目前，我们正处在一场激烈战争中，交火双方是--大数据的优势和它不可避免的副作用。前段时间，一位营销人员在推特上喊道：“搞大数据的快从我的地盘儿出去吧！”

我对他的沮丧表示同情。当然了，我相信数据——以正确方式应用的正确数据，在现代营销中非常强大。正如我在一篇关于务实营销的文章中写到的那样，“在数字时代，仅依靠基于直觉和经验驱动的营销决策是愚蠢的。”我还得出结论：“对于大多数公司而言，明智的答案是在数据分析和人工判断之间找到平衡。”

我最喜欢的宏观营销（专栏作家戈德·霍奇基斯「Gord Hotchkiss」）最近写了一篇关于在“中间”营销的文章，他主张在很多有争议的营销困境中都可以采用这种平衡的方法：

在营销领域没有绝对的东西，中间只有很多让人无奈的事情。我们需要刺猬一样的人来实现伟大的营销，但我们也需要一只狐狸来帮助我们在“中间” 灵活穿梭。实际上，我花在营销上的时间越多（努力避免成为“专家”），我就越意识到“中间”是所有举措发生的地方：在定量和定性之间，在战略和大数据之间，在品牌创意和直接营销之间，以及在科学与艺术之间。

现在问题是，在正确运用大数据方面，有哪些“狡猾的”策略是你需要知道的呢？

本着平衡的精神，我衷心建议你在营销活动中好好利用数据。这里有14条经验法则可以使数据保持有效、透明，以支持务实的数据驱动营销方法（还要避免被数据淹没或者被数据迷惑）。

消费者驱动 > 数据驱动

数据驱动的营销没问题，但营销的目的是赢得客户（并确保出色的用户体验），因此，以客户为导向的营销是更好的决策。当然，它们并不一定相互排斥。但是二者中一个是手段，另一个是目的。它有助于让你记得在兔子洞里追逐闪闪发光的数据之前，停下来问问自己：“这对客户有什么好处？”

 不是所有的数据都具有同等价值

回想一下这个故事：大数据世界里，营销人员其实对我们知之甚少。可能一个更好的座右铭是：最准确、最相关的数据才能终结争论。但实际上，决策才是终结争论的东西。

数据只代表历史

数据告诉我们过去发生了什么。它并没有告诉我们即将会发生什么——尽管那些过于精简的关于数据分析的宣传文案都意喻相反。

 是的，我们应该从历史中学习，我们可以通过分析过去的趋势以对未来做出预测，甚至可能做出非常准确的预测。但世界在不断变化，历史的情况并不一定是今天或明天的情况。因为弗吉尼亚州有黑天鹅，所以过去是这样，但未来不一定。

数据总是不完整的

当然，任何一组特定的数据都可以是完整的。给我过去三年的季度销售数据--这就是一个完整的数据集。当你用数据做出决策——这不是所有的重点吗？但你拥有的数据并不是唯一与你的决定可能相关的数据。

总有更多的数据等着你，而你永远无法拥有全部。认识到这一点有助于我们醒悟：尽管我们拥有的数据可能会画出一幅画，但充其量是印象派的画。通常，它更像是现代艺术。

数据是客观的，但其收集和解释的方式是主观的

数据总危险地给人一种客观的错觉。客观地讲，每个人都可以在电子表格中查看相同的数据。如果我向你显示的Net Promoter得分为7，那么毫无疑问，我向您显示的数字确实是“7”。

但是一方面，收集什么数据，何时以及如何收集数据，几乎所有这些都取决于主观的选择；另一方面，我们如何解释数据也是主观的。

任何一组数据都可以支撑起无限个故事

营销人员是善于讲故事的人，通常来说这是好事。数据可以使故事更具吸引力。但是由于我们可以主观地选择如何解释数据，我们就有能力创造出几乎所有关于它的叙述。

当然，有些故事比其他故事更可信，但这通常是一条模糊的界线， 这就是如何归纳的问题，数百年来一直困扰着科学家和哲学家。不用说，对于这个问题没有简单的答案。但知道这一点这有助于保持洞察力：围绕数据呈现的任何故事，都不是唯一可以被讲述的故事。

营销战略是选择，好的数据可以帮我们做选择

我近期阐述了战略数据（真正有用的数据）与数据剧院（仅仅为了呈现但信息量低而无用的数据）之间的区别，在此不再赘述。好的策略是做出选择的框架。反过来，好的数据作为必要信息可以帮助我们做出这些选择。不利于我们作出有关战略选择的数据是干扰因素。

实验是因果关系的试金石

相关关系不等于因果关系——每个有真才实学的数据科学家都会告诉你这一点。但是作为营销人员，因果关系才是我们想要的——我们想知道需要做些什么，才能“导致”更多的客户与我们开展更多的业务。

那么，当数据显示可能预示着这种因果的的相关性时，我们该怎么办？我们进行控制变量的对照实验。保持所有其他变量（在实际可行的范围内越多越好）不变，测试备选方案以证明或推翻我们的假设。Google每年进行10,000多次此类实验。这是目前为止你可以生成的最强大的数据了，这也是为什么“大测试”将比大数据“”更重要的原因。

 关注仪表板，但同时也要看着挡风玻璃

在Gord的名言中，这个精妙的比喻是我的最爱之一：“定量研究就好比在驾驶时关注仪表板，而定性研究则是看着挡风玻璃。”显然，我们应该两者兼而有之。

在现实中，我们开车时会很自然地平衡定量（数据）和定性（体验）之间的关系--至少我们大多数人都会这样做。我们也应该在营销中争取做到同样的平衡。当心错过那些迷人的风景，也不要仅仅因为你的眼睛只粘在仪表板上而忽视横冲你来的卡车。

数据的准确性和相关性会随时间递减，而且通常很快

大多数数据的保质期都比较短，尤其是在营销方面。不管怎样，一定要在我搜索新车的那一周将汽车广告定位在我身上，不然六个月后，那些认为我是一个潜在买车用户的数据就只是过去的化石。知道我曾是潜在市场的一份子这件事儿可能有一些价值，但如果相信我仍然是那就毫无意义。比没有意义还糟的是，因为它可能导致公司对我做出错误的营销。准确性和相关性是使数据有价值的属性，但是这些属性随时间而变化。

数据可用于探究为什么或求证是什么

被用来探究和被用来求证的数据应被区别对待。在探究中，你是在寻找模式、见解、创意和新发现，这些都是新假设的灵感。

在求证中，您可以求证是否发生了某种事情，以及这件事发展到了什么程度。但是，除非你通过一个严格控制变量的对照实验去求证你的假设，否则求证只会告诉你发生了什么，而不告诉你原因。相同的数据可用于一种情况下的求证和另一种情况下的探究，请务必清楚你在做哪一个。

有一块手表的人知道现在几点了，有两块手表的永远不确定

这个规律被称为“西格尔定律”，是每个营销人员都应该知道的7项技术定律之一。世界充满了相互矛盾的数据。任何曾经尝试从两个单独的Web分析程序包中获取指标以进行排列的人都可以证明这一事实。

不同的工具将会以不同的方式测量相同的现象，对比一些重大的差异可能是有必要的——了解为什么会有所不同可能会让你得到一些有用的信息。但是随着差异变小，花功夫研究它的回报也随之变小。

在大部分情况下，你并不需要完美的数据，拥有足够准确的数据就足以做出正确的决策。

模型不是现实

数据不等于它声称它所代表的现实。充其量，它只是对现实的一种反映，而且这种反映还很容易被扭曲（请参阅上述所有规则）。

著名哲学家兼科学家阿尔弗雷德·科尔济布斯基（Alfred Korzybski）曾说道：“地图不是领土。”当然，即使如此我们仍想要应用数据--“地图”。

 伟大的统计学家乔治·E·P·鲍克斯（George E. P. Box）说：“所有模型都是错的，但有些是有用的。”然而谨慎还是好的，我们要对于数据所代表的正确性保持一些健康的怀疑态度。

除此之外，我们也要对数据之外的其他迹象保持警惕，尤其是当这些迹象表明现实可能跟数据显示出来的不一样。请参考瑞士陆军警句：如果地图和地形不同，请相信地形。 

数据可视化可以照亮前路，也能混淆视听

数据可视化——图形、图表和信息图表等，是一把强大的双刃剑。到目前为止，这是我们人类查看数据模式的最有效方法。不幸的是，无论是有意还是无心，它都能向我们展示事实上并非如此的模式。大数据可视化本身就是一门科学，也是一门艺术。

最后再送给大家一句话：保持冷静且理智地使用数据。