企业数字化转型是指企业由信息化过度到数字化的一系列转变。
信息化的重点是提高效率，规范流程，是工具属性；数字化的核心则是价值挖掘，业务创新，是与企业本身完全融合，是本体属性。2013年以后，移动互联网的发展，更多行业积累了远超以往量级的数据，企业业务形态、数据维度变得复杂多元。
1. 电商系统：2005年到2015年，网民规模快速增长，人口红利充分释放，我国电子商务的竞争在深度、广度和强度上持续升级。1999年-2019年，电子商务已深入拓展至生活服务、医疗、娱乐、社交、金融等诸多领域，其竞争结构也由网站为王、服务为王、转移至内容为王的时代。电商系统存储了大量的交易数据，但是围墙花园的封闭性导致各电商系统沉淀的数据只能在各自的平台内分析和应用。
2. 客服系统：客服串联起了消费者购买前中后三个环节，对企业有着至关重要的作用。2010年以后，基于SaaS的云呼叫中心和云客服软件出现，客服机器人进入商业化应用阶段。近几年，基于人工智能技术（如NLP技术、深度学习技术、语音识别技术），客服软件逐渐向智能化方向发展。客服中心不缺数据，缺的是对数据充分有效的应用。大部分客服中心每天都会有几千、几万甚至几十万条的数据。但与此形成鲜明对比的是，大多数客服中心对于数据的分析与应用仍然停留在比较低的层次上，基本以日常运营报表以及一些专项运营分析为主，缺乏系统性、全方位的数据化运营支撑与增值服务拓展。
3. CRM系统：企业的CRM积累了大量的用户实名数据，1999年，Gartner Group Inc公司首次提出了CRM概念，SaaS供应商销售CRM软件已经有了近20年的历史。传统CRM主要针对企业的客户和潜在客户，以销售界面为核心触点，为企业提供销售跟单和商务管理服务。现在CRM为适应企业发展需求，功能也在不断延伸。CRM数据价值发挥可能在体系内比较好，但是如何跳出方框，融入到企业的整体中去发挥更大的价值，又是另一个问题。
4. 营销系统：中国的市场营销环境论复杂程度在全世界都排在前面，地大物博风俗民情多样/各区域经济发展水平不一，又处在中华民族崛起的时代各种创新型技术和产品倍出，用户触点极度分散和多元化。从千禧年开始发轫的中国数字营销，随着网络速度不断提升，网络资费快速下降，PC和智能手机的普及，互联网广告市场一直都在快速发展，同时伴随诸多挑战：数据作假、围墙花园、流量红利难觅、流量结构骤变等等。
1) 数据作假：线上营销的成本不停升高，再加上流量掺水作假，广告主苦其久矣。据英国Juniper Research数据，2018年全年全球广告主因广告欺诈所遭受损失预计约为190亿美元。
2) 围墙花园：寡头不仅控制了资源还控制了数据，在寡头的生态内各种数据应有尽有，生态之外却少的可怜，这就是围墙花园。寡头和寡头之间也是竞争关系，相互封闭。围墙花园是把双刃剑，没有寡头，数据很难汇聚在一起，但是造成的数据垄断却使广告主的话语权越来越弱。
3) 流量红利难觅：一方面，移动互联网的渗透率已经达到一个相对高而稳定的水平，另一方面，新老品牌&产品对用户的需求一直在增长，所以现在应该是一个需求大于供给的状态。而且用户每天面对的信息太多了，用户的注意力被稀释的很厉害，质量也难以保障。
4) 流量结构的改变：按照年龄的互联网行为分野已经不再适用，现在更加需要按照场景和环境来细分流量。同时用户越来越关注内容，越来越倾向于视频的媒体形式，浏览行为也越来越快餐化，种种趋势表明现在的流量结构已经和过去不一样了。
数据孤岛引发的一系列连锁效应：
1、功能模块重复开发：原来的应用软件弹性很小，一旦遇到新的业务需求可能要更换软件，导致多次重复投入增加内耗浪费资源。如果不能抽象、梳理、整合可复用的功能和场景，就不能将其提炼为可供业务单元引用的基础能力，实现服务快速复用。
2、数据价值未能充分发挥
1) 数据存储：存在大量重复数据，重复管理和存储，浪费人力物力。
2) 市场响应：企业后台不能很好地支持前台快速创新和响应用户的需求，市场响应敏捷度低，前后台速率失衡。
3) 业务创新：没有进行清洗整合的数据很难沉淀为数据资产；缺乏统一的视角进行洞察和管理，不足以驱动业务创新。
4) 数据流转&业务对接：数据逻辑上的孤立，各个事业部都有自己的数据规范，站在各自角度对数据的理解和定义，往往会出现相同的业务id、用户id有不同的定义。当需要进行跨业务的数据合作时，往往会发现沟通成本极高。
企业数字化转型的解决方案
DMP/CDP是收集、管理、应用消费者数据的平台，是企业数字化转型的基础，因为在企业众多的数据类型中，属消费者数据最为核心和关键。
对内，它能够统一企业的多方数据源，原本各个业务部门可能是相互独立的，消费者数据让它们产生关联，并通过一个统一的视角呈现。各部门有了一致的数据基础，企业内部就协调联动起来。对外，它能够统一管理广告投放/营销自动化，统一管理与消费者沟通的各个触点，为消费者提供跨渠道的一致性体验和个性化沟通服务，用户分析和洞察也将变得智能而高效。
阿里提出了数据中台的概念，数据中台是平台的平台，以统一的标准和流程规范帮助企业实现业务互联互通，资源协调和信息共享，数据中台包括DMP和CDP。
DMP&CDP的工作逻辑大致可分为以下4个步骤：
1、收集数据：收集企业私域数据
2、整合数据：建立相同用户之间的映射匹配关系。
3、打标签：构建以人为核心的数据结构,即ID+属性
4、数据应用：核心为报表分析和输出细分人群包应用于广告投放运营等场景
趣云关于消费者数据管理和应用解决方案的优势
一、数据管理
1. 数据采集：便捷性接入和结构化处理
顾名思义，数据采集就是将数据都收集起来，前面提到企业用的各种各样的系统，要把众多的系统都对接起来实则是一件耗时耗力的事。
趣云的解决方案是提前对接好，目前已对接涵盖CRM数据（销售易、纷享销客）、电商数据（微店、拼多多）、客服数据（智齿客服、udesk）、外卖数据（美团、大众点评）、社交数据（微信公众平台、新浪微博）等众多第三方平台，企业只需要提供账号和密码即可接入。
与此同时，每个平台对相同含义的词可能有着不同的描述，比如平台A描述购买行为是“下单”，平台B则叫“已下单”，虽然意思一样，但是如果不进行结构化处理的话，系统还是会默认为这是两种含义，针对这种情况，趣云已经提前归纳总结好了，可以迅速地帮助企业进行结构化处理。
2. 数据治理：ID打通和搭建用户标签体系
数据治理的核心是ID打通和搭建用户标签体系。ID打通就是要识别出不同平台里的同一个人，搭建标签体系就是让这些人的形象立体起来。大体上，有三种类型的标签：基础标签、兴趣标签和自定义标签，自定义标签是指企业有特殊需求标签。无论是ID打通还是标签体系建设，利用企业自有数据进行匹配的成功率一般不会很高，标签缺失也是常有的情况，所以通常情况下需要借助第三方数据来辅助进行ID打通和属性填充，第三方数据源的实力非常关键。趣云合作的第三方数据源均为行业领先企业。
3. 数据洞察：多样化的数据模型和分析服务
支持标准的数据分析模型(RFM模型、AIPL模型)和企业自定义模型，同时提供数据分析服务：时域分析、地域分析、路径分析和关键行为分析。以AIPL模型为例，企业可以直观地看到每一层到下一层人群的转化率，也可以分析对比不同日期的转化情况。对企业来讲，数据建模可以用来指导营销、进行风险管理和业务提升。
二、数据应用
1. 应用到CRM系统、电商系统、客服系统，对这些系统的数据进行反哺；
2. 应用到营销系统，支持前端广告投放和后端人群运营；
3. 特殊应用场景，支持个性化定制
最典型的应用场景是输出人群包支持广告投放。趣云没有媒体资源，但是我们帮企业对接了大量的媒体资源（63家主流媒体资源、55家流量交易平台），能够满足企业绝大部分PD、PDB和RTB投放需求，在趣云营销平台上实现一站式投放，提高管理和投放效率。同时平台支持营销自动化功能，入口人群可以选择分析模型里的特定人群也可以自定义人群，通过各种控制组件对投放的过程实现自动化控制。
三、成功案例
趣云数据为某快消品牌搭建的第一方数据平台和第一方营销平台已经稳定运行了3年，日处理数据量以T为单位计算，收集独立设备ID上十亿条，是行业内唯一一个在企业内部真正运转起来的数据管理及应用系统。
管理大师彼得·德鲁克说过一句名言:一家企业只有两个基本职能:创新和营销。营销环境粉尘化，品牌大竞争时代，企业的核心竞争力越发受到考验。消费者数据管理及应用帮助企业通过用户洞察驱动业务&产品创新，通过数据应用提高营销价值。
【趣云数据 , 版权所有丨如未注明 , 均为原创】
如需转载请联系：marketing@quclouds.com
Quclouds_数字营销商业自媒体。全球格局，移动·数据·技术的浪潮下，营销需要新势力，数字营销行业价值传递平台。
