当前，互联网、移动互联网、大数据、云计算等新IT技术飞速发展，“互联网+”与“中国制造2025”等一方面催生各种各样的创新经济和商业模式，另一方面正在促进新IT技术与制造、金融、能源等传统行业深度融合，全球范围内，新IT正在掀起全行业的数字化转型浪潮。为了共同探讨新IT与传统企业融合的价值，分享各行业信息化和数字化转型的经验和成果，11月18日，由企业网D1Net和中国企业级HTML5产业联盟主办、四川CIO俱乐部和成都企业信息化促进会协办的2016成都CIO秋季沙龙于成都成功举办。
以下是品胜集团CIO郭锐在2016成都CIO沙龙上的演讲，题目是：《品胜集团数据驱动业务探索之路》，由企业网D1Net编辑整理。
上图为：品胜集团CIO 郭锐
郭锐：大家下午好!我是来自品胜的郭锐。我主要是分享一下品胜数据驱动业务这块的应用。
品胜创始于2003年，刚开始是手机电池和相机电池，到目前围绕“手机、平板、电视“三块屏幕”的3C智能数码的布局;2015年完成销售额11亿，并正式登陆新三板;今年双11又在淘宝3C类目上蝉联销量第一的荣誉，全网实现销售8000万;销量这么好的原因是什么?
那就是品胜有自己的销售模式和销售渠道，我们线下线上统一的销售模式，名字叫当日达。当日达系统整合了线上商城，线下门店，开创了O2O流量互相转化的模式，同时利用门店优势解决了最后一公里的配送问题;“品胜•当日达”荣获“2013年度中国电子商务创新成果奖”，2015年又获得“商业模式创新银奖”;线上会员截止目前累计了680万;线上也拥有了1万家加盟店，相当于一个小的移动机站，解决了最后一公里的推送问题。同时，品胜扩品类创平台，开创了集手机数码智能硬件的一起，集合线上线下业务的千机网服务平台，这样我们从售前市场到售后的服务市场就完全覆盖了。
品胜发展势头这么好，数据在中间起到什么作用，又是怎么落地的?我通过三个层面来讲，第一是历程，第二是出现的问题，最后是几点建议。
品胜数据应用历程与成果
我们的数据应用是两个方向并行发展的。线上业务起步早，数据应用的较好，自2010年开始入驻淘宝后，到全渠道营销系统(当日达)上到使用了4年，完成线上全网数据的整合，并在2015年围绕线上数据自行研发了电商CRM系统，有效的管理到700万会员。2016年3月，我们后台做了一个支撑，进入了我们的大数据，比如可以实时跟会员聊天，做分析，做精准的营销。传统线下的业务怎样使用数据?线下的数据应用推广较为缓慢，更多的报表的应用，仪表盘的应用，在近期使用ORACLE的 DV自助分析平台有所提高。
我们准备明年把线上线下融合一起打造统一的数据平台。线上常用的数据应用是应用于画像，这是我们做3C数码手机的原因，比如可以通过会员信息、注册信息、频率信息、购买信息，给会员打标签、分析会员、精准画像，这是我们的用户画像的应用成果。
第二类聚类分析，通过对RFM属性的聚类分析，分析出重要价值会员群体，需要挽留的会员，还有充满潜力的会员群体，方便电商部门制作对应的营销活动。
聚类分析完了以后，打标签，面对不面的群体，自定义的某类人群做短信营销，以及营销效果的跟踪分析。比如我们发送短信，看到成功接收了多少，看了短信以后效果怎么样?我们会进一步的跟踪，比如我们通过收货地址区分出来是一个白领，我们能够看到他有可能一年没买充电宝了，有打折了，是不是要换一个呢?这个时候我们做精准的营销。
线下业务，分享两个应用案例，一是品胜对加盟商的贷款风险评估，我们为更好的开发市场，对有条件的加盟商可提供专项贷款;但在货款的风险以及贷款的额度就就用到了分析报告;这里展示的为风险指标;不同于传统的信贷更多的是查看我们的信用指标，还有偿还能力，我们还要对提货增长率、提货周期、配送时效等管理指标综合考量;
图中展示了可以看到重庆的征信评分较低，那我们到底要示贷款给省级平台，还有贷多少，这时就需要通过统计方法完成对各指权重的计算，从而得到一个可贷款指数。
二是打假应用，由于品胜产品的品质很好，特别是在充电宝市场，那没有插头的充电宝，也就是我们讲的备电成了不法分子的第一仿造对像。举个例子，这个图中展示的是四个城市的销量，图中我们可以出郑州的销量在15年9月出现明显下滑后，一直处于动态的波动中;但是全国的平均销量也同样出现波动，那有没有更深入的信息呢。看提货增长率。跟刚才算贷款一样，有5个指标，现在5个指标是要算综合的值，通过整体的波动率以及权重值，可以看出来哪个地方是假货，哪个地方的货可能存在问题，这时候我们的打假办去联系，现场实地跟踪信息，这是传统业务的应用。
数据应用实施过程中的思考与问题
第一，产品和技术选型。做数据分析，是把数据转化成信息，信息转化为支持，下一步应该转化到决策上，最终想要的结果是对经营管理产生价值。
第一个是传统BI，更多的是使用数据库，结构化数据，实效性不太强，数据积累相比大数据慢很多，根据业务可以明确知道数据的含义，比如ERP的信息，我们知道每个字段，就知道它的意义是什么。同时在知识方面，因为使用的是标准化的系统，有明确的业务流程，精确的业务数据，可以积累更丰富的经验;另外，传统BI给到的信息大部分是统计趋势，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题;
而大数据一般都是非结化数据，实效性强;数据积累很快很大，每天可以达到PB级，如购物的文本评论。信息需要通过对数据的辨识而获得;获得信息的真伪程度取决于对数据的辨识技术;由于信息的不确定性，大数据分析的结果需要通过多次验证，确认后转化为知识。更倾向于刻画个体，更多的在于个性化的决策，价值也相对容易量化;比如精准营销，智能推荐等。
选型完成以后，我们都想个性化营销，这个时候一定要记住一点，忌技术主导反推业务。有一个事例，我们BI虽然是2015年上线的，但是我们一直在努力做。2014年使用开源套件Pentaho完成了销售相关的仪表盘，当推荐到销售总监使用时，得到的结果是，数据均是他之前知道的，且有专门的部门出数据。这时候我们反思，技术是不是能马上应用到业务当中?是技术主导还是业务主导。所以我们一定要让业务引导技术。
第二，在筹备上线过程中又遇到问题，没有统一的“名词”名称，统计口径存在差异。比如办事处的销量，销售线指的是办事处的出货量，财务是由回款来结算的，虽然两个部门要单独销量，但是出来的数据不一样，结果不一样。还有加盟商的提货量，加盟管理部指加盟商提货品胜产品的金额，新业务“千机网”运营部又是品胜产品与非品胜产品的的合度提货额。遇到这样的问题，我们的一个思考是尊重业务，因为需求出自业务。虽说解释后数据相等，沟通成本增加;为此根据数据驱动业务的进度，应择时机完成统一语义。
第三个问题，可视化图表与使用对象不匹配。在推广时还要注意一点，通俗点讲，不是越漂亮越好，专业点就是图表要与使用对象的习惯匹配。数据可视化的价值，就是降低了其管理成本，让运营变得透明化，好不好用是重点，好不好看，相对是其次了;所以需要根据结合使用者的使用习惯，推送相对应图表。
上线成功了，最后一个问题来了，是成功上线，还是上线成功?以传统企业的BI为例，上过BI的好多传统企业，报表看着好看，但是对决策有多少支持呢?很多BI习惯于给鱼，无法给渔，为啥，分析是一种思维，单靠数据团队来完成数据驱动业务，不能，也不可能。市场变化万千，实际不可能有人比一线更懂需要什么，做得再快，也跟不上一线的节奏。
数据落地应用的几点建议
最后是数据落地应用的几点建议。
第一，业务放首位，没有业务就没有数据，选择适合本企业当前适用数据产品或技术;选择适合本企业的数据运营推广策略——“自上而下”、“无为而治”。第二是培养或者加强应用业务人员使用数据分析指导业务的意识，第三是持续运营数据分析平台，并将分析报告应用于业务流程优化;同时业务优化的结果，再进入数据分析，形成持续改进的生态闭环，使得我们的经验越来越丰富。第四，加强大数据人才储备，提高数据分析的硬实力。
接下来分享一下我们的整体架构。在传统的ERP、财务、OA我们有自己的数据仓库。线上，比如说爬虫、第三方商城，整合到一起。线上和线下，经过分析过后的数据回传回来，在数据仓库里面统一收入。然后是应用方面。第一是传统分析应用，所谓的数据分析平台，第二个是数据分析报告，比如说打假，我们会实时的把大数据处理完，这是我们要做的典型的一个架构。
最后是团队，第一是业务小组，包括业务分析师，数据分析师，以及虚拟对头的业务骨干，这里业务分析师多数由原来内部的实施顾问来承担;第二是技术小组，包括ETL工程师，数据建模师，以及大数据的技术开发人员;
我就分享这么多，谢谢大家!
本文转自d1net（转载）
