“爹味”十足的“数据驱动”到底有什么毛病？
极诣在过去近10年的时间中一直倡导着以数据为驱动，规划并实施营销活动的方法。但是，最近服务客户的过程中遇到了一些人和事，慢慢地让马老师反思数据驱动膜拜对营销人产生的反噬作用。如果我们无法认清这点，我们将会深陷数据驱动的泥潭，丧失视野和行动能力。
如果你看过田中芳树的《银河英雄传说》那么你一定对自由行星联盟的体制。信奉民主体制看似无比正确却滋生了更多的独裁和专制。这和我们今天在数字营销中看到的“数据驱动”无比地相似。
每个人都想把手伸向夜空，去捕捉那属于自己的星星。但却极少有人能正确地知道自己的星星在哪一个位置。
田中芳树
一个常见的例子是我们经常看到的一个现象——对下领导驱动，对上数据驱动。当下级下达指令的时候无需用数据来说话佐证，而对上级提案时需要穷尽数据来合理化提案内容。数据驱动的“爹味”也尽在于此。
道理谁都懂，难的是用数据来配合你的故事。你跟咨询公司买的不是PPT，而是填充数据的故事。他们不比你更懂数字驱动，但却比你更会用数据驱动讲故事。
那些三句不离数据的从业者为什么会成为数字营销中的毒药呢？这和数据本身有关系，也和使用数据的人有关系——越是对数据一知半解的存在，越是喜欢把数据驱动挂在嘴上。而那些对数据有一定理解的人，又往往说不好故事。
数据既是被动的又是主观的。Simo Ahava在《10 TRUTHS ABOUT DATA – REVISITED》一文中将此列为数据最基本的两个特性。首先数据是一种武器，你用来伤敌一千还是自损八百都可以通过数据来完成。其次同样的数据对不同观众看来不尽相同，那是很主观的。“会玩”的数据魔术师只要通过不同的benchmark就可以轻易对观众PUA。
“数据驱动”服务于确认偏误、合意偏误。这种先有个结论再通过凑数据来强行合理化的现象每天都发生在我们身边。注意并不是先有个“假设”而是先有个“结论”，假设可以推翻，而结论无法挑战。今天该轮到你“清零”了就必须“清零”。马老师在去年年底详细讨论过其危害。在偏误发生时，没有一个以数据驱动的营销人是无辜的。所有你学过的细分、归因、建模都会成为“断章取义”的佐料。
“数据驱动”导致指标固化。马老师同样在2020年详细讨论过指标固化这个数字营销者的超级陷阱。Eliyahu Goldratt在《The Haystack Syndrome: Sifting Information Out of the Data Ocean》一书中犀利地评价道：
Tell me how you will measure me, and I will tell you how I will behave. If you measure me in an illogical way, don’t complain about illogical behavior. （告诉我你将如何衡量我，我会告诉你我将如何表现。 如果你以不合逻辑的方式衡量我，请不要抱怨不合逻辑的行为。）
Eliyahu Goldratt
一旦我们以某一指标作为衡量效果的唯一依据，整个组织的行为模式都会发生改变。追求Revenue就卖楼（大法警告😡），追求Margin就996（实为福报😒）。
“数据驱动”造成浪费和延误。这是为求数据而求数据的问题。举个例子，有一个“数据驱动”的客户就要求每周花大量时间做一个SEO的详细报告并要求根据报告写出Trends和Insights。每周表现都大体相同，并且这些流量也不能像广告投放那样快速干预。更大的问题是，这些周报并不能指导下一周的工作内容，该优化的还是要优化。同样的资源放在诊断和优化上不香么？
当我们对已经知道的结论投入大量时间分析的时候，当我们对已经见顶的指标持续强行优化时，这种浪费格外明显。
除了造成浪费，“数据驱动”还经常让一些品牌为了“研判”、“找信心”而错失良机。往往当竞争对手已经对突发事件落地应对方案时，我方还在纠结该不该出手，还在“研究分析中”。
“数据驱动”扼杀创新。CMI的Robert Rose在他的《Are You Overselling the Power of Data》一文中无情地指出：“Data doesn’t and can’t say anything definitively if the idea is truly innovative.”（如果想法真正具有创新性，数据不会也不能明确说明任何事情。）
“数据驱动”可以为你带来“本手”，但“数据驱动”大多数情况下不能为你带来“妙手”，甚至在一些中毒的营销者的驱使下会为你带来“俗手”甚至“恶手”。更糟糕的是，许多把“数据驱动”挂在嘴上的营销者同时都是“二元论”的受害者，他们大都对待事物“非黑即白”，他们只有好和不好。这让他们变成充满负面情绪的悲观主义者。
你可以买来咨询服务，但却买不来创新服务。人类的许多创新想法都是九死一生的。正是因为人是人，而不是数据的奴隶，才会去挑战小概率，超越历史数据的束缚，实现进步。
“数据驱动”成为口号是一件可怕的事，真正的数据驱动应该是应用数据分析帮助我们了解发展，帮助我们进行决策的手段之一。而对于靠数据吃饭的数据分析师来说，培养自身的数据修养要比操纵数据本身要重要得多。我们需要时刻保有这份警惕，防止被“数据驱动”的魔怔吞噬。
