許多公司可能都在順應大數據發展的潮流，希望通過數據分析來指導營銷的發展方向，但是他們是否能在實際的營銷活動中實現數據的價值呢？

數據分析《大數據時代》的作者Victor教授說，人們應該知道如何從大數據中發掘價值，對數據的第一次使用只實現了其價值的冰山一角。許多公司可能都在順應大數據發展的潮流，希望通過數據分析來指導營銷的發展方向，但是他們是否能在實際的營銷活動中實現數據的價值呢？借由數據分析來達到營銷活動的成功對于沒有經驗的營銷團隊也許是個挑戰。

以下是常常導致企業未能充分利用數據的五個誤區。

1．未能充分利用人口統計信息

過去，營銷人員只能通過傳統的市場調查獲取有關消費者和受眾的性別﹑年齡﹑家庭收入等極為有限的信息。在今天這個數據采集和管理方式都大有進步的時代，獲取信息和數據幾乎不受限制，這種情況得到了顛覆性的改變。遺憾的是，即便能夠獲取到大量的信息，許多營銷人員對數據的運用仍處于非常膚淺的階段。

根據2013年TheNeustarGlobalMediaIntelligence的報告，零售營銷人員根據消費者的家庭觀念和購買汽車的品牌來進行目標市場定位的營銷活動比未定位目標市場的營銷活動相比，市場表現提升了500%。聯想最近發現，通過個性化地定制網站廣告能為聯想提升30%的點擊率，并增加40%的購買轉化率。聯想的研究顯示，如果營銷活動結合消費者的其他信息，比如他們的信用和興趣，都能有效地促成購買轉化。

2．關注錯誤的度量指標

數據的解讀和運用需要和背景資料相結合，Facebook的粉絲數﹑App的下載量等看上去頗為壯觀的數據很容易導致錯誤的數據分析，或者營造出成功的錯覺。這些指標與那些更為深刻的行為數據（如導航路徑﹑品牌偏好）相比，就顯得蒼白無力了。Silverpop曾經委托ForresterConsulting進行的一項研究發現，B2B營銷人員利用行為數據將銷售渠道擴大了34%，非行為數據導向的營銷只能擴展26%。即便是營銷活動的主要目標是提高品牌知名度，消費者對品牌的記憶度和參與度數據還是比網頁的瀏覽數量更具研究價值。

3．忽略線下活動

傳統的prospect-lead-customer銷售漏斗模型已不再適用于當今顧客做出購買決定的方式。如今的營銷活動貫穿了多種渠道，這就使得企業正在收集一些他們不常追蹤或者分析的數據。由于現在企業都把關注的重點放在新的數字化指標上，這樣很容易忽略或者誤判線下的活動，比如把顧客在實體店的購買行為歸功于線上廣告。根據Twitter的一項研究，在線上與品牌產生互動的消費者更有可能在實體商店進行購買（平均能帶來12%的銷售增長）。O2O營銷的未來發展趨勢應該是線上互動以促進線下購買。線上和線下的無縫轉換也需要通過數據庫來進行管理，并根據數據分析的結果作出優化建議。如果沒有像NeustarAKClosedLoop這樣的數據分析工具，這些線下購買轉化的原因很可能被看作一個巨大的謎團。

4．數據分析和營銷行動脫軌

營銷活動從策劃到實施，每個階段都應該和數據分析緊密結合，及時與企業各部門溝通，共享數據分析的結果。傳統的營銷團隊行動滯后，常常用之后調查出的數據來支持他們已經做出的決定。相對來說，有遠見的營銷人員不僅僅運用數據對過去進行批判，而且能夠預測未來。AmericanExpress使用預測性的分析和行為數據來識別高風險顧客，以減少損失。在過去，AmericanExpress會挑選出100名普通客戶樣本進行風險測評，現在他們使用了IBM推出的SPSS預測分析建模軟件來辨別可能產生風險的客戶。他們發現，軟件模型識別流失風險的能力與之前相比提高了8.4倍。另外，預測性的數據分析能夠在營銷活動開始之前就推動ROI，并在營銷活動進行中通過不斷地調整來實現實時的效益最大化。

5．讓未經培訓的員工處理數據

在理想的狀態下，數據能夠促進文化轉變，數據不僅僅運用在營銷活動的每個階段，而且貫穿企業的整個商業活動。同時，許多企業也會在處理數據的技巧上遇到麻煩。CompTIA與美國500名商業和IT界的管理人員進行訪談后發現，60%的參與者清楚地知道需要提高數據管理和分析的水平。準確嚴謹地使用數據需要一定的投入，企業對數據運用的投入包括：訓練現有員工，聘請內部的專家，請教外部分析師或是購買新技術。沒有付出就不會有回報，不要指望社交媒體的實習生就能輕松玩轉數據。