近几年，大数据是一个很热的词，并且由大数据还带来了数据采集、数据清洗、数据挖掘、用户行为痕迹、用户标签、用户画像、精准广告、精准营销、甚至还有精准扶贫。。。等等一系列的数据采矿业产业链上下游的新名词。
尤其是去年的Alpha狗战胜李世石的围棋对决，更是给大数据火上浇油，并且把数据从采矿业又升级扩展到了更加高大上的机器人产业高度，一时间机器智能、深度学习、神经网络算法等并不算太新的专业技术术语成了新的流行词。
怀着对被神化的大数据事业的鸡冻心情，爱学习爱思考的汪特去年终于找了一个机会，拨开被各种名词掩盖的水面，一头扎进了大数据的海洋。汪特是PADI的AOW国际认证潜水员，并接受过顶尖中性浮力的专长培训，因此，在大数据事业中安静的潜水半年之后，也观察到一些现象并结合所处的IPTV行业的实际工作感受引发了一些思考。
什么是大数据精准营销？
从汪特熟悉的传统IPTV领域说起吧。IPTV的促销模式主要是就是三板斧，：1）抢EPG的推荐位，2）抽奖搞活动，3）打折塞进运营商的优惠套餐。这三类都很有效，但资源都很有限。并且由于都是“广”告模式，因此，对于小众产品投放起来很浪费。
但是，如今人们正在进入细分的市场、小众的时代。王冉老师近日在《娱乐资本论》发表文章，开篇就说：未来三到五年，拉动和支撑中国娱乐产业高速增长的引擎只有一个，就是付费视频用户的告诉增长。这个时期中国娱乐产业虽然会有很多商业机会，但最大最主流最成气候的商业机会也只有一个，那就是用电影的商业模式做精品网剧。
汪特看到这句话是灰常鸡冻哒。汪特在法国电信北办在京组织的一个主题为“New Era, New TV”的国际研讨会上曾做了一个“订户是中国电视业的未来（Subscribe to the future）”的观点分享，8年过去了未来终于来了。
按照王冉老师的观点：
网剧天生就是针对某个特定人群的，是宅男还是腐女，是鬼吹灯迷还是盗墓粉儿，上来就得一清二楚。虽然网剧的题材空间比电视剧还要大一些，但它不可能出现“老少咸宜”的情形。在我们前面描述的拉新分账模式下，你瞄准1亿人只能让其中1%的人掏钱付费和你瞄准1000万人但能让其中10%的人掏钱付费商业效果是一样的，但把握1000万人的喜好要比把握1亿人的喜好容易得多。因此，网剧对创作者和出品方在精准定义受众人群方面提出了更高的要求。
精准成了刚需！而如今，随着主流媒体形态的变化，人们上网的入口从千人一面的门户网站改换成了千人千面的两微一端，个性化的内容推荐正在解决着上述的精准和“广”告问题。
于是，这也就是近年来大数据为什么这么火了的原因，真的能带来效益啊！数据就是用来给用户进行分类的，分了类推荐位就可以被多次复用了。
所以，以汪特对大数据的认识，解释精准营销就是通过对用户分类来提高广告位复用的使用效率。
用几个被3G时代普及出来的通讯名词来举个栗子。以前最主流的移动通信标准叫GSM，基于窄带TDMA制式允许在一个射频同时进行8组通话，简单的说就是时分复用+频分复用。然额，时间和频率都是有限的，再高效的复用也就那么点资源就碰到天花板了。所以，3G来了，全部改CDMA了，也就是码分多址。不受时间和频率的物理限制，于是，移动互联网就从窄带时代升级到宽带时代了。
现在的广告位问题也是一样道理，原来就是在位置和时间的复用，也同样都有物理上的天花板。现在换成对受众人群的分类了，同一个位置，同一个时间，可以播放不同的广告，因此就大幅的提升了广告位的使用效率。
所以，所谓大数据的精准营销，本质上并不神奇，营销的手段也还是那几种花样，只是通过把用户精准分类的方式提升了广告投放的效率。至于营销的效果，还得看配置的促销礼包是不是能打动接收到广告的用户。
去年底，北大国家发展研究院的周其仁教授在混沌研习社讲了一堂大课，说所有商业学问总结起来就两条，要么是成本领先，要么就是与众不同。做到完全的独创，还得人家都学不了，这个是很难的。所以，如今世界上绝大部分的商业竞争都是以提升效率、降低成本为目标的。基于大数据的精准营销说到底无非也就是这么个情况，并木有什么神奇的光环。
怎么做大数据精准营销？
上面说了所谓大数据精准营销，就是分人做广告。因此，开展此工作首先就是要找出要找的人。
按照汪特的逻辑分解流程如下：
1）首先要梳理需求，通过行业洞察找出目标人群的汇聚点和行为特性。就像钓鱼，要先观察地形、摸清水性，选择一个比较好的钓点。
2）然后，根据汇聚点和行为特征建立算法模型。这也就是打窝、投饵的事儿。
3）再后，就可以撒网、下钩开始取数了。这部分工作就需要数据方来提供了。按照前面梳理确定的需求，在指定的网址/或直播频道播放时段抓取所需要的用户浏览痕迹，然后按照预设的分类吐出行为数据和用户属性数据，数据清洗的工作就算完成了。这也就是取数的阶段。
4）清洗完的数据就像刚钓上来的活鱼，你并不能直接吃，还需要经过煎炸烹炒等等一系列的工序料理之后才能上桌开席。
数据方提供出来的清洗出来的数据就是一个Excel表，后面还需要深度挖掘和分析才能做出所谓的用户画像。这期间由于之前的预设和实际的数据抓取可能会有差异或出入，因此还有可能需要多次修改汇聚点及行为特征的需求，并重新再去打窝撒网下钩进行取数。
5）取完数，下一步就是找人。根据不同的需求，用户画像也并不是一次就能完成的，根据不同的营销策略还需要多次的细化。而细化的需求就跟需求方能采用的营销策略和能够提供的营销手段相关了，重点对那一类人进行什么样的营销？这里面也有很多细节因素需要考虑。比如说：作为IPTV群里里很大一部分的通讯费可报销群体，他们另可花高出一倍的价格来按月持续订购，也不愿总价便宜的方式一次性购买全季。报销额度也是个产品设计和定价策略的关键因素。
6）找到人，定完营销策略之后，就可以开始进入执行阶段了。并且，执行的时候还需要大数据来做相应的监测服务。通过监测，可以实时的反应营销策略的执行效果。如果一个策略下去之后，用户没反应，辣么还需要继续通过数据分析来找出原因，修改方案，直到项目完结。
以前，广告界有句名言叫做：我知道广告费有一半浪费了，但不知道被浪费的是哪一半。现在通过大数据一看，投入传统方式的广告费浪费的根本就不止一半，但是如果投的是精准广告，如果数据非分析好，用户画像画的不精准，辣么广告费则是100%的会浪费掉。所以，精准广告必须是个Total Solution，如果没有监测反馈和修正机制，基本上也就是一锤子买卖了。
大数据与机器智能
最后，再闲聊几句机器智能的话题。去年吴军老师讲了一堂关于大数据重要性的小课，首先他纠正了大家人工智能和机器智能的混淆概念。如今的以Alpha狗为代表的基于大数据的“通讯算法”深度学习属于机器智能，并且与60年前的人工智能的逻辑路径完全不是一回事儿。如今的机器智能（或者说是广义上的人工智能吧）就是基于大数据的深度机器学习。
今年的春节假期，汪特也是赶时髦读了赫拉利的新书《未来简史》，赫教授更是在机器智能的未来发展上提出了“数据宗教”的理论。
并且，汪特根据半年潜心于大数据事业不断观察思考的切身体会，也确实深刻的感受到这个自带光环的数据工作实际上也是苦逼的民工活儿，很多很多的工作需要纯手工的去撸起袖子亲手干。如前面文中所说，在经过传说中的数据清洗之后，给出的高大上取数结果也就是一个塞得满满的Excel表。然后，自然还是人工来读数、分析。。。
所以，汪特虽然特别喜爱读赫拉利的书，并到处跟人称赞赫教授笔下的上帝视角，但是汪特队对他提出的：机器替代人而产生“无用阶层”的想法完全不认同。在汪特看来，一切机器智能也都是建立在数据民工的大量体力劳动之上的。
IT时代带来的是大批的码农、IT民工，数据时代一样是DT民工，即使到了机器智能的时代，人类依然逃不出民工的魔咒。是的，写几行Python代码，就立刻明白了。Think with hand。
即使有了机器学习，也先要人工分析、分解任务目标，然后建模、测试，接着再检查抓取结果，进行修正、训练。。。而这一切都是辛苦活儿。。。好容易等到一个任务目标完成之后可以把这事儿交给机器了，其实你会发现后面还有很多的任务和需求等着你 。。。
就如同工业时代，机器提高了生产效率，然后把大量的农民从田里赶到了工厂一样。数据时代，或者说智能时代也行，无非就是把工人从工厂里赶到了Office。机器替代了人们之前的活儿，然后人们的工作就升级了，坐在空调房间里干着民工般的体力活儿了。
但是，想闲着？门儿都木有！
越来越个性化的时代，需求只会越来越多，任务只会越来越重。未来，机器智能时代依旧逃不脱老鼠赛跑的怪圈 。
