1、品牌增长源动力系列之二 NO.1你真的准备好了吗？ NO.2 你认为的“全域”是真正的全域吗？ NO.4 你想洞察全域消费者，却有心无力？ NO.7 CRM / DMP / CDP / 云上数据中台，如何 做选择？ NO.6 上云对品牌带来的价值究竟是什么？ NO.3 你的品牌数据是可持续增值的资产吗？ NO.5 繁多的触达方式，是否让你觉得无从下手？ 七个自问 ？ 品牌营销数智化转型的 看品牌全域增长 站 在 上 R 纷析 咨询 *#=”+=#:*#=:*#= #=”# ”+=”+”# :/(* )#,”-#/”+=* /+= #:*#=+= # #=” *#=”+= #:* = *#=”

2、#=”# ”+=# += + ” += # *#= = * = # : : #= *# = ” / += * * = # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSystem(conststd:string /*Uninitialize

3、 the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); 102.py 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 2009年 在北京上地汇众大厦一间简陋的办公室里 工程师们写下了 阿里云的第一行代码 这些年轻人当时可能完全没有想到 由这行代码延展开的“云” 某一天会帮助众多品牌实现数智化的全域增长 两年前， 品牌增长源动力系列之一品牌营销数字化转型启示录面世， 一群先行

4、者们通过他们的数智化探索， 为营销行业打开了新的视野和思路， 重新找回驱动品牌持续增长的力量。 营销人的数智化能力到底如何呢？ 扫一扫 立马测试 能力鉴定器 营销品牌增长源动力 系列之一的下载二维码 数智化 两年过去了， 在营销行业人尽皆谈数智化的今天， 放眼当下 品牌增长源动力系列之二03 不同行业和不同岗位，调研都呈现出较强的数据意识，表明数智化营销受到前所未有的广泛认同与重视。但各行业 各岗位从业者的数据知识则显著不足，可能成为制约数据意识落地的首要短板。 品牌营销人数智化能力现状 从行业角度分析： 大部分数据意识更强的行业（美妆、零售、教育），它们的数据规划、工具和应用能力相对也更强。

5、这意味着这些 行业并不是只停留在数智化的意识和口号上，而是将数智化营销落地为具体的行动。数智化对它们是真刀真枪的实 践，而不只是概念或愿景。 行业数智化能力分布 2.0 4.0 6.0 8.0 10.0 汽车 日化 食品饮料 美妆 IT / 3C 服饰零售 商超零售 医药保健 金融 教育 互联网服务 其他 数据意识数据知识数据规划数据工具数据应用数据来源：纷析咨询2020年12月调研数据 从业者对各大互联网平台提供的数据工具认知生疏 70% 只有不到30%的答题人能够正确回答关于数据打通相关的问题 30% 食品饮料行业在数据应用上 的 得 分 比 平 均 水 平 低 27.7%。 服饰零售行业

6、在数据应用和数据工 具上的得分分别比平均水平低 25.2%、18.9%。 汽车行业从业者的数据应用部分平均 分 低 于 全 部 有 效 问 卷 平 均 分 的 14.6%，数据工具部分则更是低于平 均的23.3%。 123 2 3 1 品牌增长源动力系列之二04 数字营销岗位的从业者在未来择业领域 中具备更自由的空间。一方面，他们具备 更实操的数据基础知识，另一方面他们在 数据方面的敏锐度和规划能力结合自身业 务后，能更快速地见效。 3 媒介从业者中的57%无法正确回答关 于程序化合约投放的问题。这也表明，数 智化营销的转型重点从前几年偏重营销前 端投放的程序化广告，正全面转向后链路 和全链路

7、的营销。 2 O2O和新零售岗位是数智化营销转型 的排头兵。大多数企业通过整合原有团 队，形成横向新团队来应对近场电商以及 服务的提供，他们拥有更好的数据意识和 更强的数据应用能力。 4 2.0 4.0 6.0 8.0 10.0 品牌营销 消费者及市场调研 数字营销 （包括社交、会员等） 媒介计划、采买与投放 电商营销及运营 O2O 与新零售 IT 与技术相关 数据意识数据知识数据规划数据工具数据应用 1 2 3 4 数据来源：纷析咨询2020年12月调研数据 职业数智化能力分布 消费者及市场调研的数据知识远低 于平均表现。这背后的原因有可能是：传 统调研时代他们更关注宏观数据，一旦进 入运营

8、场景的多领域数智化后，数据和产 品陡增，反而导致这个岗位的从业人员无 法面面俱到，导致理论和动手能力的脱 节。 1 品牌增长源动力系列之二05 数字营销岗位的从业者在未来择业领域 中具备更自由的空间。一方面，他们具备 更实操的数据基础知识，另一方面他们在 数据方面的敏锐度和规划能力结合自身业 务后，能更快速地见效。 3 媒介从业者中的57%无法正确回答关 于程序化合约投放的问题。这也表明，数 智化营销的转型重点从前几年偏重营销前 端投放的程序化广告，正全面转向后链路 和全链路的营销。 2 O2O和新零售岗位是数智化营销转型 的排头兵。大多数企业通过整合原有团 队，形成横向新团队来应对近场电商以

9、及 服务的提供，他们拥有更好的数据意识和 更强的数据应用能力。 4 2.0 4.0 6.0 8.0 10.0 品牌营销 消费者及市场调研 数字营销 （包括社交、会员等） 媒介计划、采买与投放 电商营销及运营 O2O 与新零售 IT 与技术相关 数据意识数据知识数据规划数据工具数据应用 1 2 3 4 数据来源：纷析咨询2020年12月调研数据 职业数智化能力分布 消费者及市场调研的数据知识远低 于平均表现。这背后的原因有可能是：传 统调研时代他们更关注宏观数据，一旦进 入运营场景的多领域数智化后，数据和产 品陡增，反而导致这个岗位的从业人员无 法面面俱到，导致理论和动手能力的脱 节。 1 品牌

10、增长源动力系列之二05 品牌增长源动力系列之二06 服饰零售、食品饮料和汽车行业 数智化亟待提升 纷析咨询创始人兼CEO 宋星 从业者数据知识的掌握远不乐观 美妆行业迎头赶上 数据意识方面，从业者表现出非常统一的对数据价值的认可，对数据应用的前景普遍乐观。但对数据的感觉则未 达预期，从业者在“设有陷阱”的常识题目上的回答正确率竟只有9.5%，尤其是其中关于“A/B测试的辛普森悖 论”的题目，只有1.3%的答题人答对。而在题目：“小明在优酷APP看到某品牌前贴片广告，其落地页链接是到 天猫旗舰店，该品牌是否可以获取小明的手机号？”上的回答正确率只有21.9%。也只有26.9%的答题者对微信生 态

11、中UnionID的作用有正确的认知。这表现出从业者在数据知识上存在“肉眼可见”的盲区。 答题中的一个亮眼的趋势是美妆行业。在除数据规 划的四个部分的回答中，都高于平均分，甚至在数 据应用这一项目的得分中仅次于商超零售从业者的 答题得分。这与美妆行业近两年风起云涌的营销数 智化转型浪潮关系紧密，同时，DTC的风潮更有推 波助澜之功。 这三个行业表现出与其他行业不同的特征。这三 个行业对数据意识表现优异，例如，在“你认为 未来3年数字营销发展的核心趋势是？”和“你认 为目前企业数字营销发展，最大的阻力是什 么？”这两个衡量数据意识题目的解答上，有接 近90%的答题者都选择了最高分的答案，高于其 他

12、行业。但对数据规划、数据工具、数据应用这 三个大项题目的回答得分则低于大部分行业，例 如，汽车行业从业者的数据应用部分平均分低于 全部有效问卷平均分的14.6%，数据工具部分则 更是低于平均的23.3%。食品饮料行业在数据应 用上的得分比平均水平低27.7%。服饰零售行业在 数据应用和数据工具上的得分分别比平均水平低 25.2%、18.9%。 R 纷析 咨询 电商人的数据工具能力最强 各个岗位对于数据工具回答准确率并不理想，但电 商岗位除外。全部岗位的数据工具回答正确率为 65.5%，而电商行业的营销从业者，数据工具题目 的回答正确率超过90%。 好几个职位的数据应用和数据工具相关题目的结果都

13、不尽如人意。例如，只有不到三成的答题人能够正确回答关于 数据统一的问题。而媒介从业者竟然接近六成（57%）无法正确回答关于程序化合约投放的问题。还有接近一半 （45%）的媒介从业者很少或完全不利用广告投放回流的ID和数据去优化媒介投放。超过一半（56%）的品牌人和 三分之二（66%）的电商人不常用DMP等工具进行人群画像或洞察。数据应用相关题目的答题正确率是48.9%。数 据工具应用相关题目的答题正确率只有38.5%，表现出对数据工具应用的生疏。 数字营销从业者“最棒”， 品牌营销人还需努力 数字营销从业者的答题正确率在所有的“工种”中 名列前茅，而品牌营销人则仅比“IT及技术相关” 的岗位答

14、题正确率高。考虑到“IT及技术相关”答 题人的数量太少，调研或许不具有代表性，那么品 牌营销人可能是具有统计学意义的调研结果中实际 表现最弱的。例如，在数据知识方面，品牌从业者 平均得分低于全部答题人平均得分近20个百分点， 在数据工具应用上，品牌营销从业者一般不会混淆 工具的大致应用场景，但对工具具体的应用细节表 现得很模糊。 阻碍企业数字营销发展的 最大阻力 无论什么行业或岗位，都认为最大阻力是“企业组 织架构不匹配”（30.3%答题者选择该项，排名第 一），其次是“外部营销环境复杂”（27.4%答题 者选择该项，排名第二）。 工作年限与数智化能力并没有 直接关系 另一个有意思的发现，是工

15、作年限与数智化能力并 没有直接关系。在调研中，并没有发现答题得分与 工作年限有正相关关系。答题正确率最高的工作年 限是3-7年。这可能意味着，数智化能力较强的从 业者，未必是企业更高职位的管理者。 从业者在数据应用上的眼界不够广阔 品牌增长源动力系列之二07 工作年限与数智化能力并没有 直接关系 另一个有意思的发现，是工作年限与数智化能力并 没有直接关系。在调研中，并没有发现答题得分与 工作年限有正相关关系。答题正确率最高的工作年 限是3-7年。这可能意味着，数智化能力较强的从 业者，未必是企业更高职位的管理者。 从业者在数据应用上的眼界不够广阔 品牌增长源动力系列之二07 品牌增长源动力系列

16、之二08 一面是强烈的意愿， 另一面是能力亟待加强却不知从何着手， 当我们面向未来希望 全面推进数智化 时， 不得不先解决这个矛盾。 数智化转型之路的下一段该怎么走， 这也是我们推出品牌增长源动力系列之二的初衷。 面向未来 在你正式翻阅这本书之前，请容许我们达成一个共识-数智化转型，比想象的更 加严肃和深刻，不是设立了数字化部门，企业就在做数智化转型了。而这本书里 的视角和观点，更是将把数智化推向一个新阶段。 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x.charAt(0) ? Here is the :

17、 50 = x.charAt(0) ? x.concat(:) : x) .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSyst

18、em(conststd:string /*Uninitialize the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q1 你真的准备好了吗 ？ 没有人怀疑，数智化转型是一号位工程。但说实话，很多一号位并不清楚，自己到底要扮 演好哪些关键角色。我们可以从两个最为源头的要素来剖析，即数智化转型最重要的两个 准备，一个是决心，一个是意识。 一号位，往往都是品牌数智化转型的发起者，这是最基本的一个角色，所以决心这一点

19、， 大家基本都不缺。然而，为何数智化的进展有快有慢呢？这往往是由第二个要素营销 意识的差异而决定的。营销环境已经发生了剧烈的变化，消费者比过去更加碎片化，获得 的商业信息也比过去更多，且更分散。单位成本下能够触达的消费者数量实际上在减少。 品牌必须以新的技术和方法触达那些更应该触达到的消费者，并持续培育他们；同时，消 费者的碎片化，也意味着需要以全域的方式去触达和交互。因此，一号位的第二个关键角 色，是运筹帷幄，以全域全局的视角，制定核心策略和集中资源，让新技术、新方法能在 公司运转，新的变化才会快速发生。 一号位的另外一个重要职能，还在于做好组织设计，进行权力分配。 想象一下，如果依然用原有

20、已经僵化的组织结构来作战，各部门的工作仍然彼此独立，甚 至出现冲突和制衡，根本谈不上高效地协作，负责实际推动数字化的部门拿不到足够的资 源，也无法支撑整个品牌的营销数智化转型。那么，到底要做怎样的组织设计，来合理地 进行权力分配呢？ 在过去的组织架构中，矩阵式排布是最常用的方式，不仅市场部和电商部如此，线下的销 售部门、供应链部门等也都是并列存在的角色，它们之间往往没有交集。 数智化转型所需的组织，恰恰就是要打破这种多部门各自为政的架构，一号位需要高屋建 瓴地进行组织设计，梳理好各部门之间的角色关系，更重要的是，对于数智化负责人来 说，需要给予明确的权力，来调动全公司的资源。 你会发现，很多公

21、司都在打破原来的舒适圈。事实上，最近几年营销组织的架构调整，无 论次数还是剧烈程度，都大大超过以往，这是每个公司都将面对的，表面的和平反而会隐 藏更大的危机。 CEO工程 CEO PROJECT ORGANIZATION DESIGN 组织设计 我们的观点 品牌增长源动力系列之二10 有使用数据和理解数据的能力，并应用到数字化的消费者运营当中，这恐怕是对 数字营销人才当下最基础的要求。 同时，如今的数智化进程，是前所未有的浪潮，没有人已经具有完备的能力，企 业的数字人才发展需要更具有长线思维，这些人才不仅是会用数据，更重要的是 要有对商业的洞察，理解品牌线上、线下的生意逻辑，创造出无限的商业场

22、景和 商业机会。 为懂数据、懂运营、懂商业的复合型人才，制定短长期的人才规划，你做到了 吗？ TALENT DEVELOPMENT 人才发展 他们的视角 企业组织的架构、流程和KPI是为了让企业业务运营模式能高效率的 运行，组织是对业务运营模式的“固化”。数字化转型催生了各个 行业新的业务运营模式，因此企业组织的设计和运营也将相应改 变。 新的业务运营模式，不是简单地把企业原来的运营模式数字化，而 是以消费者为中心、数据技术为驱动，线上线下通盘考虑。重构 人、货、场的运营来帮助企业更高效的经营，服务更多的消费者， 更全面的服务消费者，和更优化每一次服务消费者的体验和成本。 业务运营模式的变化不

23、是局部工程，而是从产品研发、市场、渠道 和物流供应链等全链路的系统工程，从CEO到门店导购，企业组织 的每一个角色都参与其中，需要以消费者为中心重新设计组织如何 运营。通过数智化来实现扁平、开放、灵活的组织形态，让一线面 对消费场景的运营数据和反馈可以实时回流和分析总结，从而加速 决策；让企业的决策指引和核心能力可以高效沟通配置给每一位一 线员工，从而优化执行。这些使整个组织真正践行“以消费者为中 心”提高经营效率的同时，也大幅降低了组织的协同成本。 靖捷 阿里巴巴集团副总裁 阿里巴巴数字经济体企业服务 体系秘书长 企业数字化转型催生组织全局变革 有使用数据和理解数据的能力，并应用到数字化的消

24、费者运营当中，这恐怕是对 数字营销人才当下最基础的要求。 同时，如今的数智化进程，是前所未有的浪潮，没有人已经具有完备的能力，企 业的数字人才发展需要更具有长线思维，这些人才不仅是会用数据，更重要的是 要有对商业的洞察，理解品牌线上、线下的生意逻辑，创造出无限的商业场景和 商业机会。 为懂数据、懂运营、懂商业的复合型人才，制定短长期的人才规划，你做到了 吗？ TALENT DEVELOPMENT 人才发展 他们的视角 企业组织的架构、流程和KPI是为了让企业业务运营模式能高效率的 运行，组织是对业务运营模式的“固化”。数字化转型催生了各个 行业新的业务运营模式，因此企业组织的设计和运营也将相应

25、改 变。 新的业务运营模式，不是简单地把企业原来的运营模式数字化，而 是以消费者为中心、数据技术为驱动，线上线下通盘考虑。重构 人、货、场的运营来帮助企业更高效的经营，服务更多的消费者， 更全面的服务消费者，和更优化每一次服务消费者的体验和成本。 业务运营模式的变化不是局部工程，而是从产品研发、市场、渠道 和物流供应链等全链路的系统工程，从CEO到门店导购，企业组织 的每一个角色都参与其中，需要以消费者为中心重新设计组织如何 运营。通过数智化来实现扁平、开放、灵活的组织形态，让一线面 对消费场景的运营数据和反馈可以实时回流和分析总结，从而加速 决策；让企业的决策指引和核心能力可以高效沟通配置给

26、每一位一 线员工，从而优化执行。这些使整个组织真正践行“以消费者为中 心”提高经营效率的同时，也大幅降低了组织的协同成本。 靖捷 阿里巴巴集团副总裁 阿里巴巴数字经济体企业服务 体系秘书长 品牌增长源动力系列之二11 凯度中国CEO BrandZ全球总裁 王幸 Doreen Wang 消费型经济模式下，中国品牌的格局在经历巨大的变化，打造强品牌是 企业对抗不稳定性的锚点。数智化转型是品牌提升竞争力，驱动未来价 值增长的必经之路。 数智化是品牌融合智能运营、业务增长和品牌体验迭代优化的关键纽 带，为品牌战略补充了两大视角，一是多元数据统一，赋能产品、渠 道、营销等多维度的业务创新，网罗增量，驱动

27、业务增长；二是数智力 内化，营造一个数智化驱动的、灵活敏捷的团队合作生态，让数据更高 效的推动决策效率。 数智化战略的成功，取决于品牌掌门人的数智化领导力。一要具备数智 化意识，开放视野，洞悉全渠道发展对增长的意义，对新技术、新工具 保持开放创新，激发企业的数智化适应性；二要推动敏捷柔性管理，改 变固化管理，灵活调整组织架构和业务流程来适应市场变化，激活跨部 门合作潜力。 数智化战略远不仅是线上渠道开发和数据系统搭建。品牌需要把“数智化”融入到品牌建设、经营的每个环节中， 让其成为品牌发展的增长引擎。 数智化领导力为数智化转型奠定了坚实的基础和全局视角，当落地到业务层面时，需要更聚焦数据和技术

28、如何才能 赋能生意增长。凯度为品牌数智增长提出了三大数智化实施路径： 通过盘活数据资产，全面深度认识经营现状，以更精细化的运营提升效率 面向全渠道，找到经营模式的新机会点，以数智化的方式激活增长 向内变革，横向打通企业内部的协作，让组织运作更敏捷，适应性更强 提升经营效率： 挖掘增长潜力： 夯实组织基建： 数智化是品牌未来持续增长的必经之路 品牌增长源动力系列之二12 数据与技术赋能的数智增长战略路径 提升经营效率 精准人群细分与定位 核心人群需求挖掘 高潜人群精准招新 全域投放效果评估 自动化营销 精细化媒介运营 产品迭代优化 新市场进入 品牌出海 机会市场开发 细分场景渗透 新渠道探索 渠

29、道业务模式创新 全渠道差异化布局 人群与场景指导的 产品匹配 消费者驱动的 产品开发 大数据驱动的品牌 价值重构 全渠道品牌健康 提升 全渠道战略布局 品牌重塑 数据技术能力建设 外部数字生态开放创新 全部门数字化组织设计 数字化岗位设置 评估体系 数字+商业洞察能力 内生性能力培养机制 数字化团队建设 数字化能力培养 挖掘增长潜力夯实组织基建 数据收集处理： 数据中台 / CRM / CDP / DMP / Data Lake 等 品牌增长源动力系列之二13 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x

30、.charAt(0) ? Here is the : 50 = x.charAt(0) ? x.concat(:) : x) .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if faile

31、d. */ void InitLoggingSystem(conststd:string /*Uninitialize the logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q2 这几年，随着阿里巴巴全域营销的大力推行，“全域”成为了各行各 业的热门词，但大家对“全域”的理解却不尽相同。 那么，品牌数智化营销需要看到的“全域”究竟是怎样的？ 你认为的“全域” 是真正的全域吗？ 零售总监眼中 的“全域” 全国500家

32、门店 企业 CEO 眼中 的“全域” 线上+线下 所有品牌与消费者 产生关系的阵地 电商平台副总裁 眼中的“全域” 阿里 京东 拼多多 SCRM经理眼中的“全域” 微信生态 品牌增长源动力系列之二15 提到“全域”，大家在认知层面的差异性并不大，是一种全局概念，线上、线下所有品牌与消费者产生关系的阵地 合集，才能称得上全域。 而落在实际的业务场景中，它往往会变成一种物理意义的概念，对应的是营销阵地的大小，几种不同的、有大有小 的“全域”就出现了。 这也是为什么我们在开篇第一章就提出“CEO工程”这个关键点，企业的CEO一定是在其中扮演决策角色的，在整 体经营视角进行数智化的战略布局，这才能实现

33、真正的全域。 我们的观点 营销阵地 零售总监眼中 的“全域” 全国500家门店 企业 CEO 眼中 的“全域” 线上+线下 所有品牌与消费者 产生关系的阵地 电商平台副总裁 眼中的“全域” 阿里 京东 拼多多 SCRM经理眼中的“全域” 微信生态 提到“全域”，大家在认知层面的差异性并不大，是一种全局概念，线上、线下所有品牌与消费者产生关系的阵地 合集，才能称得上全域。 而落在实际的业务场景中，它往往会变成一种物理意义的概念，对应的是营销阵地的大小，几种不同的、有大有小 的“全域”就出现了。 这也是为什么我们在开篇第一章就提出“CEO工程”这个关键点，企业的CEO一定是在其中扮演决策角色的，在

34、整 体经营视角进行数智化的战略布局，这才能实现真正的全域。 我们的观点 营销阵地 品牌增长源动力系列之二15 全洞察 人、货、场多维度的 消费者全洞察 Uni Marketing 全渠道 全媒体 全媒体触点的 规模个性化触达 全域营销的能力 从AIPL出发的品牌全链路 营销，包含新品上市、会 员运营、媒体投放、内容 整合等，从局部到整体的 效率提升 全链路 线上、线下全渠道的营销 方式数智化升级 营销能力 全域，不仅存在于物理意义中，也是衡量营销能力的一种维度。 阿里巴巴全域营销对此进行了定义-以全洞察为支撑，给品牌全媒体接触消费者的能力，实现全渠道协同的消费者 体验，从而达到消费者和品牌关系

35、全链路的精细化运营。 品牌增长源动力系列之二16 营销新基建 把“营销阵地视角的全域”和“营销能力视角的全域”理清楚之后，一个问题出来了，哪里能实现这些理想中的全 域？ 数字经济时代的快速发展，让这个长久无解的问题有了答案，通过营销新基建的方式，实现全域。这个营销新基建 就是叫做“数据中台”的新物种。通过数据中台，可以把品牌线上线下所有营销阵地、所有营销能力进行统一管 理，实现全域数据资产管理、全域消费者洞察、全域应用触达。 对于品牌一号位来说，以往零散的信息，可以汇集变成一张清晰明了的大图。 最终价值 品牌全域增长 全域数据资产管理全域消费者洞察全域触达 营销能力营销解决方案 全域媒体解决方

36、案全域会员解决方案全域新品解决方案 全域种草解决方案全域社交解决方案全域体验解决方案 基础保障 云基础设施 营销方法论 全域 AIPL SaaS 数据服务产品 Dataphin/Quick BI/Quick Audience/Quick Stock 阿里云数据中台 营销新基建 品牌增长源动力系列之二17 品牌增长源动力系列之二18 阿里巴巴集团副总裁 阿里云智能新零售事业部总经理 肖利华 他们的视角 1、你眼中真正的全域是怎样的？ 首先，全域是广大有数智化升级需求的零售企业诉求。实现真正的“全域” 一定要站在客户的业务视角，实现全渠道、全触点、全链路、全商业要素的 整体洞察、联动和运营升级。

37、全域的根本是系统的中台化联通、数据的精细化管理及智能化应用。 而我个人认为，实现全域更深层次的要求是企业的数智战略与经营战略的充 分结合。只有能为企业长期经营战略服务的数智化系统才是真正的全域。 2、对品牌而言，企业过往想要达到全域的障碍有哪些？ 尤其在传统零售企业，普遍暴露出来的挑战是数据没有在一个整体蓝图设计 下统一管理。数据分散在各个烟囱林立的系统上，并且没有实现精细化运 营。 其次，即使数据资产管理水平较高的企业，其利用效率却很低，没有定义明 确的应用场景及应用方法论。 最后，导致以上情况，归根结底还是组织需要数智化运营理念的升级。不少 企业的组织是封闭的，天然带来数据在各自小业务闭环

38、里形成孤岛。而决策 机制的陈旧，则限制了数智化能力在企业运营中发挥更大价值。 3、现在，哪些障碍被突破了？ 在企业数据的治理上，现在更多的品牌商开始通过统一的数据标准，对企业 全域数据进行数据治理，让数据能够更加充分完整的描述企业业务，为数据 驱动业务增长打好基础。 真正的“全域”，需要打破障碍 阿里巴巴集团副总裁 阿里云智能新零售事业部总经理 肖利华 他们的视角 1、你眼中真正的全域是怎样的？ 首先，全域是广大有数智化升级需求的零售企业诉求。实现真正的“全域” 一定要站在客户的业务视角，实现全渠道、全触点、全链路、全商业要素的 整体洞察、联动和运营升级。 全域的根本是系统的中台化联通、数据的

39、精细化管理及智能化应用。 而我个人认为，实现全域更深层次的要求是企业的数智战略与经营战略的充 分结合。只有能为企业长期经营战略服务的数智化系统才是真正的全域。 2、对品牌而言，企业过往想要达到全域的障碍有哪些？ 尤其在传统零售企业，普遍暴露出来的挑战是数据没有在一个整体蓝图设计 下统一管理。数据分散在各个烟囱林立的系统上，并且没有实现精细化运 营。 其次，即使数据资产管理水平较高的企业，其利用效率却很低，没有定义明 确的应用场景及应用方法论。 最后，导致以上情况，归根结底还是组织需要数智化运营理念的升级。不少 企业的组织是封闭的，天然带来数据在各自小业务闭环里形成孤岛。而决策 机制的陈旧，则限

40、制了数智化能力在企业运营中发挥更大价值。 3、现在，哪些障碍被突破了？ 在企业数据的治理上，现在更多的品牌商开始通过统一的数据标准，对企业 全域数据进行数据治理，让数据能够更加充分完整的描述企业业务，为数据 驱动业务增长打好基础。 真正的“全域”，需要打破障碍 品牌增长源动力系列之二18 凯度咨询业务合伙人 叶菡 过去，消费与零售企业为满足消费者复杂多变的需求，不断求新求变。领先 的品牌凭借突出的产品、渠道、内容获得消费者的青睐，打造品牌力以获得 战略性优势。然而纷繁复杂的营销阵地往往也会增加营销复杂性，造成效率 停滞不前。 未来，需求侧的数字新基建，更确切地说，消费者的积累沉淀、分析洞见、

41、运营执行将会是品牌突破瓶颈的基础。因此凯度咨询提出“品牌全域数智 力”的概念，即品牌通过全消费触点上的数字化转型和数据中台搭建，形成 消费者资产，并最终赋能营销能力的提升。 品牌的数字化转型如同商业战略制定，是一个需求 侧带动供给侧变化的过程 在数据资产的利用率方面，品牌开始通过对全域数据资产的盘点和沉淀，积累了全域消费者运营、全域货品运营以 及全域品牌分析的能力，从品牌经营的多个维度进行突破，发挥品牌数据的真正价值。 最后，很多企业已经开始尝试通过全域的建设，驱动自身组织的进化，打通组织的壁垒，用业务驱动组织变革，这 也是我们目前看到的正在发生的事情。 4、数据中台为品牌建设全域带来了怎样的

42、想象？ 数据中台让品牌意识到，从“以业务为中心”向 “以消费者为中心”的数字化运营转化的必要性，对人群及生意更 深入更准确的洞察。同时，数据中台打破了常规的生产-销售的传统经营模式，通过数据中台对全渠道业务数据的整 合与治理，进一步提升了运营效率，数据与AI的加持让整个链路实现数据化、智能化，业务流程高效流转。 品牌增长源动力系列之二19 Stream.of(Apsara, 2019, 9.25 9.27, Digital Economy) .map(x - 57 = x.charAt(0) ? Here is the : 50 = x.charAt(0) ? x.concat(:) : x)

43、 .reduce(x, y) - x + + y) .ifPresent(System.out:print); # Created at 2009-02-19 by Apsara /*Initialize logging system *Load log level and sink from config file. *If the file could not be found,use defaultsetting. *Throw exception if failed. */ void InitLoggingSystem(conststd:string /*Uninitialize th

44、e logging system.Flushthe buffered log if thereis any. *Throw exception if failed. * */ void UninitLoggingSystem(); Q3 很多品牌的误区在于，以为自己拥有海量数据，就等于坐拥了庞大的数据资产。 但实际上，品牌一方即使拿到了多个来源的数据，但往往因为治理能力不足，想象中 的数据资产实际变成了数据“垃圾”。 你的品牌数据是 可持续增值的资产吗？ 大部分的数据保质期都非常短暂，这意味着手上握 有海量数据的广告主，或许并没有多少真正可用的 数据。 你的数据若要成为资产，不可能是死水一潭，

45、而必 须不断更新，有进（更新的数据）有出（过期的数 据）。 建立数据资产的难度，不在于获取数据本身，更在 于数据体系的规划。 最典型的现象，是数据源头构建的随意性，它们由 不同部门所拥有的不同的第三方工具捕获，在不同 的逻辑和维度之下，互不相关，各自为战，不断堆 砌数据孤岛。 我花100万买了很多流量，进入到我的触点某 个H5页面。你也花同样的钱买了同样的流量，也 进入到你的H5页面。 在我的H5上，存在大量的可以供用户交互的设 计，而你的H5上，基本只是让用户看看图片和文 字。这两种不同的设计，就会导致数据收集上的 显著差异：我的设计，能够收集到更多的用户交 互行为洞察，这背后，是靠的运营能

46、力。 数据就算被组织得很好，用不上也白搭。 没有思考清楚数据应用，数据最终会随着时间的 推移而过期，最后进入垃圾堆。 过了保质期的，不是数据资产 没有数据体系的规划，数据不会变成 资产 没有运营，就没有数据，就没有数据 资产 用不上的，也不是数据资产 VS 数据垃圾 数据资产 数据资产，远远不是数据报告、不是dashboard， 它也不是BI，不是数据挖掘，而是实实在在能够在 具体场景中被应用、能够驱动具体业务（尤其是消 费者运营），如燃料般的物质。数据资产可以为品 牌带来无限的想象，品牌资产不止于会员、消费者 价值不止于社交、媒体效果评估不止于结案报告 数字营销和运营领域的方方面面，都会带来

47、新的想 象力。 我们的观点 数据资产 VS. 数据垃圾 品牌可以从哪些维度判断自己的数据 是资产还是垃圾？ Q3 大部分的数据保质期都非常短暂，这意味着手上握 有海量数据的广告主，或许并没有多少真正可用的 数据。 你的数据若要成为资产，不可能是死水一潭，而必 须不断更新，有进（更新的数据）有出（过期的数 据）。 建立数据资产的难度，不在于获取数据本身，更在 于数据体系的规划。 最典型的现象，是数据源头构建的随意性，它们由 不同部门所拥有的不同的第三方工具捕获，在不同 的逻辑和维度之下，互不相关，各自为战，不断堆 砌数据孤岛。 我花100万买了很多流量，进入到我的触点某 个H5页面。你也花同样的

48、钱买了同样的流量，也 进入到你的H5页面。 在我的H5上，存在大量的可以供用户交互的设 计，而你的H5上，基本只是让用户看看图片和文 字。这两种不同的设计，就会导致数据收集上的 显著差异：我的设计，能够收集到更多的用户交 互行为洞察，这背后，是靠的运营能力。 数据就算被组织得很好，用不上也白搭。 没有思考清楚数据应用，数据最终会随着时间的 推移而过期，最后进入垃圾堆。 过了保质期的，不是数据资产 没有数据体系的规划，数据不会变成 资产 没有运营，就没有数据，就没有数据 资产 用不上的，也不是数据资产 VS 数据垃圾 数据资产 数据资产，远远不是数据报告、不是dashboard， 它也不是BI，

49、不是数据挖掘，而是实实在在能够在 具体场景中被应用、能够驱动具体业务（尤其是消 费者运营），如燃料般的物质。数据资产可以为品 牌带来无限的想象，品牌资产不止于会员、消费者 价值不止于社交、媒体效果评估不止于结案报告 数字营销和运营领域的方方面面，都会带来新的想 象力。 品牌增长源动力系列之二21 我们的观点 数据资产 VS. 数据垃圾 品牌可以从哪些维度判断自己的数据 是资产还是垃圾？ 品牌增长源动力系列之二21 品牌增长源动力系列之二22 如何帮助品牌把数据真正变成数据资产，阿里巴巴输出的平台及产品能力可以总结为四个字“采、建、管、 用”，通过 Dataphin 的数据服务体系，实现数据资产

50、的有序打理。 首先，进行数据汇集，目标是利用采集到的信息对商业的结果进行评估分析，对特定商业问题提供支持或为业务获 取可执行的洞察； 第二步，数据建设和管理，将数据沉淀为一类高价值的资源，支持业务决策； 第三步，数据使用，支持个性化的在线服务和商业决策的制定。 数据资产有序打理 生成同源全景数据 Dataphin，是阿里云旗下智能数据构建与管理的 数据中台 建设引擎。在基于数据中台实践中沉淀的核心方法 论和技术体系，提供从数据 采，建，管，用 的全链路、一站式的大数据能力，以助力企业打造标准统一、融会 贯通、资产化、服务化、闭环自优化的智能数据体系。其核心价值在于规范数据定义，消除数据二义性，