前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >某企业的数据业务战略规划实战分析

某企业的数据业务战略规划实战分析

作者头像
机器学习AI算法工程
发布2018-03-09 18:10:10
8530
发布2018-03-09 18:10:10
举报

背景介绍

A媒体公司是中国某热门细分行业的绝对市场领导者,占有国内该细分市场75%的市场份额和第一位的市场知名度(出于商业隐私和职业道德考虑,笔者不方便透露具体的行业或媒体品牌)。经过近20年的发展,该企业从单一的媒体发展到目前的集团化的全国性的跨媒体运做,包括线上和线下,细分行业门户网站,行业细分的网络商城,俱乐部,报业,教育培训,业务咨询等相关领域。基于企业进一步发展的战略需求,同时也因为企业消费者和会员数据积累的相对丰厚海量(目前活跃会员近300万,而且相应的会员人口统计指标对应的数值非常整齐集中,这种集中表明了核心会员的很多重要属性的一致性,对于营销应用来说是一个非常好的数据品质),企业目前正在考虑逐渐开展数据业务作为企业的新的业务增长点,并为此已经成立了专门的数据业务事业部(管理层刚开始的主要的设想就是利用丰富的消费者和会员数据,通过深入的数据挖掘和营销应用,为集团探索一种新的赢利模式和方向,对外(尤其是A企业目前的主营行业之外的其他行业)尝试各种数据营销服务)。笔者在上周前往北京跟该企业相关负责人作了一次深入沟通,在比较清楚了解了企业的背景、需求和目前的大体资源的基础上,针对该企业集团的数据业务战略框架作了一个客观的思考和提炼。

俗话说,“知己知彼,百战不殆”,我们现在分析的数据挖掘营销业务也就从分析我们(A企业)自己的数据资源优势开始吧。目前中国市场上开展数据库营销服务的企业不少,有专门的所谓“数据库营销公司”,也有B2C企业基于自己的海量消费者数据对外开展营销服务。但是,我们的数据资源跟上述两类企业相比,一个最大的最有价值的地方在于我们的300万活跃会员数据是长期跟我们企业互动中积累的,是有感情有持续更新记录的数据(这一点明显区别于市面上的大多数“数据库营销公司”,他们的消费者数据都不是自己积累的,都是通过买卖,交换得到的,这些数据有多少有价值的字段,有多少准确性,消费者是否愿意响应,自己对他们了解多少,恐怕这些服务商自己也是一头雾水吧);同时,我们的消费者数据中,相应的人口统计数据指标对应的数值非常集中(比如年龄基本上集中在20-30岁,行业细分也决定了另外的一个高度集中统一的指标,等等),这种集中的数据品质明显优于类似与当当网之类的消费者数据(当当的会员年龄跨度可以从20-60岁,职业、收入、等等可以千差万别,虽然从数据挖掘的技术来看,这些变量的多元分布不是什么分析的困难,但是当对外提供营销应用服务时,这种分散的指标分布直接导致了最终瞄准的目标群体样本的容量可能太少,甚至不足以开展某些具体的营销战役和营销服务)。这段分析,揭示了A企业的数据资源的含金量,直接给对方以信心和高度的兴趣。不过,话说回来,数据资源的优势并不能保证企业的竞争成功,这里最典型的失败的例子就是来自国外的大品牌“贝塔斯曼”,它的会员数据非常准确、丰富、非常有价值,但是13年前曾经豪情万丈挺进中国数据库营销市场的国际巨头“贝塔斯曼”在2008年底不得不黯然宣布退出中国市场。虽然它的数据资源非常好(它的书友会CRM系统储存了高达800多万名会员的详细信息),但是它的业务模式和发展战略被中国市场证明是不服水土的,这是题外话,博主只是想说数据质量只是企业成功的一个环节,远不是全部。

总的来说,A企业的数据业务事业部的职能可以分为对内和对外两大块,分别展开分析如下:

对内的职能:

首先是针对企业的数据资源管理、应用负责(虽然在数据业务事业部成立之前的近20年时间,企业的大量的消费者数据也在积累,但是这些数据的管理都是在技术部门的范围内,这些数据也只是作为业务数据来管理和存储,而业务数据库和营销数据库是两个完全不同的定义和应用,作为新成立的数据业务事业部是要通过数据分析挖掘开展赢利业务应用的,这要求今后的数据管理要有针对性,更加科学,更加有意识,更加支持营销应用型。 数据业务事业部作为企业营销数据的职能管理部门,是通过营销数据库的建立和管理,对数据资源的直接监管,为企业的战略决策和新的营销服务应用提供保障和基础);其次,数据业务事业部的另外一个重要的对内职能就是对企业的业务部门提供数据挖掘应用的支持。这就涉及到数据挖掘的企业营销应用等等了,比如说针对企业的特定产品,通过数据挖掘开展精准的营销活动,通过数据挖掘深入挖掘核心会员的消费潜力,等等,太多的深度应用,参见本博客的太多的案例分析和点评了。如何有效支持企业业务部门的业务活动,这要求管理层从数据业务事业部的管理构架和人员组成开始就有所目的有所针对,要赋予数据业务事业部相应的资源和权力,使之可以与业务部门在具体的业务活动中能实现无障碍交流沟通,得到充分的支持配合和相应的资源支配。否则的话,仅仅把数据业务事业部看作一个与其他业务部门(比如营销部、广告部)相平行的同级部门,又没有高层介入协调的话,是无法实现有价值的业务支持的。

对外的职能:

数据业务事业部对外职能也分为两大块,按照数据业务的难易程度和技术要求的逐步深入(之所以按照技术应用层次分成两块,是因为两块的技术要求,服务层次,赢利空间,发展前景是完全不同的,所以有必要区分开来)。首先是起步阶段的简单的数据库营销,这些方式类似与目前市场上主流的营销推广小项目(说是小项目是针对真正的数据挖掘应用来说的,这些小项目耗时短,金额不大,大多数是短平快,比如为福特新车型提供直复营销广告战役);其次是条件具备时,开展基于数据挖掘的深层次服务应用,这要采用一些挖掘模型,项目耗时一般至少3个月,项目金额也比简单的直复营销广告战役更有利润。

上述的针对数据业务事业部的战略定位有四个渐进的层次和职能,从A企业目前的实际情况出发,应该秉承“从易到难,从简单到复杂,从浅层次应用到深层次挖掘,从小投入到逐步加大投入”的循序渐进的总体原则,刚开始不用太多的资金投入,甚至不用马上考虑专门的营销数据库和数据仓库,从小项目小应用开始,逐步积累客户的服务需求,逐步消化数据业务的理念和思维,逐步完善内部的数据的有效的管理和应用,一步一个脚印,踏踏实实走好每一步。

按照上面的四个职能和层次,A企业管理层可以围绕着考虑人员配备,资源分配,权力赋予,资金投入,年度目标,战略规划分别开展渐进的行动和思考。只要管理层真正认识到数据资源的核心价值,认识到数据挖掘应用的蓝海前景,认识到数据挖掘业务的跨专业跨部门的复合性以及这种复合性所要求的事业部的运做特点,思想一致,信念坚定,前景一定是充满希望的,至于资金的问题,人才的问题,市场的问题,都不是关键问题,都是可以逐步完善解决的。

上面说的都是优势,是中听的话,是悦耳的词,是和风细雨,是锦上添花,那么A媒体目前正在介入的数据营销业务这个新领域有没有什么大的来自企业自身的劣势呢?

当然有,而且非常危险。俗话说的好,“不熟不做”,数据营销业务相对与A媒体的传统的主营业务来讲,是完全不同的两个世界(技术,行业,运做手法)。数据营销业务作为数据库技术,数据挖掘营销应用等等交叉学科的综合,其所需的技术、战略要求(尤其是管理层、决策层的战略思路、眼光、对数据营销专业和行业的深入了解、把握)是A媒体在其传统的主营业务上的成功所无法满足、无法胜任的。互联网时代所有成功的新业务模式,无一不是因为这些新企业的管理层决策层本身就是这些新技术新行业的专家能手(甚至是这些新技术新应用的发明者和狂热实践者)。我们实在无法想象三大门户网站可以靠传统行业的领导者投资得以生存并成功走到今天的,我们也不要奢望搜索引擎领域里的这几个行业领袖企业是靠非专业的领导人创立、发展并形成今天的三分天下、鼎立局面的。

如果没有真正来自数据营销领域的成功的业内人士的鼎力帮助,A媒体的数据营销新业务一点前景都没有;如果来自数据营销领域的成功的业内人士没有得到集团最高层的足够的授权、放权和支持的话,A媒体的数据营销新业务还是一点前景都没有;看看中国目前的数据营销业务市场上排名前十位的竞争对手,哪一家企业的管理层和核心创业团队不是数据营销技术的专业人士?尽管这个新兴的市场还非常良莠不齐,还非常混沌模糊,但是管理层的专业技术背景(或者专业应用背景)一定是该行业里未来成功领导企业所要具备的基本要素和基本门槛,是必要条件,是“必须的”。

“不熟不做”,这是几千年流传下来的东方商业圣经的重要总结,基本上是真理,必须遵从;如果挟着传统领域的辉煌成功的A媒体真的希望从数据营销业务中开拓出新的赢利模式和新的发展空间的话,那一定要全心全意尊重并依靠、信赖数据营销行业的专业人士作为新业务的决策者和指挥者,真正同舟共济。这是目前刚刚起步的A媒体的数据业务事业部能否健康存活的第一基本要件。虽然满足了这个要件并不能保证A媒体的数据业务事业部一定可以在市场竞争中站稳脚跟,后来居上、成为行业的领导者和集团的新的盈利来源;但是如果不满足这个要件的话,A媒体的数据业务事业部一定是走不长走不远的。

“隔行如隔山”,数据业务事业部的决策和指挥,必须要让数据营销行业的人士来承担。(Via:网易博客 数据挖掘营销应用)

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2015-04-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大数据挖掘DT数据分析 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档