1704272870
下面举几个简明扼要的好例子：
1704272871
1704272872
☆我们必须优化产品设计，从而去吸引高价值贡献的客户群体；我们应该参照对照组实验的结果，去摸清我们需要怎样去修改哪些产品设计参数。
1704272873
1704272874
☆我们需要为我们的外勤人员配备类似iPad平板电脑的设备，通过与同类客户数据信息的比对，这些电子设备可以给销售人员提供诸如某一个客户购买同类产品的记录，以及促进某位客户追加购买的具体营销话术建议等。
1704272875
1704272876
☆通过综合分析交易流水和市场研究数据，我们可以更好地理解客户需求，并可以相应地调整目标客户群体的宣传策略，例如50岁以上的客户。
1704272877
1704272878
☆如果我们通过数据分析可以更好地预测何时客流较大，那么我们就可以更合理地分配工作人员，提高客户满意度。
1704272879
1704272880
☆如果我们能够放宽退换货的条件，从长期来看，便可极大地提高客户贡献度。通过市场潜力分析，我们应该能够确认，在不影响盈利的情况下，我们在哪些业务上可以这样做。
1704272881
1704272882
☆定期的促销活动往往针对的不是低端客户。恰当的分析可以帮助我们识别出潜力客户，我们必须将优惠活动控制在潜力客户范围内。
1704272883
1704272884
一些小型企业偶尔会开展一些智能数据项目，在这些项目中提出的初步想法只需示范性地具有一定抽象性就可以了。然后，便可以开始去探寻数据源头，目的是更合理地实现为产品定价、满足客户需求或者是优化区域运营管理。然而，在一些大企业的智能数据项目中，按照不同的业务范畴和不同的价值创造阶段，这些初步设想会被系统性地区分开来。此处就会用到在第3章中介绍过的“热图”工具，主要是用于结构化地详细解释并定量分析这些以数据为基础的价值创造手段。这样的话，一个项目可能会持续3~4个月的时间。
1704272885
1704272886
首先要有效提出优化措施，完成了这一点，就意味着智能数据流程的第一阶段结束了。可以通过讨论小组的方式完成这项工作。有时，高层管理者或者中层经理更愿意独立去完成这一阶段的工作，他们或是整夜思考相关问题，或是与雇员和客户直接交流，或是通过与IT部门负责人的沟通，大体掌握通过哪些投入可以获得哪种数据。面对具体的决策事项，民主讨论或者集中决策都是有其根据的，根据不同的事情选择不同的决策形式。但是无论如何，需要坚持的原则是：
1704272887
1704272888
在问题清单的最上面，必须列示最有可能获得最大成效的措施。
1704272889
1704272890
有时，这些措施可能听起来非常诱人，比如我们需要开发一个App，通过使用这个App，我们可以做到实时地识别客户、了解并满足客户需求。但是，大多数时候情况却是相反的，清单上的那些措施都听起来非常切实、基础，但最终只能面临被彻底忽视的命运。
1704272891
1704272892
使用正确的数据
1704272893
1704272894
市场是单一客户的集合。如果我们能够准确地认识每一个客户，了解他们的行为驱动因素、实际的购买行为，了解他们的统计学、心理学以及社会经济学特征，了解客户价值以及客户需求（包括显性及隐性需求、必要需求及愿望），他们的信息获得途径，他们对广告宣传的反应及行为，他们可接受的价格范围，购买前的考虑因素，每一个产品种类的顾客份额，他们的品牌忠诚度以及投诉行为，如果我们能够将每一个客户的上述信息都以数据的形式反映出来，我们就能够获得市场的全景信息，了解市场的全貌。从注释学意义上讲，是这样一种概念：我们可以从细节的集合中获得关于整体的认识，而通过全局性的眼光，我们也可以更好地了解市场和单一客户。
1704272895
1704272896
我们可以从细节的集合中获得关于整体的认识，而通过全局性的眼光，我们也可以更好地了解市场和单一客户。
1704272897
1704272898
在《我们的数据》一书中，我们将这种理论上的市场全景图称为“市场拼接图”。完全竞争环境下的市场主体可以随时、按需要的“粒度”审视这张“市场拼接图”。在《我们的数据》这本书中，我们认为，最好的地图就是比例尺为1：1的地图，但是这样的地图肯定很大，装不进后备厢里了。三年来的实践经验和其后的数十项智能数据分析让我们更加相信，“市场拼接图”很有可能会停留在一个自相矛盾的营销梦想阶段。在所有企业中（我们认为在所有企业中都是这样），数据资源都在被荒废，在尊重数据保护基本政策的基础上，通过利用这些数据，可以总结出有效的市场营销措施。
1704272899
1704272900
在进入智能数据流程的第二阶段之前，我们先拿出之前列好的初步想法清单和热图。按照下列三个启发性问题的次序逐一考虑清单上的假设。
1704272901
1704272902
☆目前我们已经掌握的哪些数据源可以帮助我们找到解决办法？
1704272903
1704272904
☆我们缺少哪些数据，还想进一步获得哪些数据？
1704272905
1704272906
☆通过（a）自行收集，（b）以信息互换的方式从合作方处获得所需数据，（c）从外部购买所需数据，分别需要投入多少成本？
1704272907
1704272908
如果想有一个概括性的认识，那么最好是视项目的复杂程度，采用单一或者复合图表的形式，将数据可能带来的增值（数据吸引力）和获得数据需要付出的成本（数据可获取性）之间的关系呈现出来。
1704272909
1704272910
1704272911
1704272912
1704272913
通过梳理并理解既有和潜在的数据源，大多数企业反而找不到清晰的思路了。一个原因是，很多企业发现它们拥有的数据量远远超出它们的应用能力。这一点在交易数据上反映得最为明显。但是，不能仅仅因为客户信息数据库不能与用户产生相互作用，就认为数据库中的数据是没有意义的。我们需要赶快建立起一种意识，即只有通过无负担地审视我们具有功能障碍的ERP系统数据，才能够使“数据坟墓”[1]重新焕发生机。事实情况也往往是这样的。另外，市场营销人员需要意识到，出于数据保护原因导致的数据使用障碍越来越少，低于内外部数据管理人员宣扬的程度，尤其在涉及个人数据的使用与收集的时候。还有一种普遍认识渐趋流行，那就是在单一客户层面，缺乏交易数据并不会导致智能数据分析工作停滞，相反会使项目进行得更快。一开始就掌握较少信息的人，反而会更快地获得相应的结果。这是因为掌握的数据越多，工作量也就越大，就越不易获得结果。
1704272914
1704272915
同一个决策者，当听到公司已经拥有200万个客户时，这也许对他来说是个好消息。但是，如果他随后又听到，在这200万个客户中，“我们只掌握20万个客户的邮箱地址，而其中还有1/3我们无法确定是否还在被活跃使用”，那么这个决策者可能会感到不安。市场数据并不能算是可靠稳定的信息，通过购买方式获得市场数据也比我们想象的贵很多，这也是很多公司至今没有花钱去额外购买市场数据的原因之一。
1704272916
1704272917
我们已经感觉到，在数据项目的这个阶段，舆论氛围发生了逆转，期望借助分析工具从数据瘫痪中解脱出来比我们想象的还要艰难和耗时。我们还是先别这样做了。在智能数据流程中的这个阶段，如果想获得成功，那么项目负责人就需要马上启动以下步骤：
1704272918
1704272919
☆不用非要获得大而全的数据量。试验证明，基于现有30%的数据以及既有的数据质量开展数据分析，我们就可以获得更好的增值。但同时阐明，这仅仅只是起点，每一次数据迭代更新都会带来惊人的“学习效应”。