这套系统，可能真的是数据分析师们未来5年的机遇！我不管我不管你就是谁都无法替代

2017年吹用户画像

2018年吹人工智能

2019年吹数据中台

2020年吹……

答：CDP！（customer data platform客户数据中台）

如果你真的是一个2010年入行的老头子，听到这种新词冒出来，一定是菊花一紧。因为这些年在这些新概念上栽倒的人可以说太多太多了。甚至可以总结出新概念发展五部曲：

1、某个地方喊出新概念（80%概率是阿里/前阿里）

2、朋友圈开始发文章热炒

3、其他企业信了，开始招兵买马

4、新领导写了一堆看不懂名字的ppt，开工！

5、半年后，在“你做的这个为公司赚了几块钱！”的咆哮中滚蛋

远的不说，就去年的“数据中台”，就坑死了一堆盲目迷信数字化转型的传统企业，惨状犹在眼前。这次又叫“客户数据中台”可以说一开始陈老师也是抱着观望和怀疑的态度。直到现在已经推动了一堆项目上线后，突然发现：这可能真的是做数据人的一个新机遇！因为它克服了传统数据项目的四大软肋。不敢独占，分享给各位同学。

1、病根在数据采集，不在数据分析。

所有的数据项目病根都是数据采集、数据质量。可数据质量恰恰是企业建设最滞后、最不愿投入、最看不到产出的一环。于是数据项目常常陷入无米下锅的窘境，搞来搞去都是那点交易数据，其他屁都没有。

2、神话传说横行，领导期望值太高。

与投入稀薄同时存在的，是期望值太高。是领导们都指望有一个神威无敌大将军模型能duang一下上知天，下知地，中间知空气。结局自然很容易扑街。

3、日常存在感稀薄，期望越堆越高。

受1,2制约，做数据项目的人，往往写了牛逼很大的ppt，比如“通过用户画像细致洞察”“通过人工智能精准预测”之类，然后一个猛子扎进数据清洗，数仓建设，打通数据的烂泥地里无法自拔。夯吃夯吃憋半年憋一份ppt。结果，在这半年里，领导们期望值越来越高，最后一看ppt，大吼：“我早知道了！你做这个有什么用！”

4、与业务脱节，难以自证清白。

即使真的有一个神威无敌大将军模型，100%准确预测出来一个客户会买产品，sofucking what！在传统企业，这个功劳依然是算在销售头上，在互联网企业，这个功劳依然算在商品运营头上，数据无法离开业务独立创造收入，也很难证明：我司为数据中台投了500万，到底赚回来几万！这样在业绩好的时候，尚能做一个吉祥物，业绩不好的时候就直接杀了祭棋。

说到底，大部分的企业不是头腾阿这种手握大量现金的垄断平台。数据少，变现难，却期待快速见成绩。这种情况下，就需要做数据的人，找到一个能高频露脸、快速迭代，直接作用于业务的工具，才能满足领导期望。类似过去做用户画像、数据中台、人工智能项目时候，一上来接数据、清洗数据搞个大半年的做法，是必然扑街的。

而CDP，有机会解决这些问题。

CDP不是数据系统，而是一套业务系统。基本逻辑如下图所示：

基本思路就是：

1、基于数据，对用户帖标签

2、根据用户标签，筛选目标用户

3、制定主动策略：在XX时间，XX渠道，向XX类用户，推送XX方案，拟实现XX%的响应，XX名用户注册/购买/复购。

4、制定被动策略：当XX用户，在XX渠道，与我司发生XX动作时，触发XX规则，实现用户注册/购买/复购。

5、选择信息渠道，推送策略

6、回收数据，迭代标签

这一套是不是很眼熟！

做过CRM项目的同学，会大呼：这TM和CRM有啥区别！

做过用户画像项目的同学，会大呼：这TM和用户画像有啥区别！

差别只是一点点，却产生了非常良好的变化。

确实，从运作流程上看，CDP和CRM是一模一样的。但是注意：传统的CRM，核心是积分与会员等级。先定了积分政策，再定铜牌、铁牌、银牌、金牌、钻石等级，运转起来以后再基于这些做动作。积分与会员等级是公开、刚性、稳定的政策，不会几天就变，甚至几年都不会变。

这导致另个问题：对数据而言，CRM系统对数据依赖少，且可灵活操作空间少。在实际运转的时候，经常变成了每年照着上一年的方案小修小补，数据的存在感稀薄，因此很难体现数据的价值。对业务而言，公开、刚性、稳定的政策太过僵化，不能灵活应对客户群体活跃度、转化率等问题，甚至会成为负担。比如积分池中巨大的存量积分，清、不清，都头疼（如下图）。

而CDP的思路则灵活得多，即时推送营销活动，发现机会点就能试试。这样既能满足业务上随时应对变化的需求，也能给数据制造更多机会。因为一个条件好不好用，本质上得实验。只要有实验，就得有前期数据洞察，中期的实验设计，后期的效果评估。数据存在感极大提高，且能随时修正业务的问题，和业务的结合度也提高了（如下图）。

确实，很多用户画像项目，也是按着：做画像-洞察-分群-策略-效果的步骤展开的，但是有个关键问题：用户画像往往是数据主导的项目，因此在业务端难以得到支持！

最常见的就是，你要采集数据的时候，业务100个不情愿。需要人工采集的，就推辞说：这样降低效率，这样顾客体验不好；需要系统采集的，就推辞说：业务要求上线很紧张，没空收集数据啦。

等你分析数据的时候，业务却期望你做个：对公司非常要，且业务100%不知道，且业务一看就知道能怎么落地，且落地能见到钱的东西。你做的有一点是业务已经知道的，他们就跳出来喷：“我早知道了！你做的有啥用！”

90%的用户画像项目就是这么死的

90%的人工智能指导营销、运营、产品的项目也是这么死的

但CDP不同，它本身就是业务系统，首先改造的是业务方的工作方式。推行CDP好的公司，是直接基于CDP的逻辑改造了业务流程，实现了业务流程标准化（如下图），因此业务参与度有保证。

同时，明眼人一看就会发现，这套流程的核心动力就是数据分析质量。如果缺少深入的数据分析，那么再多实验，再多的拍脑袋，都会一败涂地。甚至比没有CDP的时候还惨。没有CDP的时候，还能甩锅给：“内部不配合，外部环境变化，虽然业绩少了但是满意度提升了”种种；有了标准流程，谁做的不好一眼就看到了，更难辞其咎。这时候就需要更多的数据分析支持，数据的重要性更显眼(如下图）。

长期以来，我们一直把业务和数据最好的状态，形容为：狙击枪——业务举枪、数据做镜。从闭着眼睛瞎打到瞄准射击，就是数据的成绩。

由此来看，CDP是可以在公司后台，实现这个目标的平台（在前台实现这个目标的工具叫销售助手，Sale Assistant或者MCRM，可惜没人炒作）。且这个概念今年还很火，老板们都喜欢时髦的东西，因此可以借机做好文章。

即使没有平台或者项目，把数据分析往条件化、事件化营销上做，也是很容易出成绩的。

-END-