如何基于DataWorks构建数据中台？

简介：为了应对众多业务部门千变万化的数据需求和高时效性的要求，阿里巴巴首次提出了数据中台的概念，经过众多项目的实践已经沉淀出了标准化的流程和方法论。如何构建一个数据中台？一个好的数据中台需要具备哪些功能？原盒马在线数据平台研发负责人欢伯向大家分享新零售企业如何基于DataWorks构建数据中台的经验心得，从商业模式及业务的设计，到数据中台的架构设计与产品选型，再到数据中台构建的最佳实践，最后利用数据中台去反哺业务，辅助人工与智能的决策。

一 新零售的商业模式

一家新零售企业如果要做数据中台的话，首先很重要的一点就是一定要懂业务。之前有位同学问过我，说数据中台很难建。在我看来，数据跟业务是息息相关的，在构建整个数据中台的时候，首先要对业务有一个非常深刻的理解。

新零售企业会有各种各样的业务形态，例如线上电商平台、线下门店、官方APP、分销渠道、供应链等等，我们没必要在一开始就要求把所有渠道的数据都收集起来，做大一统，就是做数据中台了。我们在最开始需要了解的是整个企业的商业模式是什么，基于商业模式，我们再来定义需要做的业务形态，最后的事情才是开始规划企业新零售数据中台的建设。在这里可以给大家举个例子。

例如比较多的新零售企业原先是以线下门店为主的，现在会做一些线上APP或者电商业务，但是它线上的库存和线下的库存是不同步，或者电商的款和线下的款是不一样的。那他的商业模式其实还是传统的零售业务，只不过开了另外一条线上的业务。数据中台首先需要的是打破企业原先的商业模式，设计一个真正线上线下融合的业务形态，所以我们经常说数据中台是企业一把手工程。

确定了商业模式之后，新零售企业的业务形态也有很多，大家都在做不同的尝试，例如一些生鲜业务会有XX分钟限时达、有线下门店的企业会把线下流量导入到线上，同时把线下门店当做线上入口的一个仓、也有企业线上购买后可以到线下门店提货，保证线上线下同款同价等等。当确定了这些业务形态后，我们再来聊数据中台如何去支撑这些业务，通过数据的打通来完成整个商业模式的闭环。

二 新零售企业产品技术架构设计

业务产品技术架构图

确定业务模式后，接下来需要做纯产品技术架构的设计。这时候许多零售的企业会比较纠结，因为发现做零售、门店、商超，很多传统的软件厂商有一个现成的软件体系，比如说ERP、WMS，对于企业来说是不是买一套就可以了？

现在传统的ERP软件或者是物流软件，有一些也做了数字化，但是很重要区别是，数据中台做的数字化不只是为了简单的数字化、把数据结构化，更重要的是为上层策略层做一个非常重要的支撑，让数据中台对流量、物流履约、流程优化、财务策略做一个非常好的智能化的支持。在这里可以稍微分享一个例子，我们之前也调研过一些线下有门店的大型零售商超企业，他们也做线上的APP，但他们的库存线上线下是隔离的，如果总共有100条鱼，APP内会预先分配好，线上只卖10条，卖完之后线上就没有了，而拥有数据数据中台之后，这100条鱼线上和线下先到先得，同时可以通过算法预测做库存预警、做折扣、做交叉销售、做供应链调整等等，比起粗暴地分成两拨，数据中台通过这种策略模式，基本上就把整个线下线上的数据和商品全部打通，也重构了一些业务形态，所以我们说数据中台不是简单地把数据结构化。

企业如果有一定技术能力的话，建议所有核心业务系统都采用自研的形式，因为新零售企业需要对很多传统业务要做一个全面的数字化，包括交易、门店、仓储、运配、采购、供应链、劳动力等等。如果外部采购的话，基于商业模式出发，一定要让系统形成闭环，从交易门店、仓储运费、采购供应链、劳动力等等，不要APP、门店、电商都不同的系统，那样你做数据中台的时候，数据本身的壁垒就已经很高了。

完成整个闭环中非常重要的一点就是最右侧的数据层，除了业务系统的设计，如果没有统一的数据中台建设，是很难去支撑整个企业工程的，这也是今天会重点跟大家介绍的部分。

新零售数据中台团队介绍

在我们看来，数据中台不仅是一种解决方案，也是一个团队的职能。企业应该建设一个独立的数据中台团队来支持业务。对于企业来说，数据和商品、会员以及设备一样，是非常重要的资产。企业数据中台团队的同学，是资产的建设者、管理者和运营者，通过这些资产去驱动整个零售供应链全链路、智能化的升级。通过采集、管理、建设数据，让数据更好地运用到业务上。

新零售数据中台整体架构

上图是比较通用的数据中台的整体架构，这部分会有一定的特殊性，也有一些通用性。

首先介绍一下通用性，整个基础设施的建设基本采用的是阿里云的基础设施，阿里云上的DataWorks+MaxCompute十一年来一直支持阿里巴巴集团数据中台的建设。在整个数据分层这边，源数据层基本上来自于业务系统，接入层相对来说会比较复杂一点，很多企业现在讲全渠道覆盖，包含APP，线下，甚至一些企业还有自己的配送员、电动车，以及门店的一些IOT设备数据，人力资源等，所以这里面就会出现很多结构化和非结构化的数据。通过数据加工层把非结构化的数据进行一定的加工，最终会形成非常重要的数据资产层。

数据资产层构建之后就会有一定的业务含义，这部分数据是可以直接被业务使用的。但是在数据资产层上我们会定一层数据服务层，让数据使用起来更方便，开箱即用。到了服务这一层，可能还是无形的，从业务方来看，肯定希望业务用户能直接去用数据，而不是去到很多表里面查数据。所以在数据服务层之上，数据应用层数据中台团队可以建立很多数据产品，通过产品化的方式给到业务，提供真正的数据使用。产品形式也会比较多，在不同的端，包括PC、钉钉、掌中宝，还有很多IOT的小设备，可能就是一个小的黑白屏幕，都会有数据的透传。并且在最右侧数据中台会有一套管理体系，通过这种管理体系，让企业整个运营和运维可以有效地执行起来。这个架构图，就是我们理解的一个偏业务型的数据中台分层架构图。