十年数据架构经验，告诉你业务化大数据中台最核心的四点

发布时间:[2019-09-18] 来源:网络点击量:

中国企业数据治理联盟（www.chinaedg.com/）

当前最赚钱的大数据产业是什么？显然是广告，而对于拥有大量客户的企业来讲，用大数据驱动营销效率的提升是最大的价值变现手段。

运营商等大多企业营销为王，新的时期，随着企业的成本控制、客户满意度提升等要求的加强，精确营销越来越成为其实现高效低成本运作的一种手段，这就好比广告产业，也经历了从传统的广撒网向程序化精准投放模式转变一样，成为趋势性的东西。

企业大数据团队能否基于大数据平台给予企业的营销赋能，成为驱动企业转型的关键所在，而基于很多企业的实际，为业务人员大数据赋能是最现实的手段，即搭台唱戏，这是新的时期大数据团队的一个使命，也是与传统BI不太一样的地方。赋能的核心是打造一个好用的大数据PaaS平台，那么，能让业务人员使用的PaaS到底是个什么东西？

我们不从技术出发谈PaaS，而从业务人员的营销诉求说起，可以从营销管理的核心流程了解清楚

需求一：为了深度洞察客户，业务人员一般需要一个标签库，以获得营销的目标用户，标签库在一定程度上跟广告公司DMP一致，这是程序化广告的一个核心。

需求二：传统企业线下渠道的管理异常复杂，比如多级组织，业务不统一等，集中式的营销平台往往水土不服，难以适应新的变化，开放组件给一线自由组装是一种解决办法，这是跟互联网公司的投放平台不一样的地方，必须适应现状。

需求三：标签库不是万能的，企业无论有多少现成标签，都需要基于市场变化去重新定制模型或标签，这就需要一个透明化的数据开发（挖掘）工具，让业务人员自己去DIY。

需求四：获得了标签，业务人员还需要一个便捷的营销管理平台以触达客户，类似于广告的DSP，包括营销策划、营销执行及营销平台等系列功能。

为了支撑企业的精确营销，以上四点是非常核心的，大数据PaaS必须为这些提供有效支撑，也可以叫它大数据能力中台。业务人员其实不关心大数据平台，大数据平台内部的PaaS如何于他没啥意义，他只关心能否通过可视化工具获得所需的数据、模型或功能。

1、数据管理平台

这一层是大数据访问网关，无缝透明对接大数据平台，屏蔽内部所有技术细节，提供从数据字典、数据开发、机器学习、数据稽核到运维调度的所有功能，从而大幅降低使用门槛，这一层对大多企业来讲是最难建的，很多大数据平台能直接买来，而好用的数据管理平台却是运营出来的，并且要与时俱进，比如底层多了一个组件，就需要集成一次。

很多互联网企业数据工程师所有工作都是基于这一层的，可见意义有多大，而要让其适用于业务人员，挑战更上一层楼。

由于是为业务人员所用，每一个组件都需要精雕细琢，比如我们的数据字典就搞了四个版本，以适应不同角色及提升体验，直到现在还没达到要求。

2、标签库

庞大的标签体系凝聚着企业建模人员所有的心血，我们叫它作客户经营中心，虽然标签数量不能代表所有，但1000个标签跟10万个标签还是有质的差别，起码代表了精细化程度上了一个层次。

发布的标签上万个，如果能自由组装那蕴含的能量是巨大的，提供组装分析功能估计是当前标签库的标配。

标签库的体验很重要，诸如查找、在线分析、looklike都是提升体验的关键，对于产品经理也是重大的挑战。

标签库应该是对外开放的，任何组织和人员都能发布自己的标签。

3、精营家（营销管理平台）

营销管理平台是整个精确营销的中枢，一要对接标签库，从中获取目标用户群，二要对接大数据平台，从中获取实时场景信息，三要对接外围渠道，四是要完成整个投放策略，五要完成效果评估，体验要求很高，跟DSP类似。

4、开放组件

这块是最难的，但已经有一线的人员自主完成了应用开发，组件化的思想在这里得到了落实，用户级的组件其实真的很难。

以上四个平台层层递进，从解决数据问题，标签问题，营销问题再到个性问题，相互之间也是贯通的，DACP的模型要能直接发布到标签库，标签库的用户群要能推送到营销平台，他们内嵌于生产流程，致力于端到端的解决问题，从而真正的赋能于业务人员。

无论是技术驱动业务或是业务驱动技术，在推进大数据平台建设的时候，不能忘了终极目标是什么，上周团队发布了准备已久的数据字典，但却由于一个提示疏忽而功败垂成，技术走完了99步，往往在用户体验的最后一步翻跟头，这对于PaaS的确是巨大的挑战。

分享到： QQ空间新浪微博微信 QQ好友更多