4月8日晚，數據中臺建設實戰系列課程——「數智加速度」 正式啟動，第一課由行在開講。
行在，奇點雲創始人兼CEO，20年數據老將。2016年，帶著12年阿里係數據實戰經驗創立奇點雲，旨在「讓實體商家擁有淘寶一樣的數據化能力」，讓商業更智能。
在第一課裡，行在集中回答了7個問題：
1、數據中臺是什麼？
2、數據中臺與數據倉庫、數據平臺、數據湖等概念的區別？
3、阿里巴巴的大數據之路？
4、數據中臺是如何演進的？
5、線下商業如何落地數據中臺？
6、數據中臺能為企業帶來什麼？
7、「不看廣告看療效」，有沒有案例？
01 數據中臺是什麼？
狹義上來說，數據中臺是一系列數據技術的統稱，以解決數據“存通用”問題為核心，為業務數據化和智能化提供數據採集、計算處理、分析決策和應用的技術。
而我們理解的數據中臺，從廣義上來說，數據中臺不僅僅是技術，更應該是集公司戰略決心、組織架構、技術架構於一體，以業務價值為導向，用技術拓展商業邊界， 是商業進入DT時代的重要基礎設施。
02 數據中臺與數據倉庫、數據平臺、數據湖等概念的區別是什麼？
20年前，數據倉庫出現，企業在數倉上建BI，更多的是給決策者看報表；後來阿里發現，數據除了給決策者看，更多的可以為一線運營所用，例如打「通」淘寶消費者信息數據、建立TCIF後能幫助他們瞭解消費者、優化廣告投放，才進入到「用」的階段。
而在「用」的基礎上，數據中臺可以為企業「賦能」，實現降本增效，例如為企業建設智能補貨、智能人效等能力，實現質的飛躍。
至於數據湖，它比較像個雜貨鋪，更多的是堆積數據，而數據中臺不僅要完成「存」這個任務，還要把數據「通」、「用」起來。
當然，在處理數據、搭建算法等能力上，數據倉庫、數據平臺與數據中臺也不是一個量級的。譬如傳統數倉要跑幾天的幾億條會員數據，依託奇點DataSimba只需要1-2小時。
這也就解答了「企業是不是可以用原來的數據倉庫、數據平臺，去完成這一系列數據相關的動作」的問題，要真正實現「讓機器完成機器能做的事情，釋放人去做更有創造力的事情」，還是需要數據中臺的支撐。
03 阿里巴巴大數據之路
關於數據中臺的起源，相信大家已經聽過很多故事，例如奇點雲首席戰略官才言的分享《數據中臺從何而來》。
阿里巴巴是國內最早也最成熟的數據中臺實踐者。
在阿里的12年，我親身經歷了從數倉到數據中臺的整個過程：
2004年，我以「數據倉庫專家」的身份加入阿里，負責搭建阿里巴巴的第一個數據倉庫（DW）。
2009年，阿里提出了重大願景——未來要成為「數據公司」，同年阿里雲成立。
2012年，我和團隊完成了TCIF（淘寶消費者信息庫）的搭建，整合打通了阿里巴巴各平臺應用的消費者數據，形成了底層3000+個標籤。從那時起，阿里打破了淘寶、天貓、高德等平臺產品各佔一個山頭的局面，消費者形象從「單面」變為「多面」，立體、豐富。至此，阿里也擁有了「預測」的能力，可以基於對用戶的立體認知，預測用戶的偏好、消費軌跡等。
2015年，阿里巴巴向外發佈了DT時代的提法，用Data Technology（DT，數據技術）替代了Information Technology（IT，信息科技），強調數據技術將成為未來商業的驅動力。
同年，我在阿里雲內部創業，帶隊創建「數加」平臺，把阿里巴巴的數據能力外化賦能給社會更多主體（例如企業、政府）。
04 數據中臺是如何演進的？
基於阿里巴巴的數據之路，我們總結出了數據中臺演進的四個階段：
1、數據庫階段，主要是OLTP（聯機事務處理）的需求；
2、數據倉庫階段，OLAP（聯機分析處理）成為主要需求；
3、數據平臺階段，主要解決BI和報表需求的技術問題；
4、數據中臺階段，通過系統來對接OLTP（事務處理）和OLAP（報表分析）的需求，強調數據業務化的能力。
05 線下商業如何落地數據中臺？
在線下場景，我們既要解決企業數據生產的問題，又要解決數據使用的問題。
相信很多企業的朋友有同感，相比線上，線下商業在落地數據中臺時會遇到更多問題：數據從哪裡來？能從數據中獲得什麼信息？線下90%的數據是非結構化的視圖聲數據——而線上的數據往往是結構化的，經驗無從借鑑，我們如何把這樣的「數據原油」提煉成降本增效的燃料？
更直接的例子是，比如一家零售企業，線下幾千家門店，店長可能很清楚有哪些貨、量有多少，但是不知道一天進店的顧客有多少，有多少男性、多少女性，其中有幾位是你的會員，他們拿起什麼、放下什麼、花了多長時間決策，都無從瞭解。
我們的做法是把「雲」和「端」結合起來。
端，智能端（企業原有的信息系統、AIoT等）負責數據的收集，獲得線上線下全域數據，解決無數據採集、無數據沉澱等問題；
雲，雲負責數據的存儲、計算、賦能。具體包括將視圖聲數據結構化處理、計算、分析，用AI算法代替經驗公式，搭建行業價值化的應用場景等等。
雲賦能端，端豐富雲。從而真正解決企業數據生產和數據使用的問題，用人機協同的力量消除不確定性，讓機器去做機器能做的事情，讓人有更多時間去做人該做的、有創造力的事情。
06 數據中臺能為企業帶來什麼？
我認為，一切為業務服務，數據中臺最終要幫助企業建立能力、實現降本增效。
如果拿蘋果樹來打比方，我們不僅要讓土地（底層數據平臺）變得肥沃，也要能為客戶種出蘋果樹（數據智能應用），為企業帶來真正的業務價值。
當我們和企業IT部門（或信息部門、數據部門）一起把這棵樹種好，結出了業務價值的蘋果，大家就會發現，IT部門正在從成本中心轉向利潤中心，正在最大化地為企業創造價值。
07 有沒有案例？
老話說得好，「不看廣告看療效」，上4個案例：
（1）大型零售企業，建立智能定價能力
一家傳統零售企業，在全國有幾千家門店，年營業額在100億到200億之間。
企業要求“零庫存”，也就是說在4個月之內，一件新品就必須完成上市銷售直至庫存清空。因此，這個企業以前會對商品做一系列的營銷降價。這樣雖然帶來了不錯的營業額，但實際上每年的利潤是很低的，40%的商品都不得不低於成本價售賣。
我們為這個企業做的第一件事就是補齊消費者數據——因為在此之前，客戶只有300G數據，雖然門店很多，卻只有貨物的數據，沒有“人”和“場”的數據。
根據店面及周邊一些信息、節假日的銷售數據及消費者洞察等的數據分析，我們為其提供了一套智能定價模型，讓這個企業在全國的每一家店都能有自己“個性化定製”的定價策略，智能降價，千店千面，因地制宜。
在這樣的服務基礎上，這家企業每年大約增加了5000萬淨利潤。
（2）服飾零售企業，建立智能人效能力
一家服務零售集團，主打三四線年輕人市場，直營門店2000家。
我們為這家企業打造了智能人效管理系統，在門店仍然保持業務平穩增長的基礎上，截至2019年3月下旬，通過排班優化和人員優化，企業釋放1720人，2019全年節約人員開支超8000萬元人民幣；同時，全面了提高員工工作效率與組織協作效率。
這個項目在企業內部的推廣速度遠超出預期，受到了業務部門和公司管理層的熱烈歡迎。
（3）連鎖零售企業，建立智能補貨能力
這家連鎖超市企業，其生鮮銷售額佔比超過一半。生鮮對新鮮度要求很高，這就需要保持合適的店內排面庫存和在途庫存。
原先它的生鮮需求量是基於買手的人工經驗來預估的，一般為了保證儘量不缺貨，提升顧客的消費體驗，往往會過高的估計進貨量，這會導致未及時銷售的蔬菜水果等只能低價處理或者清理掉，耗損率很高。
我們在深入瞭解客戶業務現狀及需求後，與客戶一起梳理對齊關鍵業務指標（如正毛利率、損耗率等），結合會員、銷售、損耗評估、缺貨還原等業務數據以及節假日、天氣、附近商圈居民區等數據，從16個變量升級為100多個變量，對生鮮需求進行了預測。
最終僅綠葉菜這一項的預測準確率就相比原先提升了35%，每年能為每家店節約400萬的成本。
（4）大型家居零售企業，建立智能營銷能力
一家國際大型家居零售企業，有超100T數據量，客戶數量超3000萬。
奇點雲入場後，搭建數據中臺，新增了超過200個客戶標籤，從而建立了精準投放、精準營銷的基礎。
例如，僅短信投放一項，成本就從700萬元/年降低到了200萬元年。而基於更豐富的客戶標籤、更立體的會員畫像，復購率比原來提升了4%。
以上案例均來自於奇點雲所創導並始終踐行的「AI驅動的數據中臺」。
我們認為，只有AI驅動的數據中臺，才能同時發揮好「存：把一切業務數據化」、「通：連接數據孤島」及「用：把一切數據業務化」的作用，最終幫助企業實現數智化升級，賦能企業實現降本增效。
未來，我們會堅持踐行AI驅動的數據中臺，以實現數據中臺的最終目標——給企業帶來降本增效，與客戶、夥伴們一起擁抱未來世界。
閱讀更多 奇點雲 的文章
