zoukankan      html  css  js  c++  java
  • 泛零售数据中台如何真正落地?

    有了数仓、数据平台,企业为什么还需建设数据中台?
    数据中台建设如何在「人货场」进行数智化应用?
    泛零售数据中台最终如何落地?

    ......

    奇点云资深数据产品专家追风在服务泛零售企业过程中,发现大多数泛零售企业存在类似以上列举的共性困惑点。基于此,追风老师在9月2日带来了《从0到1建设泛零售数据中台》的直播分享。

    追风,奇点云资深数据产品专家,20年零售数字化老兵,原富基融通物流和供应链事业部总经理,精通零售业务管理流程和供应链体系建设,对大数据技术在零售行业的落地应用有深刻理解。

    01 数据化驱动的商业变革

    零售业信息化经历了四次零售革命:
    第一次零售革命(1950-1990年):以初级IT技术的应用和以条码化、POS带来的快捷购物体验为标志。

    第二次零售革命(1990-2010年):电子商务的快速兴起,互联网普及。

    第三次零售革命(2010-2015年):智能手机普及、移动互联网兴起。

    第四次零售革命(2015-至今):随着云计算、大数据和人工智能技术的发展,不断颠覆既往的运营和商业模式,成为市场的共识。数据、算力和算法是支撑零售业的核心驱动力。

    02 泛零售数据中台的定义、能力及价值

    奇点云把数据中台概括为「聚、管、服」。「聚」是实现全域数据的采集,「管」是通过对数据的抽取、整合,将可以变现的数据资产管理起来。「服」是在数据资产的基础上,形成业务的模型、分析与洞察,为企业提供数据服务。最终实现业务数据化、数据业务化。

    (数据中台的定义)

    追风老师总结了数据中台的3个核心能力与3大价值:

    数据中台3个核心能力:

    抽象:One Model,建立统一数据构建及管理。

    共享:One ID技术打通及通过主数据治理,实现核心商业要素资产化。

    复用:One Service,所有的数据一定要可复用,通过复用提供统一的智能数据服务,支撑业务变革。

    数据中台3大价值:

    1、沉淀数据资产及复用,减少数据获取及加工成本。2、数据业务化,沉淀业务模型,更好支撑业务决策。3、数据驱动业务创新,有了算力及数据的支撑,将之前人脑决策及高水平重复的问题,变成计算机或AI可实现的问题。

    03 泛零售数据中台提供「人货场」数智化应用


    那么,灵魂拷问来了!

    已经有了数仓、数据平台,企业为什么还需建设数据中台?

    我们更多地从ROI的角度考虑这个问题。

    数据中台的出现,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加了个「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。

    在奇点云实施数据中台案例中,总结了数据中台建设在「人货场」方面的业务述求,最典型的是「人」。大多数泛零售企业有以下三大困惑:

    1、可能会对全域消费者画像产生困惑,传统的CRM系统不能承载海量的数据,无法实现视频结构化。

    2、在全域消费者画像之上如何实现智能洞察?

    3、在智能洞察之上如何服务私域和公域营销?

    而在「货」和「场」上也有困惑:「产销协同、供应链精细化管理、店货和货渠匹配」的困惑和「商圈洞察、智能洞察、智能触达」的困惑。

    (数据中台的业务述求)

    基于泛零售企业所提出的困惑,奇点云分别在「人货场」上给出了相应的解决方案。

    「人」:数智化全域消费者运营的解决方案。

    「货」:智能供应链应用和人货渠智能应用。

    「场」:有数字化的奇点识场及奇点识客、数智化的运营赋能应用,解决商圈及消费者精细化洞察的问题。

    「人货场」数智化应用的底层是在泛零售领域基于指标和标签体系的分析洞察, 同时离不开基于数据中台的全域数据资产管理体系。以上这些的基础,是我们提供了DataSimba大数据平台的建设,支撑整个数据资产的管理,在DataSimba之上承载了安全化的整体解决方案。从应用出发到数据资产的沉淀、管理,底层数据中台建设、安全的保障,这一完整的解决方案实现了大部分泛零售企业应对数据中台的业务难题。

    我们的核心是在大数据基础之上,为所有的泛零售企业提供「人货场」的数智化应用。在「人货匹配」上,改变了原有顾客与商品之间的关系,在合适的时间、合适的渠道推送合适的商品,实现精准化营销;「客渠匹配」上,通过数智化实现渠道赋能;「商渠匹配」上提升商品运营,实现运营最高效化。

    (顾客、商品、渠道铁三角)

    数据中台建设的核心点也是泛零售企业最关心的问题:数据中台如何落地?

    我们自下而上看数据中台建设逻辑,一方数据(自有数据,包含交易型数据、过程型数据)、二方数据(例如广告投放的回流数据)、三方数据(例如商圈数据)这三块典型的数据源,将沉淀在数据中台,DataSimba是奇点云数据中台的承载物。

    那么,数据怎么业务化?

    基于奇点云应用平台,进行企业经营赋能(提升洞察能力、问题分析能力);消费者运营赋能(统一消费者数据分析体系,实现消费者资产管理与运营);供应链赋能及商品管理赋能(产销协同、供应链洞察、渠道管理分析支撑,优化企业资源配置,实现精细化管理,降本增效);营运赋能(提高渠道动销效能,拉量增收)。

    (数据中台落地)

    04 泛零售数据中台实践案例


    举一个我们在泛零售领域围绕「人」的数据中台建设案例:

    围绕「人」的数据中台建设现状:我们在盘点业务后发现,大部分泛零售企业都有以下数据:平台电商、自建电商、全场景客服、微信公众号、POS、企业微信等,但沉淀都是交易型数据,缺乏行为数据的沉淀,用户洞察和消费者运营缺乏相关的数据和应用工具。

    围绕「人」有大量的全域数据,怎么把这些数据收集起来?怎么将数据中台落地呢?

    1、沉淀数据(一方、二方、三方)资产;2、基于指标和标签体系的消费者洞察;3、私域精细化营销;4、公域精细化营销。将收集起来的数据沉淀在DataSimba中,形成明细和维度的数据,通过One ID、One Model做算法应用,将消费者标签化,业务指标化。

    围绕「人」建设数据中台最大的价值是通过数据洞察、运营发现、原因分析、策略验证、策略应用、效果跟踪完整的闭环实现了消费者精细化增长, 实现数据中台最大价值。

    我们曾服务的一个典型泛零售客户,一年为其节约了500万营销费用,应用的ROI增长非常显著。

  • 相关阅读:
    24. Swap Nodes in Pairs
    23. Merge k Sorted Lists
    shell脚本报错:"[: =: unary operator expected"
    一种用 数组元素 指定 所调函数 的方法
    阻塞 非阻塞
    Linux open() 一个函数,两个函数原型
    QT 执行windows cmd 命令并读取结果
    Qt5 escape spaces in path
    获取磁盘的 总容量,空余容量,已用容量 【windows】
    通过进程名称,获取其路径
  • 原文地址:https://www.cnblogs.com/StartDT/p/13657736.html
Copyright © 2011-2022 走看看