4月8日晚，数据中台建设实战系列课程—— 「数智加速度」正式启动，第一课由 行在开讲。

行在，奇点云创始人兼CEO，20年数据老将。2016年，带着12年阿里系数据实战经验创立奇点云，旨在「让实体商家拥有淘宝一样的数据化能力」，让商业更智能。

在第一课里，行在集中回答了7个问题：

1、数据中台是什么？

2、数据中台与数据仓库、数据平台、数据湖等概念的区别？

3、阿里巴巴的大数据之路？

4、数据中台是如何演进的？

5、线下商业如何落地数据中台？

6、数据中台能为企业带来什么？

7、「不看广告看疗效」，有没有案例？

01 数据中台是什么？

狭义上来说，数据中台是一系列数据技术的统称，以解决数据“存通用”问题为核心，为业务数据化和智能化提供数据采集、计算处理、分析决策和应用的技术。

而我们理解的数据中台，从广义上来说， 数据中台不仅仅是技术，更应该是集公司战略决心、组织架构、技术架构于一体，以业务价值为导向，用技术拓展商业边界， 是商业进入DT时代的重要基础设施。

02 数据中台与数据仓库、数据平台、数据湖等概念的区别是什么？

20年前，数据仓库出现，企业在数仓上建BI，更多的是给决策者看报表；后来阿里发现，数据除了给决策者看，更多的可以为一线运营所用，例如打 「通」淘宝消费者信息数据、建立TCIF后能帮助他们了解消费者、优化广告投放，才进入到 「用」的阶段。

而在「用」的基础上，数据中台可以为企业 「赋能」，实现降本增效，例如为企业建设智能补货、智能人效等能力，实现质的飞跃。

至于数据湖，它比较像个杂货铺，更多的是堆积数据，而数据中台不仅要完成 「存」这个任务，还要把数据 「通」、 「用」起来。

当然，在处理数据、搭建算法等能力上，数据仓库、数据平台与数据中台也不是一个量级的。譬如传统数仓要跑几天的几亿条会员数据，依托奇点DataSimba只需要1-2小时。

这也就解答了「企业是不是可以用原来的数据仓库、数据平台，去完成这一系列数据相关的动作」的问题，要真正实现「让机器完成机器能做的事情，释放人去做更有创造力的事情」，还是需要数据中台的支撑。

03 阿里巴巴大数据之路

关于数据中台的起源，相信大家已经听过很多故事，例如奇点云首席战略官才言的分享《数据中台从何而来》。

阿里巴巴是国内最早也最成熟的数据中台实践者。

在阿里的12年，我亲身经历了从数仓到数据中台的整个过程：

2004年，我以「数据仓库专家」的身份加入阿里，负责搭建阿里巴巴的第一个数据仓库（DW）。

2009年，阿里提出了重大愿景——未来要成为「数据公司」，同年阿里云成立。

2012年，我和团队完成了TCIF（淘宝消费者信息库）的搭建，整合打通了阿里巴巴各平台应用的消费者数据，形成了底层3000+个标签。从那时起，阿里打破了淘宝、天猫、高德等平台产品各占一个山头的局面，消费者形象从「单面」变为「多面」，立体、丰富。至此，阿里也拥有了「预测」的能力，可以基于对用户的立体认知，预测用户的偏好、消费轨迹等。

2015年，阿里巴巴向外发布了DT时代的提法，用Data Technology（DT，数据技术）替代了Information Technology（IT，信息科技），强调数据技术将成为未来商业的驱动力。

同年，我在阿里云内部创业，带队创建 「数加」平台，把阿里巴巴的数据能力外化赋能给社会更多主体（例如企业、*）。

04 数据中台是如何演进的？

基于阿里巴巴的数据之路，我们总结出了 数据中台演进的四个阶段：

1、数据库阶段，主要是OLTP（联机事务处理）的需求；

2、数据仓库阶段，OLAP（联机分析处理）成为主要需求；

3、数据平台阶段，主要解决BI和报表需求的技术问题；

4、数据中台阶段，通过系统来对接OLTP（事务处理）和OLAP（报表分析）的需求，强调数据业务化的能力

05 线下商业如何落地数据中台？

在线下场景， 我们既要解决企业数据生产的问题，又要解决数据使用的问题。

相信很多企业的朋友有同感，相比线上，线下商业在落地数据中台时会遇到更多问题：数据从哪里来？能从数据中获得什么信息？线下90%的数据是非结构化的视图声数据——而线上的数据往往是结构化的，经验无从借鉴，我们如何把这样的「数据原油」提炼成降本增效的燃料？

更直接的例子是，比如一家零售企业，线下几千家门店，店长可能很清楚有哪些货、量有多少，但是不知道一天进店的顾客有多少，有多少男性、多少女性，其中有几位是你的会员，他们拿起什么、放下什么、花了多长时间决策，都无从了解。

我们的做法是把「云」和「端」结合起来。

端，智能端（企业原有的信息系统、AIoT等）负责数据的收集，获得线上线下全域数据，解决无数据采集、无数据沉淀等问题；

云，云负责数据的存储、计算、赋能。具体包括将视图声数据结构化处理、计算、分析，用AI算法代替经验公式，搭建行业价值化的应用场景等等。

云赋能端，端丰富云。从而真正解决企业数据生产和数据使用的问题，用人机协同的力量消除不确定性，让机器去做机器能做的事情，让人有更多时间去做人该做的、有创造力的事情。

06 数据中台能为企业带来什么？

我认为， 一切为业务服务，数据中台最终要帮助企业建立能力、实现降本增效。

如果拿苹果树来打比方，我们不仅要让土地（底层数据平台）变得肥沃，也要能为客户种出苹果树（数据智能应用），为企业带来真正的业务价值。

当我们和企业IT部门（或信息部门、数据部门）一起把这棵树种好，结出了业务价值的苹果，大家就会发现， IT部门正在从成本中心转向利润中心，正在最大化地为企业创造价值。

07 有没有案例？

老话说得好，「不看广告看疗效」，上4个案例：

（1）大型零售企业，建立智能定价能力

一家传统零售企业，在全国有几千家门店，年营业额在100亿到200亿之间。

企业要求“零库存”，也就是说在4个月之内，一件新品就必须完成上市销售直至库存清空。因此，这个企业以前会对商品做一系列的营销降价。这样虽然带来了不错的营业额，但实际上每年的利润是很低的，40%的商品都不得不低于成本价售卖。
我们为这个企业做的第一件事就是 补齐消费者数据——因为在此之前，客户只有300G数据，虽然门店很多，却只有货物的数据，没有“人”和“场”的数据。

根据店面及周边一些信息、节假日的销售数据及消费者洞察等的数据分析，我们为其提供了一套智能定价模型，让这个企业在全国的每一家店都能有自己“个性化定制”的定价策略，智能降价，千店千面，因地制宜。

在这样的服务基础上，这家企业每年大约增加了5000万净利润。

（2）服饰零售企业，建立智能人效能力

一家服务零售集团，主打三四线年轻人市场，直营门店2000家。

我们为这家企业打造了智能人效管理系统，在门店仍然保持业务平稳增长的基础上，截至2019年3月下旬，通过排班优化和人员优化，企业释放1720人，2019全年节约人员开支超8000万元人民币；同时，全面了提高员工工作效率与组织协作效率。

这个项目在企业内部的推广速度远超出预期，受到了业务部门和公司管理层的热烈欢迎。

（3）连锁零售企业，建立智能补货能力

这家连锁超市企业，其生鲜销售额占比超过一半。生鲜对新鲜度要求很高，这就需要保持合适的店内排面库存和在途库存。

原先它的生鲜需求量是基于买手的人工经验来预估的，一般为了保证尽量不缺货，提升顾客的消费体验，往往会过高的估计进货量，这会导致未及时销售的蔬菜水果等只能低价处理或者清理掉，耗损率很高。

我们在深入了解客户业务现状及需求后，与客户一起梳理对齐关键业务指标（如正毛利率、损耗率等），结合会员、销售、损耗评估、缺货还原等业务数据以及节假日、天气、附近商圈居民区等数据， 从16个变量升级为100多个变量，对生鲜需求进行了预测。

最终仅绿叶菜这一项的预测准确率就相比原先提升了35%，每年能为每家店节约400万的成本。

（4）大型家居零售企业，建立智能营销能力

一家国际大型家居零售企业，有超100T数据量，客户数量超3000万。

奇点云入场后，搭建数据中台，新增了超过200个客户标签，从而建立了精准投放、精准营销的基础。

例如，仅短信投放一项，成本就从700万元/年降低到了200万元年。而基于更丰富的客户标签、更立体的会员画像，复购率比原来提升了4%。

以上案例均来自于 奇点云所创导并始终践行的「AI驱动的数据中台」。

我们认为，只有AI驱动的数据中台，才能同时发挥好 「存：把一切业务数据化」、「通：连接数据孤岛」及「用：把一切数据业务化」的作用，最终帮助企业实现数智化升级，赋能企业实现降本增效。

未来，我们会坚持践行AI驱动的数据中台，以实现数据中台的最终目标——给企业带来降本增效，与客户、伙伴们一起拥抱未来世界。