注：宏路数据系天堂硅谷所投资企业
大型品牌客户在数字化转型进程中，触达并了解最终用户是非常直接的诉求。以此为切入点，宏路数据通过帮助品牌企业搭建以用户为核心的数据中台，成功拿下了联合利华、百威英博、雀巢、YUM！、优衣库、达能以及上汽集团、戴姆勒奔驰等大型品牌客户。基于数据中台之上，宏路数据形成了体验云、分析云的营销闭环，未来将基于洞察云的能力向其他场景延伸。
数字化转型并非一个新名词，但却是所有大型企业决策者最为关注的问题。
对企业决策者而言，了解最终用户的诉求是实现数字化转型的第一步，也是重要一步。基于用户的认知，去重塑采购、研发、生产、销售等各个环节，让业务由自动化走向数字化，才能实现企业的全面数字化升级。
以往企业去了解最终用户，必须通过市场调研公司等渠道，效率低、反馈周期长。大数据的兴起，赋予企业更加高效的手段去洞察最终用户。
从最初的DMP、到后来的CDP，再到时下最火热的数据中台，企业不断汇聚海量多源数据，建立以用户为核心的数据平台，基于平台上的用户画像等，给前端各个应用提供能力。
因此，在企业数字化转型初期阶段，帮助企业搭建以用户为核心的数据中台成为很多大数据公司瞄准的方向，宏路数据正是其中的佼佼者。
最早一批大数据公司之一，两次转型后瞄准企业数字化转型方向
成立于2008年的宏路数据，最开始瞄准了推荐引擎这个方向，是国内最早一批布局大数据业务的公司。
但当时整个大数据行业发展尚未成熟，提供推荐引擎的独立第三方厂商发展非常困难，尽管宏路数据在电商等领域有很好的落地产品，但整体电商付费能力很差，并不足以支撑公司发展。因此，宏路数据当时还自主研发了Hadoop发行版，同时为Cloudera等公司代理CDH等产品。
2012年，大数据在广告营销领域最先成熟，搜狐、新浪等媒体平台对基于大数据技术实现广告实时竞价、发布等需求变得强烈，宏路数据也进入到这个市场，为新浪等媒体平台搭建广告实时发布系统。
在这过程中，宏路数据没有像其他公司，更加偏向广告侧，将大量精力放在广告资源采买和广告创意策划方向，而是专注于提供技术产品，这其实是一条更加艰难的路。因为即使到今天，技术在整个广告流程中的价值度仍然没有完全体现，品牌广告主对技术产品的投入远远低于媒体采买和广告创意策划。因此，2012年后宏路数据依然发展得不温不火，即使进入广告营销领域，并没有实现营收规模上的高速增长。
2015年，宏路数据发觉，大型品牌客户不再完全依赖于第三方数据平台，需要建设自己的第一方DMP平台，管理起自己所有的用户数据，不仅仅是用于广告投放，而是要支持各项业务，让数据驱动决策，实现数字化转型。
因此，宏路数据将业务重心放在帮助大型品牌客户搭建第一方数据平台，围绕着企业数字化转型这件事情。考虑到企业数字化转型的第一诉求往往是获客，因此，宏路数据在搭建数据平台上，主要围绕着企业的用户数据，并基于数据平台上开发了很多营销应用产品，形成当前以四朵云为核心的产品体系。
打造营销场景数据闭环，数据治理是最大优势
类似于Adobe，宏路数据目前在营销场景同样打造了四朵云的产品体系，围绕着受众云、体验云、分析云，实现了营销场景中用户洞察、触达用户到效果评估的场景闭环。
四朵云中，最为核心的受众云，也就是汇聚企业内部的用户数据，通过建立第一方DMP或者CDP平台，将企业内部用户数据打通，并为营销等场景提供数据支持，这是宏路数据积累最久、能力最强的产品。
从2008年成立以来，宏路数据一直围绕着数据治理这件事，从最早做推荐引擎，到后面做Hadoop发行版，再到实时广告系统，基本都是数据存储、处理相关技术。数据治理是宏路数据最强的能力，而受众云的核心就是做数据治理。因此，从技术上，宏路数据在这方面有很长时间的积累。
同时，从2015年后，宏路数据开始服务很多大型品牌客户，包括上汽集团、YUM！百胜集团等，通过服务这些大型品牌客户，能够了解品牌客户对数据的需求，从而不断优化DMP平台的功能及数据标签维度。
技术能力和服务头部客户，是宏路数据能够做好受众云产品的关键。
做体验云和分析云，一方面是能够将受众云的数据找到一个比较好的应用场景，因为对于很多客户来说，建立第一方DMP的一个初衷就是为了更好地获客，广告投放永远都是最为简单直接的获客方式。另一方面，基于体验云和分析云能够反馈数据，特别是分析云能够将用户在网站、APP等行为数据进行采集，从而反馈到受众云中，不断丰富受众云的用户画像。
因此，通过分析云和体验云，宏路数据能够将受众云的价值充分发挥，同时也能获得反馈数据，不断优化受众云的产品服务。
在整个营销环节当中，宏路数据相对薄弱的是在创意策划方面，这方面主要是通过合作伙伴来实现的。宏路数据会将自己的产品OEM到广告公司的产品中，由广告公司来统一交付。这么做主要是考虑到创意策划方面对人力依赖很重，必须要依靠策划人员才能保证一个很好的效果，这并非技术型公司所擅长的方向。
瞄准企业决策者的需求，基于洞察云的能力向其他场景延伸
在四朵云中，洞察云相对特殊。其他三朵云更偏向解决市场营销部门的需求，而洞察云则定位于解决企业决策者的需求。
从产品形态上，洞察云主要是交付数据报告、数据报表类产品，类似于传统BI产品，本身是很难解决企业决策者的需求，但因为两个原因，宏路数据的洞察云未来有机会达到这个目标。
从品牌客户的角度来看，未来一切的产品、服务、市场、销售体系都将围绕着用户需求及偏好进行调整，特别是如今品牌客户越来越看重效果，不再单纯追求曝光，基于用户数据驱动决策这件事情慢慢成为共识。
从宏路数据的角度来看，因为洞察云的数据是来自于受众云的，而受众云主要是汇聚了企业的用户数据。因此，当受众云中的用户数据维度更广、颗粒度更细致时，基于这些数据得到的数据报告，是有机会影响到企业决策者的。
同时，洞察云给了宏路数据跳出营销这个场景的机会，特别是跳出纯粹广告营销场景。洞察云面向企业决策者需求，肯定不仅仅会局限于营销，会涉及到企业采购、生产、销售等各个环节。基于洞察云，宏路数据实际上在补充传统咨询公司，通过数据的方式，更加高效、准确地为企业客户提供咨询服务。
因此，尽管现阶段宏路数据的洞察云还难以真正给企业决策者提供Insights，但很明显，洞察云能够让宏路数据未来的市场空间更大，真正实现数据驱动决策。
重点服务大型品牌客户，直销和合作伙伴并重
从目前来看，只有大型企业才有足够多的资源投入到数字化转型这件事，因此，宏路数据很自然地将目标客群定位在大型品牌客户。
考虑到自身体量，特别是服务支持能力，宏路数据在2019年聚焦于两个大行业，快销和汽车，现已拿下联合利华、百威英博、雀巢、YUM！、优衣库、达能以及上汽集团、戴姆勒奔驰等大型品牌客户。
同时，宏路数据为这些企业搭建的DMP/CDP平台，基本都会是全业务线使用的DMP/CDP平台，当然主要是聚焦于用户画像等营销场景，客单价基本都是在300万以上，大型客户的订单额会超过1000万元。
通过行业聚焦，宏路数据能够快速加深自己对垂直行业场景理解。因此，在搭建DMP/CDP平台的部署周期能够快速缩短，目前部署DMP/CDP平台最长半年时间，一般都可以在两三个月完成。
在获取客户方面，宏路数据除了依靠直销，还大量通过合作伙伴来获取服务客户，超过60%的业务是来自合作伙伴，其中一部分是OEM产品，另一部分则是直接使用或者代理售卖产品。宏路数据的合作伙伴主要包括广告公司、CRM公司、市场调研公司、咨询公司等。
客群质量高，场景理解能力较强
基于爱分析对数据智能公司的评价模型，分别从技术/产品、客群/LTV、获客、场景理解和跨场景能力等五个维度对宏路数据进行评价。
技术/产品方面，创始团队来自谷歌、惠普、苹果等公司，从事数据挖掘工作多年，技术积累时间长，能够服务上汽等500强客户，系统稳定性、可靠性高。围绕着营销场景有受众云、分析云和体验云，产品体系非常完整。DMP/CDP平台部署周期较短，产品化程度高。
客群/LTV方面，面向快销和汽车行业，主要以行业头部客户为主，服务联合利华、百威英博、雀巢、YUM！、优衣库、达能以及上汽集团、戴姆勒奔驰等标杆客户，客群质量较好，客单价基本在300万以上，并有超过1000万的订单。
获客方面，大客户主要通过直销，销售团队20-30人，腰部客户主要通过渠道合作伙伴获客，2018年客户数60多家，并拥有标杆客户，整体获客能力较强。
场景理解方面，主要通过服务客户来积累场景理解，创始团队在从2008年开始进行相关工作，从业超过10年，并且帮助企业搭建第一方DMP/CDP平台，应用场景不限于广告投放，场景理解能力优于一般创业公司。
跨场景方面，受众云主要是帮助企业汇聚第一方数据，基于这部分数据和洞察云的产品，未来有机会延伸到企业的其他场景。
近期，爱分析对宏路数据董事长袁国玮先生进行访谈，主要就宏路数据的业务模式、未来战略，以及数字化转型、数据中台等行业热点话题进行交流，现将部分内容分享。
数字化转型是企业决策者的事情，洞察云是关键产品
爱分析：受众云和洞察云放到一起，是因为受众分析的目的还是为了做用户洞察，实际落地两者是分开的？
袁国玮：在我们这边不太一样，你可以理解成我们的受众云就是个数据中台，他就是个基于消费者画像的数据中台，它比较偏技术层，侧重在提供API去支持到前台的各种应用。
洞察云，实际上你可以理解成偏Insights、偏咨询，输出的是报表，把原来需要咨询公司做的事情自动化。
爱分析：洞察云输出的成果不仅仅是营销环节需求，是类似于原来市场调研公司GFK去解决的问题，还是会跨到其他场景去？
袁国玮：我们的分析云、受众云和触达云，是比较典型的营销链。
于是，我在思考，我们这几朵云，到底是给谁看的？如果是给MarketingOperation的人看，他们觉得够了。如果我们把Adobe的产品，或者我们前三朵云，拿到客户CMO级别的人去看，甚至CEO级别的人去看，他觉得你们讲的东西是DashBoard，你们根本对我形成不了Insights，这个事情对我其实触动还是挺大的。
坦率来说，在数字化转型这个阶段，我们最终受众不是Operational level的人，因为数字化转型这个东西肯定是Top Management下定决心来做的事情。
我们最终是要让管理层懂，做了这个产品，投了钱，到底产生了什么好处？所以，更偏Insights，更偏咨询，把原来咨询做的事情自动化了。
从某种程度上来说，它是一个咨询行业的革命。
例如汽车行业，我们帮客户打的标签，就和广告不一样。广告给汽车打了标签，主要是车型、价位，客户性别、有没有车。我们在汽车行业的第一方DMP里，还会打上一些其他标签，比如这个人喜欢的车是什么颜色的。如何知道这个数据，最直接是他的上一辆车是什么颜色，我在通用汽车、奔驰这些公司的DMP里面会有这些标签的。
这些标签原来是那些咨询公司帮车企去分析产品，下一代车应该是做成多长、几座、什么颜色，会比较好卖。原来咨询公司是站在产品维度去看这个事情，我们是站在消费者的维度去看待这个事情的。
我们今天试图把考虑产品的因素融合进消费者，做到人和物的结合，最后产生的Insights。一方面是做到更高维度的Insights，另一方面把传统以物为分析的工作自动化。
所以，洞察云也是能够帮到我们的受众云，这中间是有联系的，因为整个数据都是一个闭环。
数据中台的建设需要与场景结合
爱分析：这么看来，懂业务场景才能建好数据中台？
袁国玮：做一个通用的数据中台，我觉得是不现实的。最近中台很火，每个人有自己的看法。我觉得我们大家把中台理解成了一个技术中台，其实不存在技术中台，没有这个分层的，应该是个业务中台。这就很清晰了，他一定是跟着业务场景走的。
业务场景五花八门，为什么我们主要的发力在受众云，其实就是我们发现这是一个最通用的、满足诸多业务场景的数据中台。
我们的核心竞争力就是在DMP、CDP这一层，基于消费者用户画像的中台微服务上。我们也在尝试做一些中台产品，已经有几个客户使用，但这些和场景会高度相关，远远没有用户画像应用场景那么多。
爱分析：下一步有可能再去延伸吗？从消费者的数据切入，有没有可能把企业内部的其他数据源都接入。阿里的中台是把各个业务线的ID数据打通，大型企业内部会不会做类似的事情？
袁国玮：理论上来说，要发挥数据的最大价值，肯定是把所有的数据都汇总在一起。我们现在帮品牌主，尽可能地整合所有的数据。在车企，我们现在整合他的4S店的维修数据、客服数据。
但是要整合HR数据、财务数据，从技术角度上是可行的。但是从现实的操作层面上来说，这是相当之复杂的。
每个企业都会有一些历史的遗产，一个企业之所以效率低，不同部门之间的数据孤岛是一个很大的因素，这些历史包袱也不是今天能够抛掉的。
今天让沃尔玛、家乐福变成完全数据驱动的模式，他需要把之前投资几个亿、几十个亿的系统都完全抛弃掉，这个历史包袱太大了。
所以，原生的和一块块拼接起来的，效率总是有差别的。现实的情况来说，一方面是有很多的遗产，另一方面是取决于怎么看待这个世界。从宏路数据角度，我们是从人的角度去看待这个世界的。所以我们是做消费者研究。原先企业的HR部门、财务部门看待世界的角度是不一样，整个逻辑是完全不一样的。
所以，我觉得如果要把所有的数据完完全全打通，可能路还很长。
爱分析：打通过程是要有明确的应用场景出来，才能接一部分新的数据？
袁国玮：我们的客户有两种做法，我觉得都是OK的。
一种是现在的IT成本下来了，特别是存储成本急剧下降，客户把所有的数据都先采下来放在一起，等以后有机会把这些数据整起来。
另一种更加现实一点，想清楚一个场景，把所有数据先整理起来。不需要的数据先不整理。
我们帮客户搭的DMP和CDP，下面是一个Data Lake平台，理论上可以存储所有数据。事实上，如果分开不同的用户来看，联合利华存储的数据就和通用汽车不一样，这就是基于他们对自己业务需求的理解。
爱分析：实际落地上，进入到一个企业，基本上是客户有一个新的需求，宏路数据去接新的数据，从底层往上层应用走？
袁国玮：我们现在服务的基本上全是500强客户，这种数据的整合需求，一个小的企业搭建数据中台的可见效益不多，一定是大企业可以很直观就能感受到它的效益，无论是营收增长还是降低成本。
因为数字化转型已经变成全球风潮，大企业现在都有想法是不能落伍，要做数字化转型。大家现在基本上有共识是要把平台搭起来，先把比较通用的事情做起来。
下面是个Datahub，客户的架构几乎是一样的，上面是用户画像，包括DMP和CDP。DMP是以Device ID为基准，CDP就是以CRM这些用户实名数据。然后客户会做统一身份识别。
现在大家做的时候，先把底层的技术中台和数据中台全部准备好，形成统一的用户画像，上面一个个去对接客户的前台应用。
我们也在服务一些稍微小一点客户，比如像一些商业地产，这些客户往往就是从一个触点上往下走。目前来说，我们看到的这个案例是偏少数的，因为你要在单独的一个消费者触点上面，到最后能够驱动整个企业的大脑，其实从组织结构上就有点逆向。
最多只能在自己管辖的范围之内，建一个小脑，又变成原来一样的，每个部门建一套自己的平台。
营销不等于广告，营销应当是万亿级市场
爱分析：下一步会考虑延伸到其他领域吗？客群本身会不会延伸到其他行业，不仅仅局限于品牌主？
袁国玮：在我看来，营销天花板低是整个市场对我们这种公司的误解。
我们自己在融资过程中也发现，其实营销和广告是两个不同的概念，广告只是营销中间很小一部分。今天所有的全球软件巨头，Adobe、Oracle、SAP等公司，全在收购跟MarketingCloud相关的公司，说明最大的一部分市场就在营销。
如果按照广告技术来分，我觉得也就是200多亿的市场，但营销是远远大于广告的。从几年前来看，我们做的就是Marketing Cloud事情，但在今天我们拿的实际是数字化转型的预算。坦率来说，我认为这个市场是不可限量的。
我们有一个客户是全球顶尖公司，才服务他半年，我们非常有信心是说到今年年底，营收上他就可以成为我们最大的客户。这在我们公司过去的历史上，从来没有发生过的事情。当一个大的客户把他的数字化营销的整个技术和数据中台放到我们这里，用中台去指挥他所有的营销业务，你会发现原来市场有那么多的钱。
我们现在在切割的是传统的客户花在整个营销上的钱，客户把整个数据中台搭好，他慢慢地会发现，原来那么多供应商没有什么价值。
如果按照美国的研究报告，营销占整个支出的30%左右，在中国至少就是几万亿的市场，根本不是一个几百亿的市场。这个市场已经很大了，我现在根本没有想法，我觉得在未来的五年，我们都没有想法脱离这个市场。
现在我们看到，这个世界在营销侧发生巨大的变化，中国很多事情不是渐进的，都是倒逼改革的。美国MarTech很早就很兴起了，MarTech公司都能赚到钱。
中国过去十年里面，钱基本都在广告主那一侧的公司，MarTech公司中间没有赚到钱，中国是没有渐变，今天钱都会迅速流向我们这类公司。
爱分析：您提到营销占整体支出的30%，过往其实广告投入也就是GDP的1%左右，剩下的营销预算过往投到哪里了？
袁国玮：从技术角度来看，以前讲的是自动化，今天讲的是数字化。自动化和数字化最大的差别就在于，自动化是帮人提高效率，原来可能是要十个人做的，今天我可能只要两个人做。
在决策者的印象，其实就是你帮我省了多少钱，我付一个百分比给你。或者是说，他觉得这是一个工具，没有人会愿意为工具付很多钱。
数字化是，今天在整个市场上，企业决策者把整个生意都看成数字化，依托于数字化在经营业务，大家会把网红带货这件事情看成数字化。在老板脑海里，他会觉得生意是跑在你这个平台上面，这是一个观念上的改变。
一家传统实体企业，最后一层零售商有一半的毛利，比如一个杯子10元，最后一个零售商会卖20元。今天数字化的意思是，我有更好的方法，让企业能够以20元卖给消费者，我的价值有多少？
在整个链条中，宏路数据这样的公司不是帮经销商，给工具更快把产品卖出去，而是直接就把这个产品在我平台上卖出去了。
站在老板角度来说，宏路数据这样的公司也至少应该拿50%。对这个企业来说，原来就要支出50%，只是在今天重构了。我跟最后一层零售商说，今天我驱动你来做这件事，我们五五分成。所以，对企业主来说，他付出的钱是一样的，整个产业互联网里面的钱是一样的，但是这个钱落到哪个口袋已经发生了巨大的变化。
原来我们的天花板可能是100-200亿，但是经过重构后，我们的天花板已经是10倍、100倍的扩张。
爱分析：为什么中国营销自动化公司没有做得特别大？
袁国玮：我觉得之前时间点没到，现在时间点到了。大逻辑上说，软件其实根本上解决的是个效率问题，当其实像Marketo这样公司，国内很多大企业，特别是全球企业，其实都在用它，比较清楚效率带来的好处。
国内没有诞生这样的企业，并不是说他们没有这样的需求，而是说今天他们没有愿望为这个需求付钱。中美软件原来有个最大的区别就是说，美国软件公司做出来软件认为用户都是受过良好训练的，中国做出来的软件，都认为用户是小白。
对小白来说，知道结果就行，没有必要搞清楚中间的东西，导致了很多Agency做了中间的事情，但这些Agency也没有想法为这个业务付钱，因为他觉得人力也很便宜。整个利益链条，大家都不需要这个东西。
今天形势发生大变化，人工越来越贵，我们现在有几个业务机会都是Agency，老板希望一半人可以被机器取代，这时候就会想营销自动化的事情。
很多大的广告公司，内部其实都有系统，这些系统为什么没有搬出来，因为广告公司觉得这个搬出来没有什么价值，真正也卖不了多少钱，还不如做广告赚钱。
进入到数字化时代，仍然需要理解场景
爱分析：如果未来是基于数字化的，那是不是意味着不需要懂场景？完全基于数据去驱动业务？
袁国玮：我不这么认为，我觉得场景是很重要的一件事情，这就是为什么我们现在在增强我们分析师的能力，以前我们更多的都是运用机器学习来做。
不是说机器学习不好，而是说闭环的数据流转周期有多长。广告行业，坦率来说，我们在DSP等广告投放上面，几乎我们不需要数据分析师。我们完全依靠机器学习，因为他迅速给反馈，而且可以每天不间断地试，机器一定比人强。
当线上线下相结合的，闭环周期回来很长，让机器学习是可以，但要学到一个能让客户比较满意的点，需要的周期太长了。我们就需要懂场景和懂行业的人，告诉我这个行业的通识，我们可以迅速缩短机器不必要的尝试，能够迅速达到大家都满意的点。
再往后，就不是懂场景的人能够解决的。一旦我们平台搭建好，我们可以产生实时报表。从技术角度，我们觉得是很正常的事情，但对客户来说，这是一个天翻地覆的革命，他会觉得产生巨大商业价值。
我们在某餐饮巨头，他发优惠券，只要实时报表出来，能够极大降低“羊毛党”，让他省很多钱。如果靠分析师来分析“羊毛党”，这需要很长的周期，这就是数据技术带来的好处。
爱分析：这种咨询能力是与行业紧密结合的，没办法跨行业复制，所以就只能一个个行业做？
袁国玮：所以，我们在今年就开始收缩战线了，比一般企业收缩战线要早很多。我们主动在业务刚起来的时候，就讲究纵深。根本上，我们是用数字化去颠覆咨询公司。当然咨询公司也看到了这点，这些公司都在疯狂收购技术公司。
爱分析：今年重点是哪些行业？
袁国玮：因为要兼顾自身体量，所以我们主要是收缩到几个方向。一个是快销行业，像肯德基、优衣库、联合利华等，另外一个是汽车。
（转载自：爱分析研究微信公众号）
