作者：陈杰豪,车品觉
出版社：中信出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
颠覆营销试读：
版权信息书名：颠覆营销
作者：陈杰豪，车品觉
排版：JINAN ENPUTDATA
出版社：中信出版社
出版时间：2016-01-01
ISBN：9787508658308
本书由中信联合云科技有限责任公司授权北京当当科文电子商务有限公司制作与发行。
— · 版权所有 侵权必究 · —推荐序一大数据“多即少，少即多”车品觉
阿里巴巴集团副总裁
中国信息协会大数据分会副会长
中国计算数学学会理事
无论是大公司还是小公司，我见过的几乎所有大数据成功例子都是“一把手”工程。公司的管理层越了解数据的价值，大数据落地的成功概率就越高。这也是为什么我一直希望见到一本能让管理者看得懂，清楚解释大数据能为企业带来什么的书籍。
数据作为一种新的原料，它可以用之不尽，也可以让你物无所用。其中的关键在于，资料从收集、存储、刷新、辨识、关联、挖掘、决策到行动，是一条很长的链条，中间的各个环节环环相扣又互相作用。想要自如地使用大数据，就需要我们把科学、工程和商业三者有机地结合起来。
数据技术与商业模式密不可分，到底应该以商业为本去收集资料，还是先把数据收集起来，等到未来有机会再用？
我觉得这个问题是没有绝对答案的，我们应该问的反而是：What is the business（什么是商业）？
了解商业是使用数据的前提，一切从业务问题出发，不要为了数据而数据，才可以得心应手地使用数据去描述现状、诊断问题、预测各种可能，以及有效地帮助制定业务决策并指挥行动。
根据我过去几年的经验，好的数据科学家越来越难求，而能驾驭大数据的商务人才更是稀缺。每个人都听说大数据的价值是巨大的，但对于很多公司来说，其实它既虚无缥缈又难以掌控。
我觉得要解决难以落地这个问题，必须要把大数据科普到商业世界中，聪明的CEO（首席执行官）们都应该带头去了解大数据是什么。盲目地投资大数据和原地踏步其实都很危险。可惜现今在市场上看到的却都是反其道而行之，满街都是把大数据概念化的书籍。《颠覆营销》这本书，正好能深入浅出地讲解如何用数据去说明营销，内容由浅入深，通俗易懂，值得每个从事数据和营销的人阅读。
当然了，我们不能幻想这个世界存在一本绝世秘籍，而是需要根据自己的实际情况，不断从实践中摸索。
大数据的实践也正好体现了中国前贤的智慧中“多即少，少即多”的道理。推荐序二数据是营销的朋友罗振宇
罗辑思维创始人
愿意帮这本书讲上两句的理由很简单。推荐这本书的不是别人，是大家口中常常提到的“数据明灯”车品觉。这的确勾起了我的好奇心。这本书要颠覆的是许多营销人根深蒂固的观念，数据是朋友不是路人。不久前我在跨年演讲中说到了一个观点：“我不站在企业家对面，而是站在他的身后，用数据重新呈现他看到的世界，这是媒体最有价值的信息开发。”数据本质上也是从营销人身后的角度去看待一个新时代力量的崛起、壮大与介入，这是股不可忽视的力量，它顺应潮流，势不可挡。
大数据讲的人多，做的人少。不但做过大数据，还能把曾经做过的数据案例讲得生动易懂，《颠覆营销》确实表现得可圈可点。推荐序三大数据时代思想方法更重要韩亦舜
清华大学数据科学研究院执行副院长
各种营销手段早已令人眼花缭乱，但究其本质都是在研究客户（消费者），研究客户的所想、所需，使产品或服务有的放矢。大数据时代又为之创造了新名词：精准营销。大数据最先应用的领域多为面对客户的行业，最先应用的情景也多为精准营销。“酒好也怕巷子深”，产品或服务的信息要送达客户才可能促成交易。一般认为，向客户传达产品或服务信息要靠广告。广告古已有之，“三碗不过岗”的酒幌子就是广告。没有互联网的时代，我们熟悉的是电视广告、广播广告、印刷品平面广告、户外广告牌等，当然，也包括吆喝叫卖。但过去的广告是千人一面、不区分受众的。后来商家对客户的信息有所采集就有了CRM（顾客关系管理），经过客户分类，可以更好地服务于不同的客户群体。“互联网+”
和大数据时代让CRM有了新的发展机遇，管理客户不再是简单的数字统计和没有个性的（或简单分类的）直邮、定投。随着商家对客户了解更多、了解更深，便有机会为客户提供个性化的营销方案，进一步改善客户体验，成为个性化营销或叫精准营销。大数据时代，让很多过去的不可能变为可能，营销活动也迎来了新的发展机遇。
时代不同，商业经营的形式会变化，但本质就是两件事：开源和节流。开源是吸引新客户，发现新商机；节流是减少内部运营成本，提高资源利用效率。要实现这一切都需要以数据为依据的决策。过去，人们也在长期的经营活动中，采集和运用了与经营活动相关的很多强相关数据，也形成了选择客户的标准。限于当时的技术瓶颈，做大样本的数据采集及数据分析成本都过高，无法在更大范围推广运用。大数据时代，人们有了廉价采集数据和存储数据的可能，廉价的计算资源让数据分析成为了可能。
大数据精准营销的背后，是用多维度的数据来观察客户，描述客户，就是说为客户画像。说“依托大数据，可以让营销人员比过去更了解客户，比客户自己更了解客户的需求”并不为过。营销人员无不想知道客户是谁、在哪里、消费习惯、需要什么、什么时候需要、用什么方式向他们传递信息更为有效等，通过数据采集和数据分析分析可以找到答案。精准营销不仅可以帮助商家开源——发现潜在客户，还可以帮助商家节流——发现潜在风险。我们对客户有了足够的了解，就会知道哪位客户可能在经营中存在风险。
若问每个经营者是否会运用从业经验来进行营销，得到的答案一定是会；但若问经营者是否会利用数据进行营销，恐怕答案就不那么确定了。一般认为，应用数据进行营销是大公司的事情，与小公司无缘。其实，大到跨国公司，小到街边小贩，运用数据进行营销，都会收到意想不到的效果。不相信吗？街边小贩留意一下天气预报（刮风、下雨，还是暴晒）就知道明天有哪些生意，进而知道该如何备货。建议中小公司的人不要拒绝精准营销的理念，不妨学学精准营销的思想方法。如果经营者有丰富的经验，把经验数据化对经营也会很有帮助。《颠覆营销》一书就是在教读者如何运用大数据来做营销。书中案例丰富、语言可读性强，值得关心大数据营销的各界朋友读一读。
我认同书中的不少观点：“大数据重新定义产业竞争规则，比的不是数据规模大小，不是统计技术，也不是强大的计算能力，而是对核心数据的解读能力。”在很多人纠结于大数据定义的今天，我们确实更应该关注对数据的核心价值的理解与应用。书中提出的“问对问题”也很重要。经营者平时的问题一定不少，但追问究竟时，就可能出现偏差，导致“失之毫厘，谬以千里”。问对问题能力的提高涉及思想方法，需要在锻炼中提高。验证问题是否问对了，恰恰就是数据分析师可以发挥作用的地方。
本书还提出了两个值得更深入思考的问题：
一、仅仅发现不同客户群体的消费习惯，适时提醒客户去消费，还远远不够。在供给过剩消费不足的今天，既有的消费额在不同商家中进行分配或迁移都不能带来社会消费总量的增加。大数据营销的更高水平应用是提前知晓客户尚未被满足，甚至尚未被发现的需求。大数据的价值挖掘有机会把厂家、商家和客户连在一起，让厂家生产更多的满足客户个性化需求的产品，让客户的消费意愿提高。这是数据价值挖掘工作者面临的新挑战。
二、数据真的越多越好吗？不少大数据公司热衷于网上“爬”各种数据，然而同一数据集在不同的应用场景价值密度是不一样的，针对特定应用场景也并非是数据维度越多就越好，一定要围绕应用目标来采集数据和使用数据。提升维度来采集更多数据是有助于描述事物的，但无疑也增加了处理数据的复杂性。也许人类的认知与智慧就是在升维、降维、再升维、再降维中交替前行的。本书的降维思考，必要时回归本元的思考给我们以启示。
大数据时代工具手段固然重要，思想方法更重要。推荐序四你大数据了没？康翔泰
黛安芬董事总经理
前天收到Tony（作者陈杰豪的英文名）的短信，要我帮他的新书写序，而且只有两天的时间，我人在意大利佛罗伦萨旅游（一年一次的年假），又在去往米兰的火车上，对一个有严重写作障碍的人来说，着实不是件容易的事。我花了一个晚上加上两小时的火车时间，读完这本《颠覆营销》，在红酒和提拉米苏的高血糖状态下，提笔分享这篇序文。其实答应写序文不是因为情义，更不是商业合作，而是出自内心想分享，就好像在一家好餐厅就餐后，迫不及待地上网分享一般。
和功典（MIGO）认识其实是在很正式的场合。两年前，黛安芬公司用十分严谨的程序，找寻我们企业转型的核心伙伴。在三回合简报提案、五大评核标准的激烈评比下，功典脱颖而出，开始了我们合作的旅程。这是一段紧凑而惊喜的旅程，在我二十余年工作生涯中，经历无数的代理商专案会议，很少有像功典这样的团队，既分工又能有高效率解决问题的能力。在一次项目会议中，我认识了陈杰豪，才了解到这团队的能量与工作热情，源自一位年轻、聪明、对人充满热忱的首席执行官。
说了这么多，和这本书有什么关系呢？其实黛安芬选择与功典合作，除了找到一个系统建置与数据串流工程的好伙伴，更重要的是，联结到一个有系统有组织的Know-how（技术诀窍），以期能结合我们对自己本产业的经验，进行企业营运模式的转型（十年前我们由设计制造转型为品牌零售，现在我们努力建立以服务体验为核心的新商业模式）。这本书与其说是大数据的新知识，不如说是因大数据而启动的营销与企业经营的新思维，我且就书内提及的几个论点与读者分享。数据会说话？会说话的是人
我们对这世界的认知有三个层次，第一个层次是现象（What），第二个层次是现象产生的过程（How），最后才是现象产生的真正原因（Why）。绝大多数的人只在第一个层面认知探讨事情，特别是以前数据不充足，边探讨还要边自己分析数据，就更不容易有穿透性的见解与观点了。大数据对组织另一层面的冲击，其实在于营销人能否提出真正的观点，而不是只在现象里打转。减法思考下的降维（Dimension Reduction）观念
在大数据时代，这样的思考是不可或缺的。我们的思考可以分为演绎式（Deductive）思维和归纳式（Inductive）思维。在企业运营中，常看到过度的演绎式思维而造成信息过度扩张演绎，尾大不掉，而无法得出结论。有质量内涵的降维（指的是适度演绎后的归纳维度）将有效聚焦企业的核心议题，大幅提升决策速度和质量。化繁为简的关键绩效指标（KPI）
企业的关键绩效指标常常很不“关键”，因为关键绩效指标愈来愈多，就渐渐流为报表。其实利用大数据来找到关键绩效指标“施力点”，可能是一项值得探讨的管理新思维。丢掉悔过书，迭代式营销做中学
组织经营一直有两个同时存在的面向：机械式的（mechanic）及有机的（organic）。在当下高度变动的市场状态中，如何在不失控的情况让组织发挥有机的创造力是关键。
就如同在本书PART 2“还在写悔过书？D.I.E.T.做中学”中介绍的学习循环（Learning Cycle），有“看到”“知道”“做到”，最重要的是“学到”！大数据（Big Data）或厚数据（Thick Data）
如果大数据是极致的左脑展现，那厚数据可能以接近全脑（左脑+右脑）的方式出现。结合了经营者多年的产业经验与敏感度，厚数据带来的灵光乍现，可能更有创造价值！
分享了这么多，我想说这是一本值得一读的好书。在商业沟通中有一个方法叫P（Point）R（Reason）E（Example）P（Point，再次强调），我觉得和这本书的章节对称呼应。书中不但有清楚的论点（Point）、解释（Reason），更务实地举出各行各业的应用实例（Example），的确能带来水平式思考的启发，最后又再回到大数据的18个新思维（Point），清楚地和首席执行官及营销人对谈，见解犀利而独到，相当有Tony的风格。
我推荐这本书，更推荐这个团队，希望通过大数据，我们能一起在这翻转的年代，推开一扇企业经营的新窗口。自序Better Tomorrow（更好的明天），用大数据改变世界陈杰豪
功典首席执行官
34岁那年是我人生的转折点，因为一向最支持我的母亲在那一年过世了，带着遗憾我开始思考自己的未来。循着对我母亲的记忆与思念，开启了我寻根的念头。
在美国创业的过程中，我一直都是在西方人的思维中研发软件，但回过头，却发现亚洲在软件研发上还有很大发展与进步的空间。那一刻，我决定回到熟悉的东方文化，因为我觉得那是我的使命，要让亚洲研发的软件有能力站上世界的舞台。
我在美国求学念的是资讯工程，常常一个人喝着啤酒，然后写一个晚上的程序代码。我对于用几行干净的程序代码去解决一个复杂的问题深深着迷，而且乐此不疲，觉得那是世界上最美丽不过的事情；但是毕了业，被Siebel（电子商务软件供应商，2005年被甲骨文收购）选中，一头就栽进了顾客关系管理的领域。
突然从面对最简单精练的程序代码，转变成要面对并解决最复杂的跟“人”有关的问题，从单纯的简单掉到了多变的复杂，左脑与右脑开始冲击、对话，最后融合在一起。对我来说，这世界上所有的安排都是最好的安排，因为经历了这段思考和逻辑的冲突后，数据和营销结合的种子已然成形。
2011年，我就是带着这颗种子，在当时董事长林一峰先生的牵线下接触了功典，直到现在我都清楚记得第一次和团队见面的场景。尽管当时功典在数据营销领域才刚刚起步，但是我就是知道，这里有我要的答案。
当年父亲和很多朋友都很困惑，为什么我毫不考虑就推掉了一个又一个大型跨国品牌提供的高薪工作，和亚太区高阶经理人的头衔，要卷起袖子和一群工程师从头调整策略、优化产品，自己又站在第一线负责销售。其实他们没看见的是，跟我一起闯荡的，是一个充满潜力、热情无私而且患难与共的团队。
不管是大数据还是营销，这两者都像是一个没有标准答案的变量，光是要解决其中一个变量，就够让人头大，更别提要把这两个变量融会贯通了。好在我天生就喜欢往麻烦里钻，大数据营销，这个看似错综复杂的题目，我在这本书里试图用三个关键的元素去贯穿。1．心法：以简驭繁的思考
大数据再大，也是从每一笔各自独立的资料累积起来的，尝试去练习思考大数据的本质、问题的核心，一层层地剥开那些包裹在外的杂质与伪装，练习专注、绝不折中，因为模棱两可，只是你找不到真正问题的借口而已。2．做法：精益（Lean）的执行精神
大数据营销要成功，靠的绝不是纸上谈兵的嘴上功夫。如果数据永远只是躺在会议桌上的一堆报表，那你永远无法从这些数据中学到任何事情。我在书里面分享了一些实务操作的经验，同时也尝试用一些实际案例来告诉你：“坐而言不如起而行”真的不只是口号而已。未来消费者市场竞争比的不是银子，而是点子，而点子也不是比谁有创意，而是比谁可以最快让点子走出会议室，然后让你的顾客心甘情愿地埋单。3．态度：“利他无我”的原则
功利的社会让人与人之间充满了猜忌，但是在大数据时代，品牌和顾客之间必须要能建立绝对的信任。作为一个数据营销工作者，首先必须做到“心正”和“利他无我”，永远把顾客的利益放在第一位，站在对方的角度思考。
本书极其荣幸地邀请到在华人大数据界执牛耳的车品觉先生共同执笔，用行动具体地诠释了这种“利他无我”的行为。品觉兄在大数据领域钻研颇深但却谦逊低调，每天念兹在兹的都是如何将大数据落地，进而优化人类的生活。他在本书中把日常对数据趋势的判断与观察无私地分享给读者。“利他无我”是态度也是气度，希望这本书能让你有所体会，并试着用这种态度重新思考你的每一个决策。
最后，要在这里特别感谢邰中和先生。邰先生在董事会中给予我很大的包容与空间，让我能够没有后顾之忧地专注于研发与团队招募。另外，我也要特别感谢任家济（George）先生，George是功典的首席数据科学家，只因相信我对大数据未来所勾勒的蓝图，就毅然地加入了功典，然后走过了1000多个日日夜夜，见证当年勾勒的蓝图一一实现。当然，这一切更要谢谢功典每一个伙伴无私投入，只有亲身参与这场战役的团队伙伴们，才能体会那种挑战自己、挑战未知的压力与成就感。
我在这本书中分享了很多观点与经验，也介绍了功典如何成为阿里巴巴大数据应用合作伙伴。如果你要问我个中感觉，与其说这是一段对成功的注脚，不如说是一种疤痕累累的纪念：纪念一场技术、演算与营销史无前例的融合，纪念一场前仆后继，却坚持到底的无畏与勇气。最后，我期待这点滴经验能让后来者看清陷阱，少走弯路，那这一种走来的甘苦也就值得了。
这一切才刚刚开始，我跟我的伙伴们会坚持这个初衷，披荆斩棘，开拓出一条亚洲大数据营销软件的品牌之路。作为一个产业和趋势的先行者，我不知道哪里才是终点，但是我知道，我必须不断地惕厉自己和团队，每一天都要挑战昨天的自己，这就是功典从心传承的“better tomorrow”精神。PART 1打一场 《回到未来》之战当大数据遇上营销
大数据时代，新应用和新商业模式，颠覆以往竞争形态。这是一场超越时空的虚拟战争，营销7天前就能预测未来，预知顾客要什么。
在大数据浪潮下，各产业正酝酿一场大变革。21世纪，数据已成为世界最珍贵的原材料，“数据是‘新石油’！”亚马逊前首席科学家韦斯岸（Andreas Weigend）如此断言，未来企业的运作，不是靠石油也不是靠电力，而是靠关键数据。
别以为云计算、虚实整合、万物联网、机器“智”动化，只会在制造生产工业中发生。大数据已悄悄改变商业世界的竞争规则，掀起整条产业及商业链的风暴革命。
大数据决定性的变革，就是智能革命，智能指的是未来与可控。车品觉就预言：“未来一定是国家和国家之间的数据战争，公司与公司之间的数据大战。”简言之，谁掌握了大数据，谁就掌握了未来。大数据崛起Better tomorrow，让世界变得更好
每个月的第一个星期五，全世界的媒体和金融从业人员的情绪都会被一个数字牵动。在这一天，美国劳工部会发布上一个月的就业报告，其中最受瞩目的数据，就是失业率。如果这个数字比大家预期的好上许多，股票市场往往会大涨庆祝，如果不如预期的话，下跌也是意料之中的事。
事实上，各大金融机构本身也都有研究人员从事经济观察和预测，但没有人的统计能够做得比美国劳工部更好，因为劳工部的入户调查（Household Survey）样本数，足足有6万户之多，这不是一般私人机构想办就办得到的事。因此，入户调查最后公布的结果，往往会让一堆专业经济学家大跌眼镜，让许多基金经理人要忙着调整资产配置。
可是如果有人能比劳工部更快、更精准地抓住就业市场的变化呢？我说的不是内线交易，而是更聪明地抓到每日、每周变化的数字。如果这个人能赶在每月发布就业报告前，就比所有人早一步实时反应，那每个月的第一个星期五，他不但不用提心吊胆，甚至可能大赚一笔。
有一家全球数一数二的私募基金公司，就发现了这个致富密码，而他们的法宝，竟然和人们每天的排泄物有关系，这到底是怎么回事？
原来，美国许多公司要求新员工报到时，参加尿液筛检，确认是否有药物的阳性反应。这样的检查看来稀松平常，但是这家私募基金公司发现了它的价值：如果需要从事药检的人数增加，那就表示就业人数也在上升。
刚好该公司持有一家大型药检公司的多数股份，这让他们有能力更快速地构建出就业市场变化的模型，提前改变资金配置，不用再被动等待劳工部发布的报告了。
你一定没有想过，原来一份看似和金融市场风马牛不相及的药检数据，也能牵涉庞大资金的移动，甚至改变财富分配吧？在大数据时代，谁能聪明地先找出不起眼数据的价值，谁就有机会抢占先机。这也就是为什么大数据分析愈来愈成为世界广泛关切的主题。
放眼大数据的崛起，跟不同产业和学科碰撞出一次又一次的火花。寻找“better tomorrow”，让世界变得更好，是大数据更想为人类实现的梦想。
但是，对于大数据在营销领域的应用，故事只能围绕在世界500强的品牌上吗？这给了我们一个很好的问题。真的只有世界知名的品牌才拥有高含金量的大数据基础，还是因为那些小公司对这个新兴专有名词陌生，以为要投入庞大资源所以不敢轻易踏入？
答案当然是后者。企业领导人，不要对大数据技术竞赛感到迷惘，数据金矿往往都已经在企业内部累积许久，重点是要找出正确的分析观点，然后就有机会可以“点客成金”，找到企业更接近顾客的策略方向。“Better tomorrow”在哪里？大数据已经让这个世界快速改变，企业和领导人到底如何能化繁为简，重新驾驭大数据下的新世界？大数据营销事前预测，打未来的仗
多少年来，我们熟悉的商业世界、运转的逻辑思考，其实大部分都是用“猜”的，我们花了无数的营销费用，努力在猜消费者到底要什么。以营销为例，以往企业大多停留在“营销1.0”的被动策略，消费者要什么，企业提供什么，即使进入“营销2.0”主动策略，从产品核心转往消费者核心，创造差异化去吸引消费者，或者进入“营销3.0”，以社会价值与品牌责任为使命，都不能完全精准对接个人化需求。
但现在，进入“营销4.0”数据时代，别再猜了！取而代之的关键词是“Predict（预测）”。数据科学家及人类学家已可以快速进行数据分析（Data Analytics），根据消费者个人化需求，找出产品前测，找到精准目标顾客（TA），进行一对一营销，甚至可以精算出成交转换率，提升投资回报率（ROI）。“预测”，就像电影《回到未来》，营销人借助时光机回到未来，在购买行为还没有发生前，就开始打一场属于未来7天或30天的仗，取得绝对的先机。
这一场未来的战争，关键就在于时机。
商场如战场，时机是关键。数据的能量不只是用在事后分析解决问题，真正的数据竞争力是来自事前的预测，把战场拉到未来，直接预测与控制变项。
实体的百货零售业，营销战可能从当天早上10点到晚上10点，关门后就停战；而虚拟的电子商务中没有打烊这件事，分秒都是营销战，24小时没有终点。但不论虚实，所有营销人每天陷在做营业报表、发eDM促销的循环中，疲于奔命。一个是战场有限，一个是战场无限，但重点不在于战线长短，而是如何打胜仗。
打胜仗的关键，其实就是掌握时机。回到未来，就是把决战点拉到购买行为前的7天或30天……。
大数据时代，虚实的竞争边界早已被摧毁，这个购买行为前7天的未来战争，比的是早一步的先知能力。营销先知利用大数据，从顾客的真实交易行为数据中，计算出每个消费者的下次购买时间（Next Purchasing Time, NPT），在什么时机、提供什么宣传方案，顾客会愿意再度消费，营销人就不必盲目散弹打鸟，而是直接瞄准红心，根据数据预测顾客行为，提高成交率。
营销人如何带领品牌走到未来战场？现有的装备、战技、能力、思考、武装，足以带领品牌走进下一个趋势战场吗？
大数据人机分工，将是帮助营销人在大数据时代进化的重要前提。回到未来之战，人要变得更聪明，要用巧力而不是蛮力。巧力是知道如何用机器帮你找到精准市场、产品，及目标顾客，告诉你未来7天可能发生的事。
那人要做什么呢？营销人真正的价值是，你要做出对的、好的决策，你必须根据数据找到金矿，决定你的观点。营销人做的每一个决策，都是基于一个观点，观点就像是目标，唯有全神贯注，才可能瞄准目标。但现在营销人的困境，正是每天虚耗时间在不确定的事物上尝试，没有时间找到观点，即使在大数据面前、报表成堆，也不知道该锁定哪个目标。
计算机帮人分析大数据，让营销人从体力密集过渡到脑力密集，把庞杂的工作量收敛到人足以理解、体力上也足以承受的程度，让人有时间思考数据呈现的结果，找到观点，变成决策。
从“经营商品”转向“经营顾客”思维，大数据提供观点，帮助企业转型，改变以往营销从经验出发推测顾客喜好、缺乏统计消费者行为的实证数据与诠释的方式。从感性推测到理性分析，企业的任务是找出“想用数据解决什么问题？”，营销人该思考的是：“数据这么多、这么大，怎么应用才能打胜仗？”做对决策的前提厚数据赋予数字意义
大数据的应用原则不难掌握，关键在于如何诠释数据。诠释依赖人的观察、对核心know–how的理解与经验法则，也就是厚数据的价值。
就像一场棒球赛中，机器人可以根据历史数据评估，某位明星球员这次表现低于3个标准偏差，远低于平均水平。但机器无法告诉你，为什么球员的表现会下滑。同样是长期观察，只有棒球评论员才会知道，球员最近大腿拉伤，所以才影响表现。
同样地，人的经验也能协助判断数据对错。假如今天数据显示胶囊咖啡销售单价突破53元，乍听之下你会很兴奋，哇，居然赚这么多。但仔细一想，不同口味胶囊咖啡，定价只在25～45元之间，回归到统计逻辑，产品单价怎么可能高于均价，一定是数据错了。
这个例子乍看起来很荒谬，但事实上，如果基础知识和经验不足，就会被数据牵着鼻子走，做出错误决策。
厚数据就是深入数字的核心意义，由人来判断数据的对错，赋予它意义。刚看到报表就知道什么对、什么不合理，依赖的是经验，人才会对数字“有感觉”。
数据产生意义的关键在于具体市场营销的执行方案。数据不是大就好，重点在于读完之后你要拿出什么样的具体行动，在行动中证明你的假设，而且行动要有策略有目标，不是盲目行动。这时解读的观点就能决定一切。厚数据能让你在众多问题里做出决策比较，为什么A比B重要？什么原因让B影响A？如果要优先解决，是A还是B？
懂厚数据，大数据才能产生真正的意义。减法思考数据越多越要取舍
营销4.0的革命，不但要比决策时间点，更要比决策速度。这里面又有两个关键词，一个是降维减法思考，一个是精益（Lean）思考。
读完数据后决定观点，以行动验证假说，尝试错误，从中学习，这个聚焦的过程，就是重要的“减法思考”。
在大数据中，可以看到四个特性：数量大（Volume）、速度快（Velocity）、多样性（Variety）、不确定性（Veracity）。爆炸的信息量加上千变万化的可能，人的理解与记忆难以负荷，而且也不可能花很多时间看报表看数据。所以，越是大数据时代，人越要用减法思考，在关键点上做对关键的事。
如何将繁杂的数据报表精简到人的心力可接受的范围，这就是降维，也是这本书谈大数据营销的核心理念。我们开始思考，大数据最终能帮助营销人有效完成哪些关键决策？如果说商业最重要的就是获利，而什么会影响获利？
营销人不可能一天看上千张报表，但如果目标是获利，我们可以从获利公式：营收=有效顾客数×顾客活跃度×客单价，找出10个关键指标──新增率，变动率，流失率，转化率，活跃度，S1瞌睡顾客唤醒率、S2半睡顾客唤醒率、S3沉睡顾客唤醒率（合称S1～S3唤醒率，S指Sleeping睡眠），新顾客客单价、主力顾客客单价（合称客单价×2），用这10个指标做降维思考，做出决策（详见图1–1 大数据营销营收方程式）。
顾客再多永远只有5种状态
问题再难也只看10个指标
图1-1 大数据营销营收方程式
营销人不可能一天看千张报表，但如果目标是获利，可以从获利公式：营收=有效顾客数×顾客活跃度×客单价，找出10个关键指标——新增率、变动率、流失率、转化率、活跃度、唤醒率S1～S3、客单价×2，就可以用10个指标快速找到问题，提升业绩
大数据重新定义产业竞争规则，比的不是数据规模大小，不是统计技术，也不是强大的运算能力，而是核心数据的解读能力。减法思考的好处是，每天只要监控这10个指标，出现问题就可以立即对症下药，可以加快决策的速度、提升决策的精准度。
例如，新增率是企业新增顾客比率；活跃度是主力顾客多久买一次商品；唤醒率是让很久没回购的顾客，重新购买，避免购买一次就消失；这之间的差异是顾客状态，他是“新顾客”“主力顾客”，还是渐渐减少购买频率的“沉睡顾客”。
过去我们定义顾客状态都是用平均数的概念，所以你可能会定义平均6个月未再次购买，都算是落入沉睡区的沉睡顾客。但别忘了人有差异性及变动性，当我们还原真实的数据样貌时会发现，顾客群里面很多人到了第三个月就已经进入了沉睡期，等6个月才去接触他们，唤醒他们的概率微乎其微；同样地，也有一群顾客即便是到8个月之后，都还是呈现核心顾客的特征。所以，我们应该检讨用平均数的概念去认识顾客的逻辑。别忘了，大数据时代，你有能力去识别个别消费者之间的细微差异。
第二个是精益思考。如前所述，数据能产生意义的关键在于，对于具体市场营销的执行方案，决策的速度很重要。
以往营销一定要等到整个活动结束才能开始检查成效，“事后诸葛亮”其实都是亡羊补牢。大数据营销强调精益的原因，就是可以根据数据连打带跑，边做边修，不要变成错误的亡羊。营销人要用精益的精神，一边决策一边修正，像用小规模的A/B Test（对照实验），就可以验证自己的假设，不要错到底才来修正。换句话说，决策会因不断修正，变得精准。
大数据，大改变，也是大商机。大数据正在改变商业竞争模式与生态，这场跨越时空的未来战争已经打响。当别人纷纷发射火箭到外太空时，你拿到参赛的入场券了吗？
当营销人开始高谈阔论一些像是第四次工业革命、大数据营销、互联网或是物联网（IOT）之类的名词时，作为一个企业的决策者或是营销负责人，我们更应该关心的是，我们是否有进入这场战争的条件与能力。走进大数据，别被那个“大”字给唬住了，你可以从打一场“回到未来”的7天之战开始。不再雾里看花成败不在数据，观点决定一切
大数据比的是点子，不是银子；赢家需要的是数据洞察力，所以观点才能决定一切。
大数据成为大热门，许多企业争先恐后地搜集数据，聘请大批人员建立各种演算、统计模型，将数字弄得漂漂亮亮，以为这样就是大数据的赢家了。
事实上，在大数据的世界里，决定成败的关键，并不是依靠运算能力或统计技术，成为数据赢家的，关键是诠释问题的角度与观点。
观点决定切入数据的角度，让我们能够准确地针对问题核心深度挖掘，然后才有条件建立有价值的预测模型。换言之，大数据的竞争，比的是谁的观点最犀利、判断最快、预测最准。
很多人都很好奇，我当初是怎么样建立和阿里巴巴之间的合作关系。第一个问题是我怎么在阿里巴巴这样庞大的事业服务版图中，找到合作切入点；第二个问题是我和阿里巴巴签署的是“大数据应用合作伙伴”合约，我们怎么面对一个电子商务集团背后，超过1000个大数据科学家的商业智能（Business Intelligence, BI）团队。
我常半开玩笑地回答：“愚者千虑必有一得。”我们不敢说自己是最聪明的团队，但我们确实做到了不断地挖掘问题核心。
不是用一个庞大的计划去解决所有的问题，相反地，我们选择每次都专注回答好一个问题，然后选定一个观点快速切入，形成解决方案。
以阿里巴巴为例，我们观察到他们当下遇到的困境是，网络卖家仍不断增加，但是整体流量却已达到顶峰。阿里巴巴拥有全中国80％以上的在线交易量，因此，提升的空间有限。流量增速放缓甚至停滞，但是网络卖家却有增无减，广告的投资回报率自然而然随之大幅下降。网络卖家们也开始发现这个现象，同样是花1000元营销预算买流量，效果却远不及过去的一半。
如何解决阿里巴巴与网络卖家所面临的困境？光用一些传统的解决办法，像是增加营销广告强度，或是开发更多的广告创意等，没办法真正命中问题要害。
我们团队不断地追根究底，就是要挖掘出深藏在表象之下的核心问题。研发人员走出实验室到客户端，观察他们的营销模式、访谈不同行业遇到的共同问题，最后，终于找出卖家最迫切需要的其实是“精准”；但不是那种传统基于平均值逻辑下的“精准分群”，而是可以具备时间敏感度、个人差异化的“全个性化”精准标签。广告曝光不是大而广研究顾客DNA（基因），精准投放
对于在阿里巴巴经营网店的品牌商来说，网络卖家不断地增加，愈来愈多的网店在瓜分原本就有限的流量。对于大部分新创业或是自有品牌的网店卖家来说，广告投放其实是一把双刃剑，一方面当然希望可以通过广告招揽大量的新顾客，不过同时也担心如果没有拿捏好投放的规模与策略，有时候可能招募新客户效果不佳，或是招来了一堆只为促销活动而来的一次性客户，却没有长期购买的忠诚度。这些担心，让很多卖家对于投放广告这件事情变得日益保守而裹足不前。
阿里巴巴决心找回淘宝网的广告效益及卖家的信心，因此不断从阿里巴巴大数据中挖掘能提升效益的可能性，分析所有会员的背景资料、商品偏好，挑选出适合投放广告的标签名单。但人的行为有无数的变化，为了给淘宝卖家提供他们所需的名单，截至目前，阿里巴巴已经从庞大数据中产出近1000组不同的标签，但成效问题还是只解决了一半。
为什么拥有大数据还不够呢？这是因为标签的挑选，仍然是营销人根据以往经验，半推测半猜测地进行决策，加上近1000组的标签，就如同走进数据迷宫般，常常迷失其中。
因此，在运用大数据前，要做的第一步绝对是找出观点，给问题定性。就阿里巴巴的广告效益来看，有非常多的人为因素会影响广告创意、产品内容等，而我们要做的，就是消除人为影响并提升精准度，而非无止境地挖掘大数据的结果。
最终，我们将解决办法聚焦在顾客的交易行为，专注于完成演算模型研发，进行实际顾客使用测试，借由数据演算出的交易DNA数据来投放广告，真正实现数据决策的优势。数据越复杂，解释越简单三个指标看营收方程式
大数据就像浩瀚无边的大海，若没有一个中心思想，没有观点，随意纵身跳入，往往容易迷失于数据汪洋中。随着数据不断增长，企业报表往往动辄上千张。面对大数据，有人追求数据越大越好、报表越多越好；我们则主张，要化繁为简，以简驭繁，亦即“减法原则”。
著名的奥卡姆剃刀（Occam's Razor）原理主张，当两个假说具有完全相同的解释力和预测力时，应该使用较简单的那个。对于现象最简单的解释，往往比较复杂的解释更接近真相。
越复杂的数据，越需要减法。面对复杂的数据问题，我们认为应万法归一，均回归到营业收入，即企业获利水平是否获得提升。
对于营业收入，我们提出一个精简的观点，即营收方程式：
营业收入=有效顾客数×顾客活跃度×客单价
这个方程式虽然看来简单，但却是我们一直期待的和客户沟通分享的概念。我们没有真正认清营运核心问题时，往往会不切实际地描述并放大当下遭遇的挑战，然后急着在一堆数据里面翻找，产出一张又一张的报表，试图通过这些报表来降低内心的焦虑。
但事实上，如果管理者能够认清营业收入背后的干扰变项，就能静下心，有目标和策略地搜集必要的关键数据，然后依循一定的逻辑来制订各种改善方案，并通过数据的实时变化来做实时的优化调整。老奶奶会不会买高达模型？找顾客不看人口属性，看行为标签
从营收方程式来看，在大数据时代，是以“人”为核心，而不是以“产品”为主轴。人有所谓的异质性与变动性，传统营销往往偏重处理异质性的问题，根据人口统计学的属性特征，如性别、年龄、居住地、收入等标签，进行分类分群。
举例来说，高达模型的消费族群一般被认为是男性，如果今天一位80岁的老奶奶的所有的行为和预测，都指向她会购买，尽管她不在传统分类的营销沟通族群里，那为何不能将高达模型的相关营销信息传递给她呢？
依据传统的人口属性标签，她将被排除在外。面对这样的数据偏误，我们则提出不同的标签观点——NES模型。NES完全不在乎年龄、性别等传统人口统计特征，而是根据消费者具体的购买行为，将消费者分为三种：一是首次购买的新顾客N（New Customer），二是支撑主要营业收入来源的既有顾客E（Existing Customer，主力顾客E0+瞌睡顾客S1+半睡顾客S2），三是沉睡顾客S（Sleeping Customer）。通过NES模型，企业可以清楚掌握顾客的重复购买潜力与现况。不要关注顾客的年龄、职业、性别、收入、兴趣、属于哪个族群，重点是只要他反映出他要买高达模型的动机，只要他愿意成为高达模型的消费者，就应该为他服务，即使他是女性，一位80岁的老奶奶（详见图1–2 从NES看顾客消费状态变化）。
图1-2 从NES看顾客消费状态变化
NES模型根据消费者个人购物周期，分为首次购买的新顾客、支撑主要营收来源的既有顾客和回头率低于10％的沉睡顾客。而既有顾客又可分为E0主力顾客、S1瞌睡顾客和S2半睡顾客不在迷雾森林里打转大数据，观点决定方向
目前的商业竞争法则是大者恒大，规模、资金优势一旦领先，其他竞争者完全没有翻身的机会。但是未来大数据的竞争，拼的是观点，观点错误，运算、统计能力再强大，也只会南辕北辙，永远都到不了目的地。
以往的顾问经验告诉我们，大部分的企业在没有观点的情况下，就像在迷雾森林中漫无目的地奔跑，因为没有方向也没有目标，往往跑得筋疲力尽却只是在原地打转。观点的价值在于，让分析人员或是决策主管冷静下来思考，看清楚周边环境以及自身的装备与条件，谋定而后动。有时候我们会惊觉：要走出这团迷雾，原来只有一步的距离！
数据之前人人平等，大数据时代比的是点子，不是银子，未来赢家需要的是数据洞察力。如果我们能够准确判断方向，也知道距离终点原来只有一步的距离，那我们就不必大费周章地投资人力、资源和时间，去打造新干线或是顶级跑车，我们需要的只是一个精准转身，然后轻松地跨出关键的这一步。
总之，大数据的竞争法则是观点取胜。在大数据时代的商业竞争中，老二不会永远是老二，小虾米也可以有机会扳倒大鲸鱼。
只要你的数据观点够犀利、能深入问题核心，而且具备眼到手到的超强执行力，你就有机会成为未来的大数据赢家。克服盲人摸象问对问题，才能找对答案
别急着解决眼前困境，以问题溯源的方式，学习思考更根本的问题，不断追问：究竟问的是问题的表象？还是真正的核心？
在大数据的世界里，搜集数据不再困难，机器负责处理数据、回答问题，人的任务则是问问题、发掘问题。
在计算机、大数据未普及的时代，搜集数据或找寻答案均需通过人工，费时又费力。因此，数据规模也有局限。但是如今，搜集、处理或分析数据都不再是障碍，人们面临最具挑战的问题是──如何问对问题。
问题人人会问，何难之有？提出问题或许不难，但是问对问题，则需要深厚的知识与智能积累。
第二次世界大战期间，敌对双方激烈交战，一直从地面打到天空，战火凶猛，军机往往弹痕累累，如何提高军机在炮火下的生存率，变成一个重要的课题。
一群爱国的科学家们，很有效率地把飞机上所有的弹孔一一记录统计，绘制成一张张的图表，其他维修工程师们就根据科学家们提供的这些弹孔分布图，纷纷献策。有人主张，应该先从弹孔分布密度最大的区域，着手维修，提高军机和军机驾驶员的安全；有人立刻举手反对，认为应该是先从油箱和驾驶员所在的关键致命位置维修，才是最重要的。
当大家对究竟该如何维修弹孔争论不休时，突然有一个人站起来缓缓说道：“这些弹孔的统计数据根本是错误的，毫无参考价值。”他进一步解释，这些能够安全飞回来，停在停机坪等待维修的飞机，正说明了它们机身上的弹孔落点，其实都是安全的或者说不致命的，所以它才能够被统计到。真正致命的弹孔数据，早就随着被打下来的飞机，葬身大海了。
飞机弹孔的故事一针见血地指出，一旦问题问错了，无论再怎么奋力向前，也永远到不了终点（详见图1–3 你真的问对问题了吗？）。
图1-3 你真的问对问题了吗？
你想知道如何提高战斗机在炮火下的生存率？该先从弹孔分布最密集的部位着手研究，还是关键致命位置？答案是都不对。真正致命的弹孔数据早已随着被击落的飞机深埋大海。这件事告诉我们，问错问题，浪费再多时间与资源，也不会找到答案
问错问题的情况不只发生在战场，企业在面对问题时，也常犯问错问题而不自知的毛病。问错问题并不可怕，可怕的是，问错问题而不自知，因而浪费庞大的资源与时间，找寻错误的答案。这才是真的无可救药。别急着解决眼前问题先找出真正的症结点《麦肯锡工作法：个人竞争力提升50％的7堂课》作者大岛祥誉进入日本麦肯锡工作第一年，所接受的第一项任务，就是在市场萎靡不振、公司业绩不断下滑的情况下，提出提升业绩的策略。
大岛接下挑战，很快地整理出一份数据，包含营业额增长幅度、顾客购买情况、竞争者促销手法等，并提出一系列增加销售量的方法，如：降价促销、增加广告、举办活动以刺激销量等。
老板看完大岛的方案后，只问了一句话：“问题真的是出在销售策略上吗？”
首先专注于思考问题究竟是什么，而不是急着寻找答案，是麦肯锡培训必须学习的第一课。
因为唯有问对问题，才能找对答案。换言之，大岛不应该太快就把解决方案局限在如何提升销量上，而是要深入探究公司面临的真正困境是什么。如果厂商业绩下滑的症结是“低迷的市场”，那么就算打再多折扣、砸再多广告，长期下来还是会因整体市场萎缩而陷入困境。
企业之间决定胜负的关键，除了“快”速之外，还要“准”确，否则只是一味追求快速，但是目标与方向却错误，下场往往就是“差之毫厘，失之千里”。
问对问题，在大数据的世界里，更显重要。因为大数据的特色之一，就是数据累积、储存和运算背后，都代表着相当程度的投资。问错问题，要付出的修正代价也因此更加高昂，除了人力与资金外，更重要的是大家都输不起的时间。因此，在追求演算效率之前，更重要的是设定正确的问题。问题溯源找到“问题背后的问题”（QBQ）
你可能会疑惑，到底什么才是“真正的问题”？我们又该如何找出“真正的问题”？
问对问题，主要是学习问“问题背后的问题”，练习把问题不断依次往后推，进行“问题溯源”。当学生提出一个问题时，好的老师通常不会立刻给出答案，他反而会用新的问题来帮助学生厘清自己的问题。
亚马逊前首席科学家韦斯岸，曾出席一场阿里巴巴的座谈会，当时有人发言：“我们不清楚那些数据。”一位主管立刻反问：“你说不清楚是什么意思？你是不清楚是否有那些资料？还是不清楚资料是否正确？两者大不相同。还是不清楚如何解读数据？这又是另一种问题。”韦斯岸当即推崇反问者的问问题能力，而这位主管正是阿里巴巴集团执行副主席、来自中国台湾的蔡崇信。
许多企业登门求助于大数据从业者，往往急着解决公司面临的问题，如顾客满意度不高、商品的陈列位置不优等表象，但深究到底，我们往往必须面对一个商业现实：不管是顾客忠诚、商品陈列还是顾客分群，这些问题背后最终还是要谈到，增加营业收入的战略价值。唯有真正认清问题的关键，才能开始有效率地建构企业数据搜集的逻辑与方向。
在大数据时代，营销人和企业家要学会的第一件事，就是要去思考更根本的问题，不要只停留在问题表面，要能够不断地追问，究竟问的是表象，还是问题真正的核心？
跟我开过会的人，通常都听过我这样和客户对话：“你觉得你此刻遭遇到的运营问题是什么？”“你针对所认为的运营问题做出了什么样的优化方案？”“你用什么方式、多久检查一次方案执行的绩效？”“你怎么定义执行效果是好还是不好？”最后，我还会穷追不舍地补上一个问题：“如果执行绩效不如预期，你基于什么数据去调整和优化方案，或者完全凭感觉？”
很多人会觉得这一连串的问题咄咄逼人，但是你自己试着回答一次上面这些问题，就会发现，其实有时候我们觉得烦或是不想回答，往往是因为这些尖锐的问题戳向我们平常不愿意触碰的事。
我们总是很习惯地活在自己所建构的舒适区，但如果你下定决心要解决最深层、最基本的问题，首先，请你先试着走出舒适区，不要回避问题，也不要给一些似是而非的模糊答案。
当你越来越熟悉这样的练习，你慢慢地就会发现，一个好的答案很简单、很直白，而且绝不折中！
牢牢记住，千万不要逃避问题！你看到的只是冰山一角？一定要从全视野看问题
古老的寓言故事“盲人摸象”，十个盲人摸同一只大象，有人摸到大象牙齿说，大象形如长长的萝卜；摸到象耳的说，大象仿佛一只簸箕；抓到象尾的说，大象细细长长，就像一条绳子……结果十个人得出十个截然不同的结论，而且没有一个是真正的大象。
大数据时代，企业学习问对问题是一个重要的课题，因为大数据时代，信息会排山倒海而来，超乎你的想象，如果不在源头就问对问题，就找不到正确的信息，反而会走冤枉路，一事无成。
要问对问题，必须克服盲人摸象的局限，从“全视野”的高度来看问题。
举个例子来说，有一个著名的国际女性内衣品牌，旗下共有6个子品牌，涵盖从少女到成熟女性，从低价到高价的全部内衣。
当他们发现少女品牌系列销售业绩不佳时，就一直聚焦少女内衣品牌的问题，想尽各种办法改善。
此刻，这个内衣品牌商就可能陷入了“线性思考”的框框，少问了一句：“少女品牌销售不佳，到底是销售策略不对，还是少女品牌的旧顾客长大了，变成了成熟品牌的新顾客？”
两者要解决的问题完全不一样。如果是前者，就要立即检讨销售策略是哪里出了问题；如果是后者，就要重新检查全部品牌是否迎合了消费者的消费心理，在消费者成长阶段转换期做到无缝接轨。
一旦看问题的高度不够高、角度不够全面，就会犯短视的毛病，造成资源错置。从全品牌的整体角度来看，此问题可能是消费者在内部不同品牌间的转移问题，而非单纯的顾客流失问题。
一般常碰到的困局还有“本位主义”。原因是企业各个部门从各自的部门利益角度出发，往往就像盲人摸象，各自局限于各部门的数据与问题，造成集体误判，而且局部解法只会让问题剪不断、理还乱，最终造成部门之间产生摩擦。全视野的问题视角，不应只是高层管理者的责任，人人都需要有全视野的格局，才能看到真正的问题。
近代教育家陶行知，对于提问有一番见解：“发明千千万，起点是一问。禽兽不如人，过在不会问。智者问得巧，愚者问得笨。人力胜天公，只在每事问。”
在大数据时代，如何问对问题？首先要厘清你的营销目的，并试着制定关键绩效指标来检查成效。当你基于部门的观点完成了关键绩效指标，接下来再试着把部门和企业整体的关键绩效指标放在一起思考，看两者之间是否有一致性和关联性，任何单一部门的营销计划都该符合企业整体的经营策略。
营销不能自欺欺人，究竟目标是A到B，还是心中有隐藏性答案C，两者做法可能完全不同。而且，只有问对了问题，才能真正让大数据协助你有效率地监测、学习与修正，确保营销的关键绩效指标能够顺利达成。
第二是试着挖掘问题背后的问题（QBQ）。
作为大数据时代的营销人，我们应该永远对问题充满好奇心，不断自我挑战，不断地追根究底，思考与分辨哪些是表面的问题，而哪些是真正的核心关键。这是一个不间断的练习过程。
怎么样可以做得更好？深入地了解你的市场、商品和营运模式是关键，而这些经验都来自于日常的观察、失败的检讨与倾听顾客的意见。然后，别一直呆坐在办公室里面思考和写策划案，有时候走进你的商业环境观察顾客，用大数据的眼光去重新审视每一个你认为理所当然的环节，你会看见很多意想不到的问题。
我曾经听过一个知名小家电品牌的营销人，抱怨各个销售门店回传的顾客数据总是慢半拍，而且数据参差不齐。他直觉判断一定是缺乏门店奖励方案，让门店服务人员对于这项额外的工作兴趣索然。于是，接下来的半年他不断地修正奖励办法，但就是没法改善顾客数据的完整度和实时性。
直到有一天他正好经过一个门店，一时兴起就走了进去。看着他们的热卖商品让柜台人员忙到不可开交，他心里嘀咕着：这么大的客流量，但是每天回传的顾客数据却少得可怜，正想找店长兴师问罪的时候，突然，旁边正在留顾客数据的消费者没好气地跟门店服务人员说：“你们的顾客数据表太复杂，解释得也不清楚，我下次有空再来填。”说完，就提着刚结完账的商品扬长而去。
你看，对于问题的深度洞察，依赖于对运营环境透彻地剖析与观察。前面提到的真实案例就是很好的证明。我们看到数据搜集效率不好的事实，就觉得是门店服务人员没有尽到责任，以为通过门店奖励的方案，就可以解决顾客数据搜集的问题，但事实上，顾客数据表单的设计不佳，才是问题背后真正的魔鬼。
大数据时代，问对问题，可以找到症结所在，让答案彰显无遗；此外，问题的不同，也影响到数据的搜集，而唯有问对问题，才能搜集到正确而且有价值的关键数据。20/80法则不是大就美，小而准的数据含金量更高
数据质量重于数据规模。数据越大，不确定性越高，含金量则越少；反之，数据越小，结构化而准确，含金量越高，越能轻松挖掘到你要的答案。
大数据热潮风起云涌，成为最热门的趋势话题。社交媒体的兴起，更助推了这股热潮，让人以为，掌握社交大数据，就可以掌握营销、掌握消费者。仿佛淘金热一般，许多企业纷纷投入资源用于社交媒体，试图挖掘大商机。
大明在脸谱网上提到了手机，某厂商就以为是生意上门。事实上，从网络讨论到真正付诸行动购买，中间仍隔着上百个关卡，比如是否真有需求、是否有足够预算等，距离还十分遥远。看到数据就分析，就像看到黑影就开枪，可能徒劳一场。事实上，从社交媒体上得到的数据，往往并没有办法立即转换为营收。
有些人似乎将社交媒体当成提升公司业绩的救世主，有公司甚至连销售网点管理系统（Point of Sales，POS）都没有，却急着花费巨资，找社交媒体分析从业者帮忙产生名单，找关键意见领袖……但从社交媒体得到的数据到底吸引多少人？效果究竟如何？根本无从衡量。
其实，最能反映公司营业收入的数据就是公司自己的交易数据。很多企业根本还没开始分析自己公司里小而准的交易数据，就开始投入大而乱的社交数据分析，是舍近求远的做法。20/80法则锁定小而准数据，才能挖到金矿
由意大利著名统计经济学家维尔弗雷多·帕累托（Vilfredo Pareto）提出的“20/80法则”（又称为“最省力法则”）主张，80％的产出往往源自于20％的投入。成比例的投资回报率是20/80法则的最大特色。
20/80法则应用到大数据，意指在所有的大数据里，仅仅20％的数据就占据了高达80％的价值，剩下来80％的数据，其效用与价值就只剩区区20％。掌握20％的数据就掌握了80％的成果，而且通常这20％都是些显而易见的数据，换言之，根本不需要去找远在天边、遥不可及的数据。
有一家公司买了一份包含1000万个消费者的大数据，这数据里面有100万人是本公司的消费者，另外的900万人则是竞争公司的消费者。厂商利用这份大数据进行广告投放，最后共吸引1000个人购买产品，但是结果却发现，1000人当中有900个是自己的顾客，只有100位是从别处转移过来的。
数据分析更重要的应该是数据的质量，而不是数据的大小。大数据依性质可分为三类：小而准数据、大而乱数据以及开放数据。小而准数据如POS（销售网点管理系统）交易数据，结构化而准确；大而
试读结束[说明：试读内容隐藏了图片]