最近在反复思考数据分析的价值究竟该如何落地，这个问题，其实大家都在反复追问很多行业大咖，也在不断尝试实践。
对我来说，我觉得数据分析在企业中的应用无非就是三个方面：营销，风险，经营。
通俗的讲，营销更多是面向客群运营的最后一步，基本上是围绕场景和客群展开的；
风险，则是解决如何降低成本，控制不必要的浪费，策略和规则是核心；
经营，则是要动态的评估和量化我们在诸多操作方面的效果，不断策略优化。
今天我们拿营销来说，数据分析在营销中究竟的核心价值在哪里，营销未来该怎么走下去？
我们来看作为客群运营的最后一公里，营销最核心要确立的是，未来要对谁营销，为什么要去营销，怎么营销，效果如何评估，之后如何优化？
在任何的营销最后一步，都是输出一组客户ID，并对这组ID进行触达，短信也好，微信也好，你无法脱离可触达用户的ID，无论是老用户还是潜在客户，这点没有改变。
但是我们会发现，如果倒推，我们发现生成这组ID之前，我们需要确立输出的策略，在输出策略之前，我们需要知道策略是如何被制定出来的。简单说，尽管你最终看到的只是一组可以用于营销的ID，但是这组ID是带有很深入的营销含义的，即这组ID人群长什么样，过去表现啥样，指标是啥，为什么宣泄这样的ID进行营销，而在随后的营销执行环节，则是深度依赖于之前的人群ID策略，本质上，什么物料和内容，则是来自于最初的策略。
比如我们在折扣季，我们是不会针对正价用户进行营销投送。
说到这里，我们要引出一个概念，就是策略数据
所谓策略数据，就是经过对有用的数据进行整理分析后，我们需要针对营销，来挖掘策略数据，而营销的执行，内容创意的产生，都是源于策略数据。
策略数据告诉我们，应该对谁去营销，预期是什么表现，要怎么进行ID的划分，最终形成可以用于营销运营的套路。
在今天我们看到很多的企业最困难的事情就是不知道如何去设计和界定营销，在执行力和触达能力方面，从来不是问题。一线营销人员很难生成体系化的完整的营销策略。即使今天我们发现，对数据标签化之后，人为的进行人群筛选（标签筛选），我们最终发现，人群筛选出来可能只有几千人，营销的必要基本不存在，而这中，形成了很多计算资源浪费，因为人群本质的筛选，可能就是随机的和想象的，因为营销人群并未完全进行事前的分析或者建模来建立策略数据，并输出最终的ID。
可惜的是，今天我们在很多时候，把建设放在了营销pipeline管理，触达能力提升，而我们却没有解决今天的痛点，就是你该如何建立策略数据，形成可用的高质量的营销群组。当这一步能力不能提升，再好的流程和出触达能力，却无法形成更好的效果。
另外一点，在完成人群触达之后，我们忽视对于营销效果的数据分析，和结果数据的重新回传到策略数据中，并进行下一步的融合和策略数据优化，并对营销进行迭代优化。
简单说，我们重视营销的中间流程和触达能力输出，但是在最初的策略制定，数据输出，效果评估和数据回传融合，缺失重视程度很低，尽管今天我们拥有一定的数据分析能力，但是我们发现，这丝毫没有在整体的营销工作中，发挥核心作用。
策略数据的产生，一方面依赖于过去的大多数指标的表现和调整必要，另一方面我们将更多借助模型，自动产生更多的策略数据，可用于实践环节。营销未来的深度发展一定是建立在收尾两端能力的丰富上，ID输出源于策略数据的支持，同时借助直接的营销效果，进行调整。这也是未来真正的营销自动化该去做的，核心在策略。
当然如果想要去输出这样的策略数据，对于基础数据的整理，营销模型建设，综合数据管理，都是非常关键的。
实际上，未来的营销产品是非常简单的，而不是基于一定的人工逻辑，再去通过标签进行构建，营销在一定边界中的场景和应用是固定的，不存在太多的偏差范围。如果非要给一个场景的话，那就是怎么把营销人员脑海中的疑问进行数据化，并快速给出基于机器计算的组合策略。比如：9月份我该做什么活动，此时输出的应该是基于历史数据和模型，分类的几类活动或者人群，这种策略的输出，同时会评估ROI，再次之后，才会实现快速的自动化能力和响应能力。
营销的核心是面对客群营销，而客群的制定是要基于策略数据生成。
欢迎大家关注公众号 i-analysis