在了解了这么多行业使用方法和真实运营场景后，企业应当如何将低成本高效率的dmp建设融入到实际运营工作当中呢？
一、分别建立PC，移动与社交的三类数据管理平台，而不要希望一蹴而就建立一个大一统的DMP
考虑应用场景和用户行为的闭环，将DMP分拆为针对PC，移动与社交数据的三个系统。首先这三个渠道是品牌可以获取客户数据的主要接触点，但是三个系统的数据在短期内很难实现贯通，同时场景与作用也各不相同。因此为了更好的让一个消费者的行为形成闭环，并能够逐步优化数据和模型策略，可以考虑在短期内建立针对三类数据的独立系统，并慢慢实现贯通。
二、不能只有结果数据还要探究过程数据，这样才能知道用户动作发生轨迹和原因
如果把数据比作生产原料，那么交易流程中会产生大量的数据，但是涉及到流量，企业可控的只有结果数据，也就无法推导原因，形成预测分析。而用户行为数据，应当实时，多维度采集抓取。面对冗长繁杂的跟踪代码，利用DMP智能操作系统，实现抓取任务设置，提高效率，降低人工和时间成本。
三、用户画像，构建整体的DMP的核心
众所周知，人与人之间存在共性和差异，例如姓名，年龄，地域，职业等，这些特征像标签一样存在我们身上，由此即便没有见过某人，也可以根据标签描述形成大致轮廓，这便是利用标签形成的用户画像。切换到营销场景，可以从产品喜好，活跃程度，沉睡状态，购买历史等维度进行用户标签的提取。
如果把数据采集与分析都划为企业在数据化发展道路上的投资，那么最终实现快速价值变现，玩转数据生意的方法，便是融入在各个生命阶段的个性化操作动作。基于DMP核心的用户画像，协助个性化业务模型在各营销场景中的价值变现，形成“无量化、不决策”的科学管理系统。
四、全渠道的用户体验，让数据流动起来
DMP的业务模型涵盖了用户生命周期各个阶段，从如何进行用户留存，到促进复购、交叉销售，从用户的流失几率评估到高价值用户的老带新动作等等。以消费者打车送优惠券的故事为例，当客户出租车订单完结好评后，根据历史产品喜好弹出出租车优惠券加大复购几率，推荐快车专车等其他产品促进交叉销售，提供分享红包增加高价值用户老带新效果，根据评分及登陆频率评估用户流失几率等。利用模型给予智能运营以科学支持。
企业多维度学习历史的用户行为数据，不断自动学习，科学分析用户需求，给予运营动作以科学依据，搭建自动化数据系统，实现全渠道智能数据管理。