数据权力的分配直接影响到决策权力的划分，高层需要带头建立大数据决策的文化。

目前的人工智能技术更多是从大数据中发现线索，而对数据分析的结果进行解读，还需要依靠决策者的洞察力。相比于随处可得的技术，提升决策者对大数据的洞察力、调整公司决策的方式更为关键。市场营销是受到大数据影响最明显的领域，大数据是如何影响营销决策的？

大数据具有三个区别于传统数据的特点：海量、多维度和实时。海量是指所涉及的数据量规模巨大。从营销的角度讲，可以理解为覆盖人群众多。多维度表示数据具有多种不同用户信息，比如网络搜索、浏览、购买交易等信息。多维度的数据能将用户画像勾勒得更清楚，让互联网营销更有的放矢。实时则意味着大数据产生和更新的速度之快，其高时效性对数据的分析和处理速度都有很高的要求。

大数据本身是没有目的的，决策者必须有一个数据的应用目的，才知道如何去挖掘数据价值。大数据对于公司营销决策的作用有三个：一是为用户洞察提供了有力武器；二是满足个性化营销的要求；三是帮助企业做出正确的媒介购买等营销执行决策。

大数据为市场洞察提供更多维度

市场洞察原来是通过传统数据获取，现在已经渐渐过渡到利用大数据来实现。通过企业调研和营销获得的数据具有明显的“人工计划”特征，在收集数据之前，数据的样本、调查手段、分析手段和应用目的就有了清晰的规划，所以数据是“结构化”的。

移动互联网产生的数据是大数据，这些数据主要是用户行为产生的数据，包括搜索、浏览、交易和社交等。它不受计划控制，而且数据的收集、分析和应用的过程有很强的不确定性。管理者发现，大数据的维度更多，能够从360度全方位接近用户，分析出谁在买、何时买、买多少、为什么买等等，让决策的依据更清晰。

大数据还有一个特点是实时。从数据的产生到应用是在很短的时间内完成的，“很短”可以是24小时，也可以是仅仅几毫秒，这中间包含数据收集、数据过滤、数据进入数据库、数据判定、数据应用等一系列过程。这种速度要求是人工无法做到的。虽然数据的收集是某个结果的“事后”，对于数据的处理和应用却必须是“事前”决定的，所以整个过程受到决策者的影响，也需要依靠智能工具来完成。

笔者创建过一家广告技术公司，为了帮助银行客户寻找对小额贷款产品感兴趣的潜在客户，我们针对搜索过“贷款”“抵押”等关键词的互联网用户投放产品广告。数据表明，关键词的时效性非常明显：时间越短，效果越好。如果超过24小时，关键词的作用基本就消失了。有了这个经验以后，我们在智能系统中设定，只对24小时以内的关键词搜索用户投放金融产品广告，从而提升了转化率。如今，时效性已经成为智能广告引擎不可缺少的定向数据元素。

小米手机去年推出了“分身”功能，用户可以在手机上创建虚拟的“第二”空间，等于在一部手机上同时拥有了两部手机。如何获取用户对产品使用的反馈呢？小米采用了大数据手段。首先在网络论坛上发起问卷调查，几天以内就获得将近2万用户针对几十个问题的回复。其次，系统对多达上千万用户的行为进行统计，比如使用产品的时段等。 综合下来发现，多数用户喜欢手机分身提供的隐私保护功能，而没有使用分身产品的最主要原因是不知道“第二空间”的好处。如此一来，营销策略就比较容易制定了：用隐私保护的卖点去推广产品，而根据行为统计分析结果，推广应该在使用频率高的周末进行。

大数据让营销从曝光导向转为效果导向。

传统营销的对象是“群”。营销人员是按照用户年龄、性别、收入、教育、职业、家庭、地域因素等用户的外部或心理特征来描述广告受众的。这种“人以群分”的用户“标签”一旦固定下来就不会改变。由于覆盖的人群数量较大，所以被称作是大众营销。衡量大众营销的效果往往是曝光，就是营销活动覆盖了多少人。我们熟知的GRP（总收视率）、CPM（千人曝光成本）等，就成为衡量营销决策的主要指标。决策者使用的工具来自传统的统计数据，就是前面提到的结构数据。

有了大数据，特别是有了移动数据以后， 用户分类中不但增加了前面提到的时间因素，还补充了地点因素，场景分类的概念就随之诞生。营销决策变成了运用数据推算出用户的场景信息，从而决定推送什么营销信息。用户场景分类“标签”的有效性稍纵即逝，现在还是广告受众的“他”，下一秒钟可能就不是了。例如用户在下午1点钟位于某商场，可以推送商场活动相关信息；2点钟回到办公室，你还在推同样的信息就迟了。

“不知道广告的哪一半被浪费”，这个让营销者头痛了百年的问题，似乎从大数据中可以找到解决方案。从此，大众营销模式被颠覆，营销的重心从追求“用户覆盖”转向“有效覆盖”，即效果。由大数据公司谷歌建立的CPC（单位点击成本）的效果营销，成为当今主流的营销模式。这种模式中，决策的依据不再是“群”，而是“个人”。营销活动只有触及目标用户，才算有效。当前的营销行业中CPL （单位销售线索成本）、CPA （单位注册成本）、CPS（每单销售成本）等模式成为衡量营销的标准，占据了广告的大部分预算。在这种环境下，营销决策只有抛弃过往的统计报告，学会从大数据中洞察市场，同时借用大数据驱动的智能引擎去执行策略，才能取得好的营销效果。

小米有上亿的手机用户，他们每天下载App，浏览内容，购买商品等。小米从用他们各种使用场景中收集到不用维度的数据，建立了大数据推动的营销平台。为了寻找对小米“工作空间”产品有兴趣的企业用户，做了一个很不一样的决定：放弃通常使用的大众广告，而是通过新建的用户大数据去做定向推广。内容就不只是广告，而是引导用户去体验产品，从而达到转化的目的。

智能决策不能离开营销逻辑

企业运用数据做市场分析，是基于决策人对于营销逻辑的理解来完成的。离开了营销逻辑，大数据应用就会迷失方向。

广告媒介的决策是营销的重要部分，因为其影响周期长，而且预算大。传统的媒介购买决策和购买主要是由“人工”完成。营销人员根据推广目的，按照媒体属性，例如媒体内容、年龄属性、收入水平、地理位置、职业特征等等人工选定媒体，制定媒体购买计划，购买决定一旦形成就难以调整。而如今，大数据让购买决策变成以“人工+智能”相结合的方式完成。营销者需要知道哪些营销任务需要由“人工”来决定，哪些需要由“智能”机制来完成。一般来讲，营销的目的、目标用户的定义、活动的时间段和效果衡量等整体策略的制定仍然离不开人；“数据智能”则可以帮助决策者建立用户洞察和媒介洞察，也可以实现媒介的“智能”购买 。

雀巢公司以前的广告也是人工决策，但在去年进行“雪咖慕思”即饮咖啡上市推广时，就开始使用大数据了。在投放前，营销人员按照人群目标、覆盖要求和预算要求初选了几个主流视频媒体，然后对初选媒体进行实时“跑量”， 估算每个媒体的覆盖人群和展示机会。在真正执行计划的时候，采用了“程序化”智能购买方式。被选定的媒体接入智能投放平台，用人群数据库决定媒介购买。当一个用户访问视频媒体时，智能系统要对这个用户判定是否属于受众人群，如果不是就不投放广告，从而减少浪费。此外，智能系统还需要在不同媒体之间、手机和PC端实现“去重”，即避免给同一用户过度重复曝光。以程序化购买为代表的智能广告已经是媒介购买的普遍方式，但人仍然主导营销决策，数据智能是工具，由决策者决定赋予它的职能。

营销决策权是关键瓶颈

笔者遇到过一个快消行业的财富500强客户，希望运用大数据和智能引擎手段提升营销效率。经过深度交流，我们发现客户管理层对大数据还缺乏了解，而且在决策流程上营销部门、数据部门和IT部门相互分离。不难预料，客户最后采用的方案并非大数据营销。公司在运用大数据来帮助洞察和决策的过程中，会面对重重障碍，主要来自公司管理层的不积极和现有组织结构的缺陷。

营销决策负责人需要决策的灵活性，以满足用户需求，但是产品部门的决策往往需要涉及更多人，因此容易造成决策的延迟。不同部门之间的这种矛盾有时甚至会发展为冲突。这种情况下，公司需要平衡营销决策权和产品决策权的关系。