我觉得传统企业的挑战并不是没有足够的数据，而是没有足够的意识和信心来进行数据采集、记录与分析工作，结果就是“数据化转型”的准备不足。这几年大家都在说大数据，特别是谈到传统企业转型升级这个话题,数据化仿佛成为了一个机会窗口。就我的观察，目前针对数据化驱动传统企业转型的讨论，更多还是集中于企业如何使用数据更广泛地、创新地在行业价值链上、下游增加价值，主要体现在以下3个层面。

(1)电商经营优化:尤其是以零售贸易行业最为明显，不论自营平台还是依托第三方平台，企业在电商渠道上每产生一次交易都可以留存一笔详细的数据记录， 包括用户兴趣、销售明细、产品组合，还可以记录每一个用户行为的数据闭环。通过这个闭环，甚至还能源源不断地产生新鲜的过程性数据，协助企业更好地洞察用户、服务用户，更及时地满足用户需求的变化。

(2) O2O服务升级:本地生活服务商家的互联网化，更加快捷方便地满足社群用户/社区住户的生活需求，甚至提升了用户消费体验的品质。同时，也给商家们提供个新的人口，可以最大限度地聚集和盘活资源，实现线上下单交易，线下体验服务，并可结合用户兴趣、口碑，满足各种个性化、定制化的长尾需求，达到线上数据与线下数据的营销整合。

(3)供应链效率提升:对于传统制造企业而言，数据化转型在本质上就是一种从供应链到信息化与工业化结合的整体转型。这使得制造企业可以由估量生产，调整为基于信息支撑的按需生产与定制生产，从而优化产能、创新增值服务、保持合理库存与放大物流效率，这都与传统企业如何认识和看待大数据，如何整合生产经营相关数据，以推进智能制造，息息相关。从以上3个层面的说明不难发现，传统企业一直努力地将“业务机会+人+流程”的全链条进行信息整合。

B2B企业面临的营销挑战主要有哪些?

我认为B2B企业，尤其是生产制造型的B2B企业面临的营销挑战主要有3个。

(1)第一个挑战是营销对象不够精确。因为决策者太多，决策链条很长。很多营销工具都提出了定制化和自动化的功能，根据不同对象、不同场景给予不同的信息。但真正做的时候是否能做到精准，我还是存疑的。毕竟决策者和使用者这些角色有的时候不是很能区分得开。所以营销自动化工具能不能一开始的时候就针对不同人给出相应的解决方案，这是第一个挑战。

(2)第二个挑战是内容营销在整体数字营销的比重越来越大。我仍然认为内容营销一定要回归到用户的基础需求层面，一定要先给到用户“有用”的信息和内容，接下来才可能思考如何把内容做得更加鲜活有趣，更具有感染力。

(3)第三个挑战是销售线索的价值显化。市场营销中心有一个很重要的职责就是制作市场营销地图，简单来讲可以想象成一个行业分析师做的工作，内容包括每周市场需求的变化，竞争对手有没有新产品上市，房地产有哪些新开工的项目，新开工的项目面积有多少等。对应这些信息，还要看很多指标，如用电指标、货运指数、房屋新开工指标、住房的优惠补贴指标等。得到这些数据我们会整合成市场竞争地图，通过市场竞争地图，我们就可以看到要主攻哪些项目(地区、米源、类型)，哪些项目务必要拿到。这一块工作能不能做到大数据管理，这其实是我们更关注的，毕竟收集了那么多事实数据，如果再配合些营销工具，就可能做到实现销售的预测性功能。

你怎么看待营销自动化工具?

营销自动化工具和我们现在的需求是有部分重叠的，但是也有我之前提到的问题，有些营销挑战是营销自动化解决不了的。重叠的部分是当我们需要进行投放，需要把市场上所有的市场竞争情况进行汇总和分析时，营销自动化工具能够帮我们锁定目标人群，提高营销效率，提升转化效果。当我们掌握和应用相关客户的行为数据时，就已经完成了大数据营销的前段。

然而，B2B制造行业面临的一个问题就是，营销自动化作为种企业级服务，它仍然是一个基于前段的服务，而制造行业还面临着一个生产制造的环节。目前生产运营这一部分的数据和营销的关联就小很多，更多考虑的是生产运营的智能化。我们依据“工业4.0”的标准来建设新一代的工厂，目的就是能实现工厂的智能制造，并且致力于将生产制造流程的数据和前端营销环节打通。当前， 应用营销自动化工具的公司很多都是中小型企业，营销自动化等于提供了一个云端平台，能协助企业更灵活地汇总和收集数据。营销自动化工具提供的软件与服务都是即需即用的，使用者只要被培训过，就能迅速掌握基础功能，例如记录与管理后台数据。对于企业管理者来说，我觉得它最大的价值就是协助做好“决策智能化”。