综述篇:数据中台成为企业增长的刚需 | 《零售数据中台通关指南》

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
简介: 本篇来了解数据中台的前世今生。
吴雪军(东锤) 阿里云新零售数据解决方案总监
专注服务、快销、百货、超市等零售行业20年,牵动全域数据中台解决方案全面落地30多家客户,用数据为客户创造价值,推动新零售玩法在数据驱动下提升客户运营效率,从需求走向供给形成产业化生态升级。

image.png

一、2020数据已经成为生产要素

数据中台为什么成为企业增长的刚需,因为国家已经把数据定义成生产要素,如果数据是生产要素,意味着数据的价值和土地的价值和劳动力的价值和资本的价值平齐。

image.png

全社会、国家、世界经济运转已经开始运用数据中台,如果企业不去做,意味着会被社会逐渐甩出去。做数据是一个刚需,如果企业要再往上一个台阶,对数据的理解、利用和社会的融合等需要思考。

二、智能数据,大势所趋

image.png

目前政府(国家)对数据的理解水平和应用的深度不亚于企业,政府现在思考的高度、力度以及具体的分类,可参考十四五整体规划纲要。在技术领域以及数据应用领域上,国家已经想得非常清楚,国家智囊团也讲得非常清楚,而且后续的整个资本推动大数据和技术领域指数化升级已经毋庸置疑。

三、企业社会化分工,在线化运营,垂直化整合,加速数据流动

过去企业CIO是打造以ERP为核心,把商品管理、供应链管理、渠道、产品研发等形成一套系统。

image.png
ERP为核心的内圈

但是突然发现我们在周围这些数据,都是结果数据。原来我们以ERP为核心的所有的软件的目的是为了结果的业务财务一体化,所谓财务业务一体化是以财务为核心,定义好所有的科目、利润中心的逻辑,然后让业务结果变成一个财务科目的每一个分录。

真正企业在实际运作过程中需要的是什么?是需要往外生长,所以我们要去增长。

什么是增长?要更多的市场、更多的伙伴、更多的品牌和供应商、物流玩法、专业服务进一步融合才能增长。并非是多卖点东西就要增长了,要有更多的赛道、更多的品牌出来才能增长。当我们去往外圈思考的时候,突然发现ERP不够了,更多的要去靠连接过程,协同的过程,跟企业外部的资源进行整合,进行数字化互动。

这个时候外圈的产生的数据远大于ERP产生的数据。因为ERP只是记录结果,而外圈的是记录你所有的过程,要捕捉的是过程中的所有数据。

这个时代,人人在线化办公,业务团队的所有工作内容全部都在线。这个时代在线化成本越来越低,在线化交流的越来越顺畅,使得我们有机会数字化。

image.png
在线化办公、数字化

在ERP和外边数据采集之间要建一套体系叫中台,在不侵入现有业务系统的情况下建立数据中台出来,帮助ERP和外围的所有企业增长以及用于增长的所有产生碎片化数据进行整合和拉通,最终形成可结构化的数据单元,服务于企业的所有内部组织和生态伙伴。

站在 CDO和CIO的角度来说,服务对象不是企业内部的某一个部门,服务对象一定要站在生态的角度去思考,只要跟企业组织生命体有关系的,所有的这些合作伙伴的角色、员工都是你的数据服务对象。

四、企业从自身出发找到自己建设数据中台的初心

image.png

  1. 业务创新

    1. 数智化营销
    2. 渠道一盘货
    3. 柔性供应链
  2. 数据治理

    1. 元数据治理
    2. One Model
    3. One Servicr
  3. 技术升级

    1. 云计算
    2. 人工智能
    3. 物联网

技术升级2020年大家已经都认可,而要不要做数据治理,取决于我们对数据的拥有量和复杂度,但业务创新都需要做。

A类企业:

  1. 以新国货为代表,一起步就是高起点,数据中台必须建设。
  2. 先锋企业,已经理解看到趋势,提前布局,提前投资,一把手主动搭建未来新班子,培养新组织。

B类企业:

  1. CIO取得一把手全面信任,基于云计算启动数据治理和数据中台底座建设,升级数据仓库和数据湖。
  2. CDO领命面向未来建设企业数据体系,基于数据仓库、数据湖之上,建立一套新的面向业务的数据应用体系。

C类企业(有一定数据积累):

  1. CMO启动数智化营销升级是目前最急需的项目,是所面向消费者的企业必须做的事情。
  2. 销售体系建立面向在线化消费者的渠道一盘货模式,形成2C2b2B新的渠道在线化体系,需要建立销售预测,数字信用,千店千面等新渠道赋能模式。
  3. 销售供应链与生产供应链的融合速度加快,柔性化后产销协同,数据穿透,全面质量,物料计划都需基于数据模式重构。

D类企业(没有数据积累):

  1. 传统企业数据化改造不断前进,业务中台已经推动拉通协同内外组织,需要尽快启动数据中台来协助。
  2. 新创企业,选型云原生的技术体系,业务部门话语权大,快手选型,快速上线,快速适配业务场景,尤其是数智化营销受到创新企业的青睐。

五、数据对业务决策的影响深度

数据决策的逻辑是什么?数据到底对决策带来什么样的影响?数据怎么对决策带来影响?要好好往内看,往企业内部去看,往自己对这件事情的判断结构上去看。

image.png

结果呈现:
1)对业务结构
2)及时查询
3)日报周报等

业务洞察:
1)现象背后找本质
2)数据背后找原因
3)发展背后找趋势

未来预测:
1)算法辅助
2)看向未来
3)数据模拟
4)人工判断

建议指导:
1)算法剖析
2)诊断建议
3)推荐行动
4)关联业务

自动认知:
1)自动分类
2)自动调度
3)自动推演
4)自动发起

互联网企业已经到了自动认知区域,非互联网企业大部分还在结果呈现和业务洞察(走得比较小,走得比较慢)区域,非互联网先锋企业准备启动未来预测。所以未来三年数据价值是业务洞察、未来预测、建议指导三个方面,最终目的是帮助企业做数据决策,且资本会往这边去投,企业会往这边去发展,然后技术也开始成熟。

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
相关文章
|
3月前
|
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。
107 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。
14087 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)
|
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
|
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?
119 0
|
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。
|
供应链 小程序 大数据
数据人摸鱼宝典:零售数据中台建设指南
数据人摸鱼宝典:零售数据中台建设指南
|
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】
《零售数据中台通关指南》电子版地址
《零售数据中台通关指南》电子书
265 0
《零售数据中台通关指南》电子版地址