经历了从上个世纪70年代开始“办公自动化”到今天“移动互联时代”，现在人类科技演进再次来到了十字路口。虚拟现实、人工智能、现实增强、物联网、车联 网……我们发现网络、科技正在逐渐改变我们生活中习以为常的方方面面，可以预见在不远的将来，人类将迎来一轮新的科技爆发。而数据必将是下一次科技爆发的基石。

王学亮：
IDC在今年上半年我们和Talking Data共同主导了一项专题研究，针对DMP在中国行业客户使用的现状做了一个白皮书和分析，这本白皮书借今天的大会已经做了发布。我今天把这个白皮书的部分成果分享出来，跟大家做一个交流。
在这里简单提一下，DMP对一些非专业领域客户可能并不是特别熟悉。它的全称叫Data-Management Platform，数据管理平台。那早期更多的还是应用在广告行业为主，基本是在广告主和广告技术服务商搭建一个桥梁，它的运用领域相对还是比较窄，对于我们传统做企业市场和行业市场的客户比较陌生。这两年随着大数据的逐渐评级，这个平台不局限于广告领域，越来越多的深入到企业的客户营销，甚至内部管理领域。今天我把它的特点跟大家做一个介绍。
我的演讲分为以下六个部分。DMP本身是个数据，最近大数据这个名词非常火，我们看一下中国整个大数据的背景，做一个简要的分析。
IDC在2010年左右率先提出来第三平台概念，所谓第三肯定有第一和第二。第一平台是在上世纪六七十年代以大型机为代表的这类IT建设模式，IBM这种巨型的大型机，那个时代只有科研机构、军事院所或者是一些金融才有能力，有势力去有这些设备。当到了七八十年代，随着服务器和前端PC为代表的CS和BS模式的流行，我们的IT业务才真正普及开来。包括现在很多企业内部的应用，包括我们的外部应用都是采用这种模式。
但是自从07年、08年以来，以移动互联、大数据、云计算和企业社交为代表的新兴技术开始登上IT建设的新兴领域。到目前为止，这四项技术已经在一些行业得到很普遍的应用，像互联网他们是最早理解和应用这些技术的。那我们通过右边这张图可以看到，我们率先跟踪了从12年以来到未来三年这么一个五年的左右，12年以来，传统的第二平台的市场整个规模企业IT的投入占了80%，非常高的比例，但是这个比例一直在下滑。也就是说传统的以服务器IT建设模式已经慢慢走下坡路，它的投入在逐渐减缓甚至是缩减。我们预计到2017年甚至更远的将来，有可能第三平台的IT投入会超过第二平台总体投入。所以我们认为这个趋势是不可逆的，所有的行业客户我们都要迎这个趋势而不上，不能逆势而为。
接下来我们看一下中国大数据市场的总体市场情况。那IDC本身是以数据分析见长，我们来看一下整个市场空间。蓝色部分为跟大数据相关的IT基础设施的投入，包括了硬件，像服务器、储存，还有一体机之后的硬件投资，软件就是分析类的软件产品，BI工具，高级分析工具，还有包括数据库等等。服务就是跟大数据分析紧密相关的各种各样的，像模型、算法、设计、IT系统的部署实施。从整体来看，基础设施的投入远超于软件和设施的投资。
这三项的子项增速都超过30%以上，甚至接近40%，软件跟服务的比例更高。估计在今年整个市场的投入接近6个亿美金，到2018年会翻番更多一点。那这是一个数字层面，我们看到整个市场增长态势是非常明显。
刚才忘了提了一句，就是第二平台和第三平台的复核增长率是有明显的差别，右边的数字，第三平台的是增长25%，保持非常高的态势，相对于GDP，相对于IT市场平均增速这是非常高的增长态势。但是第二平台只有6%，在全球这个数字只有0.7%，中国市场在第二市场的增速还在保持，但是慢慢也会向全球去靠拢。
针对中国大数据市场我们有这么几点定性的分析，首先我们认为中国大数据市场还是处于刚起步的阶段，总体的投入还是以硬件的基础设施为主，这跟很多的行业客户在大规模做云计算，基础设施建设紧密相关。第二从行业，从追踪客户的应用角度来看，我们认为互联网企业在这一块走在所有行业的前列。因为他们有很雄厚的IT技术实力，有大量的科技人才，能够率先成熟的应用到这些。接下来电信、金融、政府他们的体量比较大，IT建设周期非常长。在局部领域也有可能利用大数据做他们的解决方案，像金融做客户营销，做风险管控，电信做流量检测，流量变现。政府不同的机构有很多的大数据应用场景。
第三点，关于产品的技术。目前我们看到开元产品是互联网企业所用的最普遍的态势，还有就是在整个外资和国内厂家的比较之中，MIC的产品还是占据一定的优势，尤其是在大数据的高级分析和高级的算法分析这一块。但是在前期的报表展现和BI工具这一块，中国企业已经慢慢赶超上来。
其实我们谈了很多都是驱动要素，利好消息。这个市场之所以处于发展阶段，也有一些制约要素。主要有两点。第一点人才是非常短缺的，因为大数据不单单是你买一个产品，跑起来就可以了，大数据的根本精髓，买产品只是一个起步，你需要有高科技的人才，基于这个数据能够设计出来非常巧妙的模型和算法，把这些数据转化为有价值的信息和洞察。这才是关键。这其中最为核心的就是人才，但是我们在这一块的人才培养和梯队建设还是相对薄弱，还需要一段时期的成长。
第二点就是数据安全。这个是毋庸置疑的，中国企业对于安全非常敏感，也非常关注。尤其是政府机构，但是目前有一个利好消息，我们看到前不久在9月2号国务院公布了一个中国大数据发展的纲要，准备在未来投入十大工程，关于大数据领域。那么未来我们国家可能会把涉及到民生领域的，不太涉密的数据完全向社会公开，像社保、民生、计生等等，这些完全可以给公众企业使用，为社会民众提供更好的基础服务。这是整个中国大数据市场的整体概括。
进入到正题，关于DMP，它是一个数据管理平台，在今年上半年我们跟TalkingData合作，走访一些合作客户。之所以它同传统的广告领域进入到了我们行业应用当中。它的驱动性是什么？我们总结了以下五点。
第一点是行业竞争的原因，尤其是2C的市场，像银行、保险、零售，快消品制造，包括互联网金融等等，他们的主要客户情景就是普罗大众，在这个时代是大鱼吃小鱼，快鱼吃慢鱼的时代，如果你不积极的谋求创新，很有可能会被淘汰掉。因为别人做了这块业务的创新产品，如果你不跟着上，很有可能你的步伐就会落伍，离客户的距离越来越远，所以竞争态势是直接决定客户想上DMP平台一个核心要素。
第二点是管理诉求，企业在早期的IT数据建设中沉睡了大量的数据，当一个企业管理者看到一个企业经营的状况是一个汇总的报表，一个精简的报表，很多细颗粒的数据他是拿不到的，比如像一线的经办人员他在某一个区域发现某一种产品的出货量会非常高，这类数据很少会直接呈现到管理者的层面，但这些数据我相信对于管理者是非常有参考价值的，对于它的管理决策，战略定位都有极高的价值。但是这些数据没有形成体系化的共享机制，只能星星点点的呈现给他，他不能规模性的体积化的去查看，这就是目前的弊端。
第三点，是关于数据治理。尤其现在我们看到比如像一些大的制造业客户，包括我们政治机构也是一样，因为早期我们建了IT系统基本都是竖井式，管道式的系统，彼此隔离，互不干涉，导致数据的标准各不相同，比如我们访一家制造业客户的同时，他是做家电，做空调的，做空调当中很重要的原材料是铜，铜的零部件在不同的产品体系当中它的编号是不一样，有的是四位编号，有的是八位编号，当他进行数据整合汇总和统计的时候，这是非常繁杂的。所以基层的这种数据质量并不太高，企业客户如果想用这些数据要花大量的时间去清洗，去处理，这个会耗费它大量的精力和成本，在这一块它也需要一个平台级的产品能够帮助他把这个基础数据有效的管理并且预处理好。这是第三点。
第四点关于数据整合。刚才我们谈到行业客户在整个历史建设过程中已经积累大量的IT数据，可能大大小小十几个，甚至几十个业务系统，CRM、OA、ERP、供应链等等很多，但这些系统积累的数据，相对于整个企业外部的数据还是微不足道的，尤其做客户营销的时候，你如果局限于自己已有的数据去看外部的数据，很难做到全局的把控。所以在这一块很多的行业客户也希望纳入企业自身体系之外的公共数据，比如像社交媒体，微博微信，还有像我们可以通过第三方渠道购买到一些有价值的信息，这些都是需要一个整合的过程，把外部的数据与我企业原有的数据进行整合，然后再通过模型算法进行深入的分析，这才能全方位的体现出来企业对于整个市场的一些全局的认知。
最后是关于数据市场。我们认为在大数据时代，数据是可以作为一种有价值的商品或资产来进行交易的，就类似于淘宝一样。大家可以开一个类似于集贸市场，把我认为有价值的信息放在这边，可能有其他的行业客户他就对这类数据比较感兴趣，那他可以继续下单去购买。最近我们国家在贵阳成交大数据的交易平台，就是这么一个方式。但是它是局限于在政府和大的行业，但是我想国家社会基层这么大，可能数据平台不只是这一个，我想在未来可能会出现类似于这种应用商店的局面，会有各种各样的企业数据市场，供行业客户，个人开发者甚至供政府机构参与使用。
总体看，我们认为DMP的核心还是源于这个行业的竞争诉求，没有外部的压力，企业客户很难去自我革新，去做深刻的变革。
这边我再做一个深入的分析。DMP我们认为是企业管理经营，重要的一点是消费和使用企业内部外客户营销数据的综合技术平台，主要偏重于消费使用，而且是个技术平台。
第二点我们认为它是能够管理多种数据，所谓多种数据来源，包括企业自身内部的已有数据，同时还包括通过公众媒介来拿到一些比如在互联网上，在社交媒体上的一些信息，还有第三方面的我可以通过数据市场来购买一些我认为有价值的信息，那么多种渠道来汇总。同时还有多种类型，传统的很多IT建设都是基于结构化的数据为主，在大数据时代，海量的数据主要来源于非结构化和半结构化数据，像音视频、多媒体，这种基本都是非结构化的，像网络的访问日志，web文本这些都是半结构化。未来我们认为这些数据能够共同构成企业所聚焦，所需要分析的一些数据基础。
目前我们看到中国的移动互联位居全球第一，每天我们进行社交媒体的交互，包括使用一些移动APP，这里面会有大量的数据产生。即便你没有做任何的录入操作，但是你的操作行为本身就是一种行为，这个行为是可以被捕捉的。而且一旦放大到一定的用户量群体，这个行为特征是非常有价值的。所以这类数据应该是整个DMP平台所需要共同关注的外部数据。这也是像腾云这个企业起家，目前做的比较好的一个领域。
第三方面，我们认为有了数据管理好还不是最终的目的，最终是要用好。DMP平台还要提供各种各样的数据清洗、处理、转换，包括更高级的分析和建模的能力。基于这些能力，它可以帮助行业客户快速的进行业务营销的适配，市场活动的推广，同时它构建的基础模型之后，还可以通过平台厂商跟最终客户合作，不断的打磨这些模型，来创造新的模型和算法。因为我想随着市场形势的变换，原来的模型跟算法肯定不是完全失配的，需要不断的演进跟优化，这样这个平台才能不断的保持生命力。
我这边列举一个DMP平台的组成结构，是一个比较技术化的组成方向。我不一一展开讲。数据来源刚才已经介绍到了，企业内部的，外部的，包括第三方购买的，同时我基于数据可以进行各种各样的处理和分析。其中最关键的我们认为DMP在业务分析和基础分析这些环节，其他底下都是基础的技术层面，做预处理，做基础功能。那么基于基础分析和业务分析之后，我们可以面向前端各种各样的用户，来帮助他们，比如说产品经理，我可以基于DMP平台分析用户的使用行为，有效的制定移动APP该去怎么设计，界面该怎么布局，用户的交互方式该怎么设计，这些都源于有依据的数据分析结果。
这个白皮书应该是在八九月份已经发布了，大家有兴趣的可以去读一下。里面会有详尽介绍。
DMP本身是个泛泛的概念，根据数据来源不同，可以划分为三种类型。第一类简称就叫企业DMP，它还有另外一种称谓，叫第三方DMP，企业DMP就是所有的数据都来自于企业自身，数据的产权和使用权全部归于企业自身。而这些企业基本来自于企业日常的生产和经营，包括IT系统的数据，主要是以IT系统为主。这个平台的特点还是以汇总收集和分析管理企业自有数据为主，它的特点是相对数据量比较窄，分析出来的结果可能具备一定的局限性，并不是特别全面。
第二类这是最传统的DMP的一个平台来源，早期DMP就是源于广告技术服务公司，它在广告主和广告的投放平台之间搭建一个渠道跟桥梁，我们平常如果上一些门户的时候可以看到，在一些首页或者侧边都有广告条，而且当你现在某一个网站，比如京东或者淘宝浏览商品信息之后，它会实时捕捉你的操作行为，当你到了另外一个论坛或者有广告服务平台的页面的时候，你会收到类似的推介广告，这就是这个平台所达到的目标。这个平台部分技术是由广告技术服务公司来实现，但是它的数据是由广告主和技术服务公司来共享。但是广告主是有多家，他只能拿到属于自己跟自己相关的数据。所以这边数据最为丰富的还是广告数据公司。这个平台的特点也有它的局限性，仅局限于广告的投放跟客户的点击、转化行为的分析。
第三类是真正的第三方的数据提供方DMP，我们认为它是由于企业自身的业务体系之外的，在短期之内跟企业的业务还没有太多直接的关联，但是在长期来看，对于企业的业务是有很好的帮助。比如像社交媒体，公众舆情，以及用户线下的在商圈的消费行为，这些对于企业在未来开展客户营销，重点的跟踪行业客户是非常有价值的，我们把它归类为第三方数据。
这一块的数据是更广泛的用户行为数据，能够有效的分析客户消费行为特征，对于厂商，尤其是2C类的厂商非常有价值，也非常有帮助，而且它的覆盖广度非常强，所有消费类的，面向于大众的营销类的产品和服务都会用到这些数据。而且这类机构也非常多，包括商圈的分析，包括在手机端的操作行为，以及在线下用户的消费行为都可以作为一种数据来源来构建。但是因为数据来源本身也是比较繁杂的，还是需要一个平台级的产品能把所有的来源数据统一管理和控制起来，这才是这个DMP平台的核心价值所在。
好，我们介绍了三类DMP平台，我们介绍一下DMP主要的应用场景，就是说它能发挥什么价值。第一点基础的数据处理，刚才我们也提到了一些，这样的纷纭复杂的数据过来，它的数据格式、类型大小完全不一样，不能直接拿过来用。所以必须进行预先的处理和清洗转化操作，把数据质量提高，因为原始的数据都是粗糙零乱的，没办法直接使用。第二点是定义客群和人群画像，这在广告领域，包括在消费营销领域是非常重要的一个名词，举一个例子来说，比如在银行领域，银行可能他会发展大量的信用卡客户，当他发现某一类客户，每个月的消费额在五千到一万左右，这类他会鼓励这类客户做消费分期，这样银行多收一些利益，同时基于客户的行为特征来分析一下这些客户是什么年龄段，是在28到35的年轻段，还是更高。他是什么样的职业特征，他所属的区域是怎么样，基于这些我们称之为种子应用特征，再到现有的用户群去率先看看有没有潜在的用户，有可能发现这样的用户大有人在，针对这样的用户会重点做一些营销推广，这就是定义客群和人群画像的功能所在。
第三点，刚才第二点我们认为是企业对于内部客户的二次营销，但是在目前这个世界，客户你要不断的去挖掘新的客户出来，不然的话基于现有的客户你很难去维护很大规模的成长，所以第三方面我们认为获新客是DMP平台对于客户来讲非常重要的一个方向，同样举一个例子，还是以银行为例，国有五大行，包括股份制，他们的信用卡用户非常多，但是对于一些城商行或者更小型的机构，他如果想发展客户非常困难。那这个时候如果想获新客完全可以采用购买DMP平台的数据，找到一些它既有企业客户之外的，同时他认为是他的目标客户的群体，那么针对这类客户群体，我们发现这类客户群体有共性的特征，比如我以某一家区域级的城商行为例我重点跟踪这个区域国有五大行跟股份制的用户特征是什么样的，同时我购买这类用户的一些数据。
首先我们澄清，这些所有的用户数据不涉及隐私，我们收集到的都是用户的群体特征，但是不涉及到你的姓名，手机号码，这些敏感数据，但是年龄、职业有可能会被收集掉。相对来讲隐私没有那么明显的被泄露，基于这类特征我可以通过精准的投放，把这类客户发展成为我的潜在客户，通过更优惠的手段来完成。
第四点流失客户挽留。发展客户是第一步，要留得住才行，发展一个丢一个没有价值。以游戏行业为例，这个在手游和页游方面非常明显。比如有一家游戏公司，他在一个月之内发现流失的客户当中有30%是有付费习惯的，剩下的70%是没有任何付费，没有购买任何道具，然后他通过购买外部的数据发现在30%的付费用户当中，其中有20%是长期付费，也就是他购买其他游戏的时候是有良好的付费习惯，只是在我这里付费的比例和金额相对比较低。而且在另外的70%用户当中发现他在别的游戏当中也有付费，只是在我这儿没有花。你就要找一下自身原因，对于70%是否做到了客户的普及和推广，来吸引他足够的使用你的游戏，是不是你游戏的魅力跟应用性并不是太好。还有针对30%是不是应该加送一些优惠措施，包括赠送积分，赠送装备，多发一些装备吸引客户存在，保证你的客户不被别人挖掉或者流失掉。
第五点挖掘潜在客群，这个跟第二点第三点紧密相关。除了我们企业内部客户原有的二次使用之外，我还可以通过新产品不断拓展的客户规模，这些所有的数据都是需要DMP提供，同时它的数据的行为分析，客户推广也都是通过平台来实现的。
最后一点，营销活动优化。作为这种2C类的行业客户，他们要经常办大量的市场营销活动，有线上的，也有线下的，这两类活动都可以通过DMP平台来进行活动的优化。我选取了一群客户去做广告的投放，这种广告的触达率怎么样，我投放一百个目标客户，有多少人点击这个广告，同时点击之后，转化率有多少，这些以往没有明确的数字进行统计，但是DMP甚至可以实时告诉你这个数据是怎么样。基于这样一个纵向的反馈跟循环，你完全可以有能力去优化你的市场活动，以后我该怎么去重点改善和优化，以便更好的覆盖潜在客户群体。
这是DMP主要的六个场景。谈到了场景，可能有些朋友会对他有兴趣，在选型的过程中，我们有走访一些行业客户，归纳了八点。捡几点重要的跟大家做一个分享跟分析。
首先我们认为最重要的厂商的独立性，那么DMP平台它一定是第三方的，而不是隶属于某一个大的公司或者某一个大的财团，这样它的数据很难保证客观中立性。如果它隶属于某一家在座的公众营销或者业务开展的时候很有可能会采用有利于自己雇主，自己母公司的行为，那这样的话，它的客观性是无从谈起。
第二点，要适配具体的业务。DMP本身它是个平台，但我们认为它不能纯粹是个技术平台，要带有更多的业务属性。你要适配很多的金融服务，零售、电商他们的业务特征，你要的平台要有更多的模型跟算法，初步满足他的要求，这样才能吸引它。
第三点市场活动的优化和支撑。
第四点非常重要，DMP平台最核心的一个功能高级分析，你要有很强的分析和建模能力，这一块需要平台厂商招募大量的或者高科技的新型人才，能够做这些算法跟模型，能够跟客户共同不断的完善优化这些模型。
第五点是关于数据的全面性，企业内部的，外部的，多种渠道，多种来源，多种类型，所有数据都可以去纳入过来进行管理分析处理。
第六点移动APP的分析能力，我们认为随着移动终端的普及，移动APP数据量会以指数级别海量增长，对于这类产品或者用户行为的分析会对我们企业造成很大的提升。因为越来越多的行业客户都把移动端作为一个拉近跟客户距离的重要手段，不管做客户营销，做业务，都要借助移动APP来完成，你如果不能有效的掌控用户的使用行为，你做的APP，很有可能被用户装上两三天就扔掉，不再用了。所以DMP平台对于移动用户的行为分析作为一个重要的部件，需要具备的。
前面我们谈的是这个平台技术能力，技术特点。接下来我们谈一下关于厂商。你购买一个平台之后，它不是一个固定的，不动的，需要不断的去优化，改进和改造。所以我们建议行业客户在选择DMP平台的时候要选择一些品牌知名度高，技术实力强的企业，你不能买了一个平台之后，过了一两年这个厂商倒闭或者就消失了，这个投资就打了流水。
最后还有一个是关于云的概念，我们认为DMP它不是一个高高在上的奢侈品，仅局限于大的规模性的企业，它应该为所有的行业客户所使用。因为在这个时代，我们认为互联网创业你要准确把住脉搏，怎么体现，也是要借助云级别的DMP服务，能够准确收集到客户的信息，减轻或者降低你投资的风险，提高创业的成功率。所以在这一块，基于云的服务，也会是面向中小企业的重要手段。
针对于大型企业来讲，它选型之后，就面临实施的过程。这个实施跟以往的传统平台建设略有不同，我们认为在整个实施过程当中，需要注意以下四个方面。首先关于实施原则，我们认为要采取小步快跑的角色，因为DMP平台本身体量也不小，比较大，你真的要实施完毕至少要三个月到半年以上，当企业花大量的金钱和精力去做基础平台建设的时候，如果短期之内看不到它的成效，企业的管理者、IT人员，包括业务团队会对它迅速失去耐心。所以在这个互联网时代，我们建议平台的实施也要采用迭代的原则。我们走访客户的时候，他就比较明确的表示我会选用某一个具体业务场景，把平台纳入过来，基于这个场景倒推平台该具备什么功能，有什么数据，做什么模型分析。在两三个月之内，最多半年快速见到成效，让业务团队，企业管理者能够真正看到这个平台发挥的价值，有利于在未来向其他的业务部门分公司推广。
第二点关于模型，当这条业务线的模型跟算法相对见了成效，这个模型需要不断的打磨，而不是束在高阁放在那儿，这个模型不一定会适合于其他的业务线，甚至在另外一个时期未必适合你推的业务线，所以模型本身需要优化。
第三点关于平台的使用和推广，我们走访银行客户的时候，他就比较成熟一点，他把平台的使用者分为三个小组，一个小组负责平台的技术改造，做模型和算法的优化，第二组类似于传教士的角色，把这个平台向不同的业务部门，分子公司做推广，第三类就是具体的业务团队开发人员，基于DMP平台做具体的应用，比如市场部的经理，产品规划部门的产品经理等等，这三类人群他会定期的进行轮岗，每三个月最多半年他们的职位角色会变化，这样在一线直接懂业务的人员直接反馈到后台，对这个平台做深层次的改造。那么懂技术的人员直接到一线，把优秀的技术传递到一线团队，实现这个平台螺旋式的上升跟良性的循环发展。
最后我们建议，当DMP卖给客户之后，如果客户他的IT能力并不是特别强，这应该是大多数行业厂商的共同特点，这个时候我觉得客户主要是项目经理做项目监督和质量把控，把更多的技术支持和数据咨询工作交给厂商来做。在逐步的合作过程当中，企业的IT人员和团队会逐渐的熟悉这个平台，熟悉这类的模型和算法，进而逐渐掌握这个DMP平台，这样才能逐步结出成果。单靠培训和文档是很难把这个平台真正成熟使用起来，所以需要厂商和客户之间做一个短期的磨合，少则半年，多则一年，真正了解这个平台的机制之后，才能真正的在未来把它用好。
谈了很多的概念，都是谈的DMP平台，接下来我们谈一下数据市场。
最早我也介绍了，在大数据时代，我们认为数据是可以作为一种有价值的资产和商品进行交易的。在目前我们可以看到各种各样的大数据的交易所已经纷纷成立，印证这一趋势。数据市场像淘宝或者线下的集贸市场是一样的，大家各取所需，搭建不同的平台，不同的行业可以把数据贡献出来，也可以从别人那里购买数据，互通有无。
第三点，数据市场本身它可以对数据进行粗略的粗加工，比如数据的清洗跟处理，但很多行业数据他是没有能力去做处理，但是数据市场他本身是可以的，要具备一定的数据预处理能力。
第四点最重要的，类似我们在他淘宝、京东上买东西，你可以通过关键字搜索的方式来找到自己所希望获取的数学，这些是我们刚才提到的第三方数据市场数据来源，是更广义的数据来源。营销类的，产品规划类的，包括我们的政府类的，包括社会民生类的，这些都可以作为公共信息放到这个平台上，供使用的各行各业的开发者创业者，甚至是非政府机构的人员。
数据市场和DMP的关系是这样的，由第三方数据的供应商，像行业客户或者专注于做舆情分析，做公众媒体分析的厂商，他把数据整理汇总起来上传到数据市场，数据市场本身也会做一些加工跟处理，这是一个单向的过程，纯粹的流入。流入之后，收据市场可以面向各种各样的DMP广告服务代理商和其他有数据需求的客户来提供这个数据，那这个数据也是一个双向的过程，主要是向外留出，你可以向数据市场购买，同时也可以反馈信息过来，不断完善数据市场的丰富程度，共同把这个生态体系构建好。
最后我们来分析一下建设DMP平台能够给行业客户带来哪些价值，有哪些好处。首先我们认为它能够深层次的洞察客户的使用行为，通过对于用户数据，尤其是消费者用户数据的分析，全面分为用户的使用行为，更准确的帮助客户来设计产品，做产品推广。
第二点做客户分群，尤其是企业对于外部营销推广和内部运营管理的，可以针对企业内部的客户做有效的客户分群，同时挖掘老客户的二次经营，同时对于新客户的数据进行群体划分，有针对性的进行广告投放。
第三点精准营销，大数据的分析平台帮助行业客户以低成本，高精度的方式找到它的潜在客户，更有效的把咱们的产品推广大你的受众客户当中去，相对以往这种大片的轰炸式的广告投资方式，它的这种投入成本低，大家精准效率非常高的，应该说它的投入产出比是更好一些。
最后优化用户体验，这一点主要还是强调在移动APP终端，它主要面向的客户群体就是我们的互联网行业，包括我们的传统行业向互联网转型的这类产品经理，基于DMP平台，它可以准确的把控到消费者客户对移动APP有怎样的使用习惯。消费类的该怎么去布局，客户的消费方式该怎么设计，哪一类更受客户欢迎，这些数据会给他最准确的参考，而不是去猜，靠一两个客户的调研，这样上线之后客户的适应度和推广的效率更好一些。
最后我们做一个展望，谈了目前的态势，我们认为在未来有几个大的发展趋势。首先我们目前看到DMP平台主要的数据应用还是来源于企业数据内部，对于海量的大量的外部数据，还没有充分利用起来。那这里面也有一些客观原因，因为这些数据还属于分散发散的状态，没有一个厂商或者几个厂商能够把这些数据整体的呈现给客户。但是我想这个趋势是非常明显的，未来一定是内外部融合，尤其是以外部为主。
第二个方向，DMP在行业客户当中的应用基本是处于起步状态，目前我们看到还是在消费品零售和电商这几类居多。但是我们通过走访也发现，针对于这种营销客户数据的分析，大多数行业客户都有这类需求，只是他们还没有意识到有这样一个解决方案，有这类产品能够满足他这种特性。所以在未来这几年，短期之内三年左右，这一市场将会持续迸发式快速增长的态势。
最后DMP目前我们看到主要的领域还是在客户营销，在企业的外部老客户经营，怎么发展客户，怎么做市场活动优化，都是对外。未来DMP我们认为跟企业的大数据平台紧密结合，针对企业内部的经营管理，风险管控，内部审计以及战略决策等等，都会发挥它的重要价值，这样会真正成为企业未来长期经营发展的一个基石，而不单单是纯粹的营销手段。我的演讲到此结束，谢谢大家。