一、你了解你的客户吗？

客户参与到企业战略决策 从以客户为中心向客户主导型企业转变，另外一个明显的特征就是各个不同职能的高管们开始意识到客户对企业战略的影响。 最近，IBM在全球范围内针对70个国家20个行业的4,000多位首席高管进行了一次调研，一半以上的受访首席高管说，客户现在对他们的企业有相当大的影响力。而CEO表示，客户对企业战略产生的影响力仅次于最高管理层。 这是一个有趣的现象。CEO开始放松对通常自己认为的专属领域“制定业务战略”的绝对控制。为了寻求创新，有一半以上的首席高管希望开放自己的企业，消除与客户之间的障碍，扩大内部和外部的合作范围。越来越多的CEO相信，客户的影响不应局限于传统上客户参与的活动中，如开发新产品或服务等。 在决定企业未来时，接纳客户成为利益相关方会对企业文化和组织形式带来巨大的影响。企业不能仅仅是以客户为中心，还必须成为“客户主导型”企业。这需要企业与客户建立全面的互惠关系。也就是说，他们必须准备好并且愿意改变发展方向，寻求能够创造共同价值的道路。同时，企业需要寻找合适的方法，让客户参与关键决策。

二、怎样创建微信团队

微信运营团队的架构与构建

团队角色构成的话，可以按照以下阶梯构建：

1、运营总监

-----------------------------------

2.1、商务拓展经理；

2.2、渠道经理；

2.3、用户经理；

2.4、数据分析；

2.5、活动运营

-----------------------------------

2.11、商务拓展*2；

2.21、渠道*3；

2.31、用户*3；

2.41、数据*3；

2.51、活动*5

最初开始搭团队的时候，最初的招聘一定要注重执行力。不要选择聪明的人，就是强调执行力。因为运营初期不需要很聪明的人帮你分担，只需要把制定好的计划不打折扣的执行下去就好。当你把这两个人带稳之后，你就要面临扩充团队了。编号3、4、5这三个人要慎重选择，因为这三个人就是你未来的核心班子。初步的团队就搭建起来了，可以按照上面提到的标配来培养，但是最初招聘的两个人还是你的基础，因为聪明人的想法一般比较多，所以流动性也特别大，这其中也有猫教老虎的故事，你就要掌握好了。团队的初期框架就这样出来了，然后根据实际情况进行优化增减，当感觉这些人每个人的工作量都很饱和，都已经适应了当前自己的位置时，然后按照标配，就可以给他们每人增加一个下属，让他们来带了这五个人其实就是未来，你的标准框架，两个管执行，是特别踏实的，可以带数据分析、用户相关的下属。慢慢就把他们的职责分出来。另外三个人，两个聪明的一个是搞活动，一个就去搞渠道。还剩下一个公关能力强的，就可以去做商务了。执行方面的人才，大学生比较好。第一成本低，第二只要激励适当，全天都跟打了鸡血似的。用户经理和数据分析方面的人才，最好找有1年工作经验的。商务拓展类的人才，找个漂亮姑娘，只要会跟人聊天，能学习，会唠嗑，会用自己女人的身份（会撒娇，能卖萌）就行。

每个标配职位的职责：

1、商务拓展经理：带好标配成员，选择合作模式、渠道开拓（走第一步）。简单的说就是对外，各种借助媒体，参加各种大小活动，到处发名片，到处认识帅哥美女，然后发展小圈子，简单的说就是出去花钱的。

2、渠道运营经理：带好标配成员，负责监控所有渠道的效果，思考优化，不断提升占有比率，还有对渠道的构件进行把控。

3、用户相关：负责用户沟通，用户对接，用户反馈，用户活动，用户社交、用户数据获取。

4、数据分析大湿：负责的就是持续深度挖掘数据，建立数据模型，分析用户行为，季节效应，数据异常等。

5、活动运营人员：就是负责线上、线下的活动。把商务拓展经理的各种圈子玩转了，然后把活动代入商务拓展经理的圈子中，按照指标完成任务。

三、如何让大数据为决策可用

对已收集到的大数据进行分析

许多公司都收集了大量的数据，他们感觉这些数据存在着商业价值，但并不知道怎样从这些弄出来的值大的数据。不同行业的数据集有所不同，比如，如果你处于网络营销行业，你可能会有大量Web站点的日志数据集，这可以把数据按会话进行划分，进行分析以了解网站访客的行为并提升网站的访问体验。同样，来自制造业的质量保证数据将有助于公司生产出更可靠的产品和选择更好的供应商，而通过rfid数据可以帮助你更深入地供应链中产品的运动轨迹。

重点分析对你的行业有价值的大数据

大数据的类型和内容因行业而异，每一类数据对于每个行业的价值是不一样的。比如电信行业的呼叫详细记录（cdr），零售业、制造业或其他以产品为中心的行业的rfid数据，以及制造业（特别是汽车和消费电子）中机器人的传感器数据等等，这些都是各个行业中非常重要的数据。

理解非结构化的大数据

非结构化的信息主要指的是是使用文字表达的人类语言，这与大多数关系型数据有着很大的不同，你需要使用一些新的工具来进行自然语言处理、搜索和文本分析。把基于文本内容的业务流程进行可视化展示，比如，保险索赔过程，医疗病历记录，各个行业的呼叫中心和帮助台应用程序，以及以客户为导向的企业情感分析等内容均可以在进行处理后以可视化的形式表现出来。

使用社交媒体数据来扩展现有的客户分析

客户的各种行为比如评论品牌、评价产品、参与营销活动或表示他们的喜好等等，会在客户中相互影响。社交大数据可以来自社交媒体网站，以及自有的客户能够表达意见及事实的渠道。我们可以使用预测性分析发现规律和预测产品或服务的问题。我们也可以利用这些数据来评估市场知名度、品牌美誉度、用户情绪变动和新的客户群。

把客户的意见整合到大数据中

通过运用大数据（与原有的企业资源集成），我们可以对客户或其他商业实体（产品，供应商，合作伙伴）实现360度全景分析，分析的维度属性从几百个扩展到几千个。新增的粒状细节带来更准确的客户群细分，直销策略和客户分析。

整合大数据以改善原有的分析应用

对于原有的分析应用，大数据可以扩大和扩展其数据样本。尤其在依赖于大样本的分析技术的情况下，比如统计或数据挖掘；而在欺诈检测、风险管理或精确计算的情况下同样也得用上大样本的数据。