行在:数据中台的最终目的是给企业带来降本增效 | 数智加速度01课回顾

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生数据仓库AnalyticDB MySQL版,基础版 8ACU 100GB 1个月
简介:

4月8日晚,数据中台建设实战系列课程—— 「数智加速度」正式启动,第一课由 行在开讲。

行在,奇点云创始人兼CEO,20年数据老将。2016年,带着12年阿里系数据实战经验创立奇点云,旨在「让实体商家拥有淘宝一样的数据化能力」,让商业更智能。

在第一课里,行在集中回答了7个问题:

1、数据中台是什么?

2、数据中台与数据仓库、数据平台、数据湖等概念的区别?

3、阿里巴巴的大数据之路?

4、数据中台是如何演进的?

5、线下商业如何落地数据中台?

6、数据中台能为企业带来什么?

7、「不看广告看疗效」,有没有案例?

01 数据中台是什么?

狭义上来说,数据中台是一系列数据技术的统称,以解决数据“存通用”问题为核心,为业务数据化和智能化提供数据采集、计算处理、分析决策和应用的技术。

而我们理解的数据中台,从广义上来说, 数据中台不仅仅是技术,更应该是集公司战略决心、组织架构、技术架构于一体,以业务价值为导向,用技术拓展商业边界, 是商业进入DT时代的重要基础设施。
1

02 数据中台与数据仓库、数据平台、数据湖等概念的区别是什么?

20年前,数据仓库出现,企业在数仓上建BI,更多的是给决策者看报表;后来阿里发现,数据除了给决策者看,更多的可以为一线运营所用,例如打 「通」淘宝消费者信息数据、建立TCIF后能帮助他们了解消费者、优化广告投放,才进入到 「用」的阶段。

而在「用」的基础上,数据中台可以为企业 「赋能」,实现降本增效,例如为企业建设智能补货、智能人效等能力,实现质的飞跃。

至于数据湖,它比较像个杂货铺,更多的是堆积数据,而数据中台不仅要完成 「存」这个任务,还要把数据 「通」、 「用」起来。
_

当然,在处理数据、搭建算法等能力上,数据仓库、数据平台与数据中台也不是一个量级的。譬如传统数仓要跑几天的几亿条会员数据,依托奇点DataSimba只需要1-2小时。

这也就解答了「企业是不是可以用原来的数据仓库、数据平台,去完成这一系列数据相关的动作」的问题,要真正实现「让机器完成机器能做的事情,释放人去做更有创造力的事情」,还是需要数据中台的支撑。

03 阿里巴巴大数据之路

关于数据中台的起源,相信大家已经听过很多故事,例如奇点云首席战略官才言的分享《数据中台从何而来》。

阿里巴巴是国内最早也最成熟的数据中台实践者。

在阿里的12年,我亲身经历了从数仓到数据中台的整个过程:
2

2004年,我以「数据仓库专家」的身份加入阿里,负责搭建阿里巴巴的第一个数据仓库(DW)。

2009年,阿里提出了重大愿景——未来要成为「数据公司」,同年阿里云成立。

2012年,我和团队完成了TCIF(淘宝消费者信息库)的搭建,整合打通了阿里巴巴各平台应用的消费者数据,形成了底层3000+个标签。从那时起,阿里打破了淘宝、天猫、高德等平台产品各占一个山头的局面,消费者形象从「单面」变为「多面」,立体、丰富。至此,阿里也拥有了「预测」的能力,可以基于对用户的立体认知,预测用户的偏好、消费轨迹等。

2015年,阿里巴巴向外发布了DT时代的提法,用Data Technology(DT,数据技术)替代了Information Technology(IT,信息科技),强调数据技术将成为未来商业的驱动力。

同年,我在阿里云内部创业,带队创建 「数加」平台,把阿里巴巴的数据能力外化赋能给社会更多主体(例如企业、政府)。

04 数据中台是如何演进的?

基于阿里巴巴的数据之路,我们总结出了 数据中台演进的四个阶段:

1、数据库阶段,主要是OLTP(联机事务处理)的需求;

2、数据仓库阶段,OLAP(联机分析处理)成为主要需求;

3、数据平台阶段,主要解决BI和报表需求的技术问题;

4、数据中台阶段,通过系统来对接OLTP(事务处理)和OLAP(报表分析)的需求,强调数据业务化的能力
3

05 线下商业如何落地数据中台?

在线下场景, 我们既要解决企业数据生产的问题,又要解决数据使用的问题。

相信很多企业的朋友有同感,相比线上,线下商业在落地数据中台时会遇到更多问题:数据从哪里来?能从数据中获得什么信息?线下90%的数据是非结构化的视图声数据——而线上的数据往往是结构化的,经验无从借鉴,我们如何把这样的「数据原油」提炼成降本增效的燃料?

更直接的例子是,比如一家零售企业,线下几千家门店,店长可能很清楚有哪些货、量有多少,但是不知道一天进店的顾客有多少,有多少男性、多少女性,其中有几位是你的会员,他们拿起什么、放下什么、花了多长时间决策,都无从了解。

我们的做法是把「云」和「端」结合起来。

端,智能端(企业原有的信息系统、AIoT等)负责数据的收集,获得线上线下全域数据,解决无数据采集、无数据沉淀等问题;

云,云负责数据的存储、计算、赋能。具体包括将视图声数据结构化处理、计算、分析,用AI算法代替经验公式,搭建行业价值化的应用场景等等。
4

云赋能端,端丰富云。从而真正解决企业数据生产和数据使用的问题,用人机协同的力量消除不确定性,让机器去做机器能做的事情,让人有更多时间去做人该做的、有创造力的事情。

06 数据中台能为企业带来什么?

我认为, 一切为业务服务,数据中台最终要帮助企业建立能力、实现降本增效。

如果拿苹果树来打比方,我们不仅要让土地(底层数据平台)变得肥沃,也要能为客户种出苹果树(数据智能应用),为企业带来真正的业务价值。
5

当我们和企业IT部门(或信息部门、数据部门)一起把这棵树种好,结出了业务价值的苹果,大家就会发现, IT部门正在从成本中心转向利润中心,正在最大化地为企业创造价值。

07 有没有案例?

老话说得好,「不看广告看疗效」,上4个案例:

(1)大型零售企业,建立智能定价能力
6

一家传统零售企业,在全国有几千家门店,年营业额在100亿到200亿之间。

企业要求“零库存”,也就是说在4个月之内,一件新品就必须完成上市销售直至库存清空。因此,这个企业以前会对商品做一系列的营销降价。这样虽然带来了不错的营业额,但实际上每年的利润是很低的,40%的商品都不得不低于成本价售卖。
我们为这个企业做的第一件事就是 补齐消费者数据——因为在此之前,客户只有300G数据,虽然门店很多,却只有货物的数据,没有“人”和“场”的数据。

根据店面及周边一些信息、节假日的销售数据及消费者洞察等的数据分析,我们为其提供了一套智能定价模型,让这个企业在全国的每一家店都能有自己“个性化定制”的定价策略,智能降价,千店千面,因地制宜。

在这样的服务基础上,这家企业每年大约增加了5000万净利润。

(2)服饰零售企业,建立智能人效能力
7

一家服务零售集团,主打三四线年轻人市场,直营门店2000家。

我们为这家企业打造了智能人效管理系统,在门店仍然保持业务平稳增长的基础上,截至2019年3月下旬,通过排班优化和人员优化,企业释放1720人,2019全年节约人员开支超8000万元人民币;同时,全面了提高员工工作效率与组织协作效率。

这个项目在企业内部的推广速度远超出预期,受到了业务部门和公司管理层的热烈欢迎。

(3)连锁零售企业,建立智能补货能力

8

这家连锁超市企业,其生鲜销售额占比超过一半。生鲜对新鲜度要求很高,这就需要保持合适的店内排面库存和在途库存。

原先它的生鲜需求量是基于买手的人工经验来预估的,一般为了保证尽量不缺货,提升顾客的消费体验,往往会过高的估计进货量,这会导致未及时销售的蔬菜水果等只能低价处理或者清理掉,耗损率很高。

我们在深入了解客户业务现状及需求后,与客户一起梳理对齐关键业务指标(如正毛利率、损耗率等),结合会员、销售、损耗评估、缺货还原等业务数据以及节假日、天气、附近商圈居民区等数据, 从16个变量升级为100多个变量,对生鲜需求进行了预测。

最终仅绿叶菜这一项的预测准确率就相比原先提升了35%,每年能为每家店节约400万的成本。

(4)大型家居零售企业,建立智能营销能力

9

一家国际大型家居零售企业,有超100T数据量,客户数量超3000万。

奇点云入场后,搭建数据中台,新增了超过200个客户标签,从而建立了精准投放、精准营销的基础。

例如,仅短信投放一项,成本就从700万元/年降低到了200万元年。而基于更丰富的客户标签、更立体的会员画像,复购率比原来提升了4%。

以上案例均来自于 奇点云所创导并始终践行的「AI驱动的数据中台」。

我们认为,只有AI驱动的数据中台,才能同时发挥好 「存:把一切业务数据化」、「通:连接数据孤岛」及「用:把一切数据业务化」的作用,最终帮助企业实现数智化升级,赋能企业实现降本增效。
10

未来,我们会坚持践行AI驱动的数据中台,以实现数据中台的最终目标——给企业带来降本增效,与客户、伙伴们一起拥抱未来世界。

相关实践学习
阿里云百炼xAnalyticDB PostgreSQL构建AIGC应用
通过该实验体验在阿里云百炼中构建企业专属知识库构建及应用全流程。同时体验使用ADB-PG向量检索引擎提供专属安全存储,保障企业数据隐私安全。
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
目录
相关文章
|
19天前
|
机器学习/深度学习 搜索推荐 算法
从数据中台到数据飞轮:企业升级的必然之路
在探讨是否需从数据中台升级至数据飞轮前,我们应先理解两者之间的关系。数据中台作为数据集成、清洗及治理的强大平台,是数据飞轮的基础;而要实现数据飞轮,则需进一步增强数据自动化处理与智能化利用能力。借助机器学习与人工智能技术,“转动”数据并创建反馈机制,使数据在循环中不断优化,如改进产品推荐系统,进而形成数据飞轮。此外,为了适应市场变化,企业还需提高数据基础设施的敏捷性和灵活性,这可通过采用微服务架构和云计算技术来达成,从而确保数据系统的快速扩展与调整,支持数据飞轮高效运转。综上所述,数据中台虽为基础,但全面升级至数据飞轮则需在数据自动化处理、反馈机制及系统敏捷性方面进行全面提升。
77 14
|
弹性计算 运维 自然语言处理
30分钟,一键拉起基于LLM + AnalyticDB PostgreSQL构建的企业专属Chatbot(支持ChatGLM2-6B)
ChatGPT的火爆带动AIGC行业近期非常火热,客户对于智能客服,构建企业知识库用于智能问答,写作助手等相关需求非常旺盛;随着ChatGPT 推出Retrieval plugin的方案推出,向量数据库(企业知识库) + 大语言模型 可以快速帮助企业构建专属的chatbot; 本服务是对文章《云原生数据仓库AnalyticDB(ADB)+LLM:构建AIGC时代下企业专属Chatbot》的一个开源实现部署。模型基于ChatGLM2-6B,是由清华大学团队开发的是一个开源的、支持中英双语的对话语言模型,基于 General Language Model (GLM) 架构,具有 62 亿参数。
13919 19
30分钟,一键拉起基于LLM + AnalyticDB PostgreSQL构建的企业专属Chatbot(支持ChatGLM2-6B)
|
12月前
|
数据采集 供应链 数据可视化
数据中台实战(02)-什么企业适合建设数据中台?
数据中台实战(02)-什么企业适合建设数据中台?
103 0
|
弹性计算 运维 自然语言处理
30分钟,一键拉起基于LLM + AnalyticDB PostgreSQL构建的企业专属Chatbot
ChatGPT的火爆带动AIGC行业近期非常火热,客户对于智能客服,构建企业知识库用于智能问答,写作助手等相关需求非常旺盛;随着ChatGPT 推出Retrieval plugin的方案推出,向量数据库(企业知识库) + 大语言模型 可以快速帮助企业构建专属的chatbot; 本服务是对文章《云原生数据仓库AnalyticDB(ADB)+LLM:构建AIGC时代下企业专属Chatbot》的一个开源实现部署。模型基于ChatGLM-6B,是由清华大学团队开发的是一个开源的、支持中英双语的对话语言模型,基于 General Language Model (GLM) 架构,具有 62 亿参数。
30分钟,一键拉起基于LLM + AnalyticDB PostgreSQL构建的企业专属Chatbot
|
分布式计算 关系型数据库 MySQL
【企业数据中台交付】数据回刷实验
通过自定义sql(多路输出、动态分区、笛卡尔积)和补数据方式,回刷历史分区数据,使业务可查看历史数据。
665 0
|
SQL 数据采集 运维
Dataphin V3.7 版本发布!通过国产化适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建数据中台
本次发布的V3.7版本中,Dataphin重点围绕资产建设平台的易用性及可交付性、资产治理平台的完备性以及基础平台的稳定性和开放性进行优化与升级。通过国产化支持适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建企业级数据中台,轻松拥有好数据!
Dataphin V3.7 版本发布!通过国产化适配、数据研发体验优化、数据治理能力提升和标签平台,帮助企业加速构建数据中台
|
存储 关系型数据库 数据挖掘
加速复产复工! AnalyticDB PostgreSQL为中国企业助力2万元【礼包】
AnalyticDB PostgreSQL 希望为中国企业贡献一份力量!
加速复产复工! AnalyticDB PostgreSQL为中国企业助力2万元【礼包】
|
数据采集
观看利用湖仓一体架构快速搭建企业数据中台有感
3月3日,观看了直播课。利用湖仓一体架构快速搭建企业数据中台
283 1
观看利用湖仓一体架构快速搭建企业数据中台有感
|
存储 数据采集 数据可视化
数据中台战略对企业的意义
一、为什么要建设数据中台 因为在当今互联网时代,用户才是商业战场的中心,为了快速响应用户的需求,借助平台化的力量可以事半功倍。 不断快速响应、探索、挖掘、引领用户的需求,才是企业得以生存和持续发展的关键因素。 目前,数据体量、产业规模以及云计算高速发展所推动的基础设施成本都已不再是问题,大数据能否创造真实的商业价值和回报是大数据企业真正关心的核心问题。 过去,所有大数据企业都在做项目,并没有更多资源把能力沉淀成产品和平台。比如很多可共用的数据服务没有服务化、产品化,很多产品总是做重复的动作。
数据中台战略对企业的意义
|
存储 关系型数据库 数据挖掘
一份【疫情礼包】请查收,云数据仓库AnalyticDB PostgreSQL为中国企业加油
疫情肆虐下,企业的生存面临着前所未有的挑战。 AnalyticDB PostgreSQL 希望为中国企业贡献一份力量!
366 1

热门文章

最新文章

下一篇
无影云桌面