?
案例企業
?
某能源企業成立于2008年，是成品油銷售領域的龍頭企業（以下簡稱“A企業”），由中外合資設立，A企業立足于陜西省及周邊地區，重點開展加油站運營管理及相關業務，目前在陜西、山西、河南、內蒙古自治區運營油站超過600座，會員超過600萬，每天為超過22萬名顧客提供高品質的燃油服務，
作為中外合資的混合所有制改革樣板，A企業通過市場化改革適應了國際、國內市場競爭，并積極應用數字化、智能化新技術，建設幾十個資訊系統，取得了一系列重要成果，積累了大量實踐經驗，
業務挑戰
?
在資料使用程序中，A企業發現多個問題，
以油站運營為例：站長日常需要關注油站注冊用戶數、活躍用戶數、會員加油頻率、單筆消費金額、會員消費粘性等資料指標，但沒有一個統一平臺進行用戶資料的展現，此外，日常資料分析成本高、效率低，業務人員通過業務系統導數+Excel的半手工方式進行分析，需要自動化工具將業務人員從低效的作業中解脫出來，
造成資料使用問題多的原因可總結為以下幾點：
?
第一，業務環節缺少體系化串聯，業務各個環節沒有深入的資料分析支撐，客戶洞察難度大，無法判斷哪些是高價值客戶、哪些客戶有流失傾向，資料價值難呈現，需要通過建設業務體系，例如倍訓營銷體系、會員管理體系、異業合作體系等，將各個環節的業務串聯起來，形成合力，
第二，資料不統一、缺乏標準，系統間資料不一致，資料交叉，資料流向復雜，例如，早期油站系統建設時，受到資料傳輸能力的限制，只能上傳匯總資料，明細資料則存盤在云上，匯總資料依賴于人工操作，導致匯總資料和明細資料之間存在差異，因此，需要制定資料標準，設計整體的資料架構，形成統一資料模型，
第三，缺少資料服務體系，資料服務的提供效率與業務訴求不匹配，需要形成資料服務生成體系，避免重復開發，
第四，未形成資料資產化，資料未資產化管理，資料使用問題多，需要形成資料資產目錄，
第五，存在資料孤島，主資料散落在多個系統中，存盤計算結構復雜，需要整合企業內部和外部的資料，統一存盤避免差異，并從業務視角重新組織，
解決方案
為解決業務技術痛點，A企業與星環科技達成合作，旨在打造平臺、管理、應用并重的資料中臺，
資料中臺建設并非一蹴而就，需要一個長期的程序，在星環科技的建議下，A企業采用小步快跑模式，在加強基礎能力建設的同時，推動重點業務資料價值探索，按需建設，
A企業資料中臺建設規劃分為三個階段：
第一階段：重點探索，完成資料平臺搭建，進行資料資產管理運營，融合各系統資料，并以最迫切、價值最高的業務應用為出發點，在資料中臺探索如何實作，并形成資料敏捷開發機制，
第二階段：內部賦能，將第一階段探索的成果推廣到企業內部的其他業務部門和管理部門，促進資料與業務的進一步融合，初步形成大資料應用生態，
第三階段：生態合作，通過持續運營資料中心服務能力，形成生態化數字平臺方案產品，建立健全業務需求識別機制，實作應用生態百花齊放，讓資料產生價值，
根據三步走的建設規劃，資料中臺的目標是搭建三大平臺，推動數業融合，將原有“資料孤島”、“煙囪式”的資料存盤和開發作業，納入到規范化、標準化、資產化的軌道上，做到統一入口、統一出口、集中管理、高效服務，三大平臺包括：
? 資料整合平臺：通過對資料進行集中采集、存盤、計算、加工，形成統一標準和加工口徑，通過資料整合確保資料一致性，
? 業務應用平臺：沉淀共性資料能力，構建資料產品服務，提供資料、分析服務的共享開放和機制能力，賦能業務，
? 資料探索平臺：針對特定場景挖掘研究、AI專題分析，深入洞察業務，最大化實作資料價值，
?
搭建三大平臺需要邁過“六層臺階”：資料平臺建設、資料采集、資料管理、資料展現、業務支撐和資料探索，其中資料整合平臺搭建后可以邁過前三層臺階，業務應用平臺搭建后可以邁過第四、五層臺階，資料探索平臺搭建后則可以邁過最后一層臺階，
從架構上看，資料中臺整體架構分為資料中心、業務中心、統一介面、業務展現四個邏輯模塊：
資料中心將各個資料源的資料接入后，通過ETF對資料進行清洗、整合、加工，并以作業流的方式進行管理，在資料平臺之上構建資料集市，支持資料查詢、資料探索、人工智能等方式的資料使用，并提供平臺管理和資料管理能力，
業務中心對各個業務部門的業務場景進行抽象提煉，例如市場部、運營部、大客戶部都需要進行客戶分析，市場部、非油部、運營部都需要精細化運營分析等，基于業務場景拆解分析方法，包括BI維度分析、自助式分析、人工智能分析等，
經過資料中心和業務中心的處理，將有價值的資訊通過統一介面對外輸出，并以可視化方式進行業務，
從資料流轉生命周期的角度看，資料中臺體系架構可分為資料供給、資料加工&資料治理、資料服務和資料消費四個環節，
其中，資料加工&治理作為核心環節，資料中臺采用離線和實時計算存盤平臺，采集內部外全域資料，按照明細程度進行分層，按照業務主題進行分類，從橫向和縱向出發將原本分散孤立的資料組織和統一起來，
操作資料層是原系統資料在資料中臺的落地，明細資料層保留最詳細力度的資料，將各個系統相同主題的資料歸類存放，包括客戶、油站、交易、營銷、供應鏈、安全、財務、人力等主題，同時，根據資料使用的作用劃分維度和事實，包括員工維度、交易事實、人力事實等，將資料歷史通過事務事實、周期快照事實、累計快照事實等方式進行保留，將相同主題整合到同一個業務域，例如將員工、交易和人事組合為人力資源域，可以支持HR業務域所有基礎資料的需求，
匯總指標層對資料進行輕度匯總，主要用于加工常用和共性指標，客戶指標例如客戶月交易頻次、客戶常去的油站等，銷售指標包括分油品銷量、分客戶型別銷量等，營銷指標包括促銷金額、促銷費用等，
應用資料層根據業務需求，對資料進行深度匯總，組合為具有強烈業務指向的指標和應用，包括駕駛艙、運營日報、會員運營、油站運營、投資回報、定價分析、零售分析、靈活分析等，
資料在各層次不斷上卷的程序中，一方面需要保證資料始終處于良好的資料管理之下，包括元資料管理、資料質量管理、資料資產目錄管理等，保證資料安全；另一方面資產也需要分析、應用、優化和持續運營，
對于探索性、研究性場景，使用AI模型分析，例如客戶分群、客戶流失、例外交易、油站安全風險評估等，同時還支持指標、營銷、客戶標簽、財務管理等API類的服務，資料在服務程序基于開發平臺處理，遵循開發規范，
這種資料架構下的中臺具有穩定和健壯的特點，能夠通過抽象出來的能力為快速變化的業務賦能，
在資料采集方面，資料中臺采集各業務系統資料，資料型別包括結構化資料和半結構化資料，結構化資料包括Oracle、SqlServer、Hadoop、微軟云等，通過星環科技Transporter工具進行采集，保證資料及時準確無誤接入資料中臺；對于半結構化資料，采用Shell/Java/Python腳本的方式決議資料入庫，
?
在資料治理方面，基于對資料特性差異的分析，將資料分為基礎資料、指標資料和外部資料，并對每類資料源進行資料資產盤點，制定每類資料資產目錄，編制資料標準，構建統一標準的資料模型，形成可持續的運營方案，資料資產目錄可以提供快速了解資料和業務的藍圖，為業務人員和分析人員提供備查的資料索引，
?
在團隊保障方面，A企業和星環科技全力配合、雙向協作，星環科技作為供應商將專案組成員分為專案管理、資料智能、資料架構、技術架構和產品實施，同時配備專家組，全力支持A企業資料中臺建設，
?
A企業資料中臺專案從2019年10月開始，經過兩期專案，資料中臺初步形成了統一資料入口、統一基礎模型、統一資料管理、統一展示出口的資料整合平臺、業務應用平臺、資料探索平臺，面向管理層、業務運營層和一線油站提供KPI指標預警、多項專題類應用和資料類報表服務，充分發揮大資料對內運營的支撐作用，全面提升A企業精細化運營能力和效益分析能力，
資料中臺在A企業內部的典型應用場景如下：
業務應用一：領導駕駛艙
基于業務痛點和管理層需求，為不同部門定制開發駕駛艙，例如運營部門關心油站的銷量、車次、單價等，安全部門關心油站的月檢、周檢、視頻檢查等，
通過聚合各平臺的資料資源，實作技術和業務的深度融合，通過數字化平臺保障支撐，快速反映KPI指標運營趨勢，為管理層決策提供資料依據，
?
業務應用二：油站運營
油站的零售運營涉及管理層、業務區域運營層和一線油站經理，不同層級的人員有不同的運營需求，但不同地區、不同型別的油站都獨立運營，缺乏統一的資料統計口徑和資料標準，油站運營狀況缺乏快速敏捷的分析支撐能力和有效的上下傳導管理機制，
通過油站運營分析，整合公司油站的運營資料，并統一資料標準，提供各項運營指標查詢監控、資料類靈活多維分析報表服務，發揮大資料對內運營支撐作用，全面提升油站的精細化運營能力和效益分析能力，
?
業務應用三：會員運營
對于會員分群，通過使用RFM模型，利用AI演算法對會員生命周期、會員用戶狀態、會員價值進行探索和分析，區分各個價值型別、各種活躍程度的客戶，從而有效制定營銷策略，提升客戶價值，
?
會員標簽體系包括會員資訊、會員油品交易資訊、會員非油交易資訊，通過建立會員標簽體系，可以分析不同地域會員的特征，針對不同會員采取定制化的營銷方案與服務，
?
業務應用四：財務管理
財務管理涉及利潤分析、銷售定價分析和財務合規分析，利用資料中臺數字化、自動化、智能化的優勢，可以快速支撐財務部門進行利潤計算、財務對賬和財務合規分析，提高財務部門的作業效率，并有效規避財務風險，
?
業務應用五：例外交易識別
通過對指標的拆解和處理，構建例外交易模型，識別例外交易，過去人工判斷的例外交易準確率在15%左右，例外交易模型將準確率提升到60%-80%，幫助企業挽回一定損失，
?
業務應用六：油站安全管理
加油站是易燃易爆場所，安全事故一旦發生會造成很大損失，因此油站安全管理尤為重要，資料中臺對油站的安全管理分為兩部分：
一是對現有資料的統計分析，可視化展示各個油站的安全狀況，例如本年累計維修保養次數、油站設備使用時間、本月安全隱患提交次數等，實作油站風險可視化展示與跟蹤，
?
二是通過AI模型對油站安全風險進行評分，分為高中低三類，使業務人員重點關注風險較高的油站，解決人站不匹配問題，
?
價值與效果
?
資料中臺持續為A企業各個層面帶來切實收益，具體來看：
第一，落實公司數字化戰略，探索未來資料發展方向，資料統計作業從最初繁瑣、易錯的依靠人工上報的形式到系統登錄資料中臺，不同角色可以看到不同的界面及資料，資料使用更加方便、快捷、準確，
第二，資料打通融合，為油站運營提供全方位支撐，資料中臺打破資料孤島，提供全方位資料支持，保證油站管理高效運轉，
第三，提升分析成果共享能力和分析效率，從直接在各自生產系統上下載客戶或財務賬目明細資料進行分析計算，到不同系統資料匯聚到資料中臺，結合不同系統資料綜合分析，
第四，豐富資料應用場景，降低人力成本，原來每個部門需要配備多人專門負責資料匯總呈現，現只需1人，節省了人力成本，業務部門也可將有限的人員和精力投入到最需要的地方和環節，
?
從業務的資料使用角度看，資料中臺實作三方面的效益：
第一，資料中臺對資料進行統一的沉淀處理，當其他系統需要時，可直接對外提供，避免重復開發，業務人員從一個入口就可以看到所有需要的資料，
?
第二，業務功能按不同角色進行梳理和劃分，開發出符合業務人員自身特點的操作流程，讓每個使用者都切身感覺到資料中臺是為其專人服務的，
?
第三，業務人員可以根據實際的使用場景選擇相對應的展現方式，支持手機、電腦、平板等多個終端便捷查詢，
?
經驗借鑒
?
幫助業務是資料作業的出發點和落腳點，資料中臺專案的規劃和設計必須結合業務考慮，同時提升業務的資料意識，實作資料和業務雙向正反饋，共同達到業務目標，
A企業資料中臺專案順利落地的關鍵成功要素有以下四點：
第一，領導支持是成功的保證，高層領導的戰略引領、資訊部門領導的統籌布局、業務部門領導的積極配合對于資料中臺專案而言缺一不可，
第二，提升業務的資料意識，企業需要在全司形成使用資料解決問題和分析問題的氛圍，專案開展初期可以通過宣講等多種形式讓業務人員意識到資料作業的重要性以及當前所處階段和難點，當資料專案到后期，業務人員已經習慣于資料中臺提供的服務后，要避免成為業務的取數工具人，而是為業務進行賦能，
第三，選擇合適切入點開展作業，各部門都有不完全相同的資料需求，無法一次性滿足所有業務部門的需求，可以優選選擇1-2個重要且有影響力的業務場景進行切入，爭取業務人員的理解和支持，成功實作了1-2個場景案例后，專案壓力減輕，方便后續作業的開展，
第四，小步快跑、持續迭代，專案對效率的要求高，投產上線周期快，針對專案進行敏捷開發，實作小步快跑、迭代開發和回圈演進，
?
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/518785.html
標籤：其它