企业如何选择数据中台？

数据中台，它是一个偏技术性的平台，它最初的概念，类似于数据的仓库。现在又提到这个数据中台的概念。

（一）

从目前对数据中台主流有两种理解：

一种是坚持分技术的数据中台，还有一种是技术加应用的数据中台。从我了解来看，目前市场上大家听到的，更多主要都是偏向底层的技术类的数据平台，离应用还是比较的远。阿里这边做的已经成熟。

但是现在大家都在思考这个问题，很大的一个原因就是如何用数据来赋能业务。所以光有纯技术层面上的一个汇集，和中台的建设是没有办法真正的满足到大家对于一个公司战略发展更长远的数据驱动业务。

我想说的意思是说，我们强调的是数据后台加前台应用，而不是数据中台的概念，其实就是希望数据中台不单单是一个技术类的平台，它更多的是要走到前面去，能够支持到业务的前台。

在我们看来，一个数据后台，一个决策的中台，然后再加上一个业务前台这样的一个组合，是更符合现在零售企业的实际需求。所以我提出的一个概念是策略中台，而不单单是说所谓的数据平台，数据更多的是在后面，我们把零售企业内部的各种数据源有机的组合、治理、清洗，甚至建模，这些都在后台完成，包括一些有效的外部数据能够整合进来。

在这些数据后台的基础之上，上层我们要搭的是一个策略的中台，这个策略的中台，他能够去负责我们业务的前台。这个策略中台很大一个程度上是目前我们非常缺的一块，它真正是一个核心的组建，核心的一层，它能够去非常好的支持到零售企业各个部门、各个业务场景。更多的能够去紧密的贴合业务前台当中不同的应用场景，用数据和算法支撑策略中台。所以这个策略中台可以理解的话叫做BT的平台，它是吃了数据后台的数据，然后通过算法和模型结合非常明确的前台业务场景，所搭建的一层中台。

我举一个非常具体的业务场景，来解释一下这个层怎么从数据后台到策略中台，再到最上层的应用场景的前台业务的闭环。就拿促销这件事情来说，我相信不管是任何规模的零售企业，促销都是大家去做的一件事情。整个促销的业务闭环当中，有几个关键的业务决策场景。

第一个就是营销的规划，我到底怎么来做？我促销的品类，一年26档或者30档促销的规划。

第二个是促销的选品。促销规划完了之后，具体的某一个时间段档期或者是一个具体的时间段，我要去做促销的选品，我怎么来选择商品？是供应商推荐的，我自己采购提报的，依据是什么？

第三个是促销的定价，我选定了比如说200支商品，要去做促销，我200商品，怎么确定合理的价格，合理的机制？很重要的一个点，我要去做促销的备货，200个商品，到底每一个店都应该备多少货，这里又是一个单单靠经验和传统的补货公式很难去完成的。

中间还有一个促销执行过程当中的监测，最后就是促销的评估。所以总的来看会有促销规划，选品、促销定价，然后再有促销的预测，最后还有一个促销的评估，这样的4到5个环节关键的决策点组成。

首先要做成整套闭环的话，要做到在这4到5个促销场景下的一个数据驱动，需要得到所有历史促销的数据和所有订单的数据，还有需要所有会员的销售数据，还有一部分的库存数据，至少是这些数据源基础，能够完成促销场景的技术闭环的数据基础。

这些数据都会放到数据后台当中，做我们内部数据，按照既定的数据格式和数据标准放进去，除了内部数据之外，还需要融入一部分的外部数据。比如说天气的数据，当我们在对促销做销量预测背后的时候，天气肯定是一个非常重要的影响因素。还有一些是外部的一些POI的数据，也就是你的竞争信息，这些外部数据也需要容纳到你的数据后台里去。当这些你所满足某一个特定业务场景所需要的数据，能够放到数据后台中去之后，在策略中台这一层，是去等于说调用这些数据后台的数据，基于机器学习和人工智能算法和或者是一些在数据后台已经打上了一些商品和会员的标签，你可以对于促销的核心决策情景去进行直接的推荐和建议。

从这个角度，我可能不同的部门，在做规划的时候，规划部或者市场部可以各取所需，选品的时候采购来进行选择，通过选品里面的一些商品的标签，包括促销品的预测、预期的销量、包括价格因素，进行智能的选品，包括一些基于标签所产生的策略。

再往后走的话就是备货、备完之后给到店运营端来定，最后再去做促销，在这里业务前台就是要去和我们具体的前端展现结合起来。

所以在前台的部分，有了好的策略，已经基于数据选出了很多比人工和经验判断更准的商品，更合理的价格，更合适的备货，怎么样去跟顾客触达，就有很多前台的业务场景点、触点去用。不管是通过H5和小程序，未来在线下各种屏幕和硬件的露出，也能够给到更多的、更吸引人的内容展现形式。

策略中台的其中一层可以是这种用标签，用销量预测，用价格弹性等一些算法去帮助我们进行选品、定价和促销的预测之外，还有一个很核心的算法，就是我选出来这200支促销商品之后，怎么样去对顾客进行个性化的推荐，这里又涉及到个性化推荐算法。

我不会把200个商品、甚至500支商品全部推荐给每一个消费者，所以我们会基于这200或者500的商品去进行个性化推荐。在这样的一种情况下，我们通过数字化的手段是完全可以跟电商一样进行对促销的个性化推荐，不管是券还是商品还是其他的内容，都可以进行这样的个性化展现。进一步的把我们促销的资源，对于每一个会员相关性提高。我们就完成了促销场景下的从数据后台到策略平台，再到业务前台的这样的一个相对完整的闭环，这个闭环是一个环形的链路。

在我们零售的产品当中有很多的环形链路组成，每一个环形链路加总起来就会形成一个链式的链路。未来整个零售的数字化进程，到最后就是在我们几个零售的核心业务场景，包括促销闭环，包括会员运营的闭环，包括商品的闭环等一系列闭环，形成一个链式反应，最终才能够形成从粗放式到集约式发展，整个精细化管理的路径才有可能。

用促销这个场景举了一个例子来阐述如何从数据后台到策略中台，再到业务前台从下至上的业务场景闭环。

在我们的零售场景当中，核心的业务场景有很多，促销只是其中的一环，然后商品的环路是一个，可能未来有会员环路等。

只有从这样的一个链式反应当中，并且中间是以消费者和会员作为核心的算法驱动，我们才能够真正的实现以消费者为中心在运营，不管是我们的品类决策、选址或者价格决策，促销决策都应该按照这样的一个闭环来形成。

现在观察到的情况是，数据后台做纯技术的非常多，做中间这一层的非常少，做上面那层的也非常多。

中间策略这一层也就是DT这一层，它能够完美的去衔接数据源和业务前台的部分，这块的技术含量也要求非常高，它不但要求技术，而且要求对业务的理解要深，还需要有很强的算法和数据，懂业务、懂场景的算法科学家来支持，才有可能把这些策略能算得好、算的准。

甚至一开始的时候也许是不准的，是在一个过程中去迭代的，不断的去升级，不断的去完善数据后台里的数据的维度，数据的准确性，才有可能把这套体系完整的搭建起来。

（二）

接下来从整个架构当中三个层面去展开，比较详详细

如果把数据比作是石油的话，数据中台就是帮企业炼油的工厂。WakeData数据中台包含了大数据平台、数据处理工具、数据应用和数据服务，能为企业解决数据采集、数据处理到数据应用等一系列数据相关的问题。