zoukankan      html  css  js  c++  java
  • 都在打造数据中台,网易却抢先跑通全链路!

    导读:专业的团队是事业成功的保障,就像网易商业数据中台团队,助力了一个又一个企业构建以数据中台为核心竞争力的数字化能力。

    没有任何一个时代可以让企业对数字化的感知如此深刻。他们尝试描绘数字化蓝图,觊觎数字化的商业价值;勇于打造数字化土壤,构建数字化团队。

    然而数字化转型不是碰运气的游戏,商业创新也绝非简单。好在当一切都准备就绪时,中台的横空出世为企业数字化的成功增添了筹码。而数据中台作为企业中台建设非常重要的一环,不仅提供了培育业务创新的土壤,也往往决定了数字化转型的速度。

    对于这点,网易商业数据中台首席架构师李虎啸深以为然。他认为数据中台重塑了数据应用的本质,在不断的业务滋养过程中,成为了企业最为宝贵的核心资产。而数据中台需求的爆发,也成为了企业数字化转型的一个标志性转折。

    (网易商业数据中台首席架构师李虎啸)

    全链路数据中台为企业数字化增加筹码

    网易大数据起步于2006年。在历经了工具化和平台化的整合期后,终于在2018年步入了数据中台商业化阶段。这期间,不论从专利、奖项还是大型项目落地等方面,他们都取得了傲人的成绩。 

    作为一家多元化经营的集团企业,网易的大数据观内涵丰富。在不断拓宽数据广度的基础上,在丰富的多元化经营业务场景中,长期追求数据深度和数据智能度的落地是他们孜孜以求的目标。 

    “从数据广度方面来看,网易生态数据覆盖文娱、零售、传媒、社交、广告、电商、教育和农业等领域;从数据的深度方面来看,网易在业务数据中深度萃取数据价值,达成了从辅助决策到驱动业务,从业务数据化到数据业务化的目的;从数据场景方面来看,网易大数据覆盖众多行业,从线下到线上,从现实到虚拟;从数据智能度方面来看,通过大数据和AI对海量数据的整合,以数据为内核,以算法为引擎,构建数据智能化能力。到目前为止,承载网易大数据核心能力的数据科学中心已经为集团的许多互联网应用提供大数据服务。”李虎啸说。 

    毋庸置疑,虽然企业数字化转型不存在千篇一律的实践路径,但数据中台建设却崇尚唯一的成功准则。基于过去14年的艰辛历程,基于网易两大基础能力平台产品——  网易猛犸和网易有数,网易数据中台团队整合归纳了网易多年的数字化建设经验,形成了具有网易特色的全链路  数据中台解决方案,并已经在零售、传媒、农业等领域企业成功实践,从而让他们的数字化转型升级更为轻松。 

    (全链路数据中台全景图)


    纵观全链路数据中台全景,从采集网易生态体系中各个业务的数据到数据中台建设,各个环节一气呵成,赋能众多业务场景。在这个过程中, 以全链路数据中台猛犸V6.0为底座,以数据体系建设框架能力为核心,以数据资产中心、数据质量中心为保障,通过统一的数据服务来应对来自业务层的需求。而在业务层,通过网易有数承载业务数据化的能力,通过行业数据智能产品进行数据业务化的探索与落地。 

    正是基于全链路数据中台的建设,让网易每日采集的数据量超过2000亿条,每年处理超过500PB的数据量,每天支持超过12万个运行作业。 

    除了数据处理能力提升外,由全链路产生的业务价值也尤为明显。以网易某条业务线的供应链为例,通过提升新品投放效率,提高库存周转,降低消费者到货周期,将供应链整个板块成本降低了接近10%。此外,在组织建设方面,由于多年来网易自身大数据全链路中台的摸索,让他们形成了“成熟的业务+数据双引擎”驱动模式,数据化运营已经深入到集团各条运营线的日常工作中,数据辅助决策能力也日渐成为集团高层战略规划的推动力,以此支撑战略落地。 

    数据中台的杀手锏应用:增强分析

    作为多种商业形态的复合体,泛零售将传统实体店与电商、微商相互有机融合,创造出新消费域和消费模式。同时,以数据驱动的泛零售业态结合AI,为消费方式带来颠覆性变革。对此,李虎啸也有自己的看法。 

    他说,近几年终端消费者发生了巨大变革。不管是个性化需求、多元化场景,还是愈发希望参与到全场景运营中,他们的变化都在倒逼企业在技术端和设施端进行更多互联化、智能化和协同化的改造。因此, 对于线上零售商来说,他们希望通过低成本的数据采集和弹性扩展实现全渠道、全环节、全流程的数据化运作,以此做到千人千面。而对于线下零售场景来说,出于成本和实用性的考虑,他们会倾向做关键环节的数字化建设,从而实现千店千面。 

    为了达成上述目标,网易结合在零售行业的相关经验,构建了如下面向零售行业的 数据中台全链路解决方案。 

    (零售行业全链路数据中台解决方案全景图)


    据李虎啸介绍, 在零售行业的业务系统之上,网易通过全链路数据中台产品与数据中台体系建设能力打造中台底座,然后通过网易有数承载场景化的数据分析需求 。具体来说,零售行业包含商品分析、消费品分析、门店分析等,他们会通过多种表现方式呈现出来,比如数据大屏、数据作战室、经营大屏、数据管理看版、数据报表、移动助手等。 

    如果是其他数据中台解决方案,做到这里似乎也就戛然而止了,但是网易全链路数据中台解决方案的特点就是要打通整个数据从生产到消费的全链路——从数据分析能力到业务应用还有“最后一公里”,怎么让众多不具备完整数据分析能力的一线业务人员用好中台提供的能力?网易给出了自己的答案——增强分析。 

    “要让数据中台真正发挥价值,我们就需要更深入的探究数据的本质和内涵,包括数据异常,或是数据波动背后的业务问题。只有这样才能降低数据的使用门槛,摆脱企业对于数据分析师的强依赖,从而为中台驱动业务解除瓶颈。这就是增强分析。”李虎啸说。 

    增强分析的优势,可以通过一个实例来说明。例如某零售企业突发业绩波动,那么这背后代表的业务原因是什么?而这样的一个原因又是由怎样的根源所导致的呢?基于这样的根源企业又该如何处理呢?这些都需要增强分析来实现。它除了能够降低业务对数据的使用成本,得到自动化的业务决策路径,还能大大简化业务决策流程,从而真正的让数据中台成为一个企业通用性的能力。 

    而 基于解决方案全景图,零售行业数据中台的产品全景图也顺势而出。网易将它分为四大部分,经营大脑、门店大脑、营销大脑和供应链大脑。 

    李虎啸说,所谓经营大脑,在设计产品规划时主要考虑了四个方面。首先是经营分析。其目的在于利用多种形式的数据管理看板进行企业经营现状的多维度分析,协助管理者准确的进行业务决策。其次是风险预警。这是一种对业务风险的实时预警,协助管理者及时制定相应策略。第三是数据决策,企业可主动发现预警数据异常,通过“BI+AI”的方式进行故障诊断,从而输出最佳业务动作建议。最后是舆情分析。顾名思义就是实时监测采集全网舆情信息,通过数据挖掘技术提供企业舆情监测等产品的能力。 

    此外,门店大脑主要涉及门店的数字化建设,并从经营监控、客流洞察、智能导购和陈列与服务优先四个维度展开。而供应链大脑则以销量预测为基础、自动补货、仓储规划和智慧库存为落地场景构建智能供应链的能力。营销大脑则给予用户利用中台实现用户画像、精准营销和个性化推荐的能力。 

    一家新零售企业的数据中台之旅

    产品需经历淬炼,才能凸显它的应用价值,达到越磨砺越锋芒的效果。一家定位于简约、自然、优质、低价的新零售品牌商建设数据中台的例子就是最好的佐证。作为过去五年发展最好的线下新零售品牌商之一,这家企业目前已经拥有超过4000个门店,覆盖全球80余个国家和地区,业务增长极其迅猛。 

    而高增长,快速扩张的背后,企业原有数据平台效率低下,无法及时响应业务需求,海量数据计算和存储遭遇瓶颈,数据应用场景单一匮乏,智能化程度低等问题尤为致命,制约了企业的发展。 

    为此,在网易商业数据中台团队的协助下,他们制定了相应的数据中台建设蓝图,规划好数据中台的建设目标:短期实现数据公共层建设,中期实现智能数据应用建设,长期实现数据业务化。换言之, 基于零售行业全链路数中台,以大数据和AI为核心动能,通过智能应用产品重构“人货场”,达到降本增效,提升客户体验,助力业务创收的愿景。 

    从今年2月份项目启动至今,一期实施效果已经达成。在业务数据化方面,双方通过数据大屏、数据作战室,从销售业绩、商品动销、门店效率、物流可视化等多个领域全方位地反映公司目前的经营现状,对可能存在的经营风险进行监控报警。这大大提升了各级管理者对目前业务经营现状了解的准确性和时效性。同时,通过对多级管理者定制数据管理看板,及时推荐他们用专属的数据分析思路来关注恰当的内容,并利用移动端的数据助手更加便捷地查看数据,快速定位业务问题,及时进行业务决策。此外,一期还落地了众多零售行业通用报表和一些定制化数据报表需求。据透露,项目二期也随即启动。 

    记者手记:一切已就绪


    正如李虎啸所言,不论是Big data或是AI,当下的技术发展将更加深刻地影响和改变各行各业的竞争格局。掌管企业的CEO需要极大的勇气、敏锐的嗅觉和独特的眼光,帮助企业规划好数字化发展的长远路径,以此提升企业的核心竞争力。而网易希望能借助这样的机会更多的参与这个变革当中,帮助企业一同寻找合适自身发展战略的数字化转型方案,从而在助力自身发展的同时,降低技术的使用成本,提升全社会的运营效率。而这也是商业数据中台团队的愿景,是网易大数据的时代使命。 

    一切就绪,只等你的到来!

    首席信息官 授权转载

     大数据官网

  • 相关阅读:
    句子
    Https
    SSH
    uCMDB
    snapshot与release
    Ansible
    .NET core webApi 使用JWT验证签名(转)
    .NET core 使用Swagger(转)
    微服务的4个设计原则和19个解决方案(转)
    .NET Core 使用RabbitMQ(转)
  • 原文地址:https://www.cnblogs.com/163yun/p/11347642.html
Copyright © 2011-2022 走看看