品牌應該如何正確運用數據驅動決策？

品牌應該如何開展一方數據監測？

品牌如果想更好地利用數據，首先要考慮制定一個業務目標。對於大多數企業來說，數據的主要來源是公司網站、小程式、app及線下CRM數據，我們通過這些管道可以瞭解到流量獲取、用戶體驗和受眾群體等資訊。有些以移動端為主的企業則希望通過強大的APP監測，來提高用戶的參與度。但在實施監測之前，品牌都應該先對數據的應用場景制定清晰的規劃。除此之外，數據透明度也很關鍵。一旦數據開始為決策提供資訊，企業所有業務相關利益者都應該對一方數據源以及所產生的業務洞察有著清晰的瞭解並且達成一致。如果沒有這種公司層級的數據運用，那麼數據處理以及相關業務解讀可能會引起分歧，進而影響決策和業務戰略。為了減少這種情況發生，品牌可以通過對相關人員進行有關數據的培訓來溝通什麼是可用的數據，數據反映了什麼，以及如何訪問和利用它，確保每個團隊成員都知曉且從中受益。

營銷人員用數據推動決策時需要注意什麼？

對於營銷人員來說，在收集和利用數據之前，數據隱私是必須要考慮的問題。從歐盟的GDPR到中國即將出臺的PIPL都強調了對數據收集和使用的保護，非法使用數據不但會面臨巨額罰款還會影響到公司的形象及全球業務。因此，在使用數據之前，確保數據是在使用者同意的情況下收集、安全存儲且合法利用，是每一位營銷人員都必須知道的最佳實踐。為了提高數據分析效率並創造更多價值，行銷人員需要從描述性分析（Descriptive analytics）轉向預測性分析（Predictive analytics）和指導性分析（Prescriptive analytics）。描述性分析通過公司已經有的數據，查詢在過去一段時間業務中發生了什麼。但是，當涉及到決策和預測活動時，行銷人員需要採用預測性分析，基於歷史模型分析可能發生的活動，並對企業應該採取的最優行動給出建議。因此，預測性分析和指導性分析在推動企業決策方面起到了決定性作用。

國內運用數據的能力是一個怎樣的情況？

在國內，運用數據的能力參差不齊，一方面我們有很多技術嫻熟的人員，有本地大學提供針對數據和分析的課程。另一方面，大量的傳統大公司依然使用非常陳舊的技術，阻礙了數據驅動的方案部署。這些公司擁有大量的數據，但在統一和利用這些數據方面卻問題重重。在這樣的情況下，數據往往是一種成本而不是資源。在與這類的公司合作時，我們建議部署針對特定應用場景的解決方案，以確保數據在公司的運營和決策中充分發揮作用，展示數據驅動帶來的的商業價值。