id|MarTech月：数据不是营销万金油，千亿级市场背后“人味儿”不可或缺( 四 )_星芒|于轲|mcn|商业化|ip|作者

全域数据监测最重要的难点是什么？什么企业适合做全域数据的监测？高晓思：首先成本很高，哪些企业适合做全域的数据监测系统，得看整体的毛利率和市场占有率，如果要做就相当于把所有经营过程中的数据采集下来，难点一是搭建一套这样的系统需要梳理好公司涉及的每个业务细节，比如一些企业的大数据中台，一到具体的实施场景就不配合。二是框架的梳理，数据采集、处理及应用等各环节里边的咬合度，都涉及较高的开发成本。
其次是数据打通的问题。场景不同，数据维度、字段不一样、ID也不一样，回收以后第一件事就是清晰哪些能作为统一的标识运用于整个体系中，所以如果拿不回有效的相关ID就需要通过外部的方式来补充，不同场景的ID的打通方案又不一样，所以企业在做数据中台或全链路数据监测的一个困惑是数据的统一。
最后是数据处理及应用能力，假设你可以创建整个数仓，也建立了采集的路径和逻辑方法，数据通过处理也可以串联，那么下一步就是应用。应用中如何有效跟场景绑定，各种场景都需要有不同的设计方案和路径。所以整个一大套流程里，有很多企业在做之前没有完整意识，需要专业的机构去帮助他们，把全部串联到一起。比如现在MarTech指导下的CDP这些，搭建到一定阶段后，还是需要外部的三方供应商来帮助处理。
王涛：搭建大全域平台的成本很高，技术难度也大。任何一个品牌自己是不可能支撑这么大范围和成本的平台，肯定要跟第三方公司合作。这些客户对于全域数据的期望和能够拿出来的预算，两者之间也有矛盾。比如某个第三方公司他预算不够，没法满足所有客户的数据要求，只能先根据客户A的需求，搭一套满足30%的小全域，客户B来了之后再变成40%，40%变成50%，慢慢的迭代共建。这个过程相对更易实践，也更匹配实际需求。当客户从30%的小程序中解决了实际问题，有ROI回来，就会愿意投入更多变成50%。
坏处是如果很多公司都能做小全域，那么自己的优势就无法体现。所以又变成有资本投入的头部公司可以咬牙先做一个80%的大全域，再去收割头部用户，这样的模式会更有效。我们公司更偏向于垂直领域的深耕，全域并不擅长。如果客户和别的agency搭了全域池子，我们也可以把特定垂直领域里深层的或细颗粒的数据，和全域数据做一个贯穿或印证。
许志华：我们开玩笑讲每一个品牌都有一个拥有自己的数据平台的梦想，而且是能把各种数据对接，发挥高达作用的平台。但实践过程中很残酷，首先是投入预算很大，我们做的项目中老板的耐心大概是3～6个月，超过6个月没看到成果，大家的压力就会很大。
连接数据的过程中，天然会连到数据安全的顾虑。单从经济效益来讲，即使是最有钱的品牌，构建契合自己的全域数据平台，都不是经济实惠的。平台建自己的数据平台，先不说技术要求，单说构建应用，去整合这么多的部门来实现平台的商业价值，都是很难的事情。比如一些知名公司，花费很多建平台，随着负责人的离开，平台也慢慢搁置了，这些都是资源的浪费。所以我认为大家还是应该更open的看待数据的应用，以后有了更好的数据安全技术后大家能open的共享数据，也能更好的发挥数据价值。
公司现在为客户提供哪些产品服务？许志华： DataStory是一家一站式的大数据和AI智能应用的服务商，我们提供四个方面的数据服务：品牌营销数字化、产品创新数字化、渠道经营数字化和用户运营数字化，品牌营销数字化是帮着品牌去做媒介优选、效果评估、内容精选甚至生产内容。我们有一个内容library，可以帮忙挑选全网最有意思的内容，比较快捷的生产热门素材，这个模块属于品牌营销数字化的内容。产品创新方面，我们帮助R&D部门在全网范围发现热销热议的idea和产品，最新概念元素和趋势帮助产品创新。渠道经营数字化服务于品牌战略选址、选品、铺货、O2O经营等等。四是私域流量运营。我们密切服务于企业日常跟市场最密切的这几个环节，有时为证明我们的能力甚至敢于给客户做效果承诺。