我把这篇文章给女朋友看，她终于明白什么是「数据中台」了

来源 | 智领云科技

责编 | Carol

封图 | CSDN 下载自视觉中国

这几天，女朋友一直忙着为自己挑选情人节礼物，毕竟直男的审美她也觉得不靠谱。

就在昨天，她气冲冲地跑过来问我：为什么有些平台总是推荐一些我不喜欢的东西？为什么物流这么慢？为什么总是弹出骚扰消息？

经过一连串“为什么”轰炸之后，技术出身的我淡定且潇洒地回答道：“因为他们没用数据中台……”

向来不屑的女朋友，竟然好奇的问道：“数据中台？经常在朋友圈刷到，它到底是什么？”

经过我一番通俗易懂的解释后，女朋友竟然投来了崇拜的目光……来吧～展示！

我们先来看看数据中台应该怎么理解？阿里认为数据中台其三项核心能力分别为：OneModel负责统一数据构建及管理，OneID负责将核心商业要素资产化，OneService负责向上提供统一的数据服务。实际上，数据中台的核心能力是数据能力的抽象、共享与复用，两者对数据中台的定义看似差异巨大，但仔细分析，阿里所定义的数据中台的核心能力正是数据中台的结果。换言之，“抽象”是为了达成“OneModel”、“共享”则是为了“OneID”、“复用”才能让“OneService”更有意义。

数字化运营不同阶段，运营手段各尽所能

随着大数据技术的不断更新与迭代，数据管理工具得到了飞速的发展，从数据库、数据仓库、数据集市与数据湖，再到大数据平台与如今的数据中台，其实将它们比喻成一场“数据的旅程”就不难理解在数字化运营的不同阶段，下面我们就来简明扼要的归纳一下数字化运营不同阶段中各运营手段的功能与亮点。

1、数据库：传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。

2、数据仓库：数据仓库系统的主要应用是OLAP，支持复杂的数据分析，侧重决策支持，并且提供直观易懂的查询结果，可做到业务的历史快照，总结性数据以及高纬度分析。

3、数据集市：可以理解为是一种"小型数据仓库"，只包含单个主题，且关注范围也非全局，数据从企业范围的数据库、数据仓库中抽取出来，迎合专业用户群体的特殊需求，其面向部门级业务或某一个特定的主题，良好地解决了灵活性和性能之间的矛盾。

4、数据湖：存储企业各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输，主要解决的是“看见数据”的问题，作为全局数据汇总及处理的一个核心功能，数据湖在数据中台建设中必不可少，除了为数据仓库提供原始数据之外，数据湖也可以直接为上层的数据应用提供服务。

5、大数据平台：个性化、多样化数据，以处理海量数据存储、计算及流数据实时计算等场景为主的一套基础设施，使用大数据平台，企业可以比竞争对手更快地作出数据驱动的决策，更快地推出适应客户需求的产品。

6、数据中台：我们知道所有关于数据工具的建设，其目的都是为了从数据中提取价值来支持更有效的数据运营，那么不能指导实际行动，创造实际价值的数据以及从数据中产生的知识是无用的，那花大价钱来做这个系统也没有必要。

说到底，数据工具的建设还是要以 ROI（Return On Investment）来支持，数据中台概念的出现，很大程度上是原来的大数据系统建设的ROI 不如人意，企业投入了大量的物力、财力和人力建设了大数据平台，却发现并没有给企业带来应用的价值，大数据平台更多的沦为“形象工程“，甚至产生了新的数据孤岛，更不用说实现数据能力的全局抽象、复用和共享了，而数据中台可以说是为此类大数据平台了个“补丁”，其全局的数据仓库、大数据协调共享等能力，真正解决了重复开发、数据标准不统一、数据孤岛等问题，从而提高了数据价值实现效率和ROI。

以女朋友遇到的线上购物体验为例，很多企业业务组织改革必须要思考如何能够做到以“消费者”为中心，如此才能摆脱消费者“气冲冲”的购物体验，但是摆在企业与商家面前的困难可不小。

首先，要思考的是消费者需求升级且始终处于变化，他们现在想要什么？

互联网产品通过大数据技术获得用户信息数据，搭建出由点到面完善丰富的用户画像，从而可以分析出用户群体的消费行为轨迹。但是，对于商家来说，数据的获取成为摆在他们面前的第一道难关，无法获取完整的画像，无法洞察消费者意愿，以至于零售商家发出诸如“为什么商品吸引不了消费者？”“为什么店铺留不住消费者？”的灵魂拷问。

而更多的企业还在采用传统的“手动为会员贴标签”的工作模式，企业内部相关部门甚至需要手动对目标人群进行筛选，如此一来大大增加了时间与人力成本。

其次，如何提升消费者体验舒适度，提高转化率？

正如刚刚所提到的“手动贴标签”的方式，因缺乏对消费者的深度了解，无法及时准确的了解消费者想要什么，亦或是这件商品是否是消费者需要的。另外，很多大型厂商拥有几十个渠道，系统之间的消费者数据相互割裂，消费者多种权益无法互通。例如，会员在不同渠道使用不同账号，商家因无法识别账号之间的关联关系，使得推广变成骚扰，从而引起会员反感。

可见，如何充分掌握消费者的浏览、购物行为和订单信息等数据，实现个性化需求，以及在提升品牌认知的同时增加用户体验舒适感，成为摆在商家面前的第二道难题。

第三，如何提升精准营销，提高客户粘性，构建成本低、高收益的营销模式？

结合新零售背景下的大数据分析，越来越多企业希望通过精准营销打破“人找货”的思维模式，取而代之的是通过布局各种场景，形成“货找人”的消费模式。例如如何准确的分析出新老用户的喜好和消费习惯？如何将营销信息精准地推送给真正有需求的用户？如何在众多用户中筛选出最有价值的用户，并针对这类重点客户进行精准营销。

如何利用“数据中台”，提升消费者购物体验

企业该如何真正做到以“消费者”为中心，帮助消费者在购物中享受绝佳体验？答案是：掌握数字化运营手段。这其中，数据中台则成为新零售数字化转型的关键所在。众所周知，数据中台的本质是共享数据能力、避免重复造“轮子”、并对数据能力抽象。那么如何利用数据中台，全面、准确、及时的掌握各项数据需求，并能够利用数据驱动指导切实的零售业务呢？

第一，提供企业内部管理的数据需求。过去传统的进销存表单、传统备货计划，都将被数据中台这条智慧总线所打破，按照新零售企业内部神经网络图的形式，进行综合的汇总、分析和关联，并将所需的海量数据在数据中台进行汇总，这也使得企业内部的管理可以摆脱较重的人员水平因素的制约，使得企业内部管理工作简单化、透明化，管理及决策也更加精准和高效，助力企业更好地驾驭新零售业态。

第二，市场行业的数据需求。对于行业动态、市场趋势以及用户的研究，是新零售行业发展的重点。在新零售的前段流程和环节中，通过设置相关环节、措施、节点和服务内容，数据中台可以更加实时便捷地收集行业的动态数据、市场趋势与变化，并对各类数据进行深入的分析和研究，其得到的观点和视野将不同于第三方报告。

第三，在新零售的市场营销环节，企业可以通过数据中台更加方便地获取用户数据，并进行如标签、建模等一系列加工分析，从而达到精准定位推送、精准营销，乃至“千人千面”的效果。

第四，数据互通，打破信息孤岛。打破多渠道、多系统数据互相割裂，以及会员权益信息不互通的窘境，利用数据中台，完成全渠道、多系统之间的信息互通，构建统一的用户体系。并通过系统自动分配权益及触发，从而为用户提供更好的体验，同时增加了品牌的粉丝粘性。

第五，服务提升需求。有别于过去以用户属性、消费金额和商品类型等简单的画像处理，企业可以通过数据中台，对用户人群进行更加精准的360度画像，并对用户在消费上升趋势和走向中进行分类和判别，进而满足和引导消费者消费升级的内在需求。除此之外，智能优化供应链仓储布局、配送网络，可靠近客户满足快速送达需求，也能够增加用户良好的体验感。

第六，创新需求，探索智能的管理服务，利用人工智能与大数据技术，通过数据中台开发出更多智能化的新零售应用途径与方法。例如，通过数据间的关联关系进行组合和优化带来的创新，通过数据对于用户和未来趋势进行把握的创新，在营销方式、服务提升层面的创新等等。

如此一来，消费者在购物时，不仅可以精准地接收到商品推荐而免受打扰，更能快速购买到自己心仪的商品，同时可以享受快速配送，解决无限等待的烦恼。总结来看，数据中台所提供的三大服务应该包括，避免重复造轮子的创新方法，让资源得以复用、站在全企业视角提供全局的数据能力以及为数据使用者提供更细微的颗粒度，这些都会为数字化浪潮下的企业提供十足的火力。