数据收集、数据治理和数据平台解决了大数据营销的基础和架构问题，准备这些的目的最终是为了帮助企业的营销和业务。而今天要说的数据策略就要回答如何利用数据进行营销活动和业务规划的问题。

　　一、营销策略

数据准备就绪，要开始执行营销活动，并让各种目标落地，首先要做的工作就是营销计划的制定，这就属于数据在营销策略层面的价值体现。企业把大目标分解到市场部门，市场部门会再次细分，落实到市场经理，此时，数据营销人员就要帮助市场经理细分目标市场，细分用户，并评估数据质量。

市场和用户细分是营销人的基本功，基础理论是2/8原则，需要重点市场重点用户重点投入。

而这在大数据营销时代，要求就更高了，营销需要精准定位缝隙市场，精准定位目标用户，集中火力打造爆款，而这些过程都离不开数据支撑。

做大数据营销最尴尬的事情，就是做了大量工作后发现，数据质量差强人意，并不能支撑营销活动的展开。所在在制定营销计划时，负责人就要对数据量和质量作出初步判断，不至于后期陷入被动。

比如：用户数据库中有 500W 用户，基于此数据制定营销计划，计划达成基础是至少要发出去450W封邮件和400W条短信，可是到执行后期才发现，虽有500W用户，但有效邮箱只有 400W个，有效手机号只有300W个，这一下子就尴尬了，所以要根据计划的执行提前评估数据。

二、数据创意

常听有广告创意，其实数据营销也有创意，而且对于大数据营销来说，数据创意是非常重要的步骤，具有极大的价值。

数据创意是根据知识和经验，结合内外部各种数据资源，创造数据变现的方式。虽然是同样的数据，但在不同的数据创意下，其体现的价值区别很大。

如：现有大量的收集地理定位(LBS)信息，如何创意利用呢?

1、根据晚上所在的位置小区判断用户的收入水平;

2、看位置经常出入哪些商场门店，从而了解用户的品牌偏好，进一步可以推荐相关产品;

3、找到经常的妇幼医院出现的手机号码，推送婴幼儿产品

........

同样的地理位置信息，在不同的业务场景下可以有不同的数据创意，从而衍生出不同的价值。所以数据创意对于大数据营销是重中之重。

三、商业智能

营销大数据分析可能需要从很多个维度和点切入，得到很多个相对独立的结论，而要产生能指导市场行为的结论，可能需要将若干个结论整合成一个结论才可以，如何整合呢?

比如：

新入职场3年、年收入10万元、未婚、男性工科男 和 入职6年、年收入20万、每月房贷1万的已婚职场男性，谁更有能力购买20W元的轿车呢?

一个25岁未婚白领女性和刚退休的国企中层干部，那个更有有意愿到国外旅游呢?

经验能一成程度上判断，但经验并不靠谱，因为一切都是在变动中的，从来没有一成不变的东西。用户行为的影响因素往往是非常多的，要将这写因素有效的整合并发现有价值的信息必须要借助数据挖掘解决问题。

数据挖掘整合很多信息得到有效结论需要借助很多模型，而这些模型就是经过大量的实践总结出的，通过这些模型能很快的将独立但又相关有关的数据整合到一起，得到想要的结果。

大数据涉及很多的专业领域，用到的技术和统计学等知识较多，各种大数据分析的结论往往还是很多数据，而数据的阅读苦涩难懂，如何让营销人员能快速读懂和理解数据呢，就需要借助数据可视化之力了。一图胜千言，图更容易表达重点。

之前的文章(雨沐田：数据分析的目的 和 数据可视化)中讲到过，数据可视化是在有有逻辑、有设计的前提下，将各种数据图表化、可视化，从而达到让相关人员快速理解数据、快速产生决策的目的的重要手段。

数据策略的优劣直接决定了数据利用的效果和质量，是技术和业务高度结合的环节，数据价值和技术价值的结合最先体现到这个环节，数据价值和市场业务的结合也从这环节开始。

不管是技术人员还是业务人员，都要高度重视这个环节，此环节有承上启下的作用，不可不重视。