【亿邦原创】大数据、人工智能等新技术已经渗透到各行各业，并悄然改变着传统企业的运作模式，而外贸行业也正经历同样的革命。
DATADETA则是推动这次革命浪潮的其中一员。作为一家通过大数据和机器来指导企业的外贸B2B营销行为的企业，DATADETA目前已经为包括超过20个行业的200多家企业提供可视化大数据管理服务。
在多数人想象中，一家大数据企业普遍模式必然是聚集各种各样的“码农”一起研发高新前沿的数据挖掘和处理技术，然而从DATADETA走过的路来看，大数据分析企业要在行业中建立壁垒，事情并没这么简单……
从外贸低效环节中挖掘商机
进入大数据行业，DATADETA切入的是外贸行业中既重要却又略低效的一环——B2B营销。
DATADETA的总经理李文慧向亿邦动力网分析道，一家从事外贸超过3年以上的企业，其数据库至少有几千上万条客户数据，数据量是非常充足的。然而，对于外贸企业的销售人员而言，只掌握了客户的基础信息，对客户的画像则非常模糊。这直接导致销售人员只能通过撒网式营销的方式去接触客户。
(DATADETA总经理李文慧)
“为什么中国出口企业喜欢做邮件营销？因为那是一个快速、不经过筛选就能完成的营销举动。”李文慧认为，这种“千人一面”的营销方式会导致业务人员不知道哪些是需要重点跟进的优质客户，哪些是可以省去营销动作的不高产出客户，销售人员的时间就这样被耗掉了。
针对该现象，DATADETA的解决方式是海外流行的ABM（Account Based Marketing）营销，该种模式的核心价值在于“基于客户账户的精准营销模式”，即通过筛选重要客户采取针对性营销策略。
首先，DATADETA会从外贸企业成交客户数据分析中挖掘这些客户的特征并建立成功客户模型。针对该企业已有的数据库DATATETA会做出成交预测，筛选成交潜力更大的客户给企业，寻找存量中的“优质股”。
与此同时，DATADETA将该特征模型跟自身企业库进行匹配，给外贸企业推荐高价值客户，以及这些客户中的关键联系人信息，来获得增量。
“毕竟B2B最终是人对人的商业场景。有关键联系人才能展开针对性的营销。”李文慧说道。
当然，这种ABM模式要实现的前提是外贸企业本身就有充足的成交案例。
李文慧向亿邦动力网分析道，当一个外贸团队达到七到八人的规模时就已经是一个中型团队。这样的企业本身掌握的数据已具有一定存量，而且中等以上规模的企业在该发展阶段也会开始对员工精力投入和业务产生进行精细化管理。这些企业则为DATDADETA瞄准的用户群体。
“而对于小型企业，首先过往成交客户很少，DATDADETA做成功客户分析相当于无本之木。其次，小型企业压力更多在于生存而不是发展，在客户有限时，撒网营销去撞‘概率’的成本相比自己投入资金做ABM营销更低，所以这类群体不是DATDETA的用户。”他说道。
人做判断VS机器干预判断
值得注意的是，除了切入的环节外，在给企业提供大数据服务之时，DATADETA所切入的服务深度也是跟目前大部分大数据企业大相径庭。
李文慧认为，目前大部分大数据企业所提供的服务类型可以分为两类：
第一、基础数据服务。企业需要什么信息就给其抓取什么类型的数据，提供给企业进行参考。
第二、不仅提供基础数据还给推荐数据。这类企业会基于一些低维信息的整合并围绕企业本身情况给其进行数据推荐。
上述两类数据服务最终的决策者是人，数据公司只是给企业抓取尽可能多的数据来辅助企业进行决策罢了。而DATADETA的特殊点在于，其解决方案最终是机器给企业去进行决策，给企业判断哪些客户才是优质客户。
两种服务模式相比较背后折射的却是在外贸场景中人与机器在决策中的较量。李文慧认为这场较量最终胜者会是机器。
“光靠人去做判断能力是有限的。跟人思考不同，机器对数据进行学习时不只是基于几个基础维度而是从上万个维度去深度学习的。这就是人与机器的差距所在。”他说道。
除了维度优势外，机器也会基于生成的结果自动优化自己的推荐模型。在DATADETA推荐企业给销售人员进行精准营销后，其成交结果最终反过来会影响DATADETA自己的推荐算法，让接下来预测和推荐的客户成功率更高。而这种经验学习往往比人进行学习更加迅速。
“AlphaGo跟李世石的人机大战向外界释放一个很重要的信号——人工智能是可以跟人类比下去的。”李文慧认为机器指导决策的潜力是非常大的，而DATADETA希望做的是利用机器学习给企业获取更多业务转化，更像一家提供解决方案的公司，而不是单纯的一家卖数据的公司。
技术和模式外的胜负
当然，虽说DATADETA做的不是卖数据的生意，但数据仍是这家企业立命之本。如何整合更丰富有效的数据则成了这家企业跟同行在技术之外的决胜点。
（DATADETA官网截图）
李文慧指出，实际上，从技术层面上看，技术的高低在数据获取上差不到什么程度。目前数据爬虫在抓取数据的时候均只能从合法领域里面去抓取，DATADETA能抓取到的数据，其他企业也同样可以获取到。而像一些社交网站的数据，看似大家都能接触到，但如果社交平台没有开发接口，数据企业也不可能抓取到里面的信息。
“光靠自己的能力也不可能把全部有用的数据都汇总起来，所以必须借助外部数据整合的力量去攻克。”他说道。
而DATADETA整合数据的方式具体而言分为两种，一种是直接采购国外机构已有的数据；另一种是跟国外数据机构进行合作，如成立社交数据研究院把双方掌握的部分数据合并在一起共用。
借助这些第三方机构的数据合作，DATADETA则让自己数据的维度更多更完善，从而反馈到DATADETA整个分析模型的立体度上。
“外贸数据企业中，海关数据成了较抢手的资源，然而不少数据企业只能利用这些资源给外贸企业提供基本的采购和供应方基础信息。但若DATADETA通过IP数据和浏览痕迹等多维的数据整合后，最终可以具体分析出哪家企业的哪个人会是意向客户。”李文慧如此形容数据立体度对大数据企业发展的重要性。
目前，DATADETA数据团队中，爬虫技术团队跟对外合作团队的人数是相当的，两者都是不可或缺的一部分。爬虫团队关注的是如何把更多的数据采集回来，对外合作团队主要让数据的立体度更强。
实际上，不仅是大数据行业，在创业风气盛行的中国，对外资源合作往往成了各类企业建立壁垒的关键点。“除非你的产品在自身领域上绝对领先，不然，任何产品都没有绝对优势，而只有比较优势，这个比较优势更多在于一些资源、系统和硬件的整合。”李文慧说道。
文章来源：亿邦动力网
