前段时间我给某科技公司做战略规划，为了佐证对业务战略的观点，需要对中国IT行业的市场细分、以及每个细分市场的市场规模进行评估。同事顾问找来了某权威市场研究机构提供的中国企业 IT 市场的市场数据，我从行业经验感觉细分市场的比例和规模都不太对，数据口径定义也不尽合理，而且很难评判其数据源的准确性，最后，我决定在咨询报告中就不引用这些数据进行分析了，避免误导决策者。
这就是在中国的企业数据服务面临的挑战：一方面所谓的数据资产入表、数据交易市场的政策激励搞得轰轰烈烈，另一方面企业在业务过程中，的确对商业数据有刚需，然而，数据提供的质量不佳、数据服务的商业模式不完善，始终让人感觉中的数据商业雷声大、雨点小。
数据帮助企业更好地了解个人、客户、市场，是 Know your customer，know your business （KYC/KYB）的基础。为企业提供数据服务，是一个长期以来存在的专业企业服务市场，是和管理咨询、 IT 服务、广告营销以及财务服务和金融服务等其他企业服务行业都有一定交叉关系，和这些行业里的企业可能是竞争关系，也可能是协作关系。
以消费品营销数据行业纵览为例：
我们这里提到的数据服务，按照数据描述的对象，可分为：“一方数据”（first-party data），即监测并提供企业自身的数据，以及“二/三方数据”（third-party data），即企业经营所在的平台市场或总体市场的大盘数据，以及特定客户、供应商、竞争对手的数据。按照数据的颗粒度，从细到粗可分为个人数据、公司个体数据和群体数据等。
数据获取的方式包括：个体调研、现场调查、市场研究、专有工具提取、大数据分析等。传统数据获取依靠人工调研，今天越来越多采用数字化的方法，例如专有软件工具提取——例如市场营销数据公司给超市免费提供排面管理软件（下图），从而获得准确的各个品牌在超市的货架空间占比以及动销情况；类似地，人力资源软件公司给企业提供薪酬、招聘、绩效管理的 SaaS，从而可以获得企业的付薪水平、人才测评及绩效结果的数据。
今天的数字化转型使得数据获取方式发生革命性变化，数据的商业模式日新月异，例如数据公司可以通过人工智能机器人获得排面数据：
传统的广告监测（电视收视率检测）快速转变为数字化营销数据服务，可以进行全网的数字化媒体监测（平台、APP、KOL 等），为企业提供媒体投放参考、社交媒体侦听，或者监测企业广告投放的效果：
对个人媒体的跟踪数据还可以跟地理大数据、时空大数据、电商大数据等等大数据整合，形成更全面的数字化营销数据服务，（参见我六年前介绍的 IBM MetroPulse 大数据服务《
邻域数字化营销——实现全渠道运营的闭环
》）
正如我在本文开头所说，企业对数据有刚需，愿意为此付费，然而这个需求还没被供应方满足，这揭示了中国数据服务市场有很大潜力。
我认为中国的数据服务公司尽管在一些细分市场上较为成熟，甚至竞争得很卷，但是还欠缺对企业需求方对数据应用的“刚需场景”的洞察，没有深入理解客户需求，因而表现为如下几个问题：
- 数据产品的适应面较窄，没能完整覆盖某个业务决策的逻辑和全流程，例如数字化营销的数据服务，涉及到消费者洞察、媒体影响力评估、KOL评估、投放效果监测、全渠道人货场关联等各个方面，目前市场上在每个细分领域中都有数据提供商，但是鲜有整合数据服务提供商（前文提到的 IBM MetroPulse 就是一个聚合数据服务的商业设想）
- 数据产品在企业内的影响层级太低，数据服务商只是覆盖了企业职能部门内职位较低的工作者，而没有影响到职位更高的决策者，因而往往表现为“卖数据”，而非“卖咨询”。
在企业内可以设想有这样一些数据使用的刚需场景：
战略部门：
-市场总体洞察
-国家、社会宏观数据
营销和销售部门：
-市场洞察
-潜客名录和销售线索
-销售渠道绩效，例如渠道铺货率、市场占有率，可能作为营销或销售人员的绩效考核指标
-媒体检测、内容/KOL 分析和投放效果检测
-客户资信，用于销售信用检查
-用户满意度反馈
供应链部门：
-供应市场洞察
-供应商名录
-运营绩效对标，用于企业对于完美订单交付、库存资产周转、成本等供应链效率的绩效指标，进行行业横向对比，参见《
管理咨询知识 ｜什么叫“对标”
》
-供应商资信
-供应链风险
人力资源部门：
