大數據營銷應用的現狀可用這樣幾個“多”來形容：說的比投入的多;投的比做的多，如有些大型國企投入資金，建部門、雇海歸，但并沒有真正做什么;做的比懂的多，收集了一些數據，但讀不出有價值的信息來;懂的比賺的多;認為今后賺的比現在想到的多。

如何才能實現光明的前景?一要養成大數據思維，二要避開三大陷阱。

大數據思維

大數據思維有如下四個維度。

定量思維：一切皆可測。POS 機、網上購物、社交媒體以及各種各樣的卡，都是大數據的來源。例如，通過傳感器，利用紅外線微波可以觀測人的生理狀態、腦電波等，如果駕車人員犯困，其心 理指標發生變化并到一個臨界值，汽車后臺就會告誡駕駛員休息。賭場入口處的紅外傳感器，會根據腦部熱量情況，分析進來的是沖動型賭徒還是冷靜的賭徒。

汽 車行業的大數據有人、車、環境三個來源。“人”不僅包括車主或者駕駛人員，還應包括乘客;“環境”不光是路面信息，還包括行車所到之處的周邊信息，如旅 館、加油站、旅游景點等等，典型如地圖應用。“車”的應用也已有案例，如美國一家保險公司為汽車加裝了跟蹤器，根據行駛數據來決定保險費率;米其林也會搜 集與環境相關的數據，某智能芯片廠商為長途貨運汽車提供的芯片，可以全球定位、調節物流和運輸。

跨界思維：一切或可聯。跨界有不同媒介、渠道間的跨界，如O2O和LBS，也有商業模式、數據應用的跨界。例如，GoPro是穿戴式照相機，但它也為尋求刺激的滑雪、跳傘運動愛好者，剪輯加工影像，并在電視上播出，吸引了廣告和巨量的粉絲團隊。

操作思維：一切要可行。應 用大數據，不等于非得要上高大上的設備和硬件投入。例如視頻公司根據用戶觀看視頻的過程來決定推送什么廣告，其算法可能比較簡陋，但速度快。其次，要把數 據和用戶心理結合起來，營銷精準但不要引起顧客的反感。第三，大數據管理要與KPI結合起來，協調各個部門的利益，否則大家對數據采集不積極甚至不合作。 例如，運營部門如果看重節省運營成本，可能就對數據采集的意愿不強烈。

實驗思維：一切應可試。比如，要想知道推薦的效果，可以做一個實驗。一半消費者有推薦，一半沒有。從短期看，推薦效果并不明顯，但長期效果非常明顯。因為推薦是購物體驗的一部分。短時間內，消費者對所推薦的產品可能沒需求，但到有需求時就會想起來，尤其是當推薦產品符合他們的品位和風格時。

三大陷阱

應用大數據進行精準營銷，要注意規避如下三大陷阱。

有數不一定有據。應用大數據需要什么樣的統計或邏輯背景?首先，描述。要能辨識出我們描述的人跟心里想的目標人群是不是一群人。其次，預測。理解現象、變量之間的相關性。第三，優化。理解因果關系，否則無法優化。簡言之，預測需要相關性，而優化則需要因果性，而描述關鍵在樣本的代表性。

大而不全。有些大數據應用收集的數據非常多，但對其傾向性卻不清楚。解決的辦法是跨界，收集企業之外的數據。例如，汽車制造商要跟電商結合，要跟社交媒體結合，通過跨界把數據做全，才能把精準營銷做得更好。其次，要把營銷、銷售和庫存等內部信息打通。

內生變量模糊了因果關系。大數據介入消費者購買過程越多，可能對消費者真實偏好的了解越少。例如，視頻網站給某用戶推薦了一個同性戀電影，他看了;再推薦一部，他又看了。這時，推薦系統就會認定該用戶是同性戀，從而繼續推薦，實際上該用戶可能不過是一時好奇，最后深受其害。解決辦法是定期實驗。

基于大數據的精準營銷到底誰會勝出?在我看來，要至少具備以下資源優勢的一種：產品有優勢、對客戶特別了解、數據來源特別多、平臺優勢。目前，電商的優勢顯而易見，因為其數據量非常大，而且有平臺優勢。

制造商的機會在哪里?一要把產品做得非常好，二要聯網提供服務，就像特斯拉，買車，更是買背后的互聯網服務。然而，無論誰是贏家，笑到最后的應該是消費者，特別是新一代以網絡為家的消費者。