WakeData李柯辰：数据中台对数据的打通让成功经验有了可复制性  | 2019全球数字价值峰会

钛媒体8月8日，在钛媒体与ITValue主办的2019全球数字价值峰会上，WakeData创始人兼CEO李柯辰在新技术论坛主题演讲中，对数据中台的价值、数据中台建设步骤及架构进行了分析。

李柯辰从四个个纬度来阐释数据中台的价值：

第一个纬度，沉淀数据资产用数据驱动业务，这是一线互联网公司都在做的事情；

第二个纬度，数据利用率更高，相比数仓在数据规模、多样性以及计算能力、实效性上都有优势；

第三个纬度，数据中台对BI的促进，数据管理从结果论的数据向预测性数据演进；

第四个维度，数据中台为企业带来了提高获客、转化、客单、体验、用户忠诚度等的商业价值。

李柯辰表示，企业从构建数据平台、数据资产化、数据运营等多个步骤来构建自己的数据中台，在这一过程中，企业数据、第三方数据的打通非常重要，从业务层面来说，数据打通是精准营销、精准服务的基本前提。

他以美业举例，比如美业公司有一个肌肤监测仪，通过消费者皮肤检测，可以把方案推荐给皮肤状况类似的人，避免销售只卖 "贵的"不卖"对的"，这样不仅能提升公司品牌形象，还能够把机器里的数据采集回来后结合用户的消费数据训练相关推荐模型，将推荐结果推给一线业务人员，从而指导什么样的客户应该推荐什么样的产品。

他也提及，很多企业在建设中台的过程中，可能会陷入一个误区：有数据就行，数据能用就行。但其实大数据是有边界的，举个例子，头条做推荐是因为有百万级别的资讯内容。然而有的企业只有十个产品也做千人千面，这意义不大，有的做AI算法和人脸识别，只拿一千个员工的数据做了算法，这也是不太合适的，因为做算法是有临界值的，人脸识别的样本模型至少是百万级的。

同时，他也认为，数据中台最重要的价值是经验的可复制性，他把这一点称为管理流程的价值，比如头条运营得好，这种运营的方式也可以放到抖音，比如一个美业门店，A门店做得好也可以把经验复制到B门店等等。

以下根据李柯辰先生现场演讲实录整理：

大家下午好，我是WakeData李柯辰。最近数据中台的概念很流行，这个概念放在以前是没有的，只是因为它的出现能弥合前台与后台之间的运转速度差，因此给它取了一个"中台"的名字，与前、后台区别开来。

其实它叫什么并不重要，关键要看它能做什么。我认为人也是如此。我叫李柯辰，之前在阿里巴巴负责技术，后来到魅族管理Flyme平台事业部，去年6月份从CIO转型成为CEO，带着大数据团队出来创业，建立了WakeData惟客数据。我们要做的是"唤醒沉睡的数据"，为企业提供一站式客户经营大数据解决方案，帮助企业打通线上线下数据、充分挖掘线下数据的价值，帮助企业顺利进行数字化转型。

因为我是技术出身，所以今天的分享会比较偏IT，希望从逻辑的角度与大家一起探讨企业如何构建大数据体系、怎么部署数据中台的问题。

我们先来了解一下IT的发展历程。最开始的时候是PC软件应用的时代，主要是办公软件的开发应用；紧接着是系统应用的时代；然后到了现在的移动互联网时代。而在移动互联网迅猛发展的今天，数据量呈爆发式增长，促进了大数据应用的发展。

相信大家都听过太多"大数据与人工智能"这样的字眼，人工智能和大数据就像是双生子般形影不离。这其实是因为人工智能是根植于大数据土壤的，而大数据应用的目的，也是为了让我们的企业经营管理、用户运营等更加智能。

大数据的价值

大数据和传统数据仓库有什么区别，我们该怎么做大数据，大数据能给我们带来什么价值？这些问题都是我曾苦思冥想的，当时并没有任何咨询公司能够给我建议，也几乎没有同行在做大数据，因此只能自己带着团队一步步试错，逐步构建一套自己的大数据应用体系。最终这些问题的答案也都沉淀成为了一些实用的经验，现在拿出来和大家分享。

收集多维数据、构建数据指标体系、以数据赋能业务等是目前互联网公司的主流经营模式，即不断沉淀数据资产，提升自己的大数据能力，进一步实现数据驱动，最后为企业业务赋能。类似于今日头条、天猫、京东等一线互联网公司，都是在利用大数据赋能运营。但是这些只是大数据其中一个维度的价值。大数据另一个维度的价值，偏向于企业的后端。比如餐饮公司可以利用大数据预测第二天的消耗，帮助餐饮店降低成本。

在应用大数据之前，首先要区别大数据应用与传统数据应用是什么。打比方说，我们基于一百个数据资源，通过数据分析应用提高资源利用率的过程，并不是大数据应用。大数据应用不仅可以提高资源利用率，还可以做企业的业务创新和模式变革。

大数据平台的优势

大数据平台相比以前的数据仓库有如下优势：首先是数据规模；其次是数据多样性；然后是实时性。其实一些互联网公司的数据也能做到实时呈现，但是目前还无法与业务整合起来，数据报表的展示和大量业务数据的分析处理无法同时完成。这三点是大数据平台相比数据仓库在技术上的优势。

另一个维度的优势，是大数据平台还拥有预测和智能的特性。数据仓库的数据分析是结果论的，而大数据平台的数据分析还可提供预测类报表；此外，大数据还拥有智能的特性，比如今日头条的推送服务就是应用了大数据智能的特性。

大数据体系的构建

企业应该如何构建大数据体系呢？

我们认为，首先要建一个数据中台。数据中台的构建又分为三个步骤：第一是构建基础平台，降低IT应用门槛。第二是数据资产化，在数据资产化的基础上，数据中台能够为企业提供类似互联网的数据产品与服务。第三是数据运营，数据中台不仅仅是一个技术，还能够很好地将数据与业务场景融合在一起，比如在内部管理场景，数据中台可以提供经营分析服务；在客户营销服务场景，数据中台能够帮助企业提高用户到店体验、做好售后服务；遇到成本管理场景，数据中台能够对供应链做预估，以降低经营成本。

WakeData数据中台：连接品牌与用户

WakeData数据中台主要聚焦在产品运营和营销服务上。当前线上流量见顶是一个既定的事实，而线下的流量还未被很好地收集和运营起来。那么流量扩展的答案显而易见 ----到线下去扩展更多流量；与此同时，问题也随之而来----该如何扩展线下流量？

首先是门店的数字化程度不够。线下流量数据的沉淀，可以通过移动设备扫码、前端智能硬件采集等方法实现。在线下数据资产的基础上，通过WakeData数据中台，可以实现数据驱动产品迭代、智能营销和运营服务。

对于很多品牌企业而言，用户数据大多没有沉淀在企业的自有系统中。比如餐饮企业的数据掌握在O2O服务商手里、传统线下企业的数据掌握在经销商手里，类似这样的情况不在少数。但是如果无法通过数据充分了解自己的用户，企业又如何为用户提供满意度更高的产品呢？因此，WakeData数据中台希望通过数据连接品牌与用户，实现数据驱动智能营销与运营服务，帮助企业完成客户销售到用户运营的转变升级。

数据中台应用案例

| 地产案例

很多地产企业以集团化运作，业态丰富多样，涉及到的业态包含酒店、机器人、农业、社区零售服务等。在多业态的运作模式下，物业和项目的数据繁复冗杂。如此大体量的数据，在数字化运营体系建设程度较低情况下，是无法为企业带来价值的，甚至可能会给企业造成管理上的麻烦。那么通过数据中台，大数据能为地产企业带来什么价值呢？

1. 大数据支撑的数据分析

大部分地产企业的数据都是通过填报产生的，而且每个区填报的数据各不相同。通过数据中台打通企业中多个不同业务系统的数据，借助数据分析工具实现多维度分析报表的实时自助查询；在全域数据融合打通、汇总分析的基础上实现智能营销服务。

2. 数据资产管理

由于地产企业业务与项目数量十分庞大，且大部分由供应商承包实施，很多管理者对于公司的业务实体、企业资产并不十分清楚。针对这个痛点，WakeData针对企业进行全域系统架构的梳理，包括业务架构、应用架构、物理架构等，建立地产企业全域资产模型。并利用可视化的大屏直观地向管理者展示整个企业的数据资产。

3. 大数据团队共建

目前市场上的大数据人才非常稀缺，人才诉求量约为130万，而社会上实际拥有的大数据人才只有30万。数据中台构建起来后，如何使用中台提供的数据工具，如何从团队到产品、再到服务完全实现数字化，是企业下一步要考虑的问题。因此，WakeData还将帮助企业共建大数据团队，配合企业吸纳大数据人才，建设数字化团队,进行知识转移，逐步过渡，直到企业顺利完成数字化转型。

| 美业案例

如今，美容店的扩张更多是依赖于销售。销售能力强，就能够快速获取顾客，实现门店的扩张。但这其实是一把双刃剑，过于依赖销售存在很大的风险，因此，如何降低对人的依赖是当前美业的一大难题。

1. 数据收集与打通

借助类似AI测肤仪的前端硬件设施，门店能够采集到更多的肤质相关数据，通过数据中台将用户数据与产品数据相关联，并与订单、会员等系统打通，实现业务的数据化。对美业而言，不同的肤质数据与相对应的解决方案，统统都"记录在案，有迹可循"，当再次检测到相似的肤质数据时，系统可自动匹配最佳方案推荐给顾客。

2. 智能营销

在数据打通的基础上，数据中台能够将用户的线下数据与线上数据相关联，将数据导入营销系统，实现智能、自动化的营销。对于首次进入线下美容店的顾客，数据中台可将顾客的ID关联，后期就可通过线上渠道为其推送该美容店相关的内容，持续触达用户，实现可运营用户数量的扩大。

3. 门店健康诊断与导购

通过门店健康诊断，美业公司可以清晰、直观地掌握用户的生命周期，根据用户生命周期调整运营方式与营销策略。此外，WakeData还提供线下门店智能导购系统，赋能一线导购。导购界面显示客户的消费记录、消费需求、品牌忠诚度等多维度信息，实现线下门店的个性化推荐服务。

一个做大数据的小技巧

越来越多的企业都在借助大数据寻求数字化转型，但正是由于大数据神乎其神的效果，越来越多的企业开始神化大数据，也在大数据的应用过程中陷入了一些误区。大数据其实是有边界的。比如千人千面的推荐，没有海量的数据基数，能达到的推荐效果是不够"智慧"的；再比如用AI算法做人脸识别，样本模型至少是百万级别的，识别的准确率要达到95%~97%才能够被应用。归根结底，大数据的小技巧，其实就在于"大"，只有当数据基数足够大、样本量足够丰富多样时，大数据的"神力"才能够真正发挥出来。

回顾与小结

1. WakeData为企业构建的数据中台包含了[数据中台]与[业务中台]"双中台"。

2. 数据中台为企业带来了提高获客、转化、客单、体验、用户忠诚度等的商业价值；组织效率提升、知识传递的管理流程价值；以及降本增效、质量把控的IT能力价值；

3. 只有当数据基数足够大、样本量足够丰富时，大数据才能够真正发挥应有的价值。

4. 目前WakeData已与魅族、碧桂园、屈臣氏、嘉宝华、广之旅、百佳超市、雪松控股、喜茶、以纯、伊丽汇等知名企业达成合作。也获得了IDG资本领投的Pre- A轮融资和红杉中国领投的A轮融资。公司希望与各行业的企业客户共建大数据体系，以大数据赋能企业的精准营销、精准服务和用户运营。

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: