这是我的“秘诀系列”的第一篇。后面我会多写写成功的经验，成功的案例。
我们做数字营销一个核心的迷局是：如何让数据发挥价值。企业老板们问我问得更多的问题，也是有没有看到数据用得特别好的企业。
让数据在数字营销中发挥价值，或者，更直白地说，用数据创造新的数字营销方式、提升数字营销的效果，是大家都希望实现的。
在我们为客户提供咨询服务的这七八年中，以及与数十位企业数据和数字负责人的沟通中，我总结了十多条能把数据用好的“独门”秘诀，以及这些秘诀对应的一些企业的实际例子。希望这篇简明扼要的文章，也能帮助你更好地应用数据。
秘诀一：现实一点，从需求出发
很多企业，一开始琢磨应用数据的时候，基本上都是从考虑自己拥有数据开始的。也就是，急于积累自己的一方数据，然后再畅想积累了一方数据之后能够如何“畅快淋漓”地应用这些数据。
但是，行业中却很少讲一个现实，基本上企业数字营销的数据应用中，门槛最高，难度最大的，是一方数据的应用。如果直接从一方数据着手进入数据领域，就如同玩游戏还没有肝好级就直奔boss PK，容易被虐。
而且，一方数据的应用，不仅要建设数据本身，还要建设配套的场景，搭建与数据对接的工具，这些都属于较高段位的数据应用。
成功者的秘诀：
一家快消饮品企业的数字化营销的数据应用极为老练，我询问他们的digital负责人，他说：微信、阿里（支付宝）、字节，到底哪个适合做私域？99%的人都告诉我，应该是微信。但是，真的是如此吗？不同的行业选择不可能一样。对于我们快消饮品而言，离最终消费最短最近的链路是最好的。因此，交易在哪里，私域就在哪里，我们选择的核心私域平台也就可想而知了。虽然不是微信，虽然也没有一方数据，但是这家平台仍然提供大量可用的数据，对于我们核心聚焦在转化和复购的短链上，足够了。
秘诀二：业务数据化和数据业务化并重
我刚刚听到业务数据化和数据业务化这两个说法的时候，觉得现在的甲方太能拽词了。现在觉得太有道理了。
业务数据化，就是把业务的状况（status）用数据去表现出来（monitoring）。
数据业务化，就是直接把数据用在正在运行的业务（数字营销）中，比如把消费者的数据直接应用在正在进行的数字营销中，用于针对性投放和运营。
数据业务化，也意味着能够通过掌握更多的数据，实现更创新的数字营销方式。
但二者不要混为一谈。
数据业务化（数据赋能），是老板们的追求，战略价值更大，但要求高（后面的秘诀会介绍如何实现它），而业务数据化（数据分析），相对比较容易实现，但不太容易受到重视，往往是表哥表姐的活儿。可是对很多企业而言，业务数据化（数据分析）的价值，同样很大。
毕竟，业务数据化（数据分析）还没有做好，就想做好数据业务化（数据赋能）是很难的。业务数据化（数据分析）的大量逻辑、方法、模型、技术、工具，是数据业务化的基础，更重要的是，业务数据化所积累的数据，同样是数据业务化能够实现的数据基础。我没有看到哪一家企业把数据业务化做得好，而业务的数据化一团糟的。
成功者的秘诀：
一家全球知名的中国3C品牌，他们在业务数据化（数据分析）的能力上，非常令人钦佩。无论是做什么营销活动，他们总是能把每一个细节的数据梳理的清清楚楚。因此，这种能力很容易过渡到类似于不断进行A/B测试这样一些更高级的业务数据化能力上来。
这样，也就大幅度降低了一方数据获取和应用的门槛：不断为实现数据分析而积累的大量数据（尤其是一方数据），又作为数据业务化的极好的基础。他们能够很快实现微信进行的线上线下打通（门店到小程序打通）的模式的背后，就是因为这些日复一日在业务数据化上所进行的数据积累加数据能力积累。
秘诀三：方法无限，但底层逻辑是有限的
数据的应用场景和方法变化万千，让初入此境的朋友非常困扰。
此时切记，方法无限，但是底层逻辑是很有限的。而且这些底层逻辑，不会随着时间推移而发生改变。
什么是底层逻辑？不随时间流逝而改变的规律，以及不会变化的底层变量。例如，对人（受众或者消费者）是如何用数据化的方法描述的，尤其是对他们的行为的描述。以及，在这些描述的基础上，对他们进行选择性的营销与运营。
此外，Engagement Rate和CVR的匹配、诱饵触点规则模型、推荐逻辑、基于监督的机器学习、基于撞库的数据交换等等，这些都是掌握之后，就能触类旁通甚至一通百通的基础逻辑。
不仅底层逻辑重要，这些底层逻辑实际上是相互关联的，构成了对于数据能力和数据应用能力的系统性的知识体系。掌握这些知识体系，对于未来无论何种数字营销进化过程中的数据应用，都会是手中有剑，心中不慌。
成功者的秘诀：
一位叫BEar的读者是我们的忠实读者，她告诉我，从传统以投放为核心的数字广告岗位到更能力要求更全面的数字营销转型岗位，她也就用了两三年时间就完全适应了，而且现在在负责整个公司的数字营销部门。她总结道：听宋老师的课，心态不是为了听答案，因为数字营销没有固定的答案，但核心是要听底层逻辑，以及通过这个课程所掌握的完整的体系结构。最终，这些知识和逻辑可以套用到各种各样的场景中。
她的心态是非常成熟的，她的提升也就肯定不是偶然。
秘诀四：不要被带节奏，要独立思考
行业从来不缺声音，但行业从来都缺乏真实的声音。
行业最容易传出两类声音，第一类，谁谁谁家（甲方）的营销做的特别牛逼，第二类，谁谁谁家（乙方）的工具产品特别垃圾。
数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更特别牛逼不一定是真的，特别垃圾也同样未必是真的。我们很容易把数据应用的失败推脱到工具的失败上，但我们却极少把数据应用的成功归因为工具。
好事不出门，坏事传千里。所以，我们听到的成功常常是企业自己大放喇叭的结果，而工具的失败与垃圾，则特别容易口耳相传。
数据工具，想要做好并不容易，想要用好，也不简单。很多时候行业中。数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更好，并。数据工具和数字化营销工具能够做到完善是不可能的，因为不同客户的数字营销需求千变万化，一个工具无论如何都难以满足你的所有需求。但总有一些企业可以把这些工具用得更好。
我并不想给真正垃圾的工具洗地，但我也很想让大家自问一下：我是真得仔细深入地使用过这个工具吗？还是在没有太多亲身体验的情况下，就人云亦云给这个工具贴上了“垃圾”的标签？
成功者的秘诀：
秘诀一中的快消饮品企业的数字化营销的负责人告诉我，他们会把所有的供应商拉在一个微信群里，然后随时为实现某一个业务目的而讨论。他所说的这些供应商中，我听了几个行业中普遍评价比较负面的供应商，但在他这里仍然在发挥非常关键的作用。
工具的好坏，并不一定是最关键的，能够找到它发挥作用的点，才是关键。如果你把Google Analytics这么成熟的工具，用来做国内的微信营销，照样不好用。他说。
秘诀五：不要执着于数据本身，数据能力更重要
用好数据的一个重要的底层逻辑，是拥有数据能力比拥有数据本身更重要。
媒体越来越加码的围墙花园，会让企业自己拥有数据的难度越来越大。企业确实还有至少六个渠道能够获取自己可被掌握的数据，但这并不意味着企业应该把全部力量都集中在获取数据上，而忽略了获取数据能力的重要性。
获取数据之后能产生的价值，尤其是搞定一方数据之后能产生的价值，实际上并不是完全由一方数据决定的，而是由一方数据能够驱动的数据能力决定的。
这些数据能力，也并不是企业自己的什么数据挖掘、数据预测、数据看板之类的能力，而是将一方数据与各种外部资源（比如媒体或其他第三方）相打通之后所形成的能力。
比如，一方数据用于优化广告投放的ROI。这就是典型的需要把一方数据与媒体的投放平台相结合所产生的能力。又比如，车企的线索评级（线索评分）也是典型的把一方数据和外部数据相结合得到的能力。
很多时候，即使我们没有一方数据，也不妨碍我们直接应用媒体的二方数据或者其他的第三方数据。例如，线下门店为发生消费行为的顾客画像，所使用的数据大部分情况下都可以来自于支付网关的DMP。
成功者的秘诀：
某美妆个护企业是一个很好的例子。尽管他们在不断积累一方数据并且挖掘一方数据。但他们一直对与互联网平台的合作持极为开放的态度，他们是美妆行业中最早接入会员通的企业之一，也是最早跟腾讯的知数合作的企业之一。现在，他们也在跟零售商巨头进行数据合作，显然，这种合作并不是双方交换数据，而是互相借用对方的数据能力。
写到这里，已经4000多字了。太长了，还有好几个秘诀没写。我后面会再单独开一篇续篇。
