許多企業(yè)的管理系統(tǒng)相對獨立，自成體系，這就造成各系統(tǒng)之間存在數(shù)據(jù)孤島，數(shù)據(jù)庫未形成合力。同時，由于多條產(chǎn)品線和業(yè)務線，各個業(yè)務單元之間可能存在重復的功能模塊，造成響應低效，企業(yè)亟需數(shù)字化轉(zhuǎn)型。

數(shù)據(jù)中臺是企業(yè)數(shù)字化轉(zhuǎn)型的最佳落地實踐，能夠?qū)Υ笠?guī)模數(shù)據(jù)進行聚合、存儲、開發(fā)，同時統(tǒng)一標準和口徑，形成企業(yè)大數(shù)據(jù)資產(chǎn)層，在這基礎上，以數(shù)據(jù)API、資產(chǎn)目錄、數(shù)據(jù)分析、數(shù)據(jù)探索、服務治理等形式提供高效數(shù)據(jù)服務。

企業(yè)通過搭建數(shù)據(jù)中臺，統(tǒng)一了數(shù)據(jù)和服務，使技術、業(yè)務和數(shù)據(jù)深度融合，并賦能企業(yè)經(jīng)營分析、運營歸因、客戶服務、產(chǎn)品服務和創(chuàng)新驅(qū)動，從而提效減負。

那么，企業(yè)如何搭建數(shù)據(jù)中臺？

數(shù)據(jù)中臺是一種以數(shù)據(jù)為核心的新架構(gòu)，數(shù)據(jù)因業(yè)務目標驅(qū)動而成，源于業(yè)務，服務于業(yè)務，通過松耦合的數(shù)據(jù)服務帶來業(yè)務的復用，因此數(shù)據(jù)中臺架構(gòu)設計需要符合業(yè)務的頂層設計。企業(yè)建設數(shù)據(jù)中臺是一場自上而下、逐層推進的變革，通過對業(yè)務進行全維度調(diào)研和分析，抽象出企業(yè)所需的業(yè)務元素，梳理出商業(yè)模式和核心業(yè)務場景，并針對業(yè)務場景的痛點輸出功能需求，定義出系統(tǒng)能力。

數(shù)據(jù)中臺建設從“頂層設計、試點驗證、能力擴大、提升治理”四個流程逐步推進，形成建設路徑。搭建前，企業(yè)管理層需以頂層設計著手，將中臺納入企業(yè)戰(zhàn)略，明確搭建目標，評估優(yōu)先事項，進行相關規(guī)劃，并從技術、產(chǎn)品、業(yè)務、組織和驅(qū)動模式上進行匹配和投入，分步實施；搭建時，以單個具體業(yè)務作為切入點進行試點驗證，明確業(yè)務目標和范圍，進行初步業(yè)務重塑，減少交付壓力；待試點得到有效驗證后，再將建設范圍逐漸擴大到全業(yè)務面，基于經(jīng)營情況持續(xù)優(yōu)化整合，沉淀中臺建設經(jīng)驗和方法論，重塑企業(yè)價值鏈和IT架構(gòu)；過程中，組織結(jié)構(gòu)不斷優(yōu)化，逐漸形成流程規(guī)范，提升中臺效率，進一步重構(gòu)企業(yè)數(shù)字化生態(tài)。

數(shù)據(jù)中臺規(guī)劃思路圍繞“存、管、治、用”，為實現(xiàn)這些能力，我們從四個目標進行建設，分別為技術體系建設、資產(chǎn)規(guī)范建設、價值場景建設、數(shù)據(jù)運營建設。

技術體系建設

技術體系建設是建設數(shù)據(jù)中臺的技術基礎，這里解決“存、管”的問題，為后面的“治、用”提供基礎工具。涉及大數(shù)據(jù)基礎平臺、數(shù)據(jù)治理平臺、離線計算平臺、實時計算平臺、數(shù)據(jù)統(tǒng)一上報平臺、機器學習平臺、運維監(jiān)控平臺、調(diào)度任務平臺等多個技術平臺建設。其中大數(shù)據(jù)基礎平臺是數(shù)據(jù)中臺的底層核心，提供數(shù)據(jù)同步服務、多維分析服務、算法挖掘服務、數(shù)據(jù)開放服務、可視化服務、數(shù)據(jù)畫像服務等能力。數(shù)據(jù)治理平臺提供元數(shù)據(jù)服務、數(shù)據(jù)治理服務和指標監(jiān)控服務等能力。技術體系建設主要解決數(shù)據(jù)集成、存儲、開發(fā)、治理等核心技術組件問題。

數(shù)據(jù)集成：數(shù)據(jù)規(guī)模、類型和質(zhì)量決定大數(shù)據(jù)價值，在實際中需要盡可能匯集多方多維的數(shù)據(jù)，以保證數(shù)據(jù)分析和挖掘的成效。大數(shù)據(jù)平臺通過離線集成、實時集成、API接入、網(wǎng)絡爬蟲、埋點等技術，將不同來源的異構(gòu)數(shù)據(jù)匯聚到數(shù)據(jù)倉庫中。對于不同類型的數(shù)據(jù)采用不同的接入方式，結(jié)構(gòu)化數(shù)據(jù)采用全量或增量方式，非結(jié)構(gòu)化數(shù)據(jù)先進行結(jié)構(gòu)化處理后再存儲，半結(jié)構(gòu)化數(shù)據(jù)則根據(jù)數(shù)據(jù)結(jié)構(gòu)特點采用相應方式。

數(shù)據(jù)存儲：不同結(jié)構(gòu)的數(shù)據(jù)需要不同存儲方式，多元異構(gòu)的海量數(shù)據(jù)存儲有高吞吐、可擴展、高性能、高分布式、高復雜等要求。基于Hadoop的分布式存儲和計算框架支持海量數(shù)據(jù)的存儲和處理；Oracle、Mysql、SQLServer等關系型數(shù)據(jù)庫可用于存儲結(jié)構(gòu)化的主業(yè)務數(shù)據(jù)；HDFS具有高吞吐數(shù)據(jù)讀取和寫入能力，適合圖片、音頻、視頻等非結(jié)構(gòu)化大數(shù)據(jù)存儲。

數(shù)據(jù)開發(fā)：包括四個層次，分別為ODS（Operational Data Store）操作數(shù)據(jù)層、DWD（Data Warehouse Detail）明細數(shù)據(jù)層、DWS（Data Warehouse Service）服務數(shù)據(jù)層、ADS（Application Data Store）應用數(shù)據(jù)層。ODS直接對接各終端各業(yè)務系統(tǒng)產(chǎn)生的數(shù)據(jù)，將數(shù)據(jù)結(jié)構(gòu)化后匯聚成生態(tài)數(shù)據(jù)湖，實現(xiàn)了數(shù)據(jù)融通，打破企業(yè)數(shù)據(jù)孤島。經(jīng)過DWD和DWS進行數(shù)據(jù)加工和數(shù)據(jù)建模，使業(yè)務數(shù)據(jù)化，提高數(shù)據(jù)易用性和復用性。數(shù)據(jù)加工生成的指標數(shù)據(jù)將存儲在ADS中，提供給業(yè)務和應用場景使用。這四個層次依次遞進，各層次之間高內(nèi)聚、低耦合，基礎數(shù)據(jù)模型及算法能夠被重復使用，因此，不同業(yè)務場景可以在通用數(shù)據(jù)服務的基礎上按需疊加技術組件，減少重復開發(fā)。

數(shù)據(jù)治理：數(shù)據(jù)治理是形成企業(yè)數(shù)據(jù)資產(chǎn)的關鍵，涉及數(shù)據(jù)標準化、元數(shù)據(jù)管理、數(shù)據(jù)質(zhì)量控制、數(shù)據(jù)安全等。數(shù)據(jù)標準化定義業(yè)務、開發(fā)規(guī)范和管理信息，統(tǒng)一數(shù)據(jù)口徑，使企業(yè)數(shù)據(jù)模型能夠在復雜環(huán)境中保持一致性和規(guī)范性。元數(shù)據(jù)是重要的數(shù)據(jù)資產(chǎn)，反映數(shù)據(jù)的交易、事件、對象和關系，對元數(shù)據(jù)有效管理可以更好地監(jiān)管數(shù)據(jù)生命周期、降低管理成本、追溯數(shù)據(jù)價值。數(shù)據(jù)標準化和元數(shù)據(jù)管理有助于數(shù)據(jù)質(zhì)量的提高與管控。數(shù)據(jù)治理涉及數(shù)據(jù)安全建設，通過數(shù)據(jù)權(quán)限設置和數(shù)據(jù)加密措施保證數(shù)據(jù)安全性。對于數(shù)據(jù)治理工作的規(guī)劃和實施，企業(yè)需要自上而下指導、自下而上推進，組織、制度流程和平臺系統(tǒng)共同提供保障。

資產(chǎn)規(guī)范建設

沒有經(jīng)過處理的業(yè)務數(shù)據(jù)不能稱之為企業(yè)數(shù)據(jù)資產(chǎn)，只有經(jīng)過數(shù)據(jù)中臺體系化建設，根據(jù)業(yè)務劃分出主題域，進行統(tǒng)一規(guī)范存儲，建設成數(shù)據(jù)模型，形成數(shù)據(jù)標準，為業(yè)務賦能和實現(xiàn)決策分析能力才能稱作數(shù)據(jù)資產(chǎn)。

技術體系建設為企業(yè)數(shù)據(jù)資產(chǎn)建設奠定基礎，技術平臺建設內(nèi)容屬于數(shù)據(jù)中臺的工具平臺，這些平臺提供了快捷方便的數(shù)據(jù)全生命周期的處理工具，沉淀出企業(yè)數(shù)據(jù)資產(chǎn)層，同時數(shù)據(jù)開發(fā)和數(shù)據(jù)治理等技術組件為資產(chǎn)規(guī)范建設提供了支撐。

資產(chǎn)規(guī)范建設包含兩部分，一是數(shù)據(jù)資產(chǎn)建設，二是規(guī)范體系建設，圍繞“管、治”進行建設。

• 數(shù)據(jù)資產(chǎn)建設

在數(shù)據(jù)資產(chǎn)建設中，數(shù)據(jù)模型是實現(xiàn)數(shù)據(jù)資產(chǎn)化的關鍵。數(shù)據(jù)模型有利于內(nèi)部掌握系統(tǒng)建設的全景視圖；有利于各業(yè)務系統(tǒng)與數(shù)據(jù)庫建立關聯(lián)，促進源數(shù)據(jù)高效整合和集成；基于數(shù)據(jù)模型驅(qū)動的數(shù)據(jù)映射，可以實現(xiàn)數(shù)據(jù)之間的有效關聯(lián)，比如通過Data-mapping技術，可以識別和定義不同系統(tǒng)中的同一用戶，有助于構(gòu)建用戶標簽和客戶全景視圖。

數(shù)據(jù)建模要求熟悉業(yè)務流程和數(shù)據(jù)應用場景，分別對業(yè)務過程建模、業(yè)務對象建模、應用場景建模。數(shù)據(jù)模型能夠根據(jù)前臺業(yè)務需求進行擴展，按功能可以分為數(shù)據(jù)分析模型、數(shù)據(jù)算法模型。

數(shù)據(jù)分析模型的搭建基于數(shù)據(jù)開發(fā)技術組件，通過ODS、DWD、DWS、ADS四個層級，將企業(yè)全域業(yè)務數(shù)據(jù)梳理出不同的主題域，并存儲起來，為上層產(chǎn)品應用按需供給。典型的數(shù)據(jù)分析模型有用戶留存分析、AARRR模型分析、轉(zhuǎn)化漏斗分析、商品分析、交易分析等。

數(shù)據(jù)算法模型從數(shù)據(jù)應用場景出發(fā)，圍繞企業(yè)營銷運營等場景進行標準化算法建模，這些模型通過分析和挖掘用戶數(shù)據(jù)，匹配出關聯(lián)商品，實現(xiàn)個性化商品推薦、精準營銷、風險預測等能力。

• 規(guī)范體系建設

規(guī)范體系建設重在“治”，通過數(shù)據(jù)治理提高數(shù)據(jù)質(zhì)量，使數(shù)據(jù)價值能夠更好地體現(xiàn)和應用，為數(shù)據(jù)資產(chǎn)的管理提供保障，確保數(shù)據(jù)中臺有序運行。數(shù)據(jù)集成、數(shù)據(jù)治理、數(shù)據(jù)標準化、數(shù)據(jù)安全、數(shù)據(jù)開放服務、平臺運維等都屬于規(guī)范體系建設范疇。

數(shù)據(jù)集成：數(shù)據(jù)來源不同，集成規(guī)范需要考慮存儲架構(gòu)、集成方式、接口方式、集成周期等。

數(shù)據(jù)治理：涵蓋元數(shù)據(jù)管理、數(shù)據(jù)安全管理、數(shù)據(jù)資產(chǎn)管理、數(shù)據(jù)標準管理、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)模型管理等。

數(shù)據(jù)標準化：關聯(lián)元數(shù)據(jù)，統(tǒng)一指標定義、計算邏輯和描述語言，同時符合國家標準、行業(yè)標準、企業(yè)標準和地方標準。

數(shù)據(jù)安全：從數(shù)據(jù)完整性、保密性、備份恢復等進行安全規(guī)范，記錄數(shù)據(jù)使用的認證、授權(quán)、訪問和審計等過程，設立數(shù)據(jù)加密、脫敏、模糊化處理、賬號監(jiān)控等數(shù)據(jù)安全策略。

數(shù)據(jù)開放服務：規(guī)范數(shù)據(jù)開放程度、開放形式、服務形式、開放技術等。

平臺運維：從配置、監(jiān)控報警、運維操作等方面進行規(guī)范，更好地支撐個性化需求。

數(shù)據(jù)資產(chǎn)化是從數(shù)據(jù)集成、處理到利用并產(chǎn)生價值的過程，通過對數(shù)據(jù)進行資產(chǎn)規(guī)范建設，使數(shù)據(jù)價值能夠被挖掘，有效應用于業(yè)務當中。

價值場景建設

在數(shù)據(jù)資產(chǎn)化的基礎上，數(shù)據(jù)中臺能夠為企業(yè)提供深度融合數(shù)據(jù)與業(yè)務場景的數(shù)據(jù)產(chǎn)品與服務，使數(shù)據(jù)真正被“用”起來，如經(jīng)營分析中心、實時分析數(shù)據(jù)大屏、CTR預測平臺、輿情分析系統(tǒng)、CDP智能營銷等，實現(xiàn)數(shù)據(jù)價值化。

數(shù)據(jù)中臺打造企業(yè)經(jīng)營分析中心，結(jié)合全價值鏈運營分析體系和全生命周期數(shù)據(jù)管理，使生產(chǎn)、營銷、財務、人力等各個環(huán)節(jié)能夠形成相互關聯(lián)的整體和業(yè)務流程，并通過各系統(tǒng)的數(shù)據(jù)打通、整合、分析、挖掘，實現(xiàn)各環(huán)節(jié)的運營分析，形成BI報表，幫助企業(yè)管理者更好地發(fā)現(xiàn)和解決問題，進一步實現(xiàn)業(yè)務重組和流程再造，不斷促進企業(yè)改進不足、提升價值。

實時分析數(shù)據(jù)大屏具有實時數(shù)據(jù)分析、可視化展示、信息推送等功能。通過對數(shù)據(jù)信息進行多維、自主分析，并將分析結(jié)果可視化呈現(xiàn)出來，使使用者能夠更直觀、快捷地根據(jù)數(shù)據(jù)指標，合理調(diào)度配置資源進行事件決策。線下門店的導購場景常結(jié)合AI人臉識別和數(shù)據(jù)大屏應用，提高門店的客流獲取、銷售轉(zhuǎn)化等。

CTR（Click-Through Rate）預測平臺被廣泛應用于線上競價廣告，亞馬遜、YouTube、今日頭條等涉及到個性化推薦的系統(tǒng)都應用了CTR，它是競價廣告的核心技術之一，同時也是衡量流量的關鍵指標。目前，基于深度學習的CTR預測算法，通過用戶特征、商品特征、用戶-商品匹配特征等進行模型訓練，能夠評估出一個用戶對一個商品的潛在點擊率和點擊后的轉(zhuǎn)化率，這有助于廣告主提高流量、增加廣告收入。

輿情分析系統(tǒng)能夠?qū)崿F(xiàn)突發(fā)事件等各類輿論事件的數(shù)據(jù)監(jiān)測和分析預警。系統(tǒng)自動采集互聯(lián)網(wǎng)信息，并實時監(jiān)測出輿情關注的主題信息，通過對外部數(shù)據(jù)的采集、分析、挖掘，形成預測系數(shù)，基于輿情預警指標體系，系統(tǒng)可以自動判定出目前輿情的警情等級，幫助公關部門及時作出應急響應。

CDP（Customer Data Platform）智能營銷借助身份識別手段，打通和整合用戶全渠道數(shù)據(jù)并統(tǒng)一到視圖里，用戶交易數(shù)據(jù)和各個觸點的行為數(shù)據(jù)積累下來，形成了消費者數(shù)據(jù)中心CDP，使企業(yè)能夠基于人貨場關系結(jié)構(gòu)搭建品牌標簽體系、掌握客戶所處生命周期階段以及客戶全生命周期價值。并通過精細化運營工具，精準定向人群自動智能推薦商品及服務，實現(xiàn)千人千面，提升營銷效率和優(yōu)化客戶體驗。

數(shù)據(jù)運營建設

數(shù)據(jù)中臺為企業(yè)數(shù)字化轉(zhuǎn)型賦能，以數(shù)據(jù)驅(qū)動業(yè)務，實現(xiàn)數(shù)據(jù)價值，幫助企業(yè)轉(zhuǎn)向經(jīng)營管理數(shù)字化和用戶運營智慧化，這些都需要建立在數(shù)據(jù)運營的基礎之上。數(shù)據(jù)運營通過數(shù)據(jù)分析、挖掘、預測、機器學習、標簽等工具去推動業(yè)務優(yōu)化和共享服務能力，數(shù)據(jù)分析方法也推動著數(shù)據(jù)中臺的能力迭代和演進，這里從AARRR模型、門店健康模型、A/B test等數(shù)據(jù)分析方法去建設數(shù)據(jù)運營。

數(shù)據(jù)運營依賴于數(shù)據(jù)分析模型和算法運用，推動企業(yè)從“存量”轉(zhuǎn)向“增量”。以用戶增長理念提煉運營核心指標體系——AARRR模型，從獲客（Acquisition）、活躍（Activation）、留存（Retention）、收入（Revenue）、傳播（Refer）形成用戶全生命周期的閉環(huán)模式，根據(jù)AARRR模型，能夠準確反映出產(chǎn)品所處生命周期和對應周期的運營重點。

在門店管理場景中，門店健康模型結(jié)合AARRR模型、五力模型和門店診斷模型，以數(shù)據(jù)指標化診斷門店經(jīng)營狀況。五力模型分別為留客力、拓客力、服務力、管控力以及組織力，門店診斷模型涉及顧客、財務、產(chǎn)品、體驗和團隊等。三種模型可以對客戶健康、客戶體驗、團隊健康、產(chǎn)品、財務健康等維度進行門店健康標準評估。

數(shù)據(jù)中臺實現(xiàn)全域營銷，A/B test通過自定義產(chǎn)品、營銷活動、推廣人群等不同方案，使A/B對照組的能力集成在全鏈路自動化營銷的流程中，這種策略驗證，使運營人員能夠根據(jù)測試數(shù)據(jù)進行迭代分析，不斷優(yōu)化出更好的營銷策略和營銷執(zhí)行方案，提高營銷效果。

數(shù)據(jù)運營是發(fā)現(xiàn)問題、分析問題、解決問題的過程，數(shù)據(jù)運營建設支撐企業(yè)業(yè)務往精細化方向發(fā)展，使企業(yè)經(jīng)營者能夠分析和定位出經(jīng)營問題，并快速提出解決方案，促進業(yè)務正向增長。

工欲善其事，必先利其器。數(shù)據(jù)中臺是企業(yè)數(shù)字化轉(zhuǎn)型的利器，通過全面建設技術體系、資產(chǎn)規(guī)范、價值場景、數(shù)據(jù)運營，實現(xiàn)數(shù)據(jù)資產(chǎn)化和數(shù)據(jù)價值化，解決企業(yè)對數(shù)據(jù)“存、管、治、用”的難題。WakeData惟客數(shù)據(jù)基于大數(shù)據(jù)和AI技術打造數(shù)據(jù)中臺，能夠?qū)崿F(xiàn)數(shù)據(jù)驅(qū)動的產(chǎn)品迭代、智能營銷和運營服務，通過數(shù)據(jù)連接品牌與用戶，幫助企業(yè)形成以數(shù)據(jù)驅(qū)動高效運營的創(chuàng)新模式，讓更多的線下企業(yè)能夠擁抱大數(shù)據(jù)，為數(shù)字化轉(zhuǎn)型賦能。