baidu_38792549的博客

8 营销中台：让营销更精准、更及时8.1 数据化营销是大势所趋数字化营销体系支持全流程记录客户的所有数据，有助于构建客户画像、明确客户的需求偏好、确定客户和产品匹配的情况。然后，企业可以精准洞察客户需求，基于不通客户群差异化的需求精准地选择产品序列并在合适的场景、合适的时空下选择合适的营销活动和营销策略进行精准营销。同时，企业可以通过营销看板群流程记录和监控整个营销过程，重点监控营销活动的效率，一旦效益明显偏离预期，系统就能够进行预警并自适应地调整营销策略，优化营销活动功能。总之，与传统的商业营

7 数据产品：让数据应用更便捷7.1 自助提取和自助分析7.1.1 自助提取工具自助提取主要流程如下：需求分析。盘点历史的临时临时取数情况，并对业务数据需求进行调研和分析，确定业务需求的范围和目标。 纬度和指标抽象。抽象处满足业务大部分需求的纬度和指标，尤其要注意时间力度的选择。 可行性分析。认真分析上一步抽象出来的纬度和指标，评估这些纬度和指标加工的技术可行性，然后剔除可行性低的维度和指标。 技术选型。确定技术架构和技术方案。 技术实现。自助取数界面设计和技术实现，使得用户使用托、

6 算法即服务：最大化实现数据价值6.1 算法的价值数据模型的表述形式：Y=F(X)，F为算法，X为输入，Y为输出算法的核心价值如下：模拟客观世界，实现现实世界的数字化和可视化，让人触手可及。算法的核心价值是对客观世界进行抽闲和模拟，然后通过一系列的数学公式来进行描述。 提升决策能力。 提升体验。算法的应用可大幅提升服务全流程的自动化水平和效率，让客户获得前所未有的极致体验。 降本增效 提高沟通效率。很多即时通信类或聊天类软件，借助算法的力量实现了文字聊天、语音聊天、语音转文本、人机

5 数据计算平台：让数据“飞”起来5.1 应用场景一：批处理 批处理计算主要用于处理海量数据，对延时要求不高的场景。最知名的批处理计算框架时Hadoop和Spark框架。目前行业内很多优化的引擎大部分在MR引擎的基础上，引入了很多优化方法，提高了批处理计算的效率和稳定性，但底层的逻辑还是分布式计算逻辑。5.2 应用场景二：实时计算5.2.1 实时计算流程 实时计算重点解决离线计算时延时高的问题，通过消息队列对实时数据流进行缓存，然后通过流式计算引擎对...

4 统一数据模型：让数据资产化4.1 高效数据模型，让数据好用起来4.1.1 统一数据模型的意义 统一数据模型通过对数据进行抽象和分层，构建多层数据模型，并实现统一的指标体系，让每一层数据模型之间的血缘关系清晰可见，把常见的数据指标放到应用层，把明细数据放到底层，屏蔽了底层的数据细节，大大地降低了数据的重复开发，极大的提高了数据的使用效率和易用性。4.1.2 统一数据模型具体做什么4.1.3 如何建设统一数据模型4.2 对维度建模进一步探索-维度建模设计过程（1）梳理...

3 数据中台建设方法论

2 认识数据中台2.1 什么是数据中台 数据中台是一种数据优先的大数据思维和强调数据业务化的价值理念，包含企业自上而下制定的数据战略、匹配的组织架构，以及实现数据高复用性、高可用性和高价值的有机结合体（包括一系列方法论、业务设计、模型设计、数据工具和平台），强调数据服务和数据智能，做到数据可用、赢、好用、可追溯、可复用和可管理。从技术角度看，数据中台是构建企业级数据价值实现的综合解决方案，主要包含数据采集和处理体系、数据平台、算法及服务体系、数据安全和管理体系等，以便快速、高效地响应...

数据就像燃料，让各行各业充满了生机和活力。科技和数据的结合发生了强大的化学反应，让数据价值的探索产生了质的变化，使得整个人类社会正在以火箭般的速度朝着数据价值方法迈进，朝着数字化和智能化的方向迈进。（DT时代） 通过DT技术（大数据、云计算、人工智能、区块链、机器学习、量子计算等）可以更好地预测世界，更好地感知世界发生的变化和可能面临的风险、提升认知能力，更好地决策。DT时代面临诸多挑战：从数据采集、存储、抽象到数据价值挖掘等环节，也有很多亟待解决的问题。 单个企业很难同事拥有其业...

数据应用规划与建设一、企业业务架构梳理1、企业业务架构梳理目的 通过企业信息的收集和相对结构化的信息描述企业的业务运转全貌。2、企业组织架构信息 大型企业组织架构信息相对复杂和庞大，可从公司级别的基本信息、公司内部的部门基本信息、部门内部的岗位基本信息这三个层次进行梳理。3、企业业务场景用例业务场景用例内容：参与者、用例业务范围、主场景、分支场景、子业务场景用例 业务场景例图的编制方法：采用职责分解法开展，首先从收集企业组织职责开始，各公司及下属各级部门...

数据资产建设一、数据资产建设概述1、前期准备数据资产建设的第一步是正确的数据观：数据资产以价值为依据，以场景化为驱动；能解决场景需求，带来业务价值的数据都可为数据资产。 数据资产建设前期需要详细的调研（业务、数据）：需在前期调研上下功夫，明确目标和使用客户是谁、业务痛点是什么、数据有哪些。 数据域设计：对业务的整理理解最终会反映在数据域的设计上，数据域的实现会预先为未来的数据开发提供更充分的支撑。2、数据资产建设方法论2.1 识别三种对象（根目录） 人、物、关系是建设数...

数据资源盘点与规划一、数据资产盘点1、数据资源分类1.1 按照数据格式划分结构化数据，如数据表 半结构化数据，如XML、Json 非结构化数据，如文本、图片、HTML、报表、图像等1.2 按照存储形式划分存储在数据中的数据 存储在文件中数据 流存储数据：用户信息传递的数据流，由于数据量大活无存储意义，仅仅在流过之后就结束了生命周期 数据服务中的数据，有明确的请求和响应内容1.3 按照数据描述内容划分实体数据：描述一个客观的实体与实体相关的属性的数据 交易数据：描述一个

商业智能（BI）平台建设实践+用户画像平台建设实践一、BI平台的建设背景 数据平台产品经理要考虑到产品的商业化扩展，在功能模块拆分与权限设计等内容上进行深度思考，便于后续产品的打包售卖。购买商业化BI产品，已经可以满足企业大部分的通用需求，为什么还需自建BI平台？满足更多的业务场景：Saas（Software as a Service）产品的基础是通用性，所以难以满足相对个性的业务场景；向厂商提出定制开发，不是一个好选择（成本高，周期长）。 安全性与领地意识：BI涵盖数据处理等敏...

数据平台产品经理的盾与矛一、数据平台产品经理的防守之盾1、需求分析能力1.1 项目背景调研1.2 需求收集1.3 用户故事2、产品设计能力全局思维 极简思维 共情思维3、需要掌握的大数据知识3.1 分布式存储3.2 分布式计算4、数据应用规划数据分析与可视化应用 行业营销类应用 智能决策类应用二、数据平台产品经理的进攻之矛1、商业变现的边界1.1 商业变现与用户体验的平衡点1.2 商业变现与用户隐私的平衡点2、服务B端的能力2.1

企业数据价值的探索（App用户流量波动分析案例）一、“三因素分析法” 三因素分析法，是指分析指定时间区间内是否存在如下因素变化：产品因素：产品功能变更，尤其是与业务问题存在直接关联的先关功能，属于内部因素； 业务因素：业务推广的影响，本地或在线推广都考虑在内，属于内部因素； 环境因素：重大的社会事件、社会热点等外部因素，包括对业务数据所产生的连锁影响，属于外部因素。二、后勤保障，提供数据支撑1、圈定分析指标 依照指标可量化与线性独立原则，结合APP用户生命周...

数据体系建设方法应用一、经久不衰的数据字典1、数据字典里有什么1.1 数据属性信息技术属性信息：数据表结构信息，包括表名、字段名、数据类型、字段属性（长度、默认值、必填行）、关键字段（主键和外键）等信息 业务属性信息：数据表的统计口径，描述表的用途及各个字段的统计口径、业务定义等信息。1.2 数据管理信息 记录数据表占用的存储空间、权限归属于读写操作记录等信息1.3 数据血缘关系与结构信息数据血缘关系：数据产生链路，是对数据的产生、处理、流转等过程的记录。 数据...

数据产品经理“功守道”一、“天条制定者”-数据产品经理1、数据产品经理的主要工作内容1.1 数据支持工作临时性数据需求：通过取数、对数、给数等环节，完成此类工作。 业务与产品验证：通过对数据的挖掘与分析，完成新业务与新功能的效果验证。 业务决策辅助：利用数据，模拟与验证新的业务模式是否可行，让业务决策者的判断拥有可信赖的数据依据。1.2 数据体系建设数据指标体系建设：从数据获取、梳理指标、统计口径到统计规范的输出，再到数据模型与数据开发跟进，以及最终的数据验证。 数据接口设计：个

数据中台的建设与规划一、数据中台的产品定位1、采，采集接入 数据中台需要一套标准执行的数据采集方案来确定哪些数据是可以实时采集，哪些数据是需要离线采集，以及数据拉取频率是多少。2、存，加工存储 数据中台要对数据进行整合与完善，打造出具备业务意义的企业级全域数据体系，然后输出到大数据平台进行存储。3、管，统一管理 要求企业具备一套可执行的数据资产管理制度（元数据管理）。4、用，数据服务 能否对外提供有效服务，是数据中台成熟度的...

中台的起源于思考一、中台从何而来业务中台：阿里将在线业务中台成为业务中台，集成了大量组件化产品，更好地服务前台进行规模拓展与业务创新。 数据中台：阿里将以数据治理与数据建设等数据管理活动为特征的中台称为数据中台，旨在打破数据隔阂，解决企业面临的数据孤岛问题。二、中台的重要价值1、数据中台价值 数据中台首先要融合企业内外数据，根据实际情况进行数据体系建设，打破数据隔阂，解决企业面临的数据孤岛、数据标准不一致等问题。在解决以上问题后，数据中台还需要进行可落地的数据产品建设，从而打...

数字营销的技术架构与路径一、基于中台架构，构建立体数字营销云1、营销的本质：精益的用户运营和数据驱动增长要确保客户在线上线下的体验能够无缝衔接； 要实现线上线下无缝交易； 要实现数据驱动的运营。2、实现数字营销的企业必备条件通过数字化的方式灵活连接所有部门，将企业内部的能力全部数字化； 产品、小程序、App、门店等都成为触达消费者的触点，通过这些触点可实现精准营销； 数字营销一定是由产品、营销和运营组成的； 快速响应市场几回合威胁； 能和其他公司建立动态伙伴关系，整合他们的能力

中台助力的数字营销一、消费者全触点覆盖 全触点营销是指为消费者运营提供更有实效、更为全面、更加精准、更具价值的社会化、商业化营销方案。二、全域消费者运营 数字中台作为数字营销的有效手段，其赋能数字营销的使命转变为：让营销变得更简单，让业务增长更为自然。数字中台支持全渠道运营中种类繁多的营销场景； 数字中台拥有丰富的全域消费者运营组件； 数字中台可以像搭乐高一样设计全域运营流程； 利用数字中台的全域营销实时监控，让数字化营销效果尽在掌握； 数字中台的全域营销...

中台成熟度模型一、成熟度评估模型1、系统建设服务丰富度：包含消费者/客户数字化、全渠道触点、商品数字化和核心流程数字化； 服务共享性：核心能力由多个前段业务共享，通过共享能力建设，提升企业为应对前台业务变化的时效性； 系统灵活性：将配置能力抽象，以便运营时根据需要进行配置。eg，可配置的参数提供默认参数和如何调整参数的指导建议；把过程分解为流程节点，通过调整流程来适应不同场景的需求；不能通过配置解决的前台业务差异化，则通过可扩展的插件机制对中台进行定制化扩展； 辅助工具：有合适的工具辅助中

中台的架构与建设一、技术中台规划二、数据中台建设1、数据中台功能定位2、数据中台建设范围3、搭建大数据平台4、搭建运维管理平台5、搭建研发管理平台6、搭建智能标签平台7、搭建自助分析平台8、搭建企业数据资产8.1 数据模型（1）分析模型（2）应用算法模型8.2 分析专题（1）用户留存分析 关注新用户留存率，出了监测新用户质量来调增获量渠道外，还可映射出产品对市场用户的粘性，不断复盘留存率变化，为新用户运营提供方向验证；主要包括研究用...

中台建设方法论一、中台架构整体策略 数字中台建设的整体策略是从业务着手，自顶向下逐层调研业务，再自底向上对业务逐层抽象归纳，形成业务全景图。二、业务中台设计方法论 业务中台本质是一个体系或系统，它实现了企业核心的业务运行机制，处于企业运行生态的核心位置，所有应用系统都必须与之建立联系。众多可复用能力只是中台的形，核心业务数据和业务流程才是中台存在的本质。1、能力支撑是基础 业务中台居于整个企业数字化平台的中间层，是上层应用建设的基础，它提供了应用功...

企业中台成功要素一、中台文化1、战略有思想 中台战略是企业级战略，自上而下、自下而上思想一致、步调一致、行动一致、达成企业数字化转型的战略目标。2、融合跨部门 中台项目属于公司级项目，需要跨部门协同，以业务转型或升级为驱动力，驱动IT技术升级。3、创新快支持企业的IT基础设施能够全部云计算化，只有这样，企业才不会产生“烟囱”； 企业的业务架构必须互联网化，只有业务架构互联网化，才能被组件化，满足企业快速创新、横向拓展的需求； 数据化转型必须实现数据在线...

云智慧时代的数字营销一、数字营销定义数字营销是以“技术+数据”双驱动，对传统营销进行在线化、智能化改造，进而帮助企业构建消费者全渠道触达、精准互动和交易服务的营销闭环； 数字营销本质是借助数据和技术，并利用营销资源，依靠实时数据跟踪，实现营销由粗放向集约发展； 数字营销以消费者需求为核心的数字化体验创新，最终实现面向最终客户体验的触点创新； 数字营销依靠中台的强大连接力，实现渠道从单一向多元发展；中台持续沉淀商业服务能力，并赋能各种新消费场景，支持企业快速创建消费场景，拓展渠道；内容策划和投放

企业数字化转型一、从消费互联网到产业互联网1、三大变化第一个变化是过去20年的消费互联网时代，互联网云计算共享服务成就了消费互联网巨头，也创造了无数的互联网工资，掀起了新技术、新业务、新数据发展和应用浪潮； 第二个变化是云计算应用使政务服务发生了翻天覆地的变化； 第三个变化将发生在未来的20年的产业互联网时代，互联网公司在经历了野蛮生长之后，用自己庞大的消费数据和独特的商业模式，切入产业价值链，带动后端供给侧转型，形成消费互联网（需求侧）拽着产业互联网（供给侧）跑的特点。2、产业互联网时代

（2021.01.14）-数据中台运营机制一、数据中台运营效果评估模型1、数据运营阶段资评表2、运营团队使命及目标数据安全及质量是中台可持续运营的基础； 提效降本是打造中台影响力的关键。二、数据中台运营的4个价值切入点1、统一战略：在战略层级上，管理层需要对为什么建设数据中台有非常清晰的认知，坚定做数据中台的决心；让企业上下都明确数字化转型对于企业生死存亡的决定性作用；让全体员工尤其是战略管理层和执行管理层都理解数据中台在数字化转型中的关键位置和重要性。2、搭建组织：数据委员

（2020.12.23）-数据安全管理一、数据安全3大市场挑战1、企业内部挑战大数据平台的安全管控能力缺失，使得平台在数据存储、处理及使用等各环节造成数据泄露的风险较大，安全风险面广，且缺乏有效的处理机制； 企业敏感数据的所有权和使用权缺乏明确界定和管理，可能造成用户隐私信息和企业内部数据的泄露。2、对发数据服务商的挑战：针对支撑公有云或私有云各类技术服务商。3、数据权限问题：在进行大数据收集、处理和应用过程中，必须做到权责分明，厘清数据权属关系，防止数据流通过程中的非法使用，保障数据安

（2020.12.21）-数据服务体系建设一、数据服务体系概念1、定义与定位数据服务体系就是把数据变为一种服务能力，通过数据服务让数据参与到业务之中，激活整个数据中台，也是数据中台的价值所在； 数据服务是对数据进行计算逻辑的封装（过滤查询、多维分析和算法推理等计算逻辑），生成API服务，生成数据应用可以对接数据服务API，让数据快速应用到业务场景中。2、主要分类基础数据服务：面向的对象是物理表数据，场景包括数据查询、多维分析等，通过自定义SQL的方式实现数据中台全域物理表数据的指标获取和

（2020.12.08）-数据资产管理一、数据资产的定义1、数据资产定义：企业拥有或控制的，能够为企业带来未来经济利益的、以物理或电子方式记录的数据资源，eg：文件资料、电子数据；2、数据资产管理定义：规划、控制和提供数据及信息资产的一组业务职能，包括开发、执行和监督有关数据的计划、政策、方案、项目、流程、方法和程序，从而控制、保护、交付和条数据资产价值；3、数据资产管理目的：数据资产管理是通过一系列手段、以控制、保护、交付和提高数据资产的价值（让数据价值越滚越大）二、数据资产管理最核心

（2020.12.01）标签数据层建设--数据价值魅力所在 大数据的核心价值和魅力通过标签数据的多样性应用得到充分体现；1、相关概念标签数据层：面向对象建模，把一个对象各种标识打通归一，把跨业务板块、数据域的对象数据在同一个粒度基础上组织起来达到对象上； 标签数据层建设：一方面让数据变得可阅读、易理解，方便业务使用；另一方面通过标签类目体系让标签组织排布，以一种适用性更好的组织方式来匹配未来变化的业务场景需求； 标签类型： a. 属性标签：对象本身的性质；...

（2020.11.19）统一数仓建设-标准化的数据底座1、统一数仓概念、目标及推荐模型概念：统一数仓建设过程以维度建模为理论基础，构建总线矩阵，划分业务板块、定义数据域、业务过程、维度、原子指标、修饰类型、修饰词、时间周期、派生指标，进而进行维度表与事实表的模型设计 目标：从业务完整性的角度重组数据，建设一套覆盖全域、全历史的企业数据体系，利用这套体系还原企业任意时刻的业务运行状态； 推荐模型：随着技术的2、维度建模的特点与核心概念特点 a. 模型简单易理解：仅有维度和事实...

（2020.11.17）数据体系规则1、中台数据体系特征覆盖全域数据：数据集中建设，覆盖所有业务过程数据； 结构层次清晰：纵向数据分层，横向主题域，业务过程划分，让整个层析结构清晰易理解； 数据准确一致：定义一致性指标，统一命名，统一业务含义，统一计算口径，并有专业数据团队进行建模，保证数据的一致性； 性能提升：统一的规划设计，选用合适的数据模型，清晰的定义并统一规范，考虑应用场景，整体性能更好； 降低成本：数据被业务共享，避免大量烟囱式的重复建设，节约计算、存储、人力成本 方便易用：

（2020.11.16）数据计算的4种类型1、批计算：批量数据的高延时处理场景，如离线数仓的加工、大规模数据的清洗和挖掘等。大多利用Mapreduce、Hive、Spark等计算框架进行处理，特点是吞吐量达、延迟高、适合人机交互少的场景MapReduce（Map和Reduce阶段）是一种分布式编程模型，采用“分而治之”的思想，将一个大规模数据集分解为多个小规模数据，然后分发给集群中多个节点共同完成计算，可以有效降低每一部分的运算复杂度，达到提高运算效率的目的。 由于设计限制，导致处理性能慢，可

（2020.11.11）数据交换产品 数据交换中心目的是屏蔽底层工具的复杂性，以可视化配置的方式提供给企业用户；需考虑数据孤岛，满足异构存储、异构数据类型的交换需求；同时，还要考虑不同时效下的数据互通。1. 数据源管理：管理数据所用的存储关系型数据库：如Oracle、Mysql、SqlServer、Greenplum等 NoSql存储：如HBase、Redis、Elasticsearch、Cassandra、MongoDB、Neoj4J等 网络及MQ：如Kafka、HTTP...

（2020.11.10）数据采集、汇聚方法和工具1. 线上行为采集客户端SDK埋点 a. 全埋点：记录终端设备用户的所有操作和内容；优点：不用频繁升级，一次性验证并发布后，可以获得终端的全量行为数据；缺点：数据存储、传输的成本高。 b. 可视化埋点：将终端设备上用户一部分操作通过服务器配置方式有选择性的记录并保存；优点：发布后不需要频繁升级，成本比全埋点低，并灵活配置；缺点：如果分析数据没有被采集，需要重新配置采集在进行后续工作，影响业务进度。 c....

（2020.11.09）1.哪些企业适合建设数据中台企业最好有一定的信息化基础，沉淀了数据，实现了业务数据化过程； 企业业务复杂，有丰富的数据维度和多个业务场景，特别是多业态型集团企业； 企业有数字化转型、精细化运营的需求；2.数据应用成熟度模型第一阶段：统计分析阶段，该阶段主要以业务需求为导向，通过IT系统的建设，实现业务过程的流程化、自动化。该过程可能会有少量的数据记录，但并没有以数为导向的积累数据，主要通过单一维度的少量数据进行业务的总结。 第二阶段：决策支持阶段，该阶段主要是在企

（2020.11.04）1. 数据中台VS大数据平台数据中台不是单纯的技术叠加，不是一个技术化的大数据平台，二者有本质区别； 大数据平台更关心技术层面的事情，包括研发效率、平台的数据处理能力，针对的是技术人员； 数据中台的核心是数据服务能力，要结合场景，通过服务直接赋能业务应用，不仅仅面向技术人员，面向多个部门的业务人员。2. 数据中台建设方法论1种战略行动 把数据中台驱动业务发展定位为企业级战略，全局谋划,只有企业“一把手”能推送企业数据中台的建设，需要有相应的组织、制度...

（2020.11.3）1.数据中台与业务中台的区别与联系业务中台更多偏向于业务流程管控，将业务流程中共性的服务抽象出来，形成通用的服务能力； 数据中台则是抽象数据能力的共性形成数据服务能力； 业务中台与数据中台的数据应用闭环（自动化、智能化的数据采集与汇聚；实时与离线数据打通关联；数据开发深度挖掘数据价值；开发数据服务至各业务场景中）； 企业只需要一个中台，未来“业务中台”与“数据中台”会统一为“企业中台”。2.数据中台VS数据仓库应用场景 a. 数据仓库支撑管理决策和业务...

（2020.10.28）1.数据中台通过有形的产品和实施方法论支撑，构建的一套不断持续不断把数据变成资产并服务于业务的机制。2.数据中台的4个核心能力（最核心的竞争力）：汇聚整合、提纯加工、服务可视化、价值变现--------汇聚整合--------数据丰富和完善：对多样的数据源进行合并和完善 管理简便：可视化任务配置以及丰富的监控管理功能 数据集成与运营：数据中台能够接入、转换、写入或缓存企业内部多种来源的数据 数据目录与治理：数据用户可以方便定位所需数据，理解数据（包括技术和业务治