涂料增稠剂移动网站建设公司,网站开发简易软件,wordpress 禁用修订,做引流网站怎么赚钱赚谁的钱最近专注在数据和人工智能领域#xff0c;从数据仓库、商业智能、主数据管理到大数据平台的建设#xff0c;经过很多项目的沉淀和总结#xff0c;最后我和团队一起总结了精益数据创新的体系。一直战斗在企业信息化一线。
企业为什么要建设数据中台#xff0c;数据中台对于…最近专注在数据和人工智能领域从数据仓库、商业智能、主数据管理到大数据平台的建设经过很多项目的沉淀和总结最后我和团队一起总结了精益数据创新的体系。一直战斗在企业信息化一线。
企业为什么要建设数据中台数据中台对于企业的价值到底是什么。从概念和框架的角度给你提供一个更全面的视角。做好任何一件事情的前提就是弄清楚为什么。
1 数据中台的诉求
百度搜索指数 数据中台的百度搜索指数最终超越了数字化转型和数据仓库。很多企业已经在落地没启动的企业也在考虑中。显然数据中台能满足企业的一些诉求。
数据中台行业调研得出的词云图。 大家对数据中台最多的期待
距业务更近为企业提供直接业务价值提供数据服务而不止报表
1.1 传统企业的数据系统距离用户和业务较远
数据系统只是技术支撑不能直接产生业务价值。做一个业务系统如电商平台可直接带来收入。但传统的数据应用如数据仓库不能带来直接价值当业务人员要在报表里修改一些内容时得到的响应慢因为业务人员无法自己直接使用数据来产生洞察需要去找数据团队过去在数据方面的投资大量花费在数据采集、处理和建模部分而真正利用到业务领域的也不多
换个角度看业务开发团队对数据利用有很大需求体现在希望数据中台能解决企业数据开发的效率问题协作问题和能力问题。
数据中台给应用开发人员这样的希望他们无需关注具体取数逻辑只需关注客户需求像搭乐高一样组合各种数据中台的数据服务到自己的应用数据准确且一致。
所以数据中台的价值就是改变原来企业利用数据的形式。
过去数据的利用形式主要是BI说直接点就是做报表做报表就是让管理者知道现在的业务在发生什么为啥会发生这些事接下来可能发生啥这一切都是提供给我们的管理者去看的帮管理者去做出一个业务决策。
随业务复杂度提升一个决策背后的因素很多一个现象需要多维解读才能体现业务全貌。于是管理者需要的报表越来越多很多企业会有多个不同业务线的数据仓库每个数据仓库里都有千张以上的报表最后就陷入了报表的迷宫。
回头来看这过程发现报表并不是我们需要的而数据本身也不是我们需要的我们需要的是一个业务决策一个业务行为。如用户打开电商产品目录时将他最可能购买的产品展示在第一页而原来OLTP、OLAP分离的数据处理流程做不到在业务交易过程中也无法从历史数据和全域数据的分析结果中获得行动的指引。
市场对数据中台的期待是提供直接驱动业务流程的数据服务而不仅是需经过人去转化和解读的数据可视化报表原来商业智能时代已去市场和用户期待数据智能时代。
2 建设数据中台的根本目的
建设数据中台似乎能提供这种诉求的解决方案。但建设中台不容易需在技术、组织架构都做对应调整落地过程也面临种种挑战。企业为啥还兴师动众落地数据中台数据中台的愿景是打造数据驱动的智能企业。 企业建设数据中台成为数据驱动的智能企业
3 对企业的收益
优化现有业务实现新业务的转型 3.1 优化现有业务
通过数据分析和人工智能技术的应用优化原业务流程。
1 增加现有业务的收入
如通过分析产品的价格、销量、用户数据来优化产品定价、优化产品组合、进行精准营销从而能够促进产品的销售增加现有产品的收入。
案例
给一个能源类企业做的数据中台。建成后能够根据历史销量、市场份额、市场容量等数据进行建模从而帮助企业的销售部门去优化销售任务的分配提升销售额。这小项目能给企业啥价值
过去企业每年年初给全国几十个销售定业绩并持续跟踪很痛苦目标不好锚定每个销售管理一堆经销商经销商销量、退货都不拉通无法客观地量化和追踪销售的业绩。
过去这一切靠的都是销售总监经验去拍数更多靠谈判力不确定性很高。有了数据中台后把行业数据、市场竞争数据、往年销售数据以及经销商的数据都拉通来看一下给到销售总监全貌还可模拟让销售业绩分配这个工作变成一个可量化、可预测的确定性工作。
2 促进生产效率
通过数据中台建设能促进生产效率的提升。
如某大型电信服务商通过对勘测、规划、设计工作的建模实现数据自动化处理减少人工干预和问题的出现大幅提升工程师设计效率和准确性将工程设计周期缩短一半。
分析原因。电信服务商的投标是一个很复杂的工作从客户发出需求到根据需求去勘测、做出规划、具体实施设计再到把实施设计转化成物料设计、工程设计、财务设计最后再形成投标方案这个过程过去至少需要一个月需要众多不同业务部门和专业技能的协作其中大部分工作都花在了不同数据的合并、拉通、对齐和映射上。
企业建设数据中台后所有数据能自动处理大家在同一数据服务里获取、修改、加工同样一套数据且每次做方案的过程都沉淀成新的服务后面项目可复用大大缩短工期有些标准化较高的项目类型可从原来一月缩到三天。
降低运营成本提升运营的利润
目前利用场景最多的主要通过数据分析优化业务流程、缩短运营周期从而提升运营利润。
如给一家大型钢铁厂进行配方规划优化通过对配方数据、市场价格、销量数据的综合分析建模给到成本最优、产值最高的生产组合降低运营成本提升利润。
钢铁行业里配矿决策是很复杂但很重要环节不同配矿方案成本和工艺都不一样对利润影响很大。如何根据技术和商业的众多因素选择最优配方过去都根据经验维护和计算配矿规则效率低、周期长。
有数据中台将原材料的性能、化学工艺、产品质量等技术因素和价格、成分、运营成本及销售收入等商业因素的数据统一进行建模统一计算后最终做出综合规划这大大提升利润、降低运营成本。
如下图所示这是一个典型的钢粉配方的和制造成本的表格这里面每一项的变化都会带来成本的变化而影响利润的除了制造成本外还有销售价格运营成本等这样一来如何设计出最优化的配矿决策就是非常重要的因素。通过数据建模ML的智能配矿模型能全方位规划最优方案达到特定商业目标如缩短生产周期或提升利润优化库存。 提升用户体验
提升用户体验的核心是企业要理解自己的用户知道用户对自己产品、服务的认知然后对应优化自己的产品和服务这就需要建设用户数据平台构建统一的用户视图建立起用户画像。
这里我举个富国银行的例子他们在数据转型中利用数据中台分析用户的行为数据来重构在线银行的网站提升用户体验。富国银行在2016年的时候面临很大的业绩挑战为了更好地了解用户他们建立了企业级的数据中台把全行的用户信息都打通做成用户画像打上各种标签并根据这些用户画像和标签重新设计了电子银行网站让网站的服务和风格以用户为中心。
为期几年的数据转型之旅富国银行也因此项目成为行业“零售之王”更多细节《富国银行的数据转型之旅》。
提升资产利用率
分析、优化高价值资产提升资产的利用率。
物流领域路径优化
物流企业做路径优化项目提升人员和车辆使用率。过去每天早上每区都有个经验丰富员工统一规划前一天收到的派件和收件订单把这些订单分给对应的小组。
这过程的目的就是最大化利用车辆、快递员两个核心资产。但这规划很复杂因为不仅要考虑成本还要考虑每个件积压时间不一、紧急程度不一、不同的地点路况对于车辆的要求也不一样等等这些数据的采集、拉通、建模是很重要的基础工作而这一切都依赖与数据的打通。
建设数据中台拉通数据后派单收单的路径更优化了更好分配给快递员提升车辆使用率20%。
这场景就很典型体现数据中台所支撑的智能规划业务的价值。
3.2 业务创新和转型
建设数据中台的第二个收益实现业务创新和转型。四个主要的价值。
① 数字化产品创新
一个合作十多年海外房地产交易网站客户定期和他们做黑客马拉松。
有次我们黑客马拉松的一个小组通过数据分析发现一个小模式有一群用户在一段时间内高频访问网站但不产生任何看房、卖房行为。最后数据分析发现这样的用户都有共同特点大部分女性基本访问链接停留时间最长的很多都是图片且是室内图片。
推测这群人是来看装修于是小组孵化新产品专门提供装修服务这产品最后还成功了成为公司除房地产中介服务之外的新业务线。
这也是典型的通过数据洞察发现业务新价值从而实现数字化产品创新的场景。
② 数字化资产销售
将已积累的数据通过组合、包装、分析、脱敏形成对一部分用户有价值的数据资产如行业报告或优质内容直接销售产生收入。
典型场景搜索引擎搜索引擎将用户的信息进行统计分析、脱敏处理后变成一系列的知识和分析报告然后以会员提供给需要用户。
百度指数里面用户可定义和购买自己感兴趣的关键词一年198元然后百度就会把所有搜索过这个关键词的记录统计变成这关键词的搜索指数。如数据中台的关键词就是我去年购买的我就能实时追踪这个关键词在中文市场被搜索的热度。这就是数据化资产销售的价值模式。 ③ 业务平台化收益
有一句话在去年很流行“未来的企业要么自己做平台要么被别人平台化”。平台经济成为了这几年数字化领域炙手可热的概念。总的来说平台化就是你搭建一个平台让需求方和供给方上来交易最后你来收取服务费。
如何建立平台呢拉通一个领域数据形成数字化平台再通过平台运营一个特定的业务和客户群体从而通过平台来产生收益。
典型场景 - 交易撮合平台如比特币交易平台。这和数据中台啥关系
这过程其实也是领域数据中台的建设过程因为平台方主要做的就是数据的生意对接信息、对接交易双方。数据中台在企业内部就相当一个数据采集、加工、交易的平台业务方既可能是数据服务的消费者又可能是生产者最终产品是数据服务。
④ 数字化生态业务
从更高维度来看就是在平台化基础之上通过打穿产业供应链帮助企业建设自己数字化生态从而在生态中产生新的业务价值和收入。如Google应用商店。
当有足够多的伙伴在这平台进行交易它就能在这些海量的交易和行为数据发现特别多规律然后产生更多产品创新利用数据来牵引这生态朝自己设计方向发展。
这生态里有很多角色参与开发者、自由开发者、广告商、应用购买者等而Google掌握所有方数据用户浏览、下载、付费、交易一切数据都能够被分析利用帮助Google Play运营方发现新业务价值创造收入。
4 总结
建设数据中台到底啥用一个数据中台收益框架包括两大维度、九个细分项。最核心的就是给我们建设数据中台这件事找到目标可把这9项作为指导先明确价值和方向再找到应用场景以此作为牵引来建设自己的数据中台。
大部分企业要经历一个转型的朝着数智化方向演进。企业的转型从最早的信息化走向数字化下一个目标是数智化。 信息化解决的是企业内部的管理问题让企业能够以一个有组织、有流程的方式高效地运转起来。
数字化解决的是企业与外部的连接问题让企业能够直接触达客户并且建立线上的业务。 数智化解决的是让企业成为智能企业业务更智慧的问题这个过程的核心生产要素就是数据。
数智化转型能给企业带来颠覆性变革但如何发现数据价值构建数据智能的能力规模化赋能业务企业需要一个抓手利用它对齐业务和技术不断前进。数据中台就像这抓手谁能围绕以上的业务优化和转型两个方面的价值来建设数据中台谁就能在数智化转型中获得领先优势。
数据中台这股浪潮给我们提供机会但这机会也提出很多、很高能力要求。
FAQ
成为数智化企业都需要哪些能力呢我做了众多个国内外领先企业的转型研究发现了一些规律和有意思的事情。
数据中台概念出来时有很多说法从不同层面去分析会发现所有问题的根源都来自“定位”这两个字。
对程序员数据中台可能是解决数据规范和数据钻取问题的一个良方对产品经理数据中台可能是解决业务与数据融合的关键对中层管理者数据中台是打通部门之间数据共享的重要依据对企业家来说紧跟行业趋势顺势而为是讲一个好故事必不可少的部分
但有一点大势所趋信息化-数字化-智能化即数智化。
就像5G来临势必带动一些新独角兽。互联网中变化莫测的打法更像是古代军事战争。谁能敏锐察觉敌情就能敏捷做出最快的反应。又像《三体》黑暗森林中所描述的那样。黑暗森林中的猎人谁最先发现猎物开枪。带来的是一系列的连锁效应。
我们公司是做数据采集从各信息系统的关系数据库、大数据组件等多样存储介质抽取、转换、共享数据服务属于功能性产品不了解业务那我们能参与数据中台那部分工作因为公司内部在讨论的时候提到的更多观点也是连数据模型定义都不清楚怎么介入。
你所在公司主要做的数据集成工作位于整个数据研发链路中研发阶段的第一环节。
整个数据研发链路划分 明白你从事的工作在数据中台数据研发链路中的位置后来看你们如何参与数据中台中。
数据集成产品参与到数据中台的链路:
在数据导入时建立数据源到数据中台表的数据链路关系这样可将数据中台中表的血缘关系扩展到业务系统的数据源当数据源发生变更时我们可以第一时间获取到变更信息数据传输要与元数据中心打通从元数据中心获取各种数据源信息数据集成要注意既要支持批量数据的集成也要支持实时数据的集成数据传输要能够与数据开发任务建立任务依赖关系后续的数据清洗任务依赖于数据集成任务
至于数据模型定义不清楚数据传输须接入元数据中心在元数据中心中对每张表都有数据字典的定义数据传输可以基于字段的格式进行自适配。
