当前位置:首页 > 天道酬勤 > 正文内容

数据化(大数据发展战略)

张世龙2021年12月22日 03:59天道酬勤380

上次我们谈到了商品模块《数据中台实战(四):商品分析(产品设计篇)》,从商品的整个生命周期来看,我们如何保证我们的商品爆胎。 最近,很多朋友问了关于中台的问题。 本文就中台是什么、业务中台是什么、数据中台是什么、哪些公司适合构建双中台体系等进行了统一介绍。

中台是什么?

中台由阿里提出,2015年中期参观了芬兰游戏公司Supercell。

这家公司的名字你可能不太清楚,他们开发的游戏可能玩过《部落冲突》之类的。 这家公司光年利润就有15亿美元,但员工人数不足200人,非常少,开发游戏的小团队都只有6、7人。

这么小规模的队伍,怎么会变成这么大的业务呢?

原因之一是他们整理了游戏开发过程中使用的通用游戏素材和算法,并将它们作为工具提供给所有的小团队。 同样的工具集可以支持几个小团队开发游戏。 这种管理方式是“中台”的模式。

中台又分为业务中台和数据中台。 业务中台承担公司的所有共同业务,将所有业务数据化。 数据中心根据业务中发生的数据反映业务,将所有数据业务化。

业务中台是什么?

业务中台简单来说就是企业级的功能复用平台,例如淘宝下面有toB、toC,但实际上他们使用的客户系统、交易系统、营销系统等这些按小组重新开发系统是对资源的极大浪费。 因此,有开发这些通用系统并分配到各产品线的专业团队。 这样,可以将各产品线的数据集中在一起,同时最大限度地提高资源的重用。

数据中台是什么?

一样,按产品线部署数据分析、开发相关人员会浪费资源。

数据中心要做“收集”、“保存”、“贯通”、“使用”四个方面的工作。 收集是指收集各业务线的业务数据、日志数据、用户行为数据等有用数据。

存储就是用更科学的方法存储数据。 一般来说,采用三层建模方式,收集到的数据形成公司的数据资产。 直通是指直通用户的行为数据和用户的业务数据,如电子商务经营者的用户浏览、点击行为、用户的支付业务数据等。 使用是指对开通的数据能力业务负责人、指导部进行决策,进行数据反哺业务。

业务中台、数据中台有什么关系?

实际上没有必然的关系。 如果公司有业务中台的话,可以做很多数据中台的工作。 业务中台已经将业务数据保存在一个地方,因此不需要在各个产品线中进行,大幅削减了通信成本。 没有业务中台的公司也可以构筑数据中台,但是竟然必须一步从各业务线收集数据。 所以,有了业务中台,数据中台的构建就能做更多的工作。

什么公司适合搭建中台?

公司内有多条产品线,各产品线之间有很多可以复用的功能。 最初的公司不适合构筑中台。 中台是比较重的模式,有比较高的人工费,所以第一家公司前期更专注于你的业务。

业务中台总体架构

最低层是数据存储层,根据公司业务量的大小选择合适的数据库存储。 上层是业务中台最核心的地方,包括n个中心,可以扩展,企业级的能力复用平台出现在这里,业务中台配置所有通用的每一个开发,提供给各产品线使用。

简单介绍用户、商品、交易、支付、营销中心,使之有概念。

1 )用户中心

互联网产品有用户的概念,用户模块中复用了许多通用模块,包括注册、登录、帐户管理、用户基础信息管理等。

这些不一致的业务信息不会存储在业务中心,而是仍然分布在各个APP中。 请想想,以前所有的产品线都需要开发登录、注册等功能,实际上是资源的大幅浪费,但现在只需将各产品线与中间台对接就能实现相同的功能,还是相当高效?

2 )商品中心

以我们公司的三条产品线为例。

环贸快速版是为设计师提供底版服务的平台,是商品的生产环节,必须记录从商品设计到生产的所有信息。 亿订单是B2B的交易平台,为终端店提供货源。 必须记录商品的陈列、销售、售后服务信息。 财富运通是物流平台,必须记录商品的物流信息。 我们从生产、销售、运输的过程中总结商品,有充分的基于今后数据中心的数据分析。

3 )交易中心

支付的产品需要订单的生成,即包含用户提交订单的流程的订单。

订单的状态管理因产品线而异。 例如,电子商务产品的用户刚提交订单的状态未支付,支付完毕后,必须修改为已支付的状态。 当供应商的已发货状态变为已发货,用户确认自己收到的商品没有问题后,该状态最终就完成了。

环贸快版从一开始就由设计师提出需求,接下来就有n

家生产方报价,此时状态就边为已经报价。当设计师选择完一个供应商打版后就变成了生产中,生产完成后就再把版样发给了设计师,整个流程才结束。

4)支付中心

支付中心几乎是任何互联网中心都需要的模块,因为要想盈利必须要有线上的支付环节。要处理各个支付渠道的对接,比如:支付宝、微信、银联等支付方式。还要处理支付后的对账,一个一个订单用户应该支付多少钱,app应该抽多少钱,供应商应该分多少钱,有一套对账的逻辑在每天的检查,保证账目是平的。

5)营销中心

比如:我们做一个优惠券的活动,该怎么发券、领券、用券等都是通用的。

我们做一场h5的活动,该选择那些人做活动?以什么方式?推送、短信、公众号、电话等方式触达等等这些也都是通用的模块。营销中心和数据中台就联系比较紧密,怎么选择用户做活动是数据中台基于规则算好的,当活动完成后,数据中台再基于活动产生的数据做自动化的活动效果分析。

数据中台架构

数据采集层

每条业务线都会产生一定的业务数据,比如:电商产品如用户的加购数据、收藏数据、下单数据等随着用户量的增大会越来越多,这些数据大部分是存在业务中台。

还有用户的浏览行为、点击行为,这些行为会做相应的埋点,一般会以日志文件的形式存储。无论是业务数据库的数据还是日志文件的数据,我们都需要把它们抽取到数据中台做统一的存放。一般数据工程师会用用一些比较成熟的数据同步工具,将业务库的数据实时同步到数据中台,将离线日志数据以T-1的形式抽取过来,整合到一起。

数据计算层

数据抽取过来后,一般是按照原来的格式进行存储,面对海量的数据采用传统的存储方式是不行的。

业界一般采用分层存储的方式包括:操作数据层(Operational Data Store, ODS)、 明细数据层(Data WarehouseDetail, DWD)、汇总数据层(Data Warehouse Summary, DWS)和应用数据层(Application Data Store, ADS),可以将数据更高效、更科学的组织。

另外,为了保证数据指标的准确性,从指标的定义、业务口径、技术口径、指标的计算需要有一套严格的规范来定义,数据中台产品、开发都参考这套规范来工作,这样就能更大程度的保证数据的准确性。

数据服务层

数据已经被整合计算好了,怎么给产品和应用使用呢?

一般以接口的形式对外服务,开发人员将计算好的数据根据需要封装成一个一个的接口服务于数据产品以及各个产品线使用。对于简单的数据查询,复杂的数据查询如用户画像,和基于实时的数据查询,都可以通过接口的方式提供相应的服务。

数据应用层

数据产品分为几种:对内、对用户、对商家。

对内一般是公司的运营人员和领导,运营人员关注更多是明细数据,比如:电商产品的活跃用户持续性降低,我们如何提供数据支撑他们找出原因,领导层更关注的是一些大盘数据。

比如:公司近一年各个产品线的运营情况等,适合做一些大屏类的产品。针对用户我们也可以做一些创新,典型的比如说商品的推荐,让货找人而不是人找货,这样会有更好的用户体验。对商家的话可以提供一些数据服务,电商产品比如基于销售数据的流行趋势、行情,店铺的数据报告等。

推荐阅读

数据中台实战(四):商品分析(产品设计篇)

数据中台实战(三):用户分析(产品设计篇)

数据中台实战(二):基于阿里OneData的数据指标管理体系

数据中台实战(一):以B2B点电商为例谈谈产品经理下的数据埋点

作者:Wilton(会撒娇的铅笔),曾任职科大讯飞,现任富力环球商品贸易港大数据产品经理。微信公众号:改变世界的产品经理。简单、简短、有用,坚持原创、坚持做感动你的好文章。

本文由@ssdjw 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash, 基于CC0协议。

扫描二维码推送至手机访问。

版权声明:本文由花开半夏のブログ发布,如需转载请注明出处。

本文链接:https://www.zhangshilong.cn/work/26785.html

分享给朋友:

发表评论

访客

看不清,换一张

◎欢迎参与讨论,请在这里发表您的看法和观点。