如果說奧巴馬當年的連任證明了大數據的威力，那么特朗普的當選則戳破了當前大數據的短板。

2012年11月，奧巴馬擊敗羅姆尼再次當選美國總統。其背后的功臣是奧巴馬的數據挖掘團隊，他們一直在搜集、分析和儲存龐大的數據，從而為他制定了精準的廣告購買決策，比羅姆尼少花了1億美金的競選資金。顯然，大數據通過過程可視化達到了更為精準的營銷。

但是，2016年12月，特朗普的當選卻給了大數據一記重擊。微軟Bing以及有“數據巫師”之稱的美國統計學家納特·西爾弗(Nate Silver)通通預測失敗，盡管擁有大數據意義上的高勝率，希拉里仍然在現實中敗北。

是大數據根本不足以被采信，還是它到達了一個亟待升級的轉捩點?

大數據的作用在于尋找規律

在互聯網和大數據出現之前，我們通過經驗來判斷事務并采取行動。而經驗在本質上，就是過去所積累的全部大數據在人腦中的反映。

受益于計算機的發明，我們對于數據的處理能力越來越強，處理速度也越來越快;緊接著，互聯網的出現通過打破空間藩籬而提高了時間的利用率，我們對數據的搜索和收集變得無遠弗屆，數據廣度與深度呈現裂變式增長。

這兩大技術的發展將帶來哪些變化?

基于過去大數據收集與處理的下一步，就是幫助判斷和預測未來，從而促進當下的行動。在這方面最典型的例子就是Google。作為全球***搜索引擎，Google擁有以太級別的數據和遍布全球的36個數據中心。比如：Google趨勢圖應用可以通過用戶對于搜索詞的關注度，很快發現和理解社會上的熱點趨勢。而Google Instant則會在用戶輸入關鍵詞的過程中，迅速預測可能的搜索結果。據稱，大數據為谷歌每天帶來近2300萬美元的收入。

那么，對于營銷來說，大數據的價值又如何體現?

商業環境受制于諸多不可控的外部因素，宏觀方面比如政策、經濟大環境、社會文化等，微觀層面則涉及行業走向、競爭對手、潛在替代者、消費者需求甚至企業內部管理等各方面。因此，商業對于大數據的依賴性更強。商業互聯網化之后，提出的***個口號就是 Data Drive Business(數據驅動商業)。

就營銷這一細分領域來說，大數據的價值更為明顯。比如：如何發現消費者需求?如何圈定準確的目標受眾?如何在正確的時間、正確的地點、以正確的方式傳達給正確的消費者正確的內容?如何促使消費者行動?如何以銷定產并實現柔性生產?如何設計制造***市場潛力的產品?如何提高營銷的效率和投入產出比?……

要回答這些問題，就必須對涉及營銷的整個過程甚至外部環境，都要有全面和透徹的了解。而大數據的作用就在于：通過結構化和非結構化的數據收集，將以往不可見不可描述的部分，變得可視化，從而通過分析處理來尋找規律、預測未來、幫助判斷和采取行動。

毫無疑問，大數據的價值顯而易見。但是，要想充分發揮大數據的威力，要做到兩方面的***化：“對更加垂直化、細分化的小數據的縱深挖掘”以及“對更加廣泛、甚至轉瞬即逝的整體樣本的全面覆蓋”。

對更加垂直化、細分化的小數據的縱深挖掘

羅輯思維創始人羅振宇曾經說過這樣一句話：“ 共享經濟這件事其實遮蓋了人類經濟發展的總趨勢。這個總趨勢是不可逆的，叫分工再合作。”

技術的發展帶動分工的細化，而分工的細化保證了每個環節的專業化。精細化分工如同一個個齒輪，帶動整個機器不斷自我進化。

在互聯網領域也同樣如此。跑馬圈地的草莽時代在2016年漸漸謝幕，地推、并購等粗放增長方式呈現乏力跡象，互聯網公司開始專心打磨產品，向縱深的垂直化和精細化運營進化。

各細分領域開始出現新的獨角獸，比如一些小而美的app：美食生活類app Enjoy、精品短視頻app Eyepetizer等，都擁有了一批忠實粉絲。

此外，諸如BAT這樣的大平臺也開始了精細化、垂直化的探索。而他們的追趕者們也在垂直化的路上走得更遠一些。例如搜狗，除了常規的圖片、視頻、音樂等垂直搜索之外，搜狗結合自身技術特點，先后與騰訊、知乎、微軟、丁香園等展開合作，推出微信搜索、知乎搜索、英文搜索、學術搜索、明醫搜索等更加精細化、差異化的獨家特色搜索產品，通過滿足不同需求，增強用戶黏性。

在垂直領域的深挖，使搜狗創造了一系列差異化、垂直化的產品，聚攏了擁有差異化需求的用戶群體，根據這些用戶在垂直產品上的多方網絡行為，建立了行業標簽、商業標簽、人群屬性標簽、地理位置標簽等完整的一套標簽體系，進而提高大數據營銷的精準度，幫助企業進行更加精準的投放。

對更加廣泛、甚至轉瞬即逝的整體樣本的全面覆蓋

目前，幾乎所有大數據營銷產品和服務都是基于數據集市(data mart)的概念。簡單來說，它基于某一需求，定向搜集相關數據構成大數據樣本庫。好處是目的和方向比較明確，如同一個人先產生問題再去尋求答案一樣;但缺點在于，這種收集方式會在前期遺漏部分有價值的數據，或者忽視掉一些轉瞬即逝的數據——正因為目標明確，反而只見樹木不見森林。

舉個例子：如果利用大數據來進行用戶畫像，這就產生了一大問題：先入為主的定向切入，使用于用戶畫像的數據并不完善，從而會影響到分析的精度，進一步誤導營銷決策。

在特朗普大數據民調失誤這一案例中，分析師就是在希拉里必勝新聞的刺激下，錯估了形勢，預設立場，通過先入為主的定向切入，忽視了特朗普在佛羅里達和其他搖擺州的巨大領先優勢，從而在數據搜集上有意無意地遺漏了一些重要數據。大數據的蝴蝶在收集端揮了揮翅膀，結論端差之毫厘謬以千里。

正是因為注意到了這一問題，現在業內開始有人重新提起數據湖泊(data lake)的概念。

數據湖泊***出現在2011年Forbes雜志James Dixon所寫的《大數據需要一個大的新型架構》一文中。與目標明確的數據集市不同，數據湖泊帶來了更大的彈性。

簡單地講，數據湖泊倡導存儲每一個可能有用的細節數據，把忽視的、遺漏的數據重新挖掘和存儲起來，當需要時再進行一站式統一的、交叉的分析。這樣做的好處是不遺漏任何有價值的數據，即使它非常微小、轉瞬即逝、或當時看起來沒有價值。

比如：在之前的大數據采集中，可能會漏掉潛在消費群的信息，忽略掉可能的銷售機會。而盡可能采集更多更全面(哪怕是看起來不相關的數據，也可能內部存在一定的關聯)的大數據，則有利于企業制定更精準的營銷策略。

因此，數據湖泊的成立有賴于兩個維度的拓展：上一節提到的垂直縱深數據的收集，以及更為廣泛的全域數據的收集。

舉個比較微觀的例子：歐洲某大銀行每年有650個直郵營銷推廣項目，發放將近6,000萬封電子直郵，但是他們的營銷效率卻逐年下降。這家銀行發現問題在于：雖然公司有不同的渠道接觸客戶，但是每個渠道都有自己的客戶接觸策略，這就造成客戶資料和歷史數據信息分散，沒有形成客戶關系的全貌。全域數據的缺失，使得公司無法根據客戶特性來制定更為精準的個性化營銷方案。

如今，媒介碎片化和人群移動化的趨勢，使收集全域數據面臨著新的挑戰：如何收集移動數據?如何實現跨屏數據打通?如何搜集更多形式各異的非結構化數據?

對于***個問題，目前的解決方案一般是盡***可能覆蓋更多的移動流量入口。再以搜狗搜索為例，不僅擁有移動端的QQ瀏覽器、搜狗瀏覽器、騰訊網、搜狐網等強勢入口，2016年搜狗還與華為、三星、OPPO等大部分主流手機廠商達成合作。據悉，每天有超2億臺手機默認使用搜狗搜索。

在移動時代，人們不光在行為上呈現碎片化的特征，使用的設備也日趨豐富多元，這就帶來了第二個問題：跨屏數據的收集。搜狗的無線端和PC端可以依托搜狗自有帳號體系、合作伙伴數據以及第三方數據，實現跨屏打通，進行無縫數據跟蹤，在場景上將用戶搜索、瀏覽和輸入的跨屏數據進行融合，提供更有價值的投放依據。

目前，即使在非結構化數據的搜集上，也僅僅局限在文字、圖片等簡單表現形式上，但搜狗對于數據的搜集還跨越到了語音領域。2016年7月，搜狗推出知音引擎，不僅可以搜集語音數據，還可以進行理解和思考，進而提高語音識別準確率，再次豐富了數據搜集的類型。

更加細分的垂直化數據+跨屏多元化的全域數據，在源頭上確保了數據的準確與全面;同時，借助人工智能日益增強的計算和分析能力，大數據將為企業決策提供更為精準的指引，使營銷步入真正的智能時代。