宋星的数字观
接上文，我们继续10个秘诀的后五个，前五个在后文也附上，或者你也可以移步这篇文章看前五个秘诀《数字营销的十个独门秘诀》。
06 秘诀六：敢于尝新！
最早做CID投放的那批（关于CID投放，见我这篇文章），占到了很多便宜！最先跟媒体一起折腾一方数据投放的，效果提升也都不错。在个保法没落地之前，大量利用电话号码和deviceID做推广的，也收割了一波红利。更早做以商品化为核心的投放的，门槛也比较低，竞争也相对小，所以效果也更好一些。
今天新的数据应用创新领域在公私域数据联动、一方数据与AI的结合、广告主的外部数据能力（例如互联网各服务平台基于他们自己数据转化的能力，如支付工具的数据、社交工具的数据、垂直行业平台的数据等）等。
某美妆企业是最早把广告投放数据与线下门店销售数据进行打通分析，并建立反馈链路优化投放，收割了一波红利，后来者纷纷效仿，但时间窗口却不够好了，因为效仿者再进来之后没多久，个保法落地，这个方法就不能玩儿了。所以，看清楚之后，趁早做不香吗？
07 秘诀七：用数据必须要有想象力！
数据的本质价值是突破边界！为什么这么说，因为既然用数据了，就是要让它发挥超过经验的价值，也要让它发挥手动做不到的事情。
举个例子，既然已经在追踪每一个个体消费者的数据，那就别仅仅只是做一个统计级别的报告了，更重要的是针对性的营销，以及再突破下边界，可以预测每个个体消费者未来的行为和需求。
再举个例子，我的很多客户都很重视收集一方数据，也知道收集一方数据之后要跟外部资源对接打通，但是这种打通基本上还是限于用在投放上。但实际上，一方数据跟外部资源打通之后，想象空间很大。比如，跟运营商打通、跟支付网关打通、跟地图（地理位置）打通，跟异业数据打通，都能有各种各样千变万化的应用场景和价值。
他更笑着说，宋老师你的文章已经写得很清楚了，保密性、隐私性问题都是可以解决的！我惊诧说哪一篇文章？他说，就是你写的，关于隐私计算在数字营销中的基本原理和应用那一篇！
哦，原来是这篇文章：《万字长文：大白话讲解隐私计算在数字营销中的底层逻辑和应用场景》。我以为太过专业没人看呢！
08 秘诀八：多多跟平台建立联系
虽然我们并不喜欢平台的垄断地位，但不可否认，没有它们我们几乎没有什么事情能开展。
某里的数据生态，尤其是支付生态，比我们想象的要开放得多。
某节的数据深度能力老实说还不能跟某里相提并论，界面做的蛮好的，美妆行业比较强，其他行业还有很大进步空间。但KOL和内容相关的数据，确实是优势。
某讯还是有很多好东西的，而且近几年产品化进步很快，当然，有一些最核心的资源还不太愿意拿出来商业化（跟某信的战略选择有关）。现在做出来的知数等产品，也已经能有很多不错的应用了。不过数据打通还需要进一步加强。
他家现在在猛推的以商品为核心的广告投放方式，这种方式需要广告主建立自己的商品库。有朋友问我效果好吗，我说大厂新东西进去试试没问题的，而且要做的事情也无非就是建立一个商品库，需要的情况下额外加一下代码，并没有太大的负担。但是ROI可能能有明显提升。
运营商则很希望输出他们的数据能力，不过常常不是直接做产品，而是由一些第三方企业把运营商的能力包装成产品进行售卖。但这不妨碍我们利用他们的数据能力。
总之，还有很多很多的平台，都有自己各自的数据能力。数据虽然已经不可能多源头获取了，但是数据能力的输出方却是百花齐放。大家千万不要忽略了这些好的资源。
如果不问这一句，一直常规投放，ROI是很难进一步提升的。
09 秘诀九：数据标准太重要了！
如果不提前建立数据标准，就立即着手收集数据，那么之后的数据应用难于登天。
如何建立标准，不仅仅是一个技术性的事情，更是一个组织性的事情。
他们有非常强的直觉，认为数字化和数据将深刻改变他们的业务。而在数据方面，他们一直非常在意标准的建设。
在我写这篇文章的今天，我甚至还看到他们在发标，招募企业为他们构建标准化的底层数据体系提供专业化的服务。
为了能够实现数据的无缝应用，在疫情前就已经建立了“触点和数据委员会”制度。这个由企业负责人、各相关品牌和相关部门负责人和骨干、外部专家构成的委员会，定期议事，并形成关于数据在业务应用上的相关标准。
这些举措展现了他们落地数字化决心和能力。他们在营销数字化能力的提升，也肉眼可见。
10 秘诀十：给用数据的人预算
这些钱不需要太多，但是必须足够数据的应用者能够走出必要的test & learn。这个道理很容易理解，如果我们把数据比作杠杆，那么它要撬动的往往都是一些实实在在的资源。这些资源，不是过家家的摆设，都是需要真金白银去换来的。
企业的数据文化什么的，这些都容易流于口号，不给费用，什么文化也支棱不起来。
没有费用，数据无法验证自己真正有价值，而数据的价值得不到认可，数据文化都是无稽之谈。
这是肺腑之言。
业务团队会愿意配合你们？我问道。因为我知道，很多企业的数据团队处境尴尬。业务部门并不喜欢他们。
他笑答：我有一笔钱，集团给我的预算。业务跟我一起合作，完全是不会赔本的买卖，因为钱我出呀！
所以，只要有品牌跟我合作成功了，其他品牌都蜂拥而至。我是他们的增量，而不是他们的累赘。
我想，这是他成功的重要关键之一！
以下为前五个秘诀：
01 秘诀一：现实一点，从需求出发
但是，行业中却很少讲一个现实，基本上企业数字营销的数据应用中，门槛最高，难度最大的，是一方数据的应用。如果直接从一方数据着手进入数据领域，就如同玩游戏还没有肝好级就直奔boss PK，容易被虐。
而且，一方数据的应用，不仅要建设数据本身，还要建设配套的场景，搭建与数据对接的工具，这些都属于较高段位的数据应用。
一家快消饮品企业的数字化营销的数据应用极为老练，我询问他们的digital负责人，他说：微信、阿里（支付宝）、字节，到底哪个适合做私域？99%的人都告诉我，应该是微信。但是，真的是如此吗？不同的行业选择不可能一样。对于我们快消饮品而言，离最终消费最短最近的链路是最好的。因此，交易在哪里，私域就在哪里，我们选择的核心私域平台也就可想而知了。虽然不是微信，虽然也没有一方数据，但是这家平台仍然提供大量可用的数据，对于我们核心聚焦在转化和复购的短链上，足够了。
02 秘诀二：业务数据化和数据业务化并重
业务数据化，就是把业务的状况（status）用数据去表现出来（monitoring）。这就是我在我的大课堂和数字营销数字专著《数据赋能》中所阐述的“数据分析”。
数据业务化，就是直接把数据用在正在运行的业务（数字营销）中，比如把消费者的数据直接应用在正在进行的数字营销中，用于针对性投放和运营。也就是我在我的大课堂中用大篇幅介绍的“数据赋能”。
数据业务化，也意味着能够通过掌握更多的数据，实现更创新的数字营销方式。
但二者不要混为一谈。
数据业务化（数据赋能），是老板们的追求，战略价值更大，但要求高（后面的秘诀会介绍如何实现它），而业务数据化（数据分析），相对比较容易实现，但不太容易受到重视，往往是表哥表姐的活儿。可是对很多企业而言，业务数据化（数据分析）的价值，同样很大。
毕竟，业务数据化（数据分析）还没有做好，就想做好数据业务化（数据赋能）是很难的。业务数据化（数据分析）的大量逻辑、方法、模型、技术、工具，是数据业务化的基础，更重要的是，业务数据化所积累的数据，同样是数据业务化能够实现的数据基础。我没有看到哪一家企业把数据业务化做得好，而业务的数据化一团糟的。
这样，也就大幅度降低了一方数据获取和应用的门槛：不断为实现数据分析而积累的大量数据（尤其是一方数据），又作为数据业务化的极好的基础。他们能够很快实现微信进行的线上线下打通（门店到小程序打通）的模式的背后，就是因为这些日复一日在业务数据化上所进行的数据积累加数据能力积累。
03 秘诀三：方法无限，但底层逻辑是有限的
此时切记，方法无限，但是底层逻辑是很有限的。而且这些底层逻辑，不会随着时间推移而发生改变。
什么是底层逻辑？不随时间流逝而改变的规律，以及不会变化的底层变量。例如，对人（受众或者消费者）是如何用数据化的方法描述的，尤其是对他们的行为的描述。以及，在这些描述的基础上，对他们进行选择性的营销与运营。
此外，Engagement Rate和CVR的匹配、诱饵触点规则模型、推荐逻辑、基于监督的机器学习、基于撞库的数据交换等等，这些都是掌握之后，就能触类旁通甚至一通百通的基础逻辑。
不仅底层逻辑重要，这些底层逻辑实际上是相互关联的，构成了对于数据能力和数据应用能力的系统性的知识体系。掌握这些知识体系，对于未来无论何种数字营销进化过程中的数据应用，都会是手中有剑，心中不慌。
她的心态是非常成熟的，她的提升也就肯定不是偶然。
04 秘诀四：不要被带节奏，要独立思考
行业最容易传出两类声音，第一类，谁谁谁家（甲方）的营销做得特别牛逼，第二类，谁谁谁家（乙方）的工具产品特别垃圾。
数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更特别牛逼不一定是真的，特别垃圾也同样未必是真的。我们很容易把数据应用的失败推脱到工具的失败上，但我们却极少把数据应用的成功归因为工具。
好事不出门，坏事传千里。所以，我们听到的成功常常是企业自己大放喇叭的结果，而工具的失败与垃圾，则特别容易口耳相传。
数据工具，想要做好并不容易，想要用好，也不简单。很多时候行业中。数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更好，数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更好。
我并不想给真正垃圾的工具洗地，但我也很想让大家自问一下：我是真得仔细深入地使用过这个工具吗？还是在没有太多亲身体验的情况下，就人云亦云给这个工具贴上了“垃圾”的标签？
工具的好坏，并不一定是最关键的，能够找到它发挥作用的点，才是关键。如果你把Google Analytics这么成熟的工具，用来做国内的微信营销，照样不好用。他说。
05 秘诀五：不要执着于数据本身，数据能力更重要
媒体越来越加码的围墙花园，会让企业自己拥有数据的难度越来越大。企业确实还有至少六个渠道能够获取自己可被掌握的数据，但这并不意味着企业应该把全部力量都集中在获取数据上，而忽略了获取数据能力的重要性。
获取数据之后能产生的价值，尤其是搞定一方数据之后能产生的价值，实际上并不是完全由一方数据决定的，而是由一方数据能够驱动的数据能力决定的。
这些数据能力，也并不是企业自己的什么数据挖掘、数据预测、数据看板之类的能力，而是将一方数据与各种外部资源（比如媒体或其他第三方）相打通之后所形成的能力。
比如，一方数据用于优化广告投放的ROI。这就是典型的需要把一方数据与媒体的投放平台相结合所产生的能力。又比如，车企的线索评级（线索评分）也是典型的把一方数据和外部数据相结合得到的能力。又比如，我在我的大课堂上介绍的，利用一方数据与DMP系统对接后，发现在线下发生的优惠核销作弊的例子。
很多时候，即使我们没有一方数据，也不妨碍我们直接应用媒体的二方数据或者其他的第三方数据。例如，线下门店为发生消费行为的顾客画像，所使用的数据大部分情况下都可以来自于支付网关的DMP。
