數字中臺是基于大數據云計算人工智能的技術(shù)架構打造的數字化創(chuàng )新平臺，支撐企業(yè)數字業(yè)務(wù)應用的標準化及快速定制化，實(shí)現數據驅動(dòng)的精細化運營(yíng)，沉淀企業(yè)的數據資產(chǎn)，為企業(yè)提供用戶(hù)個(gè)性畫(huà)像、商品智能推薦、業(yè)務(wù)在線(xiàn)監控，解決企業(yè)業(yè)務(wù)在面向產(chǎn)業(yè)互聯(lián)、生態(tài)發(fā)展過(guò)程中所遇到的應變與響應能力問(wèn)題。
企業(yè)數字化轉型的4個(gè)驅動(dòng)力：
1.業(yè)務(wù)創(chuàng )新是企業(yè)在不斷變化的商業(yè)場(chǎng)景中立于競爭優(yōu)勢地位的必備能力。
2.中臺技術(shù)是實(shí)現業(yè)務(wù)創(chuàng )新的基礎保障，它提供數字經(jīng)濟時(shí)代用技術(shù)解決商業(yè)領(lǐng)域未知問(wèn)題的支撐能力。
3.產(chǎn)業(yè)互聯(lián)是未來(lái)數字世界中企業(yè)產(chǎn)業(yè)上下游的數字經(jīng)營(yíng)模式，正是因為數字技術(shù)的發(fā)展，才得以將整個(gè)產(chǎn)業(yè)鏈的資源進(jìn)行互聯(lián)，提升資源共享能力。
4.生態(tài)運營(yíng)，最終都是在解決消費者、渠道等生態(tài)業(yè)務(wù)的平臺運營(yíng)問(wèn)題，通過(guò)技術(shù)和數據的連接，更高效的解決內外部資源的整合運營(yíng)能力。
目前產(chǎn)業(yè)互聯(lián)網(wǎng)還處于萌發(fā)階段，企業(yè)管理者在產(chǎn)業(yè)互聯(lián)轉型過(guò)程中需要具有幾種思維：
1.價(jià)值驅動(dòng)思維。產(chǎn)業(yè)互聯(lián)能否從根本上解決原有行業(yè)作業(yè)效率低的問(wèn)題，從而節約成本，使其價(jià)值鏈的數據流動(dòng)更高效，并在某個(gè)節點(diǎn)創(chuàng )造出互聯(lián)后的價(jià)值溢出？
2.分享經(jīng)濟思維。無(wú)論是在營(yíng)銷(xiāo)領(lǐng)域還是在知識技能上，都要有社會(huì )化分享的理念，在產(chǎn)業(yè)互聯(lián)網(wǎng)領(lǐng)域將分享的價(jià)值放大。
3.大數據思維，產(chǎn)業(yè)互聯(lián)將通過(guò)新一代技術(shù)獲取整個(gè)產(chǎn)業(yè)鏈不同節點(diǎn)上有價(jià)值的數據，將原有分散的數據集合起來(lái)，產(chǎn)業(yè)互聯(lián)平臺更應該提供全產(chǎn)業(yè)不同價(jià)值鏈的數據模型和決策支撐。
企業(yè)數字化轉型的兩條路徑，分別是業(yè)務(wù)數據化（業(yè)務(wù)中臺化+數據資產(chǎn)化）與數據業(yè)務(wù)化（擴展業(yè)務(wù)鏈服務(wù)邊界+業(yè)務(wù)場(chǎng)景運營(yíng)）。
企業(yè)數字化有三個(gè)特征：第一是連接，連接員工、連接客戶(hù)、連接機器設備；第二是數據，也就是連接之后實(shí)時(shí)產(chǎn)生的數據；第三是智能，是數據驅動(dòng)的智能應用。
企業(yè)數字化分為三個(gè)領(lǐng)域：數字營(yíng)銷(xiāo)、數字管理、工業(yè)大數據。
中臺是企業(yè)數字化轉型的基礎和保障。
以消費者為中心的時(shí)代企業(yè)的數字化應用發(fā)生深刻變革，在原來(lái)以系統為核心的建設模式中，業(yè)務(wù)的數據被煙囪式IT系統分割到了不同系統中，相互之間數據不能完全共享，一旦業(yè)務(wù)變更產(chǎn)生新的應用需求，這種煙囪式體系架構難以支撐業(yè)務(wù)變化與創(chuàng )新，并且以消費者為中心的應用系統面臨巨大的性能挑戰，傳統架構難以應付海量訪(fǎng)問(wèn)的并發(fā)，因此向分布式平臺化轉變成為變革的方向。
數字中臺是基于企業(yè)級互聯(lián)網(wǎng)及大數據架構打造的數字化創(chuàng )新平臺，包含業(yè)務(wù)中臺和數據中臺。
東漢時(shí)期，尚書(shū)臺成為政府的中樞，號稱(chēng)中臺。唐朝的三省六部制，門(mén)下省為西臺，中書(shū)省為東臺，尚書(shū)省為中臺。尚書(shū)省作為執行機構，轄吏戶(hù)禮兵刑工六部。
中臺可以作為一種企業(yè)組織管理模式和理念，也可以作為一種新型的企業(yè)IT設施架構。
中臺是能力的樞紐和對能力的共享。
數據中臺是一個(gè)用技術(shù)連接大數據計算存儲能力，用業(yè)務(wù)連接數據應用場(chǎng)景能力的平臺。
數字中臺對內連接企業(yè)的后臺系統，如ERP、人力資源、協(xié)同辦公、財務(wù)管理等。
業(yè)務(wù)中臺，抽象包裝和整合后臺資源轉化為便于前臺使用的、可重用、可共享的核心能力，實(shí)現了后端業(yè)務(wù)資源到前臺應用能力的轉化，為前臺應用提供了強大的炮火支援能力，且隨叫隨到。業(yè)務(wù)中臺的共享服務(wù)中心提供的統一、標準的數據，減少了系統間的交互和團隊間的協(xié)作成本。
數據中臺接入業(yè)務(wù)中臺、后臺和其他第三方數據，完成海量數據的存儲、清洗、計算、匯總等，構成企業(yè)的核心數據能力，為前臺基于數據的定制化創(chuàng )新和業(yè)務(wù)狀態(tài)，基于數據反饋的持續演進(jìn)提供了強大支撐。數據中臺為前臺戰場(chǎng)提供了強大的雷達監測能力，實(shí)時(shí)掌控戰場(chǎng)情況，料敵先機。數據中臺所提供的數據處理能力和在之上建設的數據分析產(chǎn)品，也不局限于服務(wù)業(yè)務(wù)中臺。
業(yè)務(wù)中臺所提供的炮火支援能力和數據中臺所提供的雷達監測能力是一體的，并不是相互獨立的。業(yè)務(wù)沉淀數據是產(chǎn)礦，將數據導入數據中臺式探礦和挖礦，數據中臺對數據進(jìn)行建模等加工處理是對礦物的加工提純，通過(guò)數據服務(wù)指導業(yè)務(wù)的開(kāi)展是礦產(chǎn)再生的過(guò)程。業(yè)務(wù)狀態(tài)和數據狀態(tài)只是技術(shù)實(shí)現方式不同，他們一起組成了支撐業(yè)務(wù)創(chuàng )新的兩個(gè)輪子，缺一不可。
中臺文化的7個(gè)行為準則和行動(dòng)綱領(lǐng)：戰略有思想，融合跨部門(mén)，創(chuàng )新快支持，試錯多包容，共享創(chuàng )條件，賦能是基礎，行動(dòng)靠綱領(lǐng)。
數字中臺建設的整體策略，是從業(yè)務(wù)著(zhù)手，自頂向下逐層調研業(yè)務(wù)，再自底向上對業(yè)務(wù)逐層抽象歸納，行成業(yè)務(wù)全景圖。
業(yè)務(wù)中臺設計方法論
業(yè)務(wù)中臺本質(zhì)上是一個(gè)體系或系統，它實(shí)現了企業(yè)核心的業(yè)務(wù)運行機制，因而處于企業(yè)運行生態(tài)的核心位置，所有應用系統都必須與之建立聯(lián)系。
如何建設業(yè)務(wù)中臺？
能力支撐是基礎，中心自治是承載形式，三層模型是骨架，五步法是指導思想。
1）業(yè)務(wù)實(shí)體層（ Business Entity Layer，BEL）：由對靜態(tài)業(yè)務(wù)實(shí)體進(jìn)行管理的中心所構成，也就是我們分析的企業(yè)靜態(tài)資源管理。靜態(tài)資源包括通用業(yè)務(wù)對象，比如省地市、元數據，還包括商品、會(huì )員、用戶(hù)等。
2）業(yè)務(wù)協(xié)作層（ Business Collaboration Layer，BCL）：由以完成或管理支撐類(lèi)業(yè)務(wù)活動(dòng)為目標的中心所構成，比如促銷(xiāo)中心、評價(jià)中心等。本層的中心并不一定是業(yè)務(wù)活動(dòng)不可或缺的部分（或者說(shuō)主流程的一部分），但是沒(méi)有這些支撐類(lèi)的業(yè)務(wù)中心，我們的服務(wù)和業(yè)務(wù)水平就不能更上一層樓。
3）業(yè)務(wù)活動(dòng)層（ Business Activity Layer，BAL）：由以完成或管理核心類(lèi)業(yè)務(wù)活動(dòng)為目標的中心所構成，比如交易中心、供應中心、物流中心等。本層的中心都是企業(yè)業(yè)務(wù)活動(dòng)必不可少的部分，它們?yōu)闃I(yè)務(wù)活動(dòng)提供了核心運行機制。
五步法
1.業(yè)務(wù)抽象
1）業(yè)務(wù)調研
業(yè)務(wù)中臺的領(lǐng)域模型，是數據中臺的數據分析模型的基礎。
2）頂層業(yè)務(wù)分析
3）業(yè)務(wù)抽象
2.高階設計
1）中心規劃
2）0級架構設計
技術(shù)架構總體上分為展現層、服務(wù)層、接口系統、運營(yíng)管理和運維支撐。
3）中臺核心數據流規劃
3.組件建模
1）產(chǎn)品設計
中臺產(chǎn)品的詳細設計需要以面向中心為指導思想。不僅需要設計出應用需要實(shí)現的功能，更重要的是要將需要中心支撐的功能明確標識出來(lái)，歸到中心的帶實(shí)現列表里。
建設狀態(tài)的核心目的不是為了共享共享，這是中泰的特性，狀態(tài)是為了完成業(yè)務(wù)的核心運行機制，為前臺提供業(yè)務(wù)能力基礎的系統。
2）組件模型設計
可以通過(guò)窮舉邊界業(yè)務(wù)場(chǎng)景的方法，來(lái)反正組建模型設計是否合理。
3）1級架構設計
4）關(guān)鍵交互圖設計
4.開(kāi)發(fā)交付
5.持續運營(yíng)
數據中臺設計方法論：橫向規劃、縱向切入。
橫向規劃：即在進(jìn)行企業(yè)數據中臺規劃時(shí)，需要打通企業(yè)的所有業(yè)務(wù)板塊。
縱向切入：數據中臺建設涉及數據平臺建設、數據模型建設、數據治理、數據業(yè)務(wù)服務(wù)等方方面面的體系化工程，不可能一蹴而就。在如今追求價(jià)值快速變現的數字經(jīng)濟時(shí)代，需要快速找到數據中臺的速贏(yíng)點(diǎn)，因此需要從最可能體現業(yè)務(wù)價(jià)值的數據需求出發(fā)，倒推需要采集什么數據源作為生產(chǎn)資料，需要創(chuàng )建什么算法模型，需要滿(mǎn)足哪些業(yè)務(wù)場(chǎng)景，需要提供什么數據服務(wù)，先圍繞一個(gè)場(chǎng)景的閉環(huán)快速搭建起數據中臺的各種能力，實(shí)現業(yè)務(wù)價(jià)值賦能。然后按照全景規劃依次迭代，逐步實(shí)現整個(gè)企業(yè)的全局數據中臺。
數據中臺建設六步法：規劃、集成、建模、研發(fā)、管理、服務(wù)。
模型建設
模型建設是數據中臺的重要工作，數據中臺建設的成敗關(guān)鍵在于數據模型設計規劃得是否合理。數據模型分為分析模型和算法模型，分析模型是所有模型建設的基石。模型設計師要設計出通用高效的設計模型，首要條件就是要熟悉業(yè)務(wù)，不但要熟悉底層業(yè)務(wù)系統的業(yè)務(wù)流程，還要深刻領(lǐng)會(huì )數據應用場(chǎng)景。
數據建模分為5個(gè)步驟：選擇業(yè)務(wù)過(guò)程、聲明聚合粒度、確定模型的維度信息、確定事實(shí)以及冗余維度。
通用研發(fā)
模型設計完成后，開(kāi)發(fā)人員就按照模型設計文檔，在模型設計師的指導下進(jìn)行數據研發(fā)。研發(fā)包含數據萃取、數據聚合分析、算法實(shí)現以及作業(yè)調度等功能的開(kāi)發(fā)。
與業(yè)務(wù)系統或者數據應用的研發(fā)不同的是，數據研發(fā)較少直接與需求人員對接，開(kāi)發(fā)人員主要與模型設計師進(jìn)行反復溝通，準確理解模型設計師的模型設計意圖。
可以將數據中臺的數據研發(fā)過(guò)程比喻成數據加工流水線(xiàn)，模型中的代碼研發(fā)只是流水線(xiàn)中的一個(gè)部件，在每個(gè)模型部件研發(fā)完成后，還需要通過(guò)調度程序將這些作業(yè)有序地串聯(lián)起來(lái)，并且組織好這些作業(yè)的依賴(lài)和觸發(fā)關(guān)系。
資產(chǎn)管理
數據模型以及基于數據模型的調度均是數據中臺沉淀的數據資產(chǎn)。數據資產(chǎn)需要規范的管理與治理，才能確保數據中臺有序運轉，確保數據真正成為提升企業(yè)業(yè)務(wù)價(jià)值的資產(chǎn)。
資產(chǎn)管理最基礎的工作是做好元數據管理。元數據涵蓋了采集的數據接口、創(chuàng )建的數據模型、數據模型中的指標以及作業(yè)與作業(yè)之間的依賴(lài)關(guān)系。將這些元數據有序地展示出來(lái)，就形成了企業(yè)的數據資產(chǎn)。
治理數據資產(chǎn)不是事后治理，而是在數據模型所涉及的表、指標所涉及的字段等信息進(jìn)入數據中臺時(shí)，就通過(guò)數據同步機制自動(dòng)登記到元數據表中。
應用向中臺遷移的3種途徑和方法
方法1：新應用替換舊應用
第一步，搭建中臺，提供企業(yè)運營(yíng)的核心機制，輸出業(yè)務(wù)能力。
第二步，基于中臺，建設全新應用。優(yōu)化現有流程，提高用戶(hù)體驗。
第三步，開(kāi)發(fā)接口系統，保證新舊系統的數據同步，上線(xiàn)前遷移一份舊數據到中臺。
第四步，新應用和中臺穩定運行一段時(shí)間后，停止舊應用。
方法2：改造舊應用與中臺對接
第一步，搭建中臺，提供企業(yè)運營(yíng)的核心機制，輸出業(yè)務(wù)能力。
第二步，基于中臺，對舊應用進(jìn)行部分改造。由中臺提供的能力轉接到中臺，中臺未提供的能力繼續由舊應用自己實(shí)現。
第三步，遷移舊應用的相關(guān)數據到中臺。
第四步，發(fā)布運行。
方法3：直接建設中臺
第一步，借鑒行業(yè)經(jīng)驗，結合企業(yè)初步設想，先搭建中臺。
第二步，面向用戶(hù)收集需求，快速迭代中臺。
第三步，在中臺迭代過(guò)程中，不斷調整和沉淀業(yè)務(wù)能力。
第四步，根據業(yè)務(wù)需求，結合中臺，規劃應用和推行建設。
無(wú)論采用哪一種方法，都需要進(jìn)行舊應用的數據遷移，而且一定是異構數據的遷移。
技術(shù)中臺規劃
包括基礎設施層、技術(shù)PaaS層和業(yè)務(wù)中臺的基礎組件層。
業(yè)務(wù)中臺是一個(gè)充滿(mǎn)生命力的個(gè)體，它承載業(yè)務(wù)邏輯、沉淀業(yè)務(wù)數據、產(chǎn)生業(yè)務(wù)價(jià)值，并隨著(zhù)業(yè)務(wù)不斷發(fā)展進(jìn)化。
數據中臺的建設
數據中臺的作用是引領(lǐng)業(yè)務(wù)，構建規范定義的、全域可連接萃取的、智慧的數據處理平臺，建設目標是高效滿(mǎn)足前臺數據分析和應用的需求。數據中臺涵蓋了數據資產(chǎn)、數據治理、數據模型、垂直數據中心、全域數據中心、萃取數據中心、數據服務(wù)等多個(gè)層次的體系化建設。
數據中臺可分為3層——數據模型、數據服務(wù)與數據開(kāi)發(fā)，通過(guò)數據建模實(shí)現跨域數據整合和知識沉淀，通過(guò)數據服務(wù)實(shí)現對數據的封裝和開(kāi)放，快速、靈活地滿(mǎn)足上層應用的要求，通過(guò)數據開(kāi)發(fā)工具滿(mǎn)足個(gè)性化數據和應用的需要。
數據中臺包含6個(gè)子系統：大數據平臺、智能運維平臺、智能研發(fā)平臺、自助分析平臺、智能標簽平臺以及數據資產(chǎn)平臺。
-數據平臺提供數據資產(chǎn)的計算引擎、存儲方式以及數據安全權限管理機制。
-運維管理平臺為大數據平臺正常的運轉提供保障。
-研發(fā)管理平臺提供兩部分內容：1）提供快捷方便的數據處理工具，涵蓋數據進(jìn)入數據中臺的整個(gè)生命周期，包含了數據采集、數據清洗、數據聚合匯總、數據對外服務(wù)，均可以使用可視化配置或者簡(jiǎn)單的SQL腳本；2）提供數據資產(chǎn)的管理工具，涵蓋數據指標體系管理、數據模型管理、數據質(zhì)量管理、數據血緣管理管理等組件。
-智能標簽平臺則是為生成實(shí)體標簽服務(wù)的工具平臺。
-自助分析平臺則與數據分析模型對接，讓數據分析模型快捷地通過(guò)友好的界面展示供業(yè)務(wù)部門(mén)使用。
前面5部分內容屬于工具平臺，都是為數據資產(chǎn)服務(wù)的。數據資產(chǎn)平臺是數據中臺的核心部件，它包含按照規范建設的數據分析模型、適用于各種數據賦能業(yè)務(wù)場(chǎng)景的數據算法模型以及企業(yè)通用的數據分析專(zhuān)題。
搭建大數據平臺：大數據平臺是建設數據中臺的基石，隨著(zhù)大數據技術(shù)的日新月異，特別是以Hadoop生態(tài)圈為代表的開(kāi)源社區的活躍，在數倉時(shí)代數據處理、海量數據存儲的痛點(diǎn)都一一得到解決。搭建大數據平臺主要是解決數據采集的組件選型、數據處理的計算引擎選型、各種類(lèi)型的數據存儲組件選型，以及數據作業(yè)調度、權限、安全管理組件等問(wèn)題，保障數據中臺中的數據資產(chǎn)可以在平臺中有序正常地運轉。同時(shí)，通過(guò)對數據中臺建設的數據資產(chǎn)資源進(jìn)行評估，估算出搭建大數據平臺需要的計算、存儲、網(wǎng)絡(luò )等資源。它需要從數據總體量、數據日增長(cháng)量、數據存儲周期等多方面綜合估算。當前在大數據平臺建設過(guò)程中選擇面很寬，不過(guò)仍以Hadoop生態(tài)圈的技術(shù)組件為主，比如數據存儲可根據數據類(lèi)型與用途不同，可選擇HBase、Hive、Parquet等組件；數據計算引擎可根據需要選擇MapReduce、Spark、Flink等分布式計算引擎；而數據作業(yè)調度組件則可選擇Azkaban、Oozie、Airflow等各組件；數據權限、安全等也是搭建大數據平臺必不可少的環(huán)節，開(kāi)源社區同樣提供了Ranger、Kerberos等權限管控組件。當然，除了這些開(kāi)源組件以外，最近幾年出現了很多成熟的商業(yè)化大數據計算產(chǎn)品，無(wú)論是在計算性能、運行穩定、技術(shù)支撐等方面都優(yōu)于開(kāi)源社區產(chǎn)品，比如阿里巴巴提供的MaxCompute（原ODPS），可以輕松支持PB甚至EB級數據量計算及存儲。
數據（算法）開(kāi)發(fā)功能包含實(shí)時(shí)、離線(xiàn)、算法這3部分的功能開(kāi)發(fā)。與傳統的數據開(kāi)發(fā)的不同之處在于，研發(fā)平臺通過(guò)對不同計算引擎的數據輸入、轉換、輸出操作進(jìn)行抽象封裝，并為相應的操作（算法）內置豐富的插件。使開(kāi)發(fā)人員只通過(guò)在界面中配置插件和編寫(xiě)SQL的方式，就能完成大部分的數據（算法）開(kāi)發(fā)工作。從而降低數據開(kāi)發(fā)的門(mén)檻，提升開(kāi)發(fā)效率。
數據中臺中的數據資產(chǎn)按照功能可分為兩部分內容：數據模型和標準分析專(zhuān)題。數據模型又包含了分析模型和應用算法模型。
1．數據模型
（1）分析模型
從企業(yè)整體業(yè)務(wù)出發(fā)，梳理全量業(yè)務(wù)進(jìn)行分層建模，將數據按照功能性、量級分為四層:
ODS層（Operational Data Store，操作性數據）
DWD層（Data Warehouse Detail，明細寬表級數據）：1）數據聚合：將來(lái)自不同系統的同類(lèi)數據源按照某種維度進(jìn)行聚合，形成統一的聚合數據。例如，對某用戶(hù)在某時(shí)段在京東、天貓的訂單進(jìn)行聚合，形成寬表。2）豐富維度：將事實(shí)表與維度表進(jìn)行充分關(guān)聯(lián)聚合后，豐富事實(shí)表的維度，避免數據在后續計算時(shí)需要關(guān)聯(lián)大量的維度表，將雪花模型轉換為星型模型。例如，訂單表中存在商品編碼，通過(guò)商品編碼與商品維表的關(guān)聯(lián)，將商品類(lèi)別、商品規格、商品單價(jià)等屬性值寫(xiě)入事實(shí)表。雪花模型是指當有一個(gè)或多個(gè)維表沒(méi)有直接連接到事實(shí)表上，而是通過(guò)其他維表連接到事實(shí)表上時(shí)，其圖解就像多個(gè)雪花連接在一起，故稱(chēng)雪花模型。星形模式是一種多維的數據關(guān)系，它由一個(gè)事實(shí)表（Fact Table）和一組維表（Dimension Table）組成。
DWS層（Data Warehouse Summary，公共匯總數據）：1）維度退化：加強指標的維度退化，提煉出粗粒度的常用維度、常用指標的匯總模型；數據匯總程度高于DWD層，單表數據量明顯減少，通常采用星型建模。2）形成主題寬表：根據客戶(hù)、商品、經(jīng)銷(xiāo)商、店鋪等實(shí)體在某一段時(shí)間內的事件軌跡，串聯(lián)起整體業(yè)務(wù)，形成全方位的公共基礎寬表，通常采用實(shí)體建模。例如客戶(hù)實(shí)體，可以通過(guò)客戶(hù)基本屬性、客戶(hù)購物經(jīng)歷、購物偏好、金融風(fēng)險評級等維度360°全方位形成客戶(hù)寬表。以上兩種手段旨在提升公共指標的復用性，減少重復的加工工作。
ADS層（Application Data Store，專(zhuān)業(yè)應用匯總數據）：1）個(gè)性化指標加工：無(wú)公用性、復雜性（指數型、比值型、排名型指標），通過(guò)DWS層的公共基礎指標衍生出應用型的衍生指標。2）基于應用的數據組裝：大寬表集市、橫表轉縱表、趨勢指標串等應用型數據。
DWD和DWS兩層又合稱(chēng)為中間層，是整個(gè)分析模型的核心和靈魂。
（2）應用算法模型應用算法模型是數據中臺中的高價(jià)值資產(chǎn)，真正體現數據中臺與傳統數據倉庫差異的根本點(diǎn)，有了能貼近應用場(chǎng)景的高度抽象的算法模型才能實(shí)現數據中臺的價(jià)值。
① 交叉銷(xiāo)售模型
常用的幾類(lèi)算法：一是按照關(guān)聯(lián)規則算法，也即通常所說(shuō)的購物籃分析，發(fā)現那些有較大可能被一起采購的商品，對它們進(jìn)行有針對性的促銷(xiāo)和捆綁，這就是交叉銷(xiāo)售；二是借鑒響應模型的思路，為某幾種重要商品分別建立預測模型，對潛在消費者通過(guò)這些特定預測模型進(jìn)行過(guò)濾，然后針對最有可能的前*% 的消費者進(jìn)行精確的營(yíng)銷(xiāo)觸達；三是仍然借鑒預測響應模型的思路，讓重要商品兩兩組合，找出那些最有可能消費的潛在客戶(hù)；四是通過(guò)決策樹(shù)清晰的樹(shù)狀規則，發(fā)現基于具體數據資源的具體規則逐層判斷客戶(hù)會(huì )對哪幾種潛在的商品感興趣。
相應的建模技術(shù)主要包括關(guān)聯(lián)分析（Association Analysis）、序列分析（Sequence Analysis）以及邏輯回歸、決策樹(shù)等算法。
② 信用風(fēng)險模型
信用風(fēng)險包括欺詐預警、交易風(fēng)控、反刷單等在交易場(chǎng)景下的風(fēng)險預警。
③ 商品推薦模型
常用的商品推薦模型主要分為規則模型、協(xié)同過(guò)濾和基于內容的推薦模型。
規則模型常用的算法有Apriori，而協(xié)同過(guò)濾中則涉及kmeans最近鄰居算法、因子模型等。
④ 智能補貨模型
2．分析專(zhuān)題
可將中臺對前臺業(yè)務(wù)的覆蓋程度和響應能力作為中臺團隊的考核指標，以評估中臺團隊所建設的中臺系統對前臺業(yè)務(wù)創(chuàng )新和擴展所需資源的節省程度。
共享服務(wù)的運營(yíng)系統
觸點(diǎn)營(yíng)銷(xiāo)就是指為消費者運營(yíng)提供更有時(shí)效、更為全面、更加精準、更具價(jià)值的社會(huì )化、商業(yè)化營(yíng)銷(xiāo)方案。
數字中臺作為數字營(yíng)銷(xiāo)的有效手段，其賦能數字營(yíng)銷(xiāo)的使命轉變?yōu)椋鹤尃I(yíng)銷(xiāo)變得更簡(jiǎn)單，讓業(yè)務(wù)增長(cháng)成為自然。這主要體現在：
第一，數字中臺支持全渠道運營(yíng)中種類(lèi)繁多的營(yíng)銷(xiāo)場(chǎng)景。
第二，數字中臺擁有豐富的全域消費者運營(yíng)組件。
第三，數字中臺可以像搭樂(lè )高玩具一樣設計全域運營(yíng)流程。
第四，利用數字中臺的全域營(yíng)銷(xiāo)實(shí)時(shí)監控，讓數字化營(yíng)銷(xiāo)效果盡在掌握。
第五，數字中臺的全域營(yíng)銷(xiāo)A/B測試，讓數字化營(yíng)銷(xiāo)策略收效更佳。
全渠道交易場(chǎng)景
全渠道交易的5大關(guān)鍵能力體現為統一的商品信息能力、全域的消費者運營(yíng)能力、高效的訂單處理能力、全局可視的庫存管理能力、統一結算管理能力。
全渠道訂單處理
企業(yè)庫存管理可以分前端庫存、后端庫存，兩者互相影響但又不等同。前后端庫存互相影響體現在前端庫存隨著(zhù)市場(chǎng)銷(xiāo)售變化而變化，如前端用戶(hù)下單，則扣減前端庫存，經(jīng)訂單中心處理后，形成發(fā)貨單交給后端倉庫并鎖庫，待發(fā)貨出倉后則扣減后端實(shí)體庫存。而伴隨著(zhù)采購、生產(chǎn)、調撥及退貨流程，形成后端庫存的在途庫存，待實(shí)際入倉后，增加后端庫存，并同步影響前端可售庫存。前后端庫存不等同具體體現在前端庫存是與企業(yè)運營(yíng)的策略有關(guān)的，比如后端庫存有1000件可以用于銷(xiāo)售，但前端庫存出于運營(yíng)策略，在國慶期間策劃每日秒殺活動(dòng)，每天只提供100件用于平臺搶購；比如在后端還沒(méi)有庫存的情況下，企業(yè)通過(guò)預售活動(dòng)先收集用戶(hù)需求，由用戶(hù)先下單支付一定比例的貨款，而預售活動(dòng)庫存可以設置為無(wú)限大。
前端庫存根據銷(xiāo)售的特性又可以設置可售庫存、鎖定庫存、活動(dòng)庫存、預售庫存。前端庫存可以根據天貓、京東、微信小程序等渠道特點(diǎn)及各渠道在商品運營(yíng)深度不同，靈活設置前端庫存權重。企業(yè)可以根據自家商品特性及渠道發(fā)展的深度，靈活設置渠道庫存，盡可能使渠道價(jià)值最大化。
可售庫存是指可供前端正常銷(xiāo)售的商品庫存，可以根據各前端特點(diǎn)按比例分別設置各前端的可售庫存。
鎖定庫存是指下單即占用庫存，確保下單用戶(hù)有庫存可供配送，確保用戶(hù)體驗。
活動(dòng)庫存是指為策劃某場(chǎng)活動(dòng)，從可售庫存中拿出一部分庫存供活動(dòng)使用，如每日秒殺活動(dòng)，拿出100件商品進(jìn)行在線(xiàn)搶?zhuān)瑩屚昙椿顒?dòng)停止。
預售庫存是指先下單后采購或生產(chǎn)，特別是生鮮類(lèi)的季節性產(chǎn)品，商家往往會(huì )在產(chǎn)品上市前一個(gè)月策劃提前下單活動(dòng)，商家根據下單總量，再安排采購或生產(chǎn)。
后端庫存根據產(chǎn)品的特性可以設置賬面庫存、可用庫存、鎖定庫存、在途庫存、不良品庫存、貨權歸屬。
賬面庫存是指倉庫實(shí)際存放的商品庫存數據。
可用庫存是指倉庫中可供使用的庫存，如有些商品是被訂單占用，即將出庫則不能計為可用庫存。
在途庫存是指已采購、已生產(chǎn)、已調撥的商品，這部分商品在運輸途中，暫未入庫。
鎖定庫存是指被訂單占用的庫存。
不良品庫存是指有損耗或檢驗不合格的商品，這部分是不能被銷(xiāo)售的部分。
門(mén)店庫存首先需要實(shí)時(shí)更新庫存中心，但是否全局共享給所有前端渠道，可以靈活設置，給參與門(mén)店自主選擇的權利。
全鏈路服務(wù)
全渠道（Omni-Channel）即企業(yè)為了滿(mǎn)足消費者任何時(shí)候、任何地點(diǎn)、任意方式的購買(mǎi)需求，采取實(shí)體渠道、電子商務(wù)渠道和移動(dòng)電子商務(wù)渠道整合的方式實(shí)現營(yíng)銷(xiāo)銷(xiāo)售，為顧客提供無(wú)差別的購買(mǎi)體驗。
全場(chǎng)景客服產(chǎn)品
何為全場(chǎng)景呢？除了涵蓋企業(yè)各服務(wù)場(chǎng)景（如售前、現場(chǎng)、電銷(xiāo)、企業(yè)服務(wù)、現場(chǎng)服務(wù)、售后服務(wù)、智能自動(dòng)、客戶(hù)關(guān)懷等），更需要滿(mǎn)足用戶(hù)任意場(chǎng)景的服務(wù)需求。
智能客服平臺業(yè)務(wù)架構
智能客服流量收集分流示意圖
企業(yè)全員都需要數據思維
過(guò)去，企業(yè)能夠獲取的數據類(lèi)型和數據量都相對有限，企業(yè)不得不依賴(lài)經(jīng)驗作決策，伴隨著(zhù)企業(yè)一路走來(lái)的業(yè)務(wù)人員也被動(dòng)養成了經(jīng)驗決策的習慣。但數字化前所未有地降低了企業(yè)獲得業(yè)務(wù)數據的難度，而企業(yè)要實(shí)現數據驅動(dòng)的運營(yíng)，首先需要全員拋開(kāi)既往的經(jīng)驗思維，要具備數據思維與數據意識。單純的數據展現很難發(fā)揮數據的價(jià)值，數據必須與業(yè)務(wù)場(chǎng)景結合，而最熟悉企業(yè)業(yè)務(wù)場(chǎng)景的不是IT部門(mén)或企業(yè)領(lǐng)導，而是每一個(gè)真正接觸業(yè)務(wù)的業(yè)務(wù)人員。
理論上每一個(gè)決策都可以有數據支撐，但“用什么樣的數據，從何處采集，建立什么樣的模型做分析，如何應用”這一系列的問(wèn)題需要業(yè)務(wù)人員與技術(shù)人員通力配合、碰撞、共創(chuàng )，才能以最快的速度找到執行路徑，繼而迭代優(yōu)化，最終找到真正的“數贏(yíng)點(diǎn)”。
業(yè)務(wù)人員利用好數據的同時(shí)，也大大減少了自身“機械式”決策的作業(yè)占比，越來(lái)越多的作業(yè)環(huán)節可以交由系統根據數據自行決策。節省下來(lái)的時(shí)間可以更多地思考業(yè)務(wù)如何創(chuàng )新以帶來(lái)更大的商業(yè)價(jià)值。
營(yíng)銷(xiāo)的核心是運營(yíng)用戶(hù)數字資產(chǎn)
免費可再分配的用戶(hù)資產(chǎn)是企業(yè)最大的資產(chǎn)。傳統企業(yè)應利用數字中臺和采取行之有效的會(huì )員運營(yíng)方法進(jìn)行泛會(huì )員運營(yíng)，盤(pán)活用戶(hù)數字資產(chǎn)，實(shí)現用戶(hù)資產(chǎn)增值。
傳統企業(yè)的用戶(hù)資產(chǎn)無(wú)法利用，主要原因有以下3點(diǎn)。
1．沒(méi)有有效的會(huì )員管理體系，有力使不出
2．沒(méi)有自己的會(huì )員運營(yíng)體系，無(wú)法形成有效數據資產(chǎn)3．會(huì )員特征無(wú)法洞察，無(wú)法精準運營(yíng)
企業(yè)只有通過(guò)搭建自己的數字平臺，全面管理會(huì )員數據，并通過(guò)有效的運營(yíng)手段盤(pán)活會(huì )員形成數字資產(chǎn)，才能最終實(shí)現用戶(hù)資產(chǎn)增值。
會(huì )員運營(yíng)9步法，助力企業(yè)用戶(hù)資產(chǎn)增值
營(yíng)銷(xiāo)云的整體系統分4層，從下往上依次為：基礎IaaS層、平臺服務(wù)層、共享服務(wù)中心層和業(yè)務(wù)應用層。
IT系統無(wú)法支持新業(yè)務(wù)
IT系統以面向內部管控為主，而非以消費者需求為主，無(wú)法響應快速變化的消費者需求。
中臺搭建的最大挑戰是找到有價(jià)值的業(yè)務(wù)場(chǎng)景，只有圍繞業(yè)務(wù)場(chǎng)景組織數據服務(wù)才能夠最有效地實(shí)現中臺為業(yè)務(wù)賦能的價(jià)值。
聯(lián)系客服
