数据不仅是商品-然而

每个人似乎都在收集他们可以动手使用的所有数据,这些将继续成为数据集之间的区别吗?

数据数据1161349

大数据几乎就像宇宙一样,接近无限且一直在扩展。那么,当数据成为每个营销公司拥有的商品时,会发生什么呢?不断扩大的数据范围是否会停止增长,趋于平稳?  

面临的挑战是如何使用大数据技术来使您的公司与竞争对手区分开来。这更多是关于心态和策略,而不是战术和技巧。 

数量不是质量

德克萨斯大学奥斯汀分校的辛西娅·比斯(Cynthia Beath)博士认为,挑战不是拥有最多的数据,而是正确的数据。毕竟您可能不需要大数据”。她说,获取更多数据进行分析比“具有更好的提问能力,并使用相同的数据回答问题”的作用要小。 

分析的起点是公司已经拥有的数据。 Beath说:“大多数公司不太擅长数据驱动。”她解释说,一个由高管驱动的公司可能会发现自己正在根据某人的好主意行事,然后试图在不知道好主意是否可以被验证的情况下进行规模扩展,有时会采取行动,因为某人是基于本能做出决定的。 

“您必须拥有正确的数据来回答您所遇到的问题,” Beath说。首先从客户数据开始,有时与外部数据结合,在此,可以根据对内部和外部数据总和的分析程度来获得竞争优势。  

“这里必须是一种懂得如何使用数据的文化。”碧丝说。 “优秀的科学家了解经过测试和未经测试的声明之间的区别。”声明是“意见,不是事实,除非您对其进行测试”。她说。

统计数据科学家,顾问兼作者兰迪·巴特利特(Randy Bartlett)指出,当分享最大市场份额的竞争对手拥有大多数相同数据时,人们认为数据成为一种商品。 “这就是那些购买数据的人的看法。真正重要的是信息-(但是)我们谈论的是数据。”他说。 “这不会像人们想象的那样发生,因为聪明的公司通常可以通过与客户的互动等来生成自己的数据。保密性和专业知识有助于信息不对称。 “

当每个人都有相同的数据时,就有两个机会获得优势。 Bartlett指出,首先是“创造成本效益”,使用自动化技术以较低的成本更快地提取信息。然后,可以更好地利用数据。  

“这是一场真正的比赛。您可以将信息更快地提供给决策者(考虑实时情况),也可以为决策提供更好/更多相关的信息。数据中的信息越多,通过更好的信息创造竞争优势的潜力就越大。巴特利特说。这需要“最佳统计实践”,它基于三个基石-统计资格,诊断和审查。 “要支持BSP,您需要强大的数据基础架构(数据收集,软件和管理),以及出色的组织,计划和领导能力。 “

人为因素在这里发挥作用,因为运行良好的大数据操作需要发现人才。 “这是团队的事情。”巴特利特观察到。 “大多数新加入游戏的公司都无法融合合适的专家。他们雇用棋子而不是棋子。此外,他们在领导力,组织和计划上也挣扎。”

理论成为实践

数据经纪和数字营销领域的公司必须实践自己的讲道。他们必须先掌握不断扩展的数据领域,然后才能理解它们。他们看不到数据世界很快会变平。 

“五年前,Acxiom看到平均15到25个用于复杂营销解决方案的数据源。”全球身份和数据产品管理副总裁Chad Engelgau说。 “现在,即使是中端公司,也出现了50到100个数据孤岛,这些孤岛需要集成,统一的通用身份框架(匿名和已知)以及隐私审查。”

所有这些内容的内部都是“正确的数据”。要做到这一点,需要进行大量的筛选和分类。 “如果您查看诸如comScore的前50个多平台属性或前25个广告网络之类的列表,则每月将看到数十亿的唯一身份访问者。”恩格格劳指出。 “ [问题]是人类而不是机器人。”这意味着对数据进行重复数据删除,以找到营销费用最高的唯一受众。需要的是“将人员划分为互斥和集体穷举(MECE)的能力。”恩格格劳继续。 “应用大数据可以对这些消费者细分进行更具战略意义的细分和优先级划分。”

Merkle解决方案高级副总裁安迪·费舍尔(Andy Fisher)表示:“这些算法真的非常擅长从大型,未排序的脏数据集中收集见解。他说:“是的,请确保数据具有最高质量。” “增加吨位通常会有所帮助。”

Fisher指出,十年前,更可能的结果是GIGO(垃圾进,垃圾出)。他说:“十年前,算法和硬件还不足以从大量非结构化数据中收集见解。” 

费舍尔在这里说的是“数据乐观主义者”。数据世界“在可预见的未来不会保持平稳”。他说。 “它有很大的成长空间。在线上有太多新数据源。”物联网,无人机,面部识别,区块链—所有这些技术将产生大量的数据流,需要对其进行分析。与时俱进是挑战。

费希尔说,尽管如此,“第一方数据必须是任何策略的核心。” “大多数客户都有第一方数据集。开始利用[it]是最有价值的事情。” 

一旦完成,可以添加第三方数据,以进一步识别和细分市场,前提是数据良好,并且您知道数据来自何处。 


最新