大数据营销应用的现状可用这样几个“多”来形容：说的比投入的多；投的比做的多，如有些大型国企投入资金，建部门、雇海归，但并没有真正做什么；做的比懂的多，收集了一些数据，但读不出有价值的信息来；懂的比赚的多；认为今后赚的比现在想到的多。

如何才能实现光明的前景？一要养成大数据思维，二要避开三大陷阱。

大数据思维

大数据思维有如下四个维度。

定量思维：一切皆可测。POS 机、网上购物、社交媒体以及各种各样的卡，都是大数据的来源。例如，通过传感器，利用红外线微波可以观测人的生理状态、脑电波等，如果驾车人员犯困，其心 理指标发生变化并到一个临界值，汽车后台就会告诫驾驶员休息。赌场入口处的红外传感器，会根据脑部热量情况，分析进来的是冲动型赌徒还是冷静的赌徒。

汽 车行业的大数据有人、车、环境三个来源。“人”不仅包括车主或者驾驶人员，还应包括乘客；“环境”不光是路面信息，还包括行车所到之处的周边信息，如旅 馆、加油站、旅游景点等等，典型如地图应用。“车”的应用也已有案例，如美国一家保险公司为汽车加装了跟踪器，根据行驶数据来决定保险费率；米其林也会搜 集与环境相关的数据，某智能芯片厂商为长途货运汽车提供的芯片，可以全球定位、调节物流和运输。

跨界思维：一切或可联。跨界有不同媒介、渠道间的跨界，如O2O和LBS，也有商业模式、数据应用的跨界。例如，GoPro是穿戴式照相机，但它也为寻求刺激的滑雪、跳伞运动爱好者，剪辑加工影像，并在电视上播出，吸引了广告和巨量的粉丝团队。

操作思维：一切要可行。应 用大数据，不等于非得要上高大上的设备和硬件投入。例如视频公司根据用户观看视频的过程来决定推送什么广告，其算法可能比较简陋，但速度快。其次，要把数 据和用户心理结合起来，营销精准但不要引起顾客的反感。第三，大数据管理要与KPI结合起来，协调各个部门的利益，否则大家对数据采集不积极甚至不合作。 例如，运营部门如果看重节省运营成本，可能就对数据采集的意愿不强烈。

实验思维：一切应可试。比如，要想知道推荐的效果，可以做一个实验。一半消费者有推荐，一半没有。从短期看，推荐效果并不明显，但长期效果非常明显。因为推荐是购物体验的一部分。短时间内，消费者对所推荐的产品可能没需求，但到有需求时就会想起来，尤其是当推荐产品符合他们的品位和风格时。

三大陷阱

应用大数据进行精准营销，要注意规避如下三大陷阱。

有数不一定有据。应用大数据需要什么样的统计或逻辑背景？首先，描述。要能辨识出我们描述的人跟心里想的目标人群是不是一群人。其次，预测。理解现象、变量之间的相关性。第三，优化。理解因果关系，否则无法优化。简言之，预测需要相关性，而优化则需要因果性，而描述关键在样本的代表性。

大而不全。有些大数据应用收集的数据非常多，但对其倾向性却不清楚。解决的办法是跨界，收集企业之外的数据。例如，汽车制造商要跟电商结合，要跟社交媒体结合，通过跨界把数据做全，才能把精准营销做得更好。其次，要把营销、销售和库存等内部信息打通。

内生变量模糊了因果关系。大数据介入消费者购买过程越多，可能对消费者真实偏好的了解越少。例如，视频网站给某用户推荐了一个同性恋电影，他看了；再推荐一部，他又看了。这时，推荐系统就会认定该用户是同性恋，从而继续推荐，实际上该用户可能不过是一时好奇，最后深受其害。解决办法是定期实验。

基于大数据的精准营销到底谁会胜出？在我看来，要至少具备以下资源优势的一种：产品有优势、对客户特别了解、数据来源特别多、平台优势。目前，电商的优势显而易见，因为其数据量非常大，而且有平台优势。

制造商的机会在哪里？一要把产品做得非常好，二要联网提供服务，就像特斯拉，买车，更是买背后的互联网服务。然而，无论谁是赢家，笑到最后的应该是消费者，特别是新一代以网络为家的消费者。