資料服務商。服務商首先要開啟智能資料流程，然後按照最優的标準分揀資料，再對往來資料進行聚類分析，最後再運作相關算法。在理想的情況下，外部資料服務商不僅僅提供統計分析結果，而是在與内部IT部門合作的過程中，也與企業内部人員共享認知。

在外部資料服務商将資料傳回到企業内部後，正常情況下，企業内部人員将對資料進行處理，通常由IT或者客戶關系管理部門接手。在此基礎上，市場營銷措施将被投放，并在過程中實作逐漸優化。在此過程中我們需要注意，要保留足夠的内外部資料專家隊伍，以便能夠持續性地對資料算法及市場營銷措施進行改善。

在本書第三部分我們曾經提到過，我們主要是在市場營銷和企業營運的過程中，實作了資料應用和措施的真正發展與轉化。在智能資料流程的第四步，我們基于資料分析和聚類分析的結果，明确了某一産品的特性，然後考慮如何能使這些特性更好地适應客戶的需求。這首先是對市場營銷人員提出的要求，當然也需要企業戰略規劃人員、資料專家、客戶關系管理專家以及智能資料團隊中企業營運人員的協助支撐。在智能資料流程的第五步，即實踐具體的市場營銷措施，将有企業營運人員主導，其他人員輔助。

在智能資料流程的最後兩步中，請教外部專家也是有意義的，比如如何有創意地組織宣傳活動，或者如何設計客戶“觸點”。到目前為止大家都是這樣做的。我們對内外部關系的了解也沒有太多改變，在可能的情況下，我們隻需要去尋求一個合作夥伴，它對資料驅動下的市場營銷在行，并且比我們更了解市場營銷文化層面的内涵。

但是從我們的經驗來看，起決定作用的是：

☆智能資料團隊必須要有一個非常有能力的項目經理，其自身必須具有資料分析實力，并且具有數字化變革的相關經驗。

☆智能資料團隊必須由一個變革管理經理主導，或設定一個變革管理小組，負責促進團隊能夠為了将來獲得客戶增值而協同作業，保障團隊所做出的嘗試和探索不受外界因素破壞。

項目經理

我們經常低估了在資料項目的項目管理方面的成本投入。大家普遍認為，由團隊的企業戰略規劃官或者其他什麼人兼顧一下項目管理工作就行了。這樣做無論如何是不行的，除非這個人的本職工作特别清閑或者這個人對資料項目特别感興趣。

在啟動一個智能資料項目之前，所有的參與者都必須明白，人們是期待這個項目對整個企業産生拉動效應的。但是很遺憾，這也必然意味着要付出相對較高的協同成本。跨學科項目團隊的成員來自許多不同的部門和領域，他們在互相磨合的過程中嘗試新的事物。這在組織層面是十分複雜的。從短中期來看，協同成本不會降低，反而會升高，這是可以預見到的。原因是，當第一批項目獲得成功後，又會有新的項目需要大家互相配合。經驗表明，在這方面，項目經理的能力此時就變得十分重要了。企業戰略規劃人員、IT人員、市場營銷和銷售的執行人員往往會在跨部門的溝通中出現問題，進而導緻誤會産生。誤會很快就會演變成實際的沖突，這些沖突有可能會變得上綱上線，比如将引發的沖突歸咎于智能資料項目上，認為這是智能資料項目的必然結果。

現實中是存在集專業能力與組織上司能力于一身的項目經理的，他們能夠良好地解決沖突。在一個德國大型汽車制造企業的案例中，我們發現了這樣的項目經理，同時也發現了一名女性變革管理經理。

變革管理經理

人們總是過高地估計了現存事物的價值，又過低估計了新事物的發展潛力。

人們總是過高地估計了現存事物的價值，又過低估計了新事物的發展潛力。這聽起來像是陳詞濫調，可是在企業中卻經常發生。盡管呼籲改革已經是一個無所不在的口号了，但改革還是停留在口頭上。在内心深處，我們會質疑，為什麼要進行大規模的改革？雖然表面上表示擁護，但是從内心上，我們其實是在坐等某些改革走向失敗。因為統計資料已經說得很明确，大約有3/4的資料項目都失敗了。

對智能資料戰略來說，糟糕的變革管理是最大的風險。

請給這句話畫三次重點線！數字化變革有時因技術而失敗，但大部分情況下是因為沖動。

如果想知道什麼是優秀的變革管理，我們可以觀察一下前文提到過的那位女性變革管理經理的做法。她幫助企業高層管理人員和項目負責人員建立起了對探索性改革的正确認識，使其能夠在合适的時機做出正确的抉擇并采取正确的行動。

具體情況是這樣的：

☆高層管理人員用文字和對比資料明确表達了改革的必要性。同時也指出，如果現在不進行改革，企業将面臨怎樣的結果，總之都是不好的結果。

☆高層管理人員和智能資料項目團隊從一開始就不知疲倦地溝通改革的意義和原因是什麼。改革的目的，是更好地去了解客戶，進而更好地去滿足客戶的需求。這種核心思想反複被強調，使每名員工都有所觸動。大部分的員工都認識到，自己的一些行為可能不太合适。在企業的各個層面，以各種形式，開展這種批判式的自省。

☆有一些投資人和參與方，看起來與數字驅動下的市場營銷沒有太大關系，變革管理經理會持續性地組織他們參與到項目中。

☆當跨學科的項目團隊中出現誤解和沖突時，變革管理經理是時刻就位的。通過每一次調解，她逐漸樹立了自己調停人、中間人的角色與聲望。她使智能資料項目團隊越來越像是一個團隊，對外可以取得良好表現，也可以吸引更多的人才。

☆她會定期或者不定期地向管理層和項目負責人通報近期取得的成績及中期工作進展。

☆同時，她也會明确指出項目需要克服的障礙。

☆她還負責保證企業中的每一個人（是每一個人！）在任何時候，都可以找到一個項目成員，咨詢項目的經驗。

最終，這個企業根本不想讓她離開了，而是希望長期雇用。但是她拒絕了，因為她更喜歡追求變化。

誰上了誰的哪條船？

想在智能資料項目中做出成績的人，不應該“上任何一條船”，他們應該自己組建合适的“船”并駛向全新的彼岸。

這位女性變革管理經理給我們留下的最深印象，不是如何将變革管理的方法應用于企業實踐，雖然這也很令人印象深刻。她最大的貢獻在于轉變了高層管理人員對改革的态度和認知。企業管理者總是認為現在已經決定了要發展智能資料戰略，那麼接下來我們就要去“組織人上這條船”。然而這位女經理讓所有的管理者明白，正是他們這種自認為知道怎樣做的态度，将導緻改革的失敗。

想在智能資料項目中做出成績的人，不應該“上任何一條船”，他們應該自己組建合适的“船”并駛向全新的彼岸。

隻有當企業管理層将這種态度内化于心時，企業戰略才能夠落地為探索性的改革，然後企業才能形成自學習機制，最終獲得競争優勢。

第五部分 赢得資料

第12章 選擇客戶真正需要的數字化戰略

公衆衆口铄金

2012年6月5日，威斯巴登新聞處刊登了一篇不起眼的新聞稿，内容為德國哈索–普拉特納研究所（Hasso-Plattner-Institut，簡稱HPI）和德國信用評估機構SCHUFA将聯合啟動一項名為“SCHUFALab@HPI”的社交媒體資料研究項目。報道稱，該項目面臨的工作難點，一是利用社交媒體資料進行研究的合法性，二是缺乏擷取資料的技術手段。項目首期暫定三年。

然而三天後，HPI公開宣稱将與SCHUFA解除此項合作。理由是公衆對合作雙方已經達成一緻的研究方法存在誤解，公衆由此産生的反應行為是此項科研項目所不能承受之重，科研項目需要平靜的研究環境。一則看似平淡無奇的新聞報道卻激起了資料隐私保護主義者、政治家和網絡社群的憤怒總爆發。德國執行嚴格的資料保護法隻是導緻這種情形發生的部分原因。究竟這其中發生了什麼？

研究計劃剛剛公布，公衆對SCHUFA要提取哪些社交網絡資料來評估使用者信用情況的猜測就開始急速發酵。NDR（北德意志廣播電台）援引内部檔案稱，研究臉譜網朋友清單、好友間的互動情況與個人信用評級之間的關聯性，是遵循“物以類聚、人以群分”這種理念的。明鏡線上的記者發表分析文章稱，通過資料分析可以查明社交媒體上的意見領袖。通俗點兒說就是，如果有某種言論是發轫于網絡的，且在一兩天之内就占據了輿論的焦點，那麼SCHUFA将會追蹤全部的臉譜網頁面檔案，并且以某種标準搜尋個人頁面，就像國家安全局一樣去判斷哪個人是安全可信的，而哪個人不是。

一位SCHUFA發言人對此持反對意見，他明确說明，研究隻會使用公開資料，符合資料保護法律的規定。但沒有人會聽信他的話。德國聯邦司法和消費者保護部部長借此抨擊了SCHUFA一直以來所謂的資料透明問題。最終，就連威斯巴登新聞處的顧問也對這個項目持反對态度。大家漸漸明白，像SCHUFA評級這種利用公開資料進行大資料分析的項目，在經濟層面考慮可能是可行的。但是最終還是要依靠企業自身去探尋創新性地改善産品的可能性，在這一點上，社會化資料可能會在統計層面做出一定貢獻。但是，這樣做并不是好的辦法，因為合法的事情不一定正當。大資料分析的正當性是由公衆來界定的，而不是那些搜尋并評估資料的人。換句話說就是，在大資料方面，公衆有衆口铄金的力量。

大資料分析的正當性是由公衆來界定的，而不是那些搜尋并評估資料的人。換句話說就是，在大資料方面，公衆有衆口铄金的力量。

有時，一個新詞的誕生也會打倒一個極富創造性和潮流感的産品，比如Glasshole這個新詞，即便是在這個産品還沒上市時。現在如果有誰戴着谷歌眼鏡走進酒吧，那麼馬上就會有人叫他Glasshole[1]。事實上，谷歌眼鏡作為增強現實技術應用于日常生活領域的先鋒産品，早在2013年就應該面向大衆市場銷售，2014年便可以席卷舊金山和紐約市場。但實際上，2015年1月，谷歌公司最終拉動了這場圖像災難的刹車器，宣布停止向甄選客戶銷售谷歌眼鏡，并稱将以最快的速度通過産品的徹底改良來尋求一個新的開始。誰都不知道，将來谷歌眼鏡還會不會以大衆消費品的形态投放市場，還是僅僅隻針對特定使用者，例如飛行員、外科醫生或庫管員。

隐私精神分裂症

人類在某種程度上講是一種沖突的存在。他們會把數字化和使用資料發揮到極緻，在這一點上，本書的三位作者也未能免俗，但與此同時，他們又會去抨擊我們這個時代所具有的數字化病态現象。根據EMC Privacy Index（EMC隐私權指數）的最新結果及其他類似調查結果，至少有三種源于内心的分裂現象可以解釋這種病态症狀。

第一種：“啥都想要”型

這種類型的人，作為普通公民和消費者，他們希望能夠享受數字化世界帶來的全部好處及便利，但又不想犧牲自己的隐私。但是有點兒數字化常識的人都應該知道，大部分的系統都必須使用我們的資訊或者将我們與它們的資訊相結合，才會順利運轉。

第二種：“無動于衷”型

這種人盡管知道資料保護和資料安全方面的風險點在哪裡，但是他們卻不會采取任何行動來規避這種風險，因為他們覺得去讀懂并斟酌資料保護政策太費力，借助編碼技術提高個人IT系統安全性也費力。對抗網絡犯罪則需付出雙倍成本，不僅會影響使用舒适性，還需要花費金錢。監管當局和企業太過看重使用舒适性，這正是導緻資料保護缺失的元兇，他們需要更看重IT系統安全性。偏重使用舒适性這種态度對德國的影響可能比他國更甚。

第三種：“社會分享”型

在調查中，社會化媒體的使用者不斷強調，他們有多麼看重個人隐私。他們在臉譜網平台上呼籲對個人隐私設定更嚴格的保護措施。他們對社會化媒體的營運商的信任程度幾乎為零。但同時，他們卻也在不停地分享、分享再分享。他們中的大部分人會本能地、不止一次地去确認自己的朋友清單是不是公開可見的，比如确認他們的朋友圈資訊是不是可被信用評價機構調用，但同時他們也會關注是否為了保護個人隐私而使自己的朋友圈資訊石沉大海。

總結一下：在數字化空間中，我們總是強調資訊是屬于個人的，但是我們也知道，這基本不可能。“資訊自決權”這個概念源于1983年德國的人口普查案判決，并直到今天仍影響着我們對資料保護理念的了解。我們感覺到，資訊自決權這一法律概念拖延了數字化技術的應用程序，影響并限制了使用舒适性。但同時，我們又不願意放棄對資訊自決權的執着，也正是這種執着成就了來自石勒蘇益格–荷爾斯泰因州的蒂洛·韋切特（Thilo Weichert）資料保護專家的英雄形象。

其實，始終存在一種錯亂的感受，将我們引向自相沖突的兩個方向。我們對數字化現狀的不滿情緒是源于一種錯誤的認識，即有意義但又會影響使用舒适性的資料保護和資料安全措施并不能夠給個人層面帶來實惠。我們将這種不滿情緒内化，繼而就會對所有的商業化地使用個人資料資訊的行為持有主觀的普遍懷疑态度。

作為企業，我們可以選擇對客戶的數字化精神分裂現象表示遺憾，但同時對數字化持積極态度。我們也可以選擇忽略客戶的數字化精神分裂問題，抱着僥幸心理以激進的态度去使用資料。或者我們也可以嘗試盡量去弱化這種自相沖突，以及系統性地消弭這種錯亂的感受。

透明的“資料章魚”？

三年前，在《我們的資料》一書中，我們首次闡述了所謂“資訊品質驗收合格”的概念，跟美國的“Nutrition Labels”營養辨別和“Trusted Webshop”信任标志的道理是一樣的。這些由獨立可信的資料監督委員會出具的品質辨別可以讓使用者從複雜的資料保護問題中解脫出來，并且可以使通過技術手段完成資料使用許可管理成為現實。

跨越資料保護的障礙，建立受客戶歡迎的資料庫，這種在當時看來大有前景的想法後來并未成為現實，它因技術過于複雜等原因湮滅在飛速增長的App洪流中。但其實核心問題在于：

企業怎樣能夠實作在使用客戶資料的同時，還讓客戶對此感受良好。至少，别有沖突情緒。

解決問題的關鍵是掌握好平衡，處理好以下三方面的關聯關系：

☆客戶資料使用的強度和頻率；

☆透明度，使用了哪些資料以及是如何取得這些資料的；

☆增值，通過資料使用為客戶創造了哪些增值。

以上這三方面的關聯關系是顯而易見的：一家企業為其商業目的使用的客戶資料越多，就需要提供越多的透明度，同時也要為客戶創造越多可感受到的增值。多年來，很多企業内部負責資料保護的人員都在倡議，通過采用“商業智能儀表盤”[2]解決方案來提升客戶資訊使用透明度。通過表格的方式盡量增強說服力，客戶可以從“個人儀表盤”中看到，企業存儲了他個人的哪些資料，存儲了多長時間。理想情況下，企業還可以告知客戶，它們使用這些資料的原因。但是，讓人覺得悲哀的是，在德語區範圍内，幾乎沒有一家企業建構起了類似的解決方案。作為一家德國企業，他們錯失了一個聲名鵲起的機會。這種現狀是無法持久的。

在資料透明度方面走在市場前列的恰恰是那些美國公司，它們在過去數年間被認為是“資料章魚”而飽受诟病。至少谷歌和臉譜網非常清楚，客戶的這種數字化精神分裂現象以及伴随而來的錯亂感受會危及企業的商業模式，更确切地說，這種情況愈演愈烈。這兩家資料巨頭企業均是采用資訊化工具來應對這種情況。谷歌幾乎自始至終都采用的是谷歌資訊中心（Google.com/dashboards）功能，通過使用這個功能，使用者可以看到其使用全部谷歌工具的使用資料，其中也包括已存儲的位置資料，谷歌資訊中心還為客戶提供了下載下傳這些資料的功能，此外，客戶也可以選擇删除這些資料。臉譜網在這方面也逐漸有所發展，在賬戶設定項下已經可以提供資料導出功能，并且還讓使用者知曉，臉譜網算法會抓取哪些關鍵詞用于判斷是否需要推送廣告。蘋果公司在很早之前就宣稱，其在保護客戶隐私及資料安全方面具有競争優勢，并且強調自己跟其他公司不一樣，不靠賣具有廣告價值的資訊存活，而是憑借銷售電子裝置和數字化内容實作發展。

我們需要闡述一些觀點來防止新的誤解産生。我們不想讓大家留下一種印象，就是我們認為這些來自美國西海岸的數字化先驅企業采取的這些措施就已經足夠了。但是需要注意到的是，最晚從斯諾登事件之後，這些企業不再相信“個人隐私時代的終結”這種觀點，他們逐漸認識到：

企業如果想要使用客戶資料資訊，之前必須要獲得“權利許可”。

這是一種行事态度。這種态度塑造了真正智能化地使用資料的核心理念，因為這種态度可以引導企業去制定真正受到客戶歡迎的數字化戰略及資料應用方案。正是這種态度，确切地說，也隻有這種态度才能使企業通過使用資料而更加貼近客戶。從長期來看，也隻有秉持這種态度，企業才能夠按照期望的速度實作數字化變革。

正如我們在本書第三部分已提到的，我們将這種态度稱為：

赢得資料。

赢得資料

“赢得資料”這一概念首次出現于2013年夏季，正值“斯諾登事件”的高潮期，當時這個概念在内容上還有些模糊。這一概念當時在歐洲并沒有引起反響，在大西洋另一岸的美國也逐漸被人遺忘。很遺憾。讓這個切中本質的概念發展成能夠為智能資料企業所用的行動指南仍然需要時間。

以下是我們的建議：

在獲得許可使用客戶資訊之前，智能資料企業首先應該問自己，為了給客戶創造增值，我們到底需要哪些資料？德國資料保護法是基于“資料最小化”原則（Datensparsamkeit）。在這一點上，技術的發展水準已經超越了法律的界定。然而，赢得資料這一概念卻很好地顧及到了對資料使用平衡性的需求，這是與現下流行的大資料方法最重要的差別。

考慮到資料使用的平衡性需求，智能資料企業不會存儲與客戶價值提升無關的客戶資訊。

大資料方法是要盡可能多地搜集資料，然後把這些資料彙集在一起，然後再啟動算法，希望通過此種方法發現對資料使用企業來說有價值的認知。“赢得資料”的方法不追求量，而是要找到真正有用的資料。客戶有意識且樂于分享這些資料是因為客戶明白，“赢得資料”是一個能夠實作互惠的方法，企業使用客戶資料是從客戶利益出發的，也隻有通過這樣的方式，才能夠提高理性客戶的長效客戶價值。

考慮到資料使用的平衡性需求，智能資料企業不會存儲與客戶價值提升無關的客戶資訊。企業的IT系統也會據此來設定，不會無端地誘引客戶給予資料使用許可。

我們應該如何了解對客戶有利、為客戶創造增值呢？

系統地來看，為客戶創造增值分為四個互相聯系的層面，分别是折扣、更優的産品、有針對性的營銷溝通以及合宜的咨詢。

1.折扣

客戶分享給我們資料，我們為客戶提供折扣或者贈品。隻要我們制定好遊戲規則并且堅持履行承諾，那麼這就是一個公平的交換。帶有優惠券智能調控功能的動态折扣系統擁有很好的前景。這種系統不應該設計得太複雜，否則它就無法顯示其為客戶創造增值的作用了。

2.更優的産品

通過使用客戶資訊，航空公司可為客戶提供更好的航線産品，電信和手機供應商可以優化上網容量，通過使用匿名患者資訊，醫藥公司可研發出療效更好的藥品。事實情況就是這樣，而且大部分的客戶都會從中獲益。通過使用赢得資料，金融服務行業可以為個人開發出量身定制的産品，而不再是普遍性銷售的産品。體育用品生産商可以根據跑步俱樂部的資料，優化運動鞋的減震功能，體育用品經銷商參考客戶會員卡上的資訊，可以很快知道客戶适合哪種運動鞋。如今，大部分領域的産品創新都需要資料的支撐，分享一部分個人數字化資訊，以此為産品研發貢獻出自己的一分力量，大部分客戶對此都持積極态度，隻要他清楚，他的個人資訊被用于做什麼。而恰恰是在“讓客戶清楚他的個人資訊被用于做什麼”這一點上，大部分企業做得不到位，是以，對那些真正以客戶為中心且希望獲得客戶資訊使用許可的企業來說，還大有機會。

3.有針對性的溝通及廣告

如以适當的形式呈現，廣告也可以成為人們所需要的資訊。在20世紀60年代，“萬寶路牛仔”廣告形象的締造者裡奧·貝納（Leo Burnett）就提倡這種觀念。具有數字化理念的市場營銷人員也堅持秉持這種觀念，他們會跟蹤我們購買的商品數周之久。正如我們在網絡社交媒體管道中認識到的，定向廣告的存在是具有合理性的。當廣告具有正确的内容，并推送給了合适的人群，此時廣告就可以成為人們需要的資訊。看一下現狀，其實我們離定向廣告真正想要達到的目标還有很遠，但是人們已經被廣告搞得不勝其煩。我們很難了解，為什麼當領英網站的算法已經先進到可以發掘哪怕是在1994年或1995年互為同窗間的兩個人如今已經很微弱的關聯，但我們卻還在被“定向”垃圾電子郵件所困擾，比如發郵件通知我們可以免費嘗試訂閱一個月。

現在的問題是，很多數字化宣傳手段正在窮盡資料分析的全部可能性，又演變成了批量化營銷，數字化市場營銷的低成本最終導緻市場營銷人員過度消費了客戶的關注度。因不停向客戶詢問需求而引起客戶不滿的限度值被忽略了，或者至少是低估了突破限度的影響。什麼東西隻要一批量化，就意味着不珍貴、不重要，批量化會導緻适得其反，影響數字化市場營銷最終目标的實作。

在微觀營銷中，我們能夠看到做出調整的重要性：

☆隻跟客戶說最需要的内容，說最有可能讓客戶感到驚訝或者欣喜的内容。在可能的情況下，當宣傳手段引起客戶負面反應時，比如持續性走神，我們需要記錄下這一情況，并有所調整。

☆向客戶詢問需求的合适頻率也是資料分析工作的一部分。不能因為某一個客戶符合宣傳工具中設定的客戶選擇标準，我們就用廣告轟炸這個客戶。我們必須确認這個客戶是願意接收這一廣告資訊的，至少需要确認給這個客戶發送廣告資訊不會引起他的抵觸情緒。

☆在微觀交流中實作增值的意思是，可以不動聲色地向客戶營銷某種産品，這時，廣告就真正變成了對客戶有用的資訊了。

在過去的幾年，批量化地使用定向銷售手段引起了很多客戶的反感。這樣做的代價是，本來就很缺乏的客戶有效關注變得更少了。

程式設計化廣告是對廣告手段的優化，我們可能之前對這些廣告手段有錯誤的認識，或者這些廣告手段從長遠來看不會産生效果。

程式設計化廣告是對廣告手段的優化，我們可能之前對這些廣告手段有錯誤的認識，或者這些廣告手段從長遠來看不會産生效果。智能資料化的市場營銷人員有這樣一個共識，在重要的市場營銷交流中，有的時候“少”才意味着“多”。一些認真投入的營銷交流，比數百萬所謂定向發送的陳列式廣告或者電子郵件都有效，這些陳列式廣告或者電子郵件可能隻需一秒鐘就會被人們扔進垃圾郵件箱。我們承認，在這種批量轟炸詢問客戶需求的過程中，有時可能也會孕育出一些有效的營銷交流。但僅是這樣，我們的目的就達到了嗎？當市場營銷人員走上了批量宣傳的彎路，請考慮一下這種方式的附加惡果。每一個不想被批量廣告困擾的消費者，此後可能都不會再願意分享他們的客戶資訊了，他們會定期清空浏覽記錄，會去下載下傳廣告攔截程式，對廣告的抵觸情緒也将持續發酵。

4.合宜的咨詢

一個線上酒店預訂平台的歐洲區負責人曾這樣形容對中介工作的品質要求：“在酒店中介這個行業，檢驗真理的時刻，就是客戶打開酒店房門的那一刻。當客戶看到房間後，如果他發現這間房間正合他意，他就會覺得中介給予了他良好的咨詢服務。如果我們能夠經常讓客戶産生這種感受，那麼他們就會願意與我們分享更多個人資訊，因為他們會覺得，如果讓我們多了解他們一些，他們也會從中受益。”

在這個例子中，這家資料巨頭企業的咨詢工作是通過推薦算法程式完成的，這是這家企業的獨到之處。這位負責人在談論推薦程式的時候，仿佛是把這個程式當作一個人來對待。我們對這位負責人的這種态度很感興趣，但同時也或多或少對沒有掌握像這家酒店預訂平台資料規模的企業感到擔憂。在智能資料冠軍企業中，一般是有血有肉的人在從事資料分析工作，以期能夠在與客戶的交流過程中提供更好的咨詢服務。這其中就涉及一個咨詢服務品質的問題，在這方面，算法程式是不可能代替人工的。在尼曼或者梅西百貨這種美國連鎖百貨企業中，去熟悉某個客戶的購買記錄，是每個個人購物顧問的分内工作。公司的系統會給出一些建議，比如這個客戶可能更感興趣的商品，但是個人購物顧問也不能拘泥于這些系統建議。在任何一次咨詢溝通中，都不可以将根據客戶關系管理系統邏輯産生的建議直接推送給客戶，而是需要将系統分析結果與客戶購物體驗相結合。隻有這樣，才能提高客戶分享個人資訊的積極性，就像在上述酒店預訂平台案例中描述的那樣。

後NSA時代的人

我們在一些極端的案例中總是能夠學到些什麼。不久前，柏林的連鎖超市Kaiser推出了純匿名會員卡。想辦理這種會員卡的客戶，既不需要透露姓名，也不需要登記郵件位址、付款資料或者星座之類的資訊。他們在辦理過這個會員卡之後，僅需妥善保管，在櫃台結賬的時候出具卡片，就可以獲得購物積分。這種會員卡為客戶帶來的好處是很直覺的，持卡客戶會經常獲得禮物，有時直接在櫃台就可以領取。比如，購物滿30歐元，可以獲贈巧克力棒，如果購物超過200歐元，可以獲贈巧克力榛子醬。獎品的價值一般都在購物金額的1%以上。對比一下，客戶如果使用Payback卡（Payback是德國境内最大的返利計劃，客戶在加盟商戶消費，出具Payback卡可以獲得積分），在共享消費資料的基礎上，一般消費400歐元才可以獲得2歐元的優惠券。

此外，這種匿名會員卡還有很多好處。匿名客戶攜帶着這種會員卡經過商店入口區域的讀取裝置，系統就會根據這個客戶的購買記錄，贈予他很多适合他的折扣券。德國《經濟周刊》認為這種匿名會員卡是适合後NSA（美國國家安全局）時代客戶的忠誠度管理形式。這個案例說明，在對客戶關系進行維護的過程中，我們并不是非得知道客戶的真實姓名。但是，我們必須誠實地補充說明一下，如果一個客戶忠誠度管理形式是以匿名客戶号碼為基礎的，那麼這種形式是不具備多管道發展潛力的。對一些具有多管道發展戰略設想的貿易公司來說，匿名會員這種形式沒有意義，因為我們不能給一個匿名客戶号碼寄送包裹或者宣傳折頁。但是這種匿名會員的形式卻可以很好地化解客戶的抵觸情緒，客戶再也不會覺得自己被暗中分析或者自己的付出與回報不成正比了。

獲得匿名資訊顯然比擷取私密資訊容易。智能資料冠軍企業要認識到這種差别，也要系統性地探究這其中的機遇。如果确實需要在獲得客戶許可的前提下使用客戶個人資訊以優化客戶關系，那麼使用資料的企業還要面臨兩個挑戰，一是資料安全問題，二是資料消除問題。

客戶的資料屬于客戶，不屬于企業。客戶許可企業去使用他們的客戶資訊也應該是有時限的。

企業獲得客戶資訊的前提是企業能夠妥善保管資訊。面對網絡犯罪，可能絕對的資料安全是不存在的，但肯定是那些在資料安全方面存在技術漏洞的系統，更容易被資料盜竊者盯上。在過去一些年中發生的資料安全事故大多是這種情況，是以我們說，在資料安全方面縮減投入是不明智的。事實證明，如果在資料安全方面出現問題，基本不會獲得客戶的原諒。

在本書的最後，我們需要再重申一下：客戶的資料屬于客戶，不屬于企業。客戶許可企業去使用他們的客戶資訊也應該是有時限的。反過來說就是，客戶可以随時、在不受到任何技術障礙阻礙的情況下，删除他的全部客戶資料。

全新模式

前面所說的這些，總結起來是什麼意思呢？

數字化變革為客戶提供了全新的模式。在這套新的模式中，決定性的問題不再是，有三個品牌，客戶最喜歡哪一個。而是當客戶站在超市貨架前，會不自覺地被其中某一個品牌吸引，卻渾然不知這是為什麼。智能資料時代的模式圍繞的是一個問題，即在哪家企業面前，客戶會不假思索地分享自己的客戶資訊。

或者更加形象的描述就是：

在哪家企業面前，客戶會自覺将數字化的“滑動變阻器”向右滑動？客戶這樣做不是因為他必須這樣做，而是因為他知道這樣做對他有好處。并且，客戶不會有抵觸情緒，因為在數字化驅動的市場營銷環境中，“赢得資料”理論已經化解了客戶的沖突心理。客戶獲得的益處越多，體驗就會越良好。

隻有這樣，才能夠孕育出既對企業有益，又受客戶歡迎的數字化戰略。

[1]該詞的編造是用于鄙視裝腔作勢的谷歌眼鏡早期佩戴者。——編者注

[2]business intelligence dashboard的簡稱，展示度量資訊和關建業務名額現狀的資料虛拟化工具。——譯者注