我们正处于对大数据疯狂夸大的狂热时期，同时也不可避免地遭到一些人的强烈反对。某个晚上，一位营销人员在Twitter上怒吼：“大数据的人滚出我的地盘。”

我同情他的沮丧，但不可否认，正确使用数据对现代营销会有非常强的推动力。正如我之前所说的： “在数字时代，单纯依靠基于直觉、经验驱动的营销决策是愚蠢的。”

同时，我也得出结论： “大多数公司的明智决策是数据分析和人类判断平衡后的结果。”

本着平衡的精神，我鼓励大家拥抱市场数据。这里有14条经验法则，可以保证数据透明，以有效的方式进行数据驱动营销：

1、客户驱动>数据驱动

数据驱动营销是很好的。 但营销的目的是获得客户。因此，以客户为导向的营销会更好。 当然，它们不必相互排斥。不过一个是手段，另一个是结果。记住，在进行大数据分析之前，先停下来问，“这对客户有什么好处？”

2、所有数据都不一样

“数据终结了争论。”如果这是一个绝对真理就好了。但是在如今这个大数据时代，你可以轻易地找到某些数据来支撑争论中的不同论点。数据的准确性和相关性是不一样的。

3、数据只能反映历史

数据可以告诉我们发生了什么，但它没有告诉我们将会发生什么。我们可以从历史中吸取教训，推断过去的趋势以预测未来。但世界在不断变化，历史的情况不一定是今天或明天的情况， 黑天鹅效应 就是一个很好的例子。

4、数据通常不完整

当然，任何一个特定的数据集都是完整的。比如说，过去三年的季度销售数据就是一个完整的数据集。但 世界上没有绝对孤立的东西 ，总还有数据跟你的决策相关，而你永远也不可能搜集完所有跟你决策相关的数据。

5、数据是客观的，但数据的收集和解释是主观的

客观地说，每个人都可以在电子表格中查看相同的数据。但是收集了什么数据，收集的时间和方式，数据来自于哪里，这些都是主观选择的。而另一方面，我们如何解释这些数据也是主观的。

6、 任何一组数据都支持无数的叙述

一般来说，营销人员是故事讲述者，而数据可以使故事更具吸引力。但是，我们可以主观地解释数据，想怎么叙述就怎么叙述。那么哪些叙述才是最贴近真实的呢？没有答案，但是它阐明了一个道理： 任何一个围绕数据呈现的故事，永远不是唯一可以讲述数据的故事。

7、战略是一种选择，好的数据有助于我们做出选择

一个好的策略是做出选择的框架。反过来，好的数据能够帮助我们做出选择。无法帮助我们在制定战略时做出选择的数据只会令人分心。

8、实验是检测因果关系的黄金标准

相关性不是因果关系，每个称职的数据科学家都会告诉你这一点。但作为营销人员，我们追求的通常是因果关系，我们想知道做些什么才能获得更多的客户、开展更多的业务。那么当数据揭示相关性时，我们该怎么办？进行受控实验。尽可能多地保持所有其他变量不变，测试替代方案以证明或反驳我们的假设。

9、观察仪表盘，同时注意挡风玻璃

在Gord的比喻中，我最喜欢的就是这个：“量化就是在你开车时看着的仪表盘，定性是挡风玻璃。”显然，我们应该同时做这两件事。现实中，我们在驾驶时自然地平衡定量（数据）和定性（经验），那么我们也应该在营销中争取同样的均衡。不要因为把注意力集中在仪表盘上而错过令人振奋的风景或迎面而来的卡车。

10、数据随时间衰减的准确性和相关性

大多数数据的保质期相对较短，特别是在营销方面。在我寻找新车的那一周里，车广告一直将我视为目标受众。但六个月之后，那些确定我是汽车广告的目标受众的数据，已经比化石还要过时。过时的数据比没有价值的数据更糟糕，因为它可能会导致你做出错误的决定。准确性和相关性使数据变得有价值，但这些属性随时间而变化。

11、数据可用于探索（“为什么？”）或确认（“是什么？”）

当数据用于勘探与确认时，应对其进行不同的处理。数据用于探索时，你可以寻找新模式、见解、想法、发现——也就是对新假设的启发。用于确认时，你可以验证发生了什么事情，或者没有发生什么事情，亦或是事情发生到什么程度。但是，除非你控制了其他条件的变量，否则这些数据只会告诉你发生了什么，而不会告诉你原因。

12、有手表的男人知道现在几点了，一个有两只手表的男人永远不会确定

这条规则被称为手表定律，这是每个营销人员都应该知道的7项技术法则之一。这个世界充满了矛盾的数据，任何试图从两个独立的网络分析包中获取指标的人都可以证明这一事实。不同的工具用不同的方式去测量同一现象，会导致结果的重大差异。研究这些差异产生的原因也许会产生有价值的见解，但是钻牛角尖会让你的回报减少。一般情况下，你 不需要完全准确的数据，只需要足够准确的数据来做出正确的决策。

13、数据不等于现实

数据不是它声称代表的现实，它充其量反映了现实，却容易被扭曲。当然，数据是有用的，但对其表述的正确性保持一点健康的怀疑是谨慎的做法。

14、数据可视化可以阐明、混淆或分散注意力

数据可视化（图形、图表、信息图表等），是一把强大的双刃剑。到目前为止，它是了解数据的最直观的方式。但是，它也会向我们展示实际上并非如此的模式。伟大的数据可视化本身就是一门科学和艺术。我强烈推荐阅读Stephen Few，Kaiser Fung，Edward Tufte，Nathan Yau，FernandaViégas和Martin Wattenberg来磨练你的视觉识字能力。他们将为您的数据洞察工箱提供一些最佳工具。

红利汇总规则：保持冷静并明智地使用数据。

数据可能是营销中最未充分利用的资产，但我们更希望能够很好地利用它。

来源：chiefmartec.com

原作者：Scott Brinker

编译：五香兔头