从数据到应用，企业内市场研究如何产生价值？

该文章出自海牛学院大数据培训[url=hainiuxy.com]大数据培训[/url]
市场研究在企业中是一个典型的“支持”部门，研究人员在公司中是“内部乙方”的角色，对公司高层、研发、市场、销售等部门提供市场数据和用户洞察，帮助他们进行决策。在数字化浪潮之下，公司整体都在寻求创新和数字化转型，市场研究支持的各个部门，包括公司的决策层都在寻求创新和转变。

而传统的市场研究工作基于抽样理论和问卷调查，其工作内容和定位也需要转型升级。研究团队只有比他所支持的部门更快的变化，才有可能在这个大转型中为整个公司和核心团队提供指引。否则研究部门有可能在大量内部需求驱动下忙于应付现有任务，无法发挥专业能力和价值并适应甚至驱动企业数字化的节奏。

对于市场研究这种企业内部专业职责部门，有可能对企业创造巨大价值。英特尔传奇CEO安迪.格鲁夫在其《给经理人的第一课》一书中提到：“如果这个经理人是提供信息或技术的顾问人员，他对其他部门的影响可能（比业务部门）更大。内部顾问如果能够给其他部门提供解决问题的信息，其影响力有时不亚于该部门经理。...一个市场分析师平日观察上千种产品，留心产业、竞争者的动态并分析市场信息，他提供的资料不仅直接影响到营销和业务部门，甚至能引导整个公司。”

那么，面对快速变化的市场、技术环境，以及企业内部的需求，市场研究部门该如何创造价值？我认为首先要重新定位企业中的“市场研究”职责。市场研究部门的工作不仅仅是完成高层和各业务部门的用户洞察任务，而应该是一个驱动企业以用户为中心的运营体系的驱动器。各个业务部门关注于相对短期的任务，无法从长期和全局来推动企业转型，而研究部门应该成为数据的整合者、洞察的生产者以及知识的传递和应用推进者。

有人说市场研究是小数据，不适应现在的大数据环境。实际上，市场研究人的能力在于基于数据的商业理解能力，这种能力基于调研数据和大数据都是适用的，而现在刚好是市场研究的专业能力面对当前的复杂数据环境发挥作用的时候。过去十几年，所谓数字化、大数据，更多的是在技术上发力，实现了数据的采集、存储和计算。现在大数据基础设施相对完善，数据也收集上来了，之后的挑战是让数据在企业中发挥更大作用，让数据应用起来。相对于CRM、大数据、数字营销、研发运营等部门，市场研究背景的人懂市场、懂商业、懂数据，而且有能力将信息以一种商业语言传达出去，是这一角色的最佳人选。



如何让市场研究在数字化时代发挥作用？我个人觉得需要从三个方面着手。首先是将内部传统调研的效率提升，让研究团队在时间和预算上有资源投入到创新和洞察的应用上面去；其次是建立从数据到知识再到企业内应用的通道，不管是传统调研还是大数据的价值都可以通过这条通道体现出来；第三是拥抱大数据，从商业层面整合内部和外部、传统数据和大数据，与各个部门协同，以数据驱动企业运营。

对于研究团队来讲，固然创新非常重要，但前面两点我认为是研究团队的核心价值。如果无法高效率完成传统研究任务，团队资源都会花在应付业务需求上，无法在技术和数据方面创新；如果无法建立起来良好的信息传递和推动应用的通道，即使通过大数据挖掘出洞察，也无法驱动企业应用。因此这篇文章重点谈一下前面两点的一些想法和实践。

首先看一下如何提高基础性的“传统”研究任务的效率。市场研究部门目前大量的工作任务是传统的市场研究工作。这些工作大多是基于传统市场数据和问卷调查，这些任务非常重要，是市场研究部门工作的基石。不过这些工作需要花费研究团队大量的时间和预算，如果绝大多数资源都投入在这类工作上，团队很难推动研究创新。

在这些必须要完成的工作中，有一部分是高频率、标准化的任务，有一部分是非常定制化的、策略性的任务。第一类工作存在效率提升的机会。企业中高频标准化的研究工作会包括测试类的研究，比如产品和沟通概念测试、包装测试、创意测试、NPS、满意度、品牌健康追踪等，对于这些项目，研究部门可以建立一套标准的定义和业务流程，包括标准的brief格式、统一问卷、标准分析报告，并明确告知内部业务部门，如果采用和不采用标准测试分别的时间和成本。这样，通过一种内部“产品”的模式将一部分研究固化下来。再进一步，可以通过一套软件（外部购买的SaaS或者定制的软件系统）将这一过程自动化。

云思和一些客户的实践表明，通过这种“产品化”过程可以节省大量的时间和预算，节约下来的时间和资源，研究团队可以更多关注创新项目。这种模式还有一个好处，是可以建立起来企业的测试数据库，随时调取进行查询和分析之前的测试结果，建立企业自己的基准值，用于更加深度的业务分析和预测。

从数据到知识和应用的“通道”是洞察结果发挥作用的关键。研究部门另一个相当花费时间的工作是应对各个部门的数据查询需求，寻找市场数据、购买的数据库中的数据、某个历史项目的数据。研究人员需要了解需求、查询并传递出去，过程中要做各种文档，不时还会出错或者出现前后提供数据口径不一致的问题。将历史数据、报告、市场资讯等用一个平台管理起来，研究人员率先使用这个平台，之后逐渐让公司内各个业务部门有查询和简单分析的习惯，可以大幅度降低研究团队的时间成本，提升研究团队产出的应用范围。

这种数据和知识管理平台的价值不仅仅在于节约了研究部门的时间，对企业来讲，建立起来一个企业级的知识管理平台。对于数据驱动业务成长，沉淀企业数据和知识资产具有极其重要的价值。

若干年前我在新浪负责研究团队，开发了新浪的“市场知识管理系统”。所有的第三方数据、报告，研究团队的内部报告，重要的市场资讯都积累在这个平台上。每周向全公司员工发送news letter，推送重要市场信息和报告，成为研究团队成果输出的平台，驱动了一些重要的市场和产品决策。云思这几年也曾经为多个客户建立了数据整合，帮助研究团队减少使用多个数据源的时间成本，让研究团队有能力通过移动端向业务部门推送市场数据和分析结果。

只是把知识传递出去，让其“自由”发挥价值还是不够的。进一步，还要让数据和知识（不管是基于调研还是大数据）在企业内得到应用。数据价值的发挥，在企业中不仅仅是技术还是一种艺术。相信企业中数据或者研究部门的leader都在花心思如何将数据应用起来。前阿里巴巴副总裁，数据委员会会长车品觉在他的《决战大数据》一书里面提出了数据应用的“混通晒”三板斧。

从我个人看到的实践，感觉优化组织结构和需求、应用传递流程可能是一个很好的方式。我看到的一种非常好的组织结构是将研究团队和角色分成三类，包括需求和应用对接，标准化执行和创新。

需求和应用对接：作为与业务部门的统一需求接口，扎根到业务部门，更好的理解他们提出的需求，再做解读、甄别和分配，执行团队才能更加有序、高效的配合。

标准化执行：承接需求和应用对接方发来的可标准化的研究项目，快速低成本产出结果；并且不断总结内部需求，建立研究、执行标准和系统，不断提升效率降低成本。

创新：负责创新项目，探索新的方法、模型、工具等等，让研究在技术、方法论方面始终保持前瞻性的视角。执行一些非标准的战略性的研究项目，为业务部门或管理层提供决策依据。

在实际操作中，可以具体情况具体分析，比如大公司研究团队庞大，可以细分成三个部门，各司其职；如果是中型规模则可以将研究部门分为三个小组，以组为单位完成上述分工。

这种组织结构未必适合所有的企业，但给我们带来的启发是需要从流程和结构上创新推动数据的应用。这对研究部门来讲是非常大的挑战，但研究团队需要不断地自我进化以发挥价值。
该文章出自海牛部落大数据社区[url=hainiubl.com]大数据社区[/url]