【iCDO专访】数据掌门人王琤：关于CDP的那些事儿

被访人：王铮

Convertlab联合创始人兼CTO，致力于为国内企业提供先进的数字营销SaaS产品。之前服务于SAP中国超过10年，作为产品总监在SAP管理近300人规模的产品研发和产品管理团队，从无到有打造了SAP全新一代SaaS产品SAP Anywhere。拥有近20年企业服务软件研发、咨询与实施、项目管理、产品管理、团队管理等经验。早期专注于面向大型企业的ERP，CRM、BI产品和全球客户，近几年专注于SaaS产品、数字营销和中国市场。

采访人：宋星

系行业智库“纷析数据科技”的创始人，iCDO（互联网数据官发起人），数据化互联网营销与运营资深从业者和行业意见领袖。

一个经营多年的企业，在经营过程中积累大量的数据，但一直没有系统化的管理和发掘数据。在面对越来越严重的市场挑战和数据焦虑的时候，你如果是这个企业的管理者，想要有效的实现数据资产的管理和变现，那么这个时候你是需要引进怎样的数据管理系统呢？是DMP，还是最新兴起的CDP，还是要建立一个CRM？它们的区别是什么，各自特点是什么？哪一种可以更快速的实现数据价值变现？

带着这个问题的思考，我们开启新一期的数据掌门人专访。

问题1：什么是CDP，以及它与DMP的区别

宋星（后称宋）：今年DMP、CDP很火，刚刚结束的WAW X数据营销峰会上就有朋友专门提问CDP能否有助于2B的生意，所以我感觉CDP是大趋势。那第一个问题：我们都知道CDP是customer-data-platform，但它究竟是什么？它背后的思想、体现的营销哲学、技术理念是什么？

王琤的观点：

1. DMP偏重于媒体端、投放端。数据量大且杂，但深度不足。
2. CDP则强调管理消费者全生命周期数据，包括消费相关的交易类数据和各个触点的行为数据两类数据。

3. CDP的特点是全渠道整合，核心是身份识别与合并。

4. CDP的三大核心画像维度：标签、生命周期阶段、客户全生命周期价值。

王琤（后称王）：最近我也收到很多客户反馈，发现了一个问题，国内大家在术语概念上没有统一认知。举个例子，还有企业提到大数据平台或数仓即数据仓库的。宋老师，您之前也有一篇文章讲数据平台上的一些概念，像CDP、DMP这类。所以我们在与客户交流的时候，以及您这边，其实都在做统一大家认知的努力。关于DMP，大家比较有认知的是第一方DMP与第三方DMP。但我建议：若短期内以营销为目的，不妨把第一方DMP改为CDP。我认为第一方DMP与CDP在目的性等几个方面有所不同。DMP是data-management-platform，名字里没有讲到是什么样的数据，很多客户会把它泛化成数据仓库这样的概念。而CDP的名字就很好，customer-data-platform，直接说明了围绕customer或consumer做数据的聚焦。

另外，CDP与DMP相比，第一方DMP传承了第三方DMP的很多特点，相对CDP来说更偏重于媒体、投放以及到landing page这方面的监控数据。特点是数据量大且杂，单一消费者数据的深度略有不足。而传统的CRM，我们认为它是一个customer记录的system-of-record，是一个客户（目标客户）、会员或你的目标消费者的客户档案系统。system-of-record是IT行业的说法，以前做信息化建设时，第一步是把客户档案从Excel或者文件里搬到系统或者数据库里去管理，随后又延伸了一些相应的售后服务管理、忠诚度管理、会员管理等。我认为CDP是对传统CRM的更进一步，因为CDP第一个事情也是做所有的受众或者customer的档案管理，然后再扩大到各个触点的所有信息。因为现在是数字化时代，有更多的行为可以被数字化且记录下来。现在常见的用户数据可以粗略的分两类：一类是消费相关的交易类数据，一类是各个触点的行为数据。CDP的另一个特点是全渠道整合，核心是身份识别与合并。而CRM系统不强调这些，也不对原始数据进行加工、抽象与归纳。关于CDP大家用的比较多数据加工是画像，我们认为具体表现为三大类：第一大类是标签，这是最常见的画像表现形式；第二大类是生命周期阶段，一个消费者对于这个品牌，他处于整个生命周期的什么阶段，是一个潜客，新会员还是老客户等；第三大类是消费者全生命周价值customer-lifetime-value（CLV），客户生命周期的价值，可以从不同的维度量化。总之，数据源都是原始数据，但是CDP要加工成画像类的数据，标签、CLV等。这些是CDP与传统的CRM在静态的数据管理方面的不同。有了数据就要应用，CDP本身可以包括一部分基础的数据应用。第一个就是分析，对已有数据分析，有的CDP本身就具备数据分析能力，还可以再往上建BI系统或者第三方分析系统，来消费CDP的数据。第二类是segmentation，对人群进行分层分区，比如把人群圈出来，名单导出来，再输送到其他的应用。还有一种方式是分区分层是别的应用做的，CDP来提供数据的接口。第三类相对来说更先进一点，就是做recommendation（匹配），比较常见的是“人”跟沟通内容、产品、权益的匹配，目前国内比较主流的CDP中没有还没有这一块，我们（Convertlab）公司的产品已经规划这些，2019年也会增加大量的recommendation功能，技术基础是基于机器学习的数据挖掘。对于那些数据量比较大质量比较好的企业，例如零售企业就很适合这个东西。这样的话CDP就更智能了，它把人的特征刻画出来，还顺带着解决了这个人对应的最佳的匹配，推荐的内容、商品、权益是什么。这个从一个大的角度来看待CDP。

CDP有两个特点，一个是完全聚焦在consumer或者customer这个点上，不做多余的数据的管理和处理。第二个非常营销导向，目的性很强，可能有些企业一上来就建立一个大数据项目，或者叫大数据平台、数仓、DMP 等是多目的性的。现在行业有一种情况就是，很多企业说我后面会有很多应用，但是现在不知道这个应用是什么，现在先把这个数据平台建立起来。这个是比较偏IT基础建设的思维的。我比较建议从CDP入手，目的明确，在原始数据范围上相对小点，而在某些角度上很有深度，容易快速支撑业务场景，形成业务价值。

问题2：CDP、CRM和DMP的根本差异

宋：关于CDP、CRM、DMP相似处都是围绕人的数据，您讲得很深入了，可否简短的总结一下他们的不同点？

王琤的观点：

1. DMP的产出物更偏向媒体端、投放端，特别适合媒体投放优化的目的；

2. CRM是传统静态管理客户档案思维，缺乏多渠道数据整合和数据加工能力；

3. CDP是CRM的延伸，是具有全渠道能力、强数据加工能力和明确营销导向性的、更高级更具有变现能力的CRM。

王：正如前面所提DMP分成第三方DMP与第一方DMP，在这里我们说的更多的是第一方DMP，它延续了第三方DMP的一些特点，比较强调对于第一方去管理媒体、广告投放、流量来了之后到网站的这一端的数据采集和管理。它的特点是数据量更大，但对单个消费者或者访问者的数据深度略浅。CRM是传统的静态管理客户档案，特点是单一渠道管理，没有多渠道整合，在自动营销等实时运营上也有明显短板。比如零售行业，很多的CRM是在线下交易场景使用的。另外大部分CRM没有数据加工的概念，只是把原始数据放在这里，最大加工也只是常见的商业的分析，常见的业务报告、报表，没有深度分析和加工的能力。CDP是CRM的延伸，是整个消费者环境数字化带来的更多可能性与变化。第一，它可以从全渠道获得数据，做基于身份识别与合并的全渠道数据的管理。第二，它有很明显的数据加工能力。不只把数据聚合进来，也有数据加工。第三，它有非常明确的营销导向。CDP本身拥有消费者洞察的价值， CDP结合营销应用，可以发挥更广泛的价值。

问题3：企业实施CDP要注意避过的三个大“坑”

宋：谢谢！这个总结很全面很深入。听说有的企业花了很多的精力和金钱建立了系统，却无法使用起来，无法带来足够的价值。那么问题是：如果企业要实施CDP，建立CDP策略，落地CDP解决方案，要注意什么？避免哪些坑？

王琤的观点：

1.诸多企业共有难题：组织机构问题——谁来牵头、谁来负责、谁提供资源；

2.常被忽视的问题：第一步数据清洗或者说数据质量的问题；

3.容易被认识到但却不容易解决的问题：项目团队的搭配问题；

王：最大的坑我认为是组织结构或者是管理的问题。我们做了很多的项目，发现人们忽视的往往不是技术、产品，也不是项目内容本身，而是跟人相关的，也就是跟公司的组织结构相关的。因为CDP会从各个业务系统业务线抽取数据，是跨业务部门的项目，现在大家比较常见的快消或者零售来讲，零售企业主要数据源可能是线下门店，快消企业更多的是管理经销商的销售体系数据，电商业务是另一个独立的事业部，微信等社交端又是一个独立的体系，不同的数据由不同的事业部来管理，有不同的系统，而不同的应用其实已经有了，只是比较孤立，要融合的话，需要大家来配合。如果沟通不到位，大家容易认为CDP对自己部门来讲只是产出，比如我要把我系统里面的数据输出出去，欠缺了CDP对这个业务部门的价值返还，造成业务部门本身配合的意愿不高。其实CDP对消费者有足够的洞察之后，各个业务线都会受惠，企业要把具体得到好处的场景结合各个业务描绘清楚讲解明白。讲清楚建CDP是第一步，营销应用是第二步，这是一个先投入，再产出的过程。

还有一个跟组织结构有关的问题是这个项目谁来牵头。常见的有3类，一类是IT来牵头，一类是很少企业的有类似首席数据官或者说大数据负责人来牵头，还有一类是用户运营中心来牵头，这个更容易产生效果。从组织架构的角度来讲，国内的很多大规模的企业还没有做，但有这个趋势，旨在能够全渠道的去给一个消费者提供端到端的360º的服务和体验。一个很典型的案例是海尔集团，在2017年3月份的时候开过一个很大的发布会，只发布了一个消息，海尔启动了互联网用户管理运营体系。所以我们看到CDP项目牵头的人通常是这3类，最后一种是效果最好的，因为它马上会跟它的用户营销体系打通，但是这个占比目前比较小。

宋：我打断一下，第三种效果是好，但是这个人也很容易被“架空”，对不对？因为他很有可能既不懂业务也不懂技术，最后可能造成他两边都不讨好，会有这样的一种情况吗？

王：对，这个情况可能会有。一般来说，大刀阔斧的建立一个集中部门来做的公司比较少，比较多是另一种情况，老板或者一把手先建立一个业务创新部，由业务创新部牵头，先从一种不影响主体业务的创新的方式去做。到一定程度验证后再扩展。这是我讲的第一个跟组织结构相关的坑。

第二个是实施过程中比较偏技术的坑，是数据清洗或者说数据质量的问题，在项目前期很难预估，但是往往都低估了工作量和难度。我碰到过一个比较极端的例子，就是有一次我们帮一个连锁零售企业把全渠道数据拉到一起，放到我们的CDP里面做管理和加工，在数据清洗整理的过程中发现它某个业务的产生数据的源头都有业务逻辑错误，类似于A字段的数据被记录到B字段上，而且还能凑合用，也看不出来，这样造成了那个数据从源头上就是有质量问题的，然后我们又请了业务系统双方处理了这个bug。这是个比较极端的例子，但是反映了一个现实问题，数据清洗的过程中，不能默认数据质量是好的，要默认数据一定会有这样那样的问题，所以要有足够的心理准备，放上足够的人力。这是特别常见的一个坑。

宋：像这种数据业务逻辑就是错的，怎么补救？

王：要写专门的脚本，制定规范。比如如果历史数据的某些字段是有问题的，可以通过另外几个字段的计算修正它。历史数据的纠错其实是脚本开发和维护工作，是比较枯燥的苦力活，无法避免，牵涉大量人力精力。这是第二个特别大的坑。

最后一个坑我觉得代价没有那么大，但是也是比较常见。就是数据这个项目需要业务和技术协同在一起，这是一个项目团队的搭配问题。我们秉行的理念就是甲方和乙方是怎么来定位的？谁擅长什么？

通常乙方比较擅长的是方法论，以及在某个行业不同项目之间的经验积累与最佳实践，会梳理出一套做事情的方法。例如，这个项目怎么一步步实施，可能有什么问题，有什么潜能，这是乙方比较熟的。而甲方在自己业务的深度和全面度上是永远超越任何一个乙方的，乙方再强大也不可能做到在甲方自有的业务上达到和甲方一样的水平。所以我们建议CDP这种数据类的项目，由乙方搭项目的流程计划的框架，但数据解读、确认与验收，比如从各个系统拿来数据，每个字段在业务上代表什么意思，数据汇总到业务系统之后，每个字段在业务上的匹配，或者画像的标签逻辑，一定要和甲方的核心业务人员一起，这是成功的一个关键。很多做项目的供应商比较强调技术部分，忽视了业务配合，造成最后数据看上去是处理好了，但数据汇总分析一看，今年会员活跃度的质量或者新增多少会员这样的大数都匹配不上。这是第三个比较常见的大坑，还有很多技术实现上的小坑，我觉得不是那么关键，这里就不提了。

宋：这三个尤其是前两个，如果有问题就存在项目进行不下去的可能性。

王：是的，前两个是很容易被低估或者忽视的。

宋：而且数据清洗问题其实是每个企业的问题。因为基本上每个企业一开始就没有那么好的一套数据管理体系。

王：是的，所以现在有一个问题就是数据清洗这个活很枯燥，大家都不愿意去干，技术水平高的人员不愿做，也不匹配。我觉得市场也缺乏这么一批低成本的有比较好的规范性的专门做数据清洗的资源团队，这是一个比较头疼的资源匹配问题。

问题4：关于企业建立CDP的“最佳实践”

宋：讲了这些坑之后其实也讲了相对的建议。请总结一下这些建议，从您的角度说，策略上的best practices（最佳实践）？

王琤的观点：

1. 大型零售类或者金融类的企业，建议把CDP建立在现有的大数据平台之上；
2. 已经明确以用户运营为中心的企业，无论有没有CRM，都建议直接建立CDP；

3. CDP必须是一把手工程；

4. 项目人员配备上，必须建立业务和技术融合的团队；

5. 采用分步走的方式一点点完成CDP建设；

6. 选择CDP供应商注意两点：

（1）CDP供应商提供的平台的架构性；

（2）行业性，尤其是行业经验。

王：第一个建议是从两种情况考虑CDP怎么建。一种情况，比如大型零售类或者金融类的企业，在过去的几年已经建立了大数据平台，这种平台在我们看来只完成数据清洗和汇总，数据的加工、画像、身份管理这些偏运营的还没有做或者说做的不足。这类企业我们建议把CDP建立在现有的大数据平台之上，利用已经处理好的数据源，形成每个个体的在全渠道之上的档案，并做画像。另外一种，如果还未建立大数据项目并且拥有很明确的以用户运营为中心的大方向的话，我们建议直接建立CDP。因为CDP不是一个贪大求全的项目，它是围绕着消费者的，可以很轻的立竿见影直接应用到营销场景中去，立刻产生回报。

第二，从组织结构的角度，应该怎么看待CDP项目。首先我们觉得CDP项目往往是一把手工程。CDP项目想要快速推进并发挥作用，真的需要CEO或老板这个层面拍板决策并将消费者受众相关的部门配合联动起来。然后要讲清楚CDP最后会给营销及营销应用带来的好处，其实各个业务部门都会受益。

第三个建议是项目人员配备上，必须是一个业务和技术融合的团队。双方合作的话，甲方要出技术和业务，乙方也要有业务方面的行业专家和技术团队，这些角色是不可或缺的。还有，甲方的牵头人一定是得到授权或是有能力让各部门来配合的。

第四也算是经验总结，即采用分步走的方式一点点完成CDP建设。通常线上数据通常比线下数据好做，以最近我们做的某个会员制连锁零售企业的例子来说，第一步只把线上电商交易数据和线下门店交易数据整合过来，因为这个业务系统完整，数据质量高，可以马上进行营销应用，比如对交易行为做画像，然后就可以做分层分群的精准营销了。第二步是把线上的行为数据整合过来，电商、APP等有很多的行为数据，代表了这个人的特征。第三步采集更多的数据，该企业计划下一步在线下门店做电子价签和其他线下数据采集设备，能了解到会员在线下门店的非交易类行为，比如客户在某些品类的区域停留时间特别长，代表了他的一些品类偏好。这类数据的采集难度与周期会更长，因此放到第三步来做这个事情。所以不必把所有渠道的全部数据汇总完，再去应用起来，产生效果。我们先形成小闭环，先有一部分数据在CDP产生应用与价值，这样甲乙方信心都有了，就愿意投入更多，这是从真正的落地角度讲我们的建议。而且目前这种方法的接纳程度很高，因为大家都希望分期走，每一期都能看到实际效果。

还有一个建议，我建议企业从2个方面选择做CDP的供应商。一是平台的架构性。因为CDP是一个平台类的项目，所以要去考量供应商提供的CDP解决方案中，平台架构性好不好，也就是平台的开放性、灵活性、延展性和以后的可扩展性好不好。不能选择一个不好的架构，然后过两三年不适用了要再换掉整体架构，这种伤筋动骨的代价太大。第二要看供应商的行业经验。坦白来讲，数据管理看上去是一个行业共性的问题，但是数据加工，比如标签画像，是有行业特点的，不同行业的画像或者标签的模型是各不相同的，选择供应商，应该选择在自己企业所在的行业有案例和经验，我觉得这个是比较重要的。

问题5：关于中国和美国的CDP的差异

宋：另外一个问题我想大家也很感兴趣：中国的CDP和美国的有什么不同？Convertlab是怎么看待这些不同？怎么做到给中国企业提供更针对行业、更了解业务的服务？

王琤的观点：

1.中国也具有美国没有的优势：中国产生数据的触点远比美国更丰富、数据源也比美国丰富；

2. CDP在全球的概念和理念都是一致的，但在中国落地实施会有很大不同。

王：整个数字营销相关的理念、方法论、实践以及产品上，我觉得中国落后美国至少有5年吧。像我们Convertlab DM Hub这样的Marketing Cloud产品，你能在美国找到5-10个跟我们产品类似而且成熟度很高的公司。但在中国，我们是属于极少数能提供成熟产品的。这是一个大的行业成熟度的差距。

我觉得很值得一提的是，中国移动互联网在我们生活方方面面的渗透比美国更厉害，所以中国产生数据的触点和场景比美国更丰富。首先在消费者沟通渠道与数据源上，比如美国电商数据的占比就不如中国，中国有些快消行业传统品牌的电商业绩已经超过整体业绩的一半了，更不要说某些新兴的互联网品牌，美国则不太可能会有这样的情况。另外，中国有一个很神奇的应用是线下扫二维码，在美国不存在普遍的线下扫码的环节，所以中国产生了很多线下场景的数据，特别是线下行为数据，这个在美国也几乎是很少的。

宋：所以从这个角度来看的话，中国的环境条件比美国的要好，是吗？

王：是的，机会很多。而且中国的人口多，我们现在服务的金融、快消或者零售企业的话，CDP数据量到千万级别是很正常的，美国单一品牌服务商只有少数可以做到这么大，这是数据量的差别。第二个是数据源的丰富度，中国比美国更多样，这也是一个特点。

对于Convertlab来讲，我们做的事情是先进方法论的本地化落地，CDP的概念在美国、中国都是一致的，但是放到中国进行落地时，实际情况会不一样。比如把天猫店铺的原始数据汇入到我们CDP里面的话，我们就会自动的产生画像，因为天猫的数据模型格式是固定的，不管哪个品牌都是这样的，我们就会按照预知的数据的格式，做一些预知的处理，对这个渠道来的数据怎么加工、字段的成熟匹配，怎么形成标签，这是完全自动化的。也就是当我们去处理中国特有的数据源的时候，我们其实已经加上了一些相对应的数据加工模型，这个好处是你接入的数据源，就自动产生了很多已经加工好的有价值的消费者洞察，比如说画像特征、标签、贡献价值、活跃程度等。我们做事情其实就是在概念理念不变的情况下，做这种本土落地实践，要达到开箱即用的目的，就要达到对中国本土通用的标准数据源，比如门店、天猫、京东、微信的数据源，进行预加工，逻辑预设到CDP产品里，数据输进去会自动产生画像洞察，就是说把美国的一个先进理念做一个深度的中国本土化的落地。

问题6：关于中小企业如何实施和利用CDP

宋：有人觉得CDP比较适合大型企业，对于中小型企业来说只需要用这个思想对人群进行分组，没必要去用CDP这么大的一套软件系统或者解决方案，你怎么看待这个观点？

王琤的观点：

1.如果是全渠道业务都很重要的话，不管企业的业务大小，都应该建CDP；

2.SaaS已经极大降低了中小企业应用CDP的门槛；

3.中小企业的业务成熟度已经达到需要精细化运营客户的程度时，CDP才能发挥更大的价值；

4.对中小企业而言，数据量的多少并不构成利用CDP的障碍。

王：传统行业的企业CDP的必要性可以从2个业务角度考虑。一是业务渠道。如果企业的业务以单一渠道为主，那么CDP最重要的一个全渠道管理价值就无法应用上。因为CDP特点是可以帮企业管理消费者在所有渠道的“全域画像”，这一点对于零售企业来讲太重要了，因为现在新零售概念，比如京东无界零售很重要的一个理念是：千万不要把消费者放到单一的渠道去看，否则的话就没有竞争力了。对于某些只要在单一渠道做好就够了的行业，我觉得CDP的必要性略降一些。如果是全渠道业务都重要的话，不管企业的业务大小，还是要推荐建CDP的。二是企业的业务阶段。如果是一个新的业务，当前的运营不可能做的很细，这个阶段更重要是的布局，比如开拓一个新的渠道、上一个新的产品线。CDP的应用思维是运营的精细化，强调的是对人更精准的洞察，当业务进入稳定期后更能发挥出它对精准营销的价值，这个阶段就一定要上CDP，来细化运营差异化的颗粒度，提高企业竞争水平。

相对而言，互联网企业第一天就要数据化企业的用户运营体系，因为互联网运营比的就是精准营销、用户运营的水平，不然企业的运营优势连及格线都达不到。此外，大家可能会觉得CDP是一个平台类项目，成本很高的样子，其实把CDP做行业标准化后，就可以大幅度的降低数据治理成本和使用成本。比如我们把行业区分后，就可以对每一行业预设很多数据模型、标签模型，通过把定制化的工作转移到标准化的场景中来降低成本。对于一个标准的CDP产品，Convertlab是按数据量来衡量CDP成本的，一个数据量不大的中小型企业CDP成本是很低的。但是需要强调的是，小企业不要从自己数据量多少来衡量要不要实施CDP，还是要根据行业形态、企业发展的阶段来决定。

宋：SaaS就是这种方法，用云端的模块化来解决中小企业CDP应用这样的问题。

王：是的，用SaaS方案的时间成本比较低，不同企业交付周期有长短，但平均下来SaaS版的CDP2个月左右就可以完成部署交付且可以开始应用。

问题7：关于CDP 实施的较好的“典范”企业

宋：最后一个问题，您觉得有没有CDP做的比较好的企业，可以让别的企业来学习的？

王琤的观点：

1.百威英博

2.山姆会员店

3.韦博英语

王：我讲两个吧。一个是快消行业的典范——百威英博，全球最大的啤酒集团。我们是16年开始合作的，它从最开始建立CDP就是捆绑着应用来进行的，围绕消费者，围绕着营销应用，真正贯穿了CDP的核心理念，所以它在数据源不断进来，数据打通的同时，营销应用就跑起来了，它也走过很多坑，但是在数据源打通的广度和深度、多样性和体量等方面，我觉得它在整个中国的快消行业都是非常领先，值得借鉴的。第二个是零售行业的一个会员制超市，我讲它的主要原因是它的业务部有一个数据能力很强的团队，在项目实施过程中承担了很多原始数据的解读以及怎么去定义标签画像逻辑的工作，所以我们配合起来效率非常高。这种团队本身拥有技术优势的企业是很少见的，目前已经完成第一期并取得了明显效果，在新会员激活、老会员复购率、整体会员活跃度方面，我们看到了40-80%的效果提升。我相信再实践几个月这个项目应该可以作为国内零售行业CDP的标杆案例。宋：还有吗？其他行业或者您能想到的任何的？王：那再讲一个教育行业的韦博英语吧。它的这种CDP可以类比到高客单价的商品服务，比如B2B，因为它们都是更关注于全渠道的线索，即销售之前的那个阶段：线索从哪里来，流量来了线索留资料、线索孵化培育一直到成交。特点都是数据量累积很大，渠道接的很多。此外，韦博英语还有一个特点，就是市场营销在整个企业内部地位属于非常核心的职能，因为现在教育培训竞争很激烈，营销能力成为了企业一个很核心的竞争力。韦博英语的市场部负责人对于数据、全渠道的理解是非常到位的，也可以调动很多很多内部资源来打通数据，可以控制和管理很多业务、营销的应用，大大减轻了跨部门工作的复杂性。所以整个项目在数据的打通、加工、画像的建立以及后期的营销应用方面都是比较顺利的。