在搭建數(shù)據(jù)中臺(tái)之后，可能面臨一個(gè)問題：通過數(shù)據(jù)中臺(tái)的建立，來自各業(yè)務(wù)系統(tǒng)，以及企業(yè)內(nèi)外部不同來源的數(shù)據(jù)，最終形成一個(gè)統(tǒng)一的數(shù)據(jù)體系，建設(shè)統(tǒng)一數(shù)倉(cāng)。那么接下來應(yīng)該思考如何讓數(shù)據(jù)發(fā)揮價(jià)值？
數(shù)據(jù)有哪些應(yīng)用場(chǎng)景？
一切數(shù)據(jù)業(yè)務(wù)化一切業(yè)務(wù)數(shù)據(jù)化，當(dāng)完成了業(yè)務(wù)數(shù)據(jù)化環(huán)節(jié)后，企業(yè)要做的就是數(shù)據(jù)業(yè)務(wù)化。數(shù)據(jù)業(yè)務(wù)化方向主要有三類：
1. 數(shù)據(jù)展示應(yīng)用。以大小屏看板或二維報(bào)表形式進(jìn)行指標(biāo)展示，支持?jǐn)?shù)據(jù)分析。
2. 通過數(shù)據(jù)模型來支持業(yè)務(wù)層面的應(yīng)用?；诰唧w業(yè)務(wù)需求構(gòu)建數(shù)據(jù)模型，對(duì)多源數(shù)據(jù)進(jìn)行處理以輸出支撐業(yè)務(wù)使用的數(shù)據(jù)，如分析幫助企業(yè)預(yù)測(cè)未來業(yè)務(wù)發(fā)展的數(shù)據(jù)，可進(jìn)行經(jīng)營(yíng)決策的調(diào)整。
3. 為業(yè)務(wù)應(yīng)用提供數(shù)據(jù)服務(wù)。以API的方式把后臺(tái)內(nèi)部已經(jīng)處理好的數(shù)據(jù)提供給其它業(yè)務(wù)系統(tǒng)，再進(jìn)一步深度加工，從而幫助其它業(yè)務(wù)系統(tǒng)更好地深度應(yīng)用數(shù)據(jù)價(jià)值，以支撐業(yè)務(wù)應(yīng)用，提供業(yè)務(wù)價(jià)值；同時(shí)也解決在數(shù)據(jù)處理過程中可能會(huì)碰到的總接口復(fù)雜混亂的問題。
下面是每個(gè)應(yīng)用場(chǎng)景的深入介紹。
數(shù)據(jù)展示應(yīng)用
指標(biāo)體系的梳理是建設(shè)數(shù)據(jù)展示應(yīng)用的第一步。
指標(biāo)體系的梳理：把指標(biāo)的六大屬性整理成一個(gè)完整的清單，幫助指導(dǎo)如何把企業(yè)內(nèi)部各部門使用的數(shù)據(jù)的聚合指標(biāo)形成一個(gè)統(tǒng)一的指標(biāo)，幫助做未來的可視化應(yīng)用的展開。指標(biāo)的六大屬性包括：基礎(chǔ)屬性、業(yè)務(wù)屬性、統(tǒng)計(jì)屬性、任務(wù)屬性、實(shí)施屬性、管理屬性。
通過對(duì)六大屬性的整理形成一個(gè)指標(biāo)清單，把每個(gè)指標(biāo)都展開成一個(gè)完整的指標(biāo)體系，進(jìn)而把企業(yè)所有的指標(biāo)都統(tǒng)合到一套口徑之下。統(tǒng)一各部門之間的管理語言，避免出現(xiàn)不同的業(yè)務(wù)部門之間，單獨(dú)的指標(biāo)卻有不同的命名，或不同的口徑卻叫同一個(gè)名字，更好去進(jìn)行數(shù)據(jù)的統(tǒng)合。
上述指標(biāo)體系的梳理是一個(gè)普適性、面向企業(yè)所有指標(biāo)展開的事項(xiàng)。若企業(yè)想做更專精的項(xiàng)目，面向某些更加具體的業(yè)務(wù)域做專門的分析或展開，使用北極星指標(biāo)體系的模式來整理無疑是一個(gè)更優(yōu)的選擇。
北極星指標(biāo)：企業(yè)需要整理出一個(gè)唯一的北極星指標(biāo)，也是最重要的核心指標(biāo)。分析體系或分析的數(shù)據(jù)是為北極星指標(biāo)服務(wù)的。比如GMV，商品總交易額是企業(yè)要關(guān)注的核心內(nèi)容。
二級(jí)指標(biāo)：把北極星指標(biāo)拆分為3個(gè)二級(jí)指標(biāo)，GMV可以用公式來進(jìn)一步拆解：如用戶數(shù)*轉(zhuǎn)化率*客單價(jià)，還可再加上復(fù)購(gòu)。
三級(jí)指標(biāo)：是按業(yè)務(wù)過程來做后續(xù)的拆解。如轉(zhuǎn)化率本身有它的業(yè)務(wù)過程，從廣告投放，到渠道的投放、用戶的瀏覽點(diǎn)擊、吸引用戶、流資等，把過程中每一步都進(jìn)行拆解。
四級(jí)指標(biāo)：主要是從整體緯度區(qū)域來做拆解。如按照組織架構(gòu)的維度：A區(qū)域的用戶數(shù)是多少？B區(qū)域的轉(zhuǎn)化率是多少？往下更細(xì)分是某個(gè)城市、某個(gè)門店等，可逐級(jí)向下拆分。
通過上述方式可以把一個(gè)核心指標(biāo)拆分成多個(gè)指標(biāo)來逐級(jí)做自頂而下的拆解，數(shù)據(jù)層面可以形成自底向上匯總的機(jī)制，從而可以更好地指導(dǎo)后期的策略調(diào)整。
完成了指標(biāo)體系梳理后，基于指標(biāo)體系，選擇合適的模板，指標(biāo)填充，從數(shù)據(jù)的接入到成功的加工后，把數(shù)據(jù)直接輸出給對(duì)應(yīng)的前端應(yīng)用工具來填充，完成開發(fā)過程。除了主要用市面上可能已經(jīng)投出的BI工具以外，企業(yè)有特殊要求，比如應(yīng)用的交互轉(zhuǎn)換，也可以通過外部端開發(fā)的方式來做直接性的開發(fā)。
數(shù)據(jù)模型支持業(yè)務(wù)應(yīng)用
如何為一個(gè)業(yè)務(wù)場(chǎng)景構(gòu)建適合它的數(shù)據(jù)模型？
通常有兩種思路：
第一種：歷史成功案例的標(biāo)簽化。
這是一種經(jīng)驗(yàn)?zāi)Ｐ偷姆绞?。過往數(shù)十年的運(yùn)營(yíng)過程中，業(yè)務(wù)人員積累了大量的成功經(jīng)驗(yàn)，可以把復(fù)盤經(jīng)驗(yàn)的結(jié)論來做優(yōu)化：哪類產(chǎn)品銷售情況較好？什么類型的門店與銷售增長(zhǎng)速度正相關(guān)？庫(kù)存滿足率是否會(huì)影響增長(zhǎng)情況？通過這種標(biāo)簽抽象出標(biāo)簽類型，從而可以應(yīng)用到當(dāng)前的業(yè)務(wù)和對(duì)應(yīng)的對(duì)象上，以歷史的經(jīng)驗(yàn)來支持現(xiàn)在的一些認(rèn)知。
另外還需要成功營(yíng)銷策略沉淀。如周期下匹配市場(chǎng)趨勢(shì)的營(yíng)銷策略是什么？什么樣的政策渠道商更愿意配合？通過一系列成功策略的沉淀，會(huì)形成一些標(biāo)簽，貼到需要的對(duì)象上。
第二種：數(shù)據(jù)的深耕與探索。
如果是一個(gè)全新的創(chuàng)新業(yè)務(wù)，或沒有對(duì)應(yīng)的可參考的案例，就需要通過數(shù)據(jù)的深耕和探索的角度，逐步發(fā)掘需要的數(shù)據(jù)模型。
第一步：明確設(shè)計(jì)業(yè)務(wù)需要解決的目標(biāo)場(chǎng)景。如需要增加單店產(chǎn)出，就需要明確，圍繞對(duì)應(yīng)的場(chǎng)景，哪些數(shù)據(jù)可以取用，哪些數(shù)據(jù)是現(xiàn)有的可以支持的。
第二步：構(gòu)建模型并串聯(lián)業(yè)務(wù)應(yīng)用。數(shù)據(jù)模型難點(diǎn)不在算法開發(fā)或梳理上，而是數(shù)據(jù)的豐富度和數(shù)據(jù)的質(zhì)量。比如產(chǎn)品、訂單、門店都有基本信息，可以做數(shù)據(jù)的關(guān)聯(lián)分析和相關(guān)的洞察，圍繞具體業(yè)務(wù)場(chǎng)景來構(gòu)建。以現(xiàn)有的數(shù)據(jù)構(gòu)建一個(gè)大致的邏輯模型，隨后就可以通過算法的方式來做對(duì)應(yīng)的測(cè)試。
另外，還需要通過一系列可量化的指標(biāo)來監(jiān)測(cè)，當(dāng)做了對(duì)應(yīng)的輸出和判斷后，是否給業(yè)務(wù)帶來了幫助，以及通過監(jiān)控機(jī)制還需要進(jìn)行1-2周的效果調(diào)優(yōu)。不斷發(fā)現(xiàn)模型問題，進(jìn)而進(jìn)行優(yōu)化和復(fù)盤，把算法模型的效果更好地發(fā)揮出來。
黃金購(gòu)買時(shí)間算法模型：通過黃金購(gòu)買時(shí)間預(yù)測(cè)精選最具潛在購(gòu)物傾向的會(huì)員，進(jìn)行精準(zhǔn)消費(fèi)人群觸達(dá)，提升復(fù)購(gòu)率及營(yíng)銷轉(zhuǎn)化
通過大量的用戶行為分析構(gòu)建相關(guān)的標(biāo)簽，以黃金購(gòu)買時(shí)間算法發(fā)現(xiàn)從用戶上次購(gòu)買到現(xiàn)在活動(dòng)日之間周期，預(yù)測(cè)每天的購(gòu)買傾向，選擇購(gòu)買傾向較高的環(huán)節(jié)進(jìn)行精準(zhǔn)的推送。
比如一個(gè)針對(duì)黃金購(gòu)買時(shí)間做的測(cè)試，結(jié)果發(fā)現(xiàn)：通過黃金購(gòu)買時(shí)間來篩選所需要的會(huì)員，即通過經(jīng)驗(yàn)?zāi)Ｐ秃Y選出來的會(huì)員，為品牌客戶額外創(chuàng)收近700W銷售額、進(jìn)店轉(zhuǎn)化率高于非策略組 2倍。
對(duì)比這種兩種不同的策略人群和非策略人群可以看出，通過黃金購(gòu)買時(shí)間算法模型，交易人數(shù)、交易筆數(shù)、人均交易的產(chǎn)生、券的核銷使用量、銷售量、轉(zhuǎn)化率都有明顯的提升，因此模型可以實(shí)現(xiàn)轉(zhuǎn)化率等的提升。
補(bǔ)貨預(yù)測(cè)算法模型：精準(zhǔn)至單項(xiàng)物料且不強(qiáng)依賴門店經(jīng)驗(yàn)判斷的行業(yè)預(yù)測(cè)算法
不只面向營(yíng)銷端，面向供應(yīng)鏈或其他業(yè)務(wù)場(chǎng)景也能發(fā)揮數(shù)據(jù)的價(jià)值。如供應(yīng)鏈角度的補(bǔ)貨預(yù)測(cè)算法模型。
如茶飲連鎖企業(yè)經(jīng)常碰到的問題：
1. 訂貨憑經(jīng)驗(yàn)。大多門店基于肉眼可見庫(kù)存及經(jīng)驗(yàn)訂貨。產(chǎn)品一下架，一年合算造成呆料不少。
2. 實(shí)際損耗、用量不清楚。只有操作sop 沒有實(shí)時(shí)操作數(shù)據(jù)，沒有衡量標(biāo)準(zhǔn)。對(duì)損耗對(duì)用量不清楚。問題通過經(jīng)驗(yàn)自己梳理
3.加盟店庫(kù)存難掌握。如果能看到加盟店庫(kù)存結(jié)構(gòu)和趨勢(shì)，總部就能主動(dòng)干預(yù)，幫助加盟商解決問題。
4.竄貨抓不準(zhǔn)。進(jìn)銷比容易誤判，沒辦法有效把竄貨走水盯起來；督導(dǎo)沒有精確數(shù)字做抓手，盯不到點(diǎn)上。
5.采購(gòu)怎能更精準(zhǔn)。沒能很好的客觀判斷，每年平均浪費(fèi)上千萬物料。
為解決上述難題，云徙推出了一個(gè)具體的預(yù)測(cè)算法。
通過算法模型的應(yīng)用，可得到非常顯著的成果：
對(duì)于業(yè)務(wù)：降本增效。比如門店庫(kù)存的周轉(zhuǎn)周期，降低損耗率等，同時(shí)也支持企業(yè)搭建物料中心和BOM中心。
最終可以為每個(gè)門店每年節(jié)省702元這樣大幅縮短的效率，降低2萬元的損耗，為企業(yè)帶來最大的經(jīng)濟(jì)效率增值。通過數(shù)據(jù)模型為企業(yè)提供業(yè)務(wù)的判斷預(yù)測(cè)與輔助支持是有很大的潛力的。
為其他業(yè)務(wù)系統(tǒng)提供數(shù)據(jù)
云徙服務(wù)的某消費(fèi)品行業(yè)案例：為企業(yè)CRM系統(tǒng)提供客戶數(shù)據(jù)，支持?jǐn)?shù)字化營(yíng)銷業(yè)務(wù)。
首先是數(shù)據(jù)的整合，通過數(shù)據(jù)中臺(tái)拉通線上線下不同業(yè)務(wù)渠道的客戶的數(shù)據(jù)，以挖掘的方式實(shí)現(xiàn)數(shù)據(jù)的拉通，也可以通過中臺(tái)加裝一些裝修工程或者指標(biāo)管理套件；
其次，把已經(jīng)處理好的會(huì)員數(shù)據(jù)、標(biāo)簽數(shù)據(jù)推送到其他業(yè)務(wù)系統(tǒng)，后續(xù)面向多場(chǎng)景做會(huì)員的更多運(yùn)營(yíng)，提供等級(jí)、權(quán)益、場(chǎng)景等；
最后，設(shè)置運(yùn)營(yíng)工具之后，可以進(jìn)行更加深度的價(jià)值挖掘，提供數(shù)據(jù)的應(yīng)用支持，實(shí)現(xiàn)數(shù)據(jù)賦能。
數(shù)據(jù)應(yīng)用建設(shè)切入點(diǎn)：關(guān)注高層重點(diǎn)，降低建設(shè)難度，規(guī)避建設(shè)風(fēng)險(xiǎn)，保障組織支撐，切合業(yè)務(wù)需求。
企業(yè)做數(shù)據(jù)應(yīng)用的建立，可以選擇選擇某一業(yè)務(wù)來做這個(gè)初步的識(shí)別，如何選擇比較合理？
1. 高層關(guān)注。關(guān)注高層核心關(guān)注的方向；關(guān)注近期集團(tuán)重點(diǎn)發(fā)力的業(yè)務(wù)板塊；關(guān)注集團(tuán)的重點(diǎn)業(yè)務(wù)板塊。通過這些方向的選擇能夠得到比較好的高層支持和更好地推進(jìn)數(shù)據(jù)的建立。數(shù)據(jù)中臺(tái)做數(shù)據(jù)應(yīng)用是一個(gè)領(lǐng)導(dǎo)的工程，需要由上下統(tǒng)一貫徹下來，才能更好實(shí)現(xiàn)各個(gè)部門之間數(shù)據(jù)的收集、加工等。
2. 信息化建設(shè)基礎(chǔ)。選擇有一定信息化基礎(chǔ)的業(yè)務(wù)線或者業(yè)務(wù)的方向，有一個(gè)充足的數(shù)據(jù)是可以收集使用。
3. 數(shù)據(jù)質(zhì)量。業(yè)務(wù)線所使用和產(chǎn)生的數(shù)據(jù)都比較好，表結(jié)構(gòu)清晰，數(shù)據(jù)之間互聯(lián)網(wǎng)打通的難度也比較低。數(shù)據(jù)質(zhì)量是數(shù)據(jù)應(yīng)用更好更快建立的一個(gè)基本要求。
4. 組織架構(gòu)基礎(chǔ)。需要有充足的IT組織人員，能夠更好的承接運(yùn)營(yíng)中臺(tái)長(zhǎng)期的使用；IT職能能夠支持?jǐn)?shù)據(jù)支持、分析工作；有專門負(fù)責(zé)數(shù)據(jù)管理、數(shù)據(jù)治理的崗位
5. 業(yè)務(wù)需求清晰。如果有比較清晰的業(yè)務(wù)應(yīng)用，業(yè)務(wù)人員對(duì)業(yè)務(wù)、指標(biāo)有清晰的了解，可以參考指標(biāo)清單，規(guī)劃一個(gè)整體性的指標(biāo)的要求，幫助更好的來建設(shè)相應(yīng)的數(shù)據(jù)應(yīng)用。
