客户的数据信息属于客户，应该由客户决定与哪家企业分享哪些客户数据信息。如果对产品使用确实有促进，客户会愿意与企业分享他的个人信息。如果客户感觉到，企业打着大数据的旗号，搜集一切他们能够取得的数据，目的就是为了有一天能够利用这些数据甚至变卖这些数据，那么客户自然会反应过激。
本书的第五部分是总结篇，也是最重要的部分。在这一部分，我们关注当我们这样使用数据时，客户体验究竟是怎样的。
智能数据的路线分为很多阶段，从一开始，其发展方向就并非一成不变。因为没有人能确切地知道，在未来的3~5年间消费者真正需要什么，也不知道哪些技术将获得应用。毫无疑问，企业管理需要不时地调整发展方向。一些具有实验性质的项目可以为我们提供借鉴，告诉我们在未来如何更好地满足客户需求。个别基于系统化行为方式的智能数据项目创建了一套自学习系统，越来越多的人和企业部门通过这套系统来学习如何更明智地应用客户信息。一部分参与者（特别是来自商业领域的参与者）在面对智能数据带来的技术和人员方面的挑战时，并不会持续不断地进行尝试和探索，这是导致所谓的商业“宇宙大爆炸”并未发生的原因。
智能数据的出发点是：“在不增加技术、人员和资金投入的情况下，我们如何高效地利用客户数据信息？”其本身就是一种切实可行的方法论。从这个方法论出发，我们可以得出一套不断迭代更新的、在逐步摸索中的、基于假设的行为方式。同数据资源一样，健全的认识也是重要的资源。最终的目的是，在所有智能数据的应用领域，更好地了解客户、联系客户，并借此提升客户长期贡献度。
——吉姆·巴克斯代尔，网景公司前首席执行官
智能数据冠军企业不会选择在法律顾问的协助下，通过获得客户同意使用其个人信息的声明，来谋取使用客户信息的权利最大化。智能数据冠军企业会遵循这一原则来设置IT系统，即只存储确实能够为客户带来增值的数据。
起决定性作用的不是数据量，而是正确地整合数据，物尽其用。
在我们的上一本书《我们的数据》（Data Unser）中，我们倡导缔结一份关于数据的新协议。这份客户与数据使用企业之间的协议应基于以下四个方面：
2.使用透明
一旦企业将客户数据信息唯利己之用，效果就会适得其反。
智能数据的理念是，你不一定非要像谷歌一样。你需要做的只是在你所在的行业内，成为数字智能化最高的企业。因为，“智能”意味着善用数据分析所带来的机会，合理地排列事情的优先级，将新机遇与自身优势相结合。换句话说，智能的企业并不会去幻想变得跟硅谷那些最具数字竞争力的企业一样，它们只是希望成为自己行业内最智能的企业，在面对直接的数字化竞争时，借助数据分析，能够一步步地打造自身的竞争优势。
一个十分有趣的矛盾是，一个很宏大的数字化愿景往往会对企业产生反作用力。一方面，高层管理者反复斟酌数字化如何长效改变具体的商业模式，这自然是有益的。大多数人在探讨数字化这个概念时，都认为数字化是宏大且具有颠覆性的，在某些情况下，理想化的商业模式还可初露端倪——这些商业模式看起来十分相似，都有一个雄心勃勃的开始，似乎能在数字化竞争中脱颖而出。然而，另一方面，在与数字化竞争中的领先者比较时，我们发现，有些企业在建立数字化愿景上浪费了过多的精力，导致它们没有精力在数字化竞争中迈出实质性的第一步。真正的金玉良言是：我们不一定非要成为谷歌、苹果或者亚马逊！
一般来说，数字变革往往并不会因为技术力量匮乏而宣告破产，而是因为那些源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。
“如果我们掌握数据，那么请关注数据；如果我们掌握的全是观点，那么请相信我的观点。”
从长期来看，这种数据使用态度会带来成功，因为只有秉持这种态度，客户才会愿意与企业分享数据。如果我们落实了这个前提条件，那么我们在本书中描述的情况就有可能实现。至此，一个流程闭环形成，这就是我们所说的智能数据：凭借更少的数据，取得更大的成果。
第二部分勾画了一个分为5步的循环流程，基于该流程，企业可以构建一个市场营销和企业运营的自学习系统。这套系统首先是基于人类和机器都会变得越来越敏锐的假设。这个智能数据循环流程的核心基础是智能的、集成的、对企业所有部门均有好处的数据分类，帮助我们更好、更一致地去理解客户。反过来，在这个循环系统中，更充分的客户认知也为企业更好地发挥自身强项奠定了基础。如果我们这样做，我们会获得在对的时间、用正确的方式、以合理的价格为客户提供满意服务的能力。
然而现在，很多企业被淹没在数据洪流之中，数据并没有给它们带来太多好处。许多企业高管都有种不好的感觉，那就是，企业数字化竞争力的提升并没有像在公司战略会议上渲染“大数据”这一概念时所描述的那样快。他们甚至悲观地认为，“大数据”这一数字革命的时髦概念，前景并没有那么明朗，且弊大于利，令人心灰意冷。
本书通过五个部分阐述智能数据之路。
第三部分展示了现实图景，通过诸多案例，描述现今的智能数据佼佼者们是如何在具体接触时智能地借助数据分析技术做到贴近用户的。这一部分介绍了处于数字化竞争第一梯队的企业是如何史无前例地从战略性的数据共享转化为协同性的客户关系管理的。此外，还介绍了这些企业是如何优化选址、产品线和产品，以及如何从碎片化、多渠道的环境中获得并全面整合客户信息的。
我们曾预言，数据驱动作用下形成的市场营销方案的成败不是由专业的数据安全保护者或立法者决定的，而是取决于这个方案是否提高了企业为客户创造价值的能力。成功的关键是，企业是否能够成为可信的数据合作伙伴，并提供值得信赖的服务：当客户与企业共享他们的客户信息时，实现了双方互利——企业不会为了刺探客户需求或者摆脱某些客户而去滥用客户信息，利用客户信息是为了更精准地满足客户的愿望和需求。值得信赖的数据合作企业这么做的原因是，他们希望能够与客户建立持久的合作关系。
3.均衡协调
智能数据的原则之一是“赢得数据”。
我们在提及智能数据这个概念时，并不是在用另一个新词去替代一个被滥用的流行语。智能数据既不是一个技术层面的解决方案，也不是一部新的管理真经。
4.客户增值
本书描绘了一条走出“大数据带来的失望”的更智慧的途径。这一途径不仅适用于仍坚信“从0到1”理论的企业、“n+1组织”，而且也同样适用于那些既有成熟的商业运营模式，又想通过善用大数据分析手段提升业绩的企业。这些企业不认为数据是一种特有的商业模式，而是将数据看作一种核心要素，帮助我们更好地了解客户。相应地，这些企业也不会盯着堆积成山的数据（在这方面，谷歌也许更擅长），更不会去盯着ERP系统（企业资源计划系统，于1995年被引进，至今仍在不断被拓展功能）。
啊哈！
数字技术总是开“空头支票”，自卖自夸，承诺的多，做到的少。大数据分析逐渐丧失吸引力，在某种程度上，“大数据”概念的基本理念应对此负有一定的责任，因为在大多数应用领域，数据量的多寡并不是衡量数据价值创造力的决定性标准。
当这些明智的摸索取得成功时，智能数据项目就成为企业参与数据革命的起点和里程碑。我们甚至也可以换一种理解——数字化变革是自然而然发生的，给我们的日常生活带来帮助，就像智能手机不断增多的功能一样。
三年来，众多的客户数据信息项目和其后的美国国家安全局事件令我们更加坚信：一旦企业将客户数据信息唯利己之用，效果就会适得其反。德国严苛的数据保护法律在某些方面是显得有些过时，某些规定过于死板和冗长，但是却能应对现在的局面。问题的关键在于，企业必须认识到，他们如果想要使用客户的信息，就必须得到客户的许可。
“大数据”就如同一根魔法棒——我们抓取尽可能多的数据，然后，被人工智能操控的机器就可以告诉我们，我们应该通过什么方法、在哪些环节、能够在多大程度上去提高产品的附加值。更理想的是，大数据会告诉我们如何去创造一个全新的商业模式，正如贝宝（PayPal）联合创始人、脸谱网（Facebook）外部投资者彼得·蒂尔先生在“从0到1逻辑”中阐述的那样。更有甚者，用技术人员的话说，“大数据”就等同于宇宙大爆炸。
第四部分是为具有特定阅读需求的读者量身打造的，这些读者关心在企业中如何组织安排工作，从而完成数字变革。一般来说，数字变革往往并不会因为技术力量匮乏而宣告破产，而是因为那些源于企业内部的对抗、过于刻板的组织构架和失误的变革期管理。善用数据以现代化的企业管理共识为前提，即允许员工犯错、支持他们尝试性的想法，并给予他们自我辩解的机会。在这方面，本书给出了一些建议，例如，在不增加额外负担的情况下，企业如何在数字化之路上切实可行地为自身的组织结构和工作流程松绑，如何继续发展自身的技术竞争力。值得欣喜的是，企业并不需要为此投入那么多的新资源，大部分投入都是现成的。
在大多数情况下，这种观点是正确的。但是，它有时也会造成一些企业全然失去愿景，丧失在行业内获得领军地位的愿望。
这种折中路线适用于这样一类企业——它们已经意识到起决定性作用的不是数据量，而是正确地整合数据，物尽其用。我们把这一路线称为“智能数据”。
第一部分从企业的角度出发，研究数字化的现状。这些企业并不属于数字化竞争中的第一梯队，它们仍然在寻找适合自身的数字化战略。研究的起点是数据超供给问题以及大数据的概念和现象。然后，我们将按照行业，系统性地描述为什么企业已经走投无路但还是不作为，以及数字化的洪流在哪些方面、在多大程度上影响了谁。在第3章，我们将讲述如何正确地理解智能数据这一概念，以及如果想成为智能数据的佼佼者（冠军企业），还需要哪些附加投入。
1.数据安全
几个月来，在与经理人、IT负责人的交流中，我们发现，“大数据”所描绘的美好图景在企业的经营现实面前遭受重创。数据应用的惨败带来失望，伴随失望而来的是迷茫，甚至是惊诧。与此同时，所有的参与者也意识到，完全不关注数据也行不通。
“大数据”中的“大”到底有多大？近年来，技术分析员和IT（信息技术）供应商数量呈指数级增长；拍、泽、尧等量级单位不断被刷新；若将数据储存在CD或DVD光盘中，它们则会从地球一直堆到月球，甚至是火星。由于数据被认为是新的“原油”资源，所以这些指数越高越好。得益于日益廉价的存储设备、更加快捷的处理器和越来越智能化的算法，我们有能力善用这些资源。届时，数据信息向知识的转化意味着流程优化、更优决策以及全新商业模式的诞生。
