數據中臺建設方案匯報

提綱數據中臺發展趨勢02建設現狀分析01建議規劃內容03建后運營04加入星球獲取更多更全的數智化解決方案中臺建設背景：客戶精準化、營銷智能化、管理數字化整合渠道數據，以客戶精準化、營銷智能化、管理數字化應用為導向，為一線業務人員生產提供精準營銷服務。關注員工業績動態，提高營銷隊伍內生動力；引導生產從線下向線上轉型，實現科技賦能、數據賦能、提升金融營銷業績。全面客戶畫像智能精準營銷高效經營管理客戶聚合與精準畫像，建立統一客戶中心，打造客戶全景視圖；客戶精準營銷和精確管理，提高一線人員的營銷效率；通過大數據分析，精確指導網點經營，明確網點經營方向和經營重點數據中臺AI中臺數據模型開發數據探索分析數據可視化開發數據開發數據目錄服務開放數據申請審批數據共享血緣分析元數據管理數據質量數據治理模型規劃設計數據可視化標簽數據標準數據模型服務/能力開放層分析模型融合模型客戶視圖產品視圖渠道視圖業務視圖客戶推薦產品推薦渠道洞察業務推薦服務目錄數據服務報表服務推薦服務標簽服務自助分析集成開發數據治理工具服務基于企業數據中心大數據平臺，構建具備數據治理、AI智能分析、自助報表分析等能力的數據中臺實現大數據平臺+數據中臺兩級數據平臺資產沉淀與全流程管控通過數據共享實現服務級的開放與管理。中臺技術架構：基于企業數據中心大數據平臺構建金融數據中臺智能建模智能分析智能應用以數據價值增值為目標，構建涵蓋數據采集、加工、使用、評估、下線等步驟的數據數據全生命周期管理能力，對內外部數據提供數據資產規劃、數據資產加工、數據資產運維、數據資產管理、數據共享開放和可視化應用等數據治理能力，滿足企業內外部用戶使用數據的要求，最終實現數據的價值。數據治理：提供專業化的數據資產“管家”服務智能化中臺是大數據和機器學習技術結合的模型訓練與應用平臺，是一個完整的數據抽取、存儲、模型建立、模型訓練和應用的綜合性機器學習和深度學習平臺，支撐人工智能（AI）應用的快速落地，助力企業向智能化轉型AI智能分析：支撐人工智能應用快速落地，助力企業向智能化轉型自助報表分析自助報表平臺提供敏捷開放的某著名企業大數據探索、可視化分析與展現工具，支持業務人員高度深入參與，提供自助式的、可視化的、實時的、智慧型的數據探索與分析，幫助業務人員提升對數據的感知和處理效率，促進敏捷化、個性化的數據應用開發，快速從大量的數據中提取價值，讓更熟悉業務的業務人員成為數據分析科學家。中臺建設-數據治理成效數據采集數據資產目錄數據申請審批數據共享目錄API服務數據采集功能：1.數據校驗，確定每個字段的取值范圍（單位是否一致，枚舉范圍等）；2.數據標準化，減少數據使用的歧義，如代碼標準化（如機構，網點）；3.數據質量檢查，對臟數據進行反饋；4.元數據，數據源血緣關系梳理。數據資產目錄：對采集到的數據進行統一規劃，業務部門或地市可以通過檢索，查詢需要數據信息，包括數據來源，數據血緣關系，數據結構等。數據共享目錄：把有價值的數據發布到共享目錄，數據使用人員，業務部門或者地市可以進行數據申請、下載、分析。數據申請審批：數據使用人員或者業務部門，通過審批流程，來申請數據的使用，分析，下載，審批流程，對數據的流向可以追溯，保證數據的使用安全。API服務：目前為智慧營銷系統提供了客戶畫像軌跡，收單商戶數等API服務，后續可根據上層應用提供定制化服務。從多個業務系統中整合最核心的、最內保持一致性、完整性、準確性和可控性，確保數據可關聯性，為精準化營銷提供數據支撐。需要共享的客戶主數據，集中進行清洗和豐富，并以服務的方式將這些統一、完整和一致的主數據提供給智慧營銷系統使用。確保主數據在整個企業范圍中臺建設-數據建模成效目前固化了“資金流量流向分析”、“交分析”“客戶經理業績清分”等多個常用數據分析模型，使基層經營單元更好了解本單位經營指標變化的深層次成因和所服務客戶的行為特征。資金流量分析模型交分析模型財私客戶管理模擬器模型客戶經理業績清分模型營銷效果分析模型收單商戶分析模型客群分析模型中臺建設-自助式分析成效提供資產流入流出及渠道分析專題、資產變化渠道分析、金融旺季效果分析、到期轉存情況分析、特色經濟專題分析、經營日報、商戶報表分析，以及重點活動客群數據集、網點重點指標數據集、收單商戶相關、客戶基礎信息及業務加辦相關、績效考核相關、金融經營指標相關自助式分析。系統數據集自定義數據集自助分析工具自助式數據查詢+自助式數據探索報表展示圖形化展示應用效果特色經濟專題分析金融旺季效果分析到期轉存情況分析商戶報表分析資產流入流出分析經營日報分析資產變化渠道分析提綱數據中臺發展趨勢02建議規劃內容03建設現狀分析01方案價值總結04數字經濟是第四階段的經濟形態，漸行漸近2020年，我國數字經濟以技術創新驅動數字產業快速發展，以業態和模式創新賦能傳統行業數字化轉型，成為對沖疫情、平抑風險的經濟“壓艙石”。前三季度，信息傳輸、軟件和信息技術服務業同比增長15.9%，高技術產業投資增長9.1%，各項增長表現超過其他產業同期水平，在全國經濟由負轉正中的牽引作用突顯。展望2021年，在中美經貿摩擦背景下，我國基礎軟件、高端芯片、核心元器件等關鍵核心技術創新投入將持續加大，數據賦能效應與技術乘數效應相疊加，將推動以要素共融、資源共享、價值共創為核心的應用場景創新走向深入，加速產業要素裂變、融合、重構，引爆數字經濟一個又一個新的增長點，為國內經濟復蘇提供持續動力國家主席習近平2020年11月20日晚在亞太經合組織第二十七次領導人非正式會議發表重要講話指出，數字經濟是全球未來的發展方向，創新是亞太經濟騰飛的翅膀，要全面...加強數字基礎設施建設，消除數字鴻溝。中方倡議，各方分享數字技術抗疫和恢復經濟的經驗，倡導優化數字營商環境，釋放數字經濟潛力，為亞太經濟復蘇注入新動力。數字經濟時代，數據已經成為最重要的生產要素時代趨勢企業要求業務需求加強數據集中管理，可實現全公司信息共享；強化數據分析，提升數據應用水平和商業價值推進數據資產管理和大數據挖掘分析，加強業務規范化管理，為有效開展業務奠定基礎IT時代向DT時代邁進數據成為企業資產大數據成為國家戰略隨著全域數據融合和應用的不斷深入，各部門跨專業業務協同與信息共享需求日益增強各個運營部門，包括網絡、市場、客服、運維都需要需要提供更準確、更廣泛的數據分析支撐，實現以數為據的科學決策方式轉變新價值增長點大數據對各行各業賦能，行業需求越來愈旺盛大數據產品可以成為未來某著名企業新的收入增長點隨著數據被以前所未有的速度生產和消費，以及數據在經濟與社會發展中起到越來越重要的作用，由數據要素所推動形成的數字革命和數字經濟成為新時代的標簽。順應數字經濟發展，各級政府都在積極推動數字化轉型2020年4月9日，國務院發布《中共中央國務院關于構建更加完善的要素市場化配置體制機制的意見》，首次將數據作為一種新型生產要素寫入文件。2020年8月21日，國資委《關于加快推進國有企業數字化轉型工作的通知》，提出數據基礎是四大轉型基礎之一，明確提出構建適應企業業務特點和發展需求的“數據中臺”“業務中臺”，建設敏捷高效可復用的新一代數字技術基礎設施，加快形成集團級數字技術賦能平臺。強調加強數據標準化、元數據和主數據管理工作，定期評估數據治理能力成熟度。各能源企業明確提出建設大數據平臺，健全集團數據治理體系的要求。2021年3月“兩會”政府工作報告中明確指出：加快數字化發展，打造數字經濟新優勢，協同推進數字產業化和產業數字化轉型，加快數字社會建設步伐，提高數字政府建設水平，營造良好數字生態，建設數字中國。以IT的手段構建企業經營管理框架和流程的數字孿生體。數字孿生體以數字世界特有的優勢打破物理世界的壁壘和束縛，實現無邊界的信息流通和泛融合。通過企業數字孿生體反向助推企業經營管理實體的降本增效。數字化轉型其本質是企業經營管理數字化的過程企業架構企業經營管理框架企業數字化框架頂層設計解決方案ITDT戰略管理數字化業務運營數字化客戶體驗數字化驅動力企業理念戰略目標戰略管理業務目標績效管理業務（產品/服務）流程合作伙伴供應商組織單位策略管理業務實現定性定量客戶需求交付滿足改變影響決定完成分解評估量化梳理監控實現擁有執行契約契約戰略規劃業務規劃架構指引差距分析架構治理分解落地沉淀數字化進入4.0階段呼叫中心建設

企業組網VPN/SDN企業V網政府、企業的數字化建設不再是單項/單系統或領域級的，而是進入到"全域智能化"階段，建設內容更具有行業特性，與生產密切相關，建設重點是"全域數字孿生和數據匯通、系統融合及云化，Al賦能"等數字化1.0辦公和通信數字化2.0客服和營銷數字化3.0生產和管理數字化4.0全域融智提升企業形象、提升辦公和通信效率，構建計算能力以提升企業生產運營、客服、營銷效率為目的·5G+AICDE融合，全面激發"數據"作為生產要素的效能，提升企業效能數字孿生：全要素、全場景、全周期萬物智聯：聯網并遠程操控全域數據匯通及運營企業上云、云邊協同應用云化、云原生人工智能廣泛應用CRM/ERP、數據庫財務/HR等管理系統某著名企業辦公軟件企業門戶電子郵箱

公司OA硬件購買PBX直連專線垂直行業生產領域信息化、企業多領域數字化，提升資源利用效能APP/API開放M2M、物聯網平臺化SaaS/PaaS/laaSIDCITCTDICTICTDT數據中臺是一套“讓企業的數據用起來”的機制數據中臺的實施需要一整套技術產品，同時，需要針對不同業務、數據、應用場景的體系化實施方法和經驗，過程中涉及企業戰略、組織、技術、人才等全方面的保障和配合。數據中臺建設是一把手工程，必須得到公司高層的支持。戰略定位企業需要從最高層的戰略上明確數字化轉型和建設中臺的意圖，這樣才能真正將數據中臺落地。組織保障企業人力需要提供配套的組織保障。包括以CEO、CIO、CTO、CDO為主的高層管理層、中層管理層、基層執行層的全套組織體系，建立數據人才架構。一站式工具選用適用、適配、成熟、完整的一站式大數據平臺工具，利用工具對整個戰略提供保障，并對全鏈路的數據采集、開發、質量、和應用流程進行保證。企業數據積累數據應用場景數據中臺企業經營數據能源運營數據工程建設數據投資企業數據…領導決策經營分析客戶營銷客戶服務…大數據平臺數據體系數據服務能力數據統一存儲數據匯聚鏈接數據算法開發數據標準體系數據標簽體系數據資產目錄數據應用服務數據資產交換數據市場…數據越用越多，越用越活數據中臺解決企業數據“存、通、用”三個問題數據中臺，是基于分布式數據平臺，根據行業客戶的業務場景定制的一整套數據智能解決方案，基于“互聯網+”是的數據價值思考，賦能企業，提升競爭力。用存通一切業務數據化鏈接數據孤島一切數據業務化企業完整數據解決之道解決數據“存”、“通”、“用”難題自動化、智能化的數據采集與匯聚實時、離線數據，結構化與非結構化數據數據關聯打通數據質量提升體系、數據提純智能化標簽體系數據安全體系數據可視服務數據開發平臺AI服務能力數據分析能力數據中臺建設聚焦于數據價值實現數據中臺根據業務中臺和前端數據，提供面向場景的數據服務，將結果反饋至業務中臺和前端，實現數據驅動業務運營。前端應用業務中臺數據中臺技術中臺—大數據能力大數據倉庫數據模型數據標簽數據服務業務中臺數據各業務中心前端數據前端業務應用123全域業務→數據化，全生態數據→業務化全域業務→數據化數據中臺收集跨域業務數據，為業務可分析、可追溯、可預測提供了基礎全生態數據→業務化基于業務場景實現數據分析、洞察、預測處理結果通過數據服務或標簽反饋至業務中臺，實現數據的業務價值，例如項目建設工期拖延預警數據驅動業務持續創新根據數據發現需要優化的功能點和流程從數據中挖掘業務創新機會213數據中臺建設不能一蹴而就，需要自內而外根據數據獲取和應用實現的難，企業通常是“自內至外、從簡單到復雜”逐步實現數據運營發展戰略。行業大數據服務智慧營銷數據共享模型超市整合大數據資源形成鏈接、賦能、提效三方面應用針對特定用戶群、業務方向提供定制化數據服務根據場景研究，形成標準化數據分析服務廣泛引入大數據產業合作伙伴，整合內外部數據資源，面向不同行業提供大數據行業服務數據挖掘，外部數據整合，

使用數據挖掘，對外提供服務外部數據整合，深化行業應用數據中臺行業應用數據中臺數據運營數據中臺應用鏈接（面向客戶）提效（面向運營、管理、決策）賦能（面向員工）數據變現數據生態數據中臺不是傳統的數據倉庫分布式數據平臺010602050304數據開發一體化數據中臺則主式可視化數據開發，借助分布式技術的力量簡化數據加工處理的過程傳統數倉往往將ODS、EDW和ETL開發切割到不同廠商工具實現數據中臺采用自底向上的方式，結合業務需求變化不斷迭代升級傳統數倉性往采用自膜向下的建設模式，以明確的業務分析驅動，延續性低建設模式方法論數據中臺以分布式引擎架構，同時支持離線計算/實時計算/即時計算/智能計算傳統數倉以單機關系型數據庫離線分析為主數據應用創新數據中臺強調集成，打通數據孤島，釋放業務數據應用創新的能量傳統數倉以某個業務主題的BI報表和決策支持為主，目的性單一，煙囪式建設數據資產在線化數據中臺則強調元數據管理統一入口的自動化和數據資產管理的在線化傳統數倉的數據管理和治理，往往花費大量精力，最終形成的是離線的規范和文檔數據源豐富性數據中臺涵蓋業務數據、日志數據、行為埋點數據、IoT數據、爬蟲數據、外部數據等傳統數倉以業務數據庫的結構化數據為主“咨詢規劃/數據治理/平臺建設/應用建設”四部曲一、咨詢規劃二、數據采集及質量治理三、數據中臺建設四、數據應用建設數據資源規劃數據質量評估數據中臺建設規劃數據管理組織指標梳理及現狀分析標簽梳理及現狀分析數據應用規劃外部數據采集基礎數據質量治理日志數據采集業務數據質量治理業務數據采集大數據數據質量治理OneModelOneIDOneService數據同步數據建模數據萃取3ONE方法論經營指標體系建設實體標簽體系建設大數據應用開發數據可視數據治理經營分析客戶畫像智慧營銷產品創新產品域營銷域服務域客戶域提綱數據中臺發展趨勢02建議規劃內容03建設現狀分析01建后運營04規劃內容一標簽體系規劃內容二系統智能規劃內容三統一門戶規劃內容一構建標簽體系，推動業務發展所謂的用戶標簽，就是對用戶某個維度特征的描述。標簽和分類的區別在于分類是從標準化角度出發，自頂而下的管理要求，而標簽是從業務場景出發，從下而上而規劃的用戶特征描述。分類是“isa”的定義，而標簽是“hasa”的特征，它是互相兼容、多維的對用戶特征的描述。參加這個活動的老用戶有多少？推送應該在中午發，還是晚上發？想要召回流失用戶，他們都喜歡什么商品？10萬元的活動預算，應該花在哪里？生命周期標簽價值分層標簽商品偏好標簽營銷時機標簽對一群用戶來說，我們為了讓業務做得更好，會想知道他們的很多特征。比如，我們這一季度有10萬元的活動預算，應該集中花在哪里？用戶標簽可以按照標簽的控制深度劃分為基本屬性標簽、行為屬性標簽、商業屬性標簽等；也可以按照數據中臺的數據分層結構，分為事實標簽、模型標簽、預測標簽等。建設數據標簽體系原始數據用戶信息產品信息訂單信息支付信息…事實標簽姓名…所在小區電話號碼年齡模型標簽活躍度…興趣消費能力偏好預測標簽復購概率…流失概率購買渠道購買時機用戶標簽有增強洞察等四大使用場景按照我們在多家不同企業落地標簽體系的經驗，用戶標簽的應用主要有四種場景。用戶特征洞察精細化運營增強數據分析數據產品應用用戶畫像是了解用戶的更要工具，可以輔助業務人員快速獲得用戶的信息認知，發現顯著特征，獲得業務靈感

用戶標簽是很多數據產品的基礎，諸如個性化準撐系統、智能運營平臺、廣告系統、CRM等標簽可以豐富數據分析的維度，數據查詢平臺在打通標簽數后，能支持更加豐富的分析及對比從相粗放式到精細化，將用戶群體切或更組的粒度，輔以短信、微信、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略行業有四種主流的標簽體系基于營銷觸點基于用戶價值基于增長漏斗基于用戶偏好識別用戶的購買流程和購買意愿階段，為營銷提供明確的時機，如A（感知）-I（興忽）-P（購買）-L（忠減）基于用戶對產品的功能商品信好做區分提供營銷人員信息去進行個性化服務，如保險領域的購買目的、年齡區位、價格識用戶所處的增長狀態，對不同生食周期的用戶執行不同的增長策略，如A（獲取）-A（激活）-R（留存）-R（營利）-R（推薦）識別用戶的價值做用戶分層，對不同價值分層的用戶執行不同的運營策略，如RFM用戶價值分層標簽體系搭建四部曲啟動App注冊登錄瀏覽活躍深度行為訂購重復訂購沉默流失一、還原業務流程二、覆蓋生命周期新用戶活躍用戶流失用戶在使用框架設計用戶標簽體系時，應該去理解消費者的決策過程，考慮商業業務的形態，配合業務人員的作業需求。神好的標簽框架，一定是基于業務場景的。它應該要完備地覆蓋用戶的行為周期和業務的工作流程。三、明確商業目標拆解業務流程尋找提升商業目標策略交=新增用戶數*注冊率*瀏覽詳情率*深度行為（收藏）率、訂購率+老用戶*留存率*持續交降低拉新成本提升注冊比例提高下載轉化提供注冊率提高點擊率促進瀏覽轉化促進深度行為轉化（收藏）促進訂購轉化挽回具有流失傾向的人群提升瀏覽時長交叉營銷提高復購頻次挽回已流失客戶四、從策略推標簽人群策略1人群策略2人群策略N高價值、人群策略4標簽1.1標簽1.2標簽1.3。。。客戶交交周期下月流失概率符合優惠券類型標簽4.1標簽4.2標簽4.3。。。標簽1.1標簽1.2標簽1.3。。。標簽N.1標簽N.2標簽N.3。。。業務部門如何使用標簽業務部門應用標簽的流程，通常可以歸納為三個問題。目標人群是誰？目標喜歡什么？怎么執行策略？目標人群是誰？目標喜歡什么？如何執行策略業務部門需求標簽主題標簽梳理步驟商業價值標簽用戶偏好標簽生命周期標簽還原業務流程覆蓋生命周期明確商業目標營銷時機標簽從策略推標簽標簽體系應用—構建全面用戶畫像用戶畫像的目的是為了精準地定位你的目標群體以及他們的特征，用戶畫像不是簡單的用戶分類，而是一個具體的用戶形象。用戶畫像可以幫助我們了解到最重要的80%用戶需求是什么，以及哪些是用戶其實沒那么在意的20%的需求。業務應用標簽維度用戶洞察產品創新精準營銷個性推薦渠道優化…基礎標簽模型標簽預測標簽基本信息關聯信息其他標簽用戶偏好用戶價值需求特征用戶畫像。。。….。。。…最后一次購買產品種類最近一次價格時間。。。購買價格收藏商品品類收藏商品品牌收藏商品價格。。。收藏信息訂購行為瀏覽行為收藏行為搜索行為。。。用戶行為非常積極積極中性消極。。。情感偏好極強強中等低。。。消費能力奢侈小資經濟。。。生活方式最近關注最近購買最近咨詢最近交易。。。當前需求小額貸款人身保險車險理財。。。潛在需求性別年齡民族職業。。。基本信息家庭地址單位地址常去場所出差地址。。。位置信息標簽體系應用—支持業務人員對標簽的二次開發為平臺用戶或數據管理人員提供了對標簽的二次組合、配置能力。運營、客服等業務人員在應用標簽時，可能不僅僅只查看某一個標簽對應的人群情況，更多地可能需要組合多個標簽來滿足其在業務上對人群的定義。用戶可根據自己的需要對標簽進行自定義數據規則組合，形成專題人群/設備群標簽，并可查看該二次開發標簽的數據特征，對專題人群/產品群數據進行調用。當前用戶建立的專題人群/用戶群列表，可進行自增、編輯、運行管理、刪除等新增標簽：可定義名稱、標簽組合規則開發二次標簽創建二次標簽：自主選擇標簽，自定義標簽組合規則，形成特定條件下的人群和設備群標簽。數據申請：對使用數據的系統進行校驗鑒權。標簽二次配置開發流程及數據調用標簽體系應用—標簽開放商業化的擴展能力數據標簽和客戶畫像在為數據管理人員和業務人員提供業務分析和數據輸出能力外，還可以對標簽能力的開放進行了商業化應用的拓展。可實現對標簽使用的實時監測，對標簽的開放使用量進行計次，以及使用量的統計，為企業數據價值開放應用的計費實現打下基礎。標簽開放使用量統計接口調用量統計：對全部數據接口進行調用計次統計、調用數據量統計。用戶調用數據統計：對全部調用接口的用戶進行調用計次和數據量統計。數據標簽體系價值數據中臺統一業務入口標簽庫標簽加工規則高風險用戶數據集規則老齡化客戶數據集規則大客戶數據集規則跟蹤應用情況優化標簽加工規則

收集與分析消費者社會屬性、生活習慣、消費行為等主要信息的數據之后，抽象用戶的商業全貌作是企業應用大數據技術的基本方式。結合業務場景需求，構建業務人員所需的標簽數據集，滿足業務人員基于業務標簽的自助數據獲取能力。API接口分析層事實表（用戶業務行為事實表）步驟1：查詢高風險用戶標簽數據。查詢結果：用戶編號、高風險高風險用戶數據集老齡化客戶數據集大客戶數據集1.業務價值高

經過標簽萃取的數據具有明確的業務價值行業，業務價值高，業務人員容，應用快速；2.支撐快速業務變化

標簽加工規則可變，并不影響前臺使用，保證跟隨業務變化；3.數據動態更新

數據每天計算，動態更新，保障數據的時效性；4.釋放中臺能力

標簽數據凝結了數據中臺的計算能力，凝結了算法和算力，釋放了中臺能力。統一調度任務業務標簽聚集了數據、算法和算力步驟2：關聯分析層用戶業務行為事實表，獲取高風險用戶數據集步驟3：數據服務提供標簽和客戶畫像能夠推動金融業務發展數據標簽和畫像分析幫助相關企業通過標簽管理來提升數據資產化能力，幫助企業實現數據資產沉淀，打造數據驅動業務的能力，搭建以人和物為中心的大數據運營體系。產品域需求用戶域需求產品研發：通過對金融產品、訂單的歷史數據、客戶分布數據等的標注和歸集，幫助產品研發人員掌握產品用戶特征，更好的進行產品研發。產品售后：通過對不同區域的產品問題或用戶對產品售后問題的特點總結和標記，幫助售后管理部門開展對售后服務渠道的人力物力投入，實現資源投入價值最大化。用戶營銷：互聯網模式下，需要根據用戶標簽實現目標用戶群定位和細分，幫助客戶實現用戶細粒式分類，對用戶分群分類標記。對指定用戶群做針對性營銷。營銷評估：通過app端使用人群行為跟蹤來對營銷活動進行評估，幫助歸納總結不同營銷活動的效果，在后續營銷方案決策時有可靠的數據支撐。數據中臺標簽和畫像分析業務需求點分析產品能力拓展：通過獲取用戶的關鍵屬性標簽，掌握用戶對產品的擴展性要求，了解用戶對產品的認知和反饋，為新品開發、產品營銷和產品改進提供決策支持。用戶拉新：通過對用戶消費能力和消費特征的數據分類，對不同類的用戶進行跨業務拉新或消費拓展，幫助企業吸引和拓展新用戶群。數據中臺數據分析數據采集數據安全運營分析規劃內容二注入系統智能，賦能員工提效建立企業知識圖譜的意義傳統的知識庫往往重在單個知識內容的整理上，而對知識之間的關系關注較少，知識圖譜作為一個語義網絡，可以有效地將知識之間的關系構建出來，并通過關系進行檢索及可視化展現。為組織固本助力公司知識資產有效沉淀與利用，避免隨人流失與重復犯錯為員工賦能支撐新人、一線員工快速學習成長，實現關鍵崗位有效傳承為業務提效加強知識與運維、營銷、客服等業務的精細化支撐能力為企業創效通過構建專家網絡、知識問答等模塊，聚合眾人智慧解決問題某著名企業營銷項目文檔差旅費管理辦法信息采集系統運行維護管理辦法集團公司生產管理工作手冊散落的知識及事件有結構、有組織的語義網絡表信息等用戶信息日志信息指標信息場景信息知識建模接入知識抽取知識融合知識計算知識存儲知識建模基于中臺數據和畫像標簽，構建知識圖譜體系數據庫A指標A指標B指標C用戶A用戶B指標D字段B指標E數據表B場景A數據庫A字段信息在線問答智能推薦在用戶基本信息、行為信息與指標、場景、標簽等數據對象信息之上，利用知識建模、知識抽取、知識融合等技術開展數據知識圖譜構建，實現隱性關系顯性語義化，應用于智能在線應答，瀏覽內容智能推薦等，有效提升用戶體驗和智能化水平。根據用戶A、B行為相似度分析，向用戶B推薦用戶A瀏覽過的指標B指標B用戶B智能推薦字段C字段D智能推薦智能推理根據構建指標D、E所需字段相同，推理指標D、E可能為雷同指標雷同指標建立統一知識庫，實現知識共建共享文檔共享文檔查看三種方式：可瀏覽及下載原文檔可在線加動態水印瀏覽及下載僅可在線加動態水印瀏覽文檔權限管理：全公司分公司、專業領域開放觀點發表員工可自由在平臺上發表觀點，觀點支持富文本編輯及markdown編輯模式，可支持代碼交流共享觀點可以分為原創和轉載管理員擁有對觀點的管理權限根據技術業務需求開設相關專欄，專欄管理員擁有對專欄內容的審核和管理權限專欄可設置關注專欄管理水印工具可以方便地將doc、docx、xls、xlsx、ppt、pptx、txt、pdf文檔進行在線加水印及加密加密后的文檔防止WORD2016編緝破解設置固定水印內容，減少輸入收集企業的各類文檔，建立知識上傳，知識完善，知識定位和知識學習的閉環知識庫管理體系。同時建立技術專家的專欄、知識問答實現經驗共享，打破組織界限，不同組織間可無障礙學習交流，助力公司知識資產有效沉淀。規劃內容三統一數據門戶，優化用戶體驗統一數據門戶匯聚數據中臺數據表、指標、報表、數據服務、數據標簽、數據應用等6類數據對象元數據，并通過目錄形式，滿足業務人員對不同數據對象的可查、可視的能力，提升業務人員對不同數據對象的數據自助獲取和在線自助分析能力，進一步拉近業務人員與數據的距離。可視可取可查可用為業務人員提供簡單的在線應用工具，打通中臺、數據門戶、加工工具鏈路，便捷開展數據探查，支撐面向業務的在線分析加工。業務人員可以按照業務視角從中臺中獲取到指標、數據標簽等高價值數據，構建基于數據中臺的指標庫、標簽數據集，人員可以直接使用的高價值數據。對數據對象進行有效組織，構建知識圖譜，提高統一數據門戶的全局檢索能力，幫助業務人員高效定位所需要數據中臺的各項資源。提供數據對象全景描述信息的管理，滿足業務人員全面了解數據對象的要求，打通中臺組件，構建數據中臺統一元數據管理能力，支撐全景展示、鏈路監測等。統一數據門戶中臺指標庫統一元數據標簽數據集在線分析工具統一數據表、指標、報表、數據服務、數據標簽、數據應用元數據管理，全面提升數據快速可查和全景可視構建中臺指標庫面向業務人員開放指標，滿足業務人員需求通過數據標簽構建面向業務場景的數據集，按照業務場景快速獲取具有明確業務含義的高價值數據融合自助式分析工具，提供在線數據在線分析加工能力，可見即可得的使用數據知識圖譜通過知識圖譜建設，實現統一數據門戶的智能數據查詢和智能推薦統一數據門戶建設針對6類數據對象，從業務元數據、技術元數據、管理元數據等維度出發，設計各類數據對象的元數據模型，結合數據中臺功能組件抽取元數據相關信息，實現對數據中臺元數據信息的集中、標準、統一管理，支撐面向業務人員的數據對象的全局檢索和全景信息展示。統一數據門戶建設數據中臺統一數據門戶數據質量狀態監測資源監控分析聚合中心數據中臺分析場景報表MaxComputeOTS/TSDBRDS/ADB數據地圖數據目錄數據詳情API網關服務列表服務詳情標簽地圖群體畫像數據標簽表名字段名字段類型服務名稱URL參數標簽名標簽描述表名血緣關系字段描述應用名應用描述應用分類元數據模型庫結合6類數據對象特性，開展元數據模型設計，規范元數據屬性信息。設計元數據模型基于數據中臺相關組件，抽取6類數據對象的元數據信息，初步建立元數據模型庫。抽取元數據信息建立元數據管理標準核查等管理能力構建元數據管理能力數據表指標報表數據服務數據標簽數據應用元數據模型設計元數據信息抽取元數據模型管理統一數據門戶建設—指標庫建設指標作為高價值的數據對象，數據中臺缺失對指標的有效管理，為了滿足統一數據門戶對指標的“視、查、取、用”能力要求，同時填補數據中臺對指標資產的管理，提升數據中臺的支撐能力不斷提升，應當增加數據中臺對指標的全生命周期管理。逐步形成對指標信息的管理規范，規范指標在中臺的加工開發、應用和共享；結合數據中臺數據資產的狀態監測，形成指標的血緣分析，做到指標可溯源，質量可管控；基于數據中臺，驗證指標配置工具，讓業務部門基于中臺維度模型，根據業務場景需要快速滿足需求的指標；數據中臺公共維度公共明細層……公共數據層數據中臺統一數據門戶數據質量狀態監測數據中臺指標管理數據中臺指標管理維度管理指標目錄指標管理指標質量指標結果數據應用層數據應用基于中臺構建指標加工鏈路和管理規范數據鏈路統一數據門戶建設—在線分析加工打通數據中臺、數據門戶和分析工具的加工鏈路，實現業務人員可以將查詢到的數據指標和數據推送到對應的在線分析工具中，以個性化視角對數據進行多維查詢，加工新報表或場景，可以將個人加工的報表或場景發布到統一數據門戶的公共服務區，實現個人加工數據的共享應用。數據表指標服務目錄在線分析工具報表/場景統一數據門戶業務人員檢索/查詢/篩選分析工具注冊DTS自助式分析工具………..公共服務區推送展示.......公共服務區可視可查可取獲取數據可用提綱數據中臺發展趨勢02建議規劃內容03建設現狀分析01建后運營04數據運營概念出現較晚，在互聯網企業、數字化轉型企業和學術領域有各自的認知和應用。越來越多的互聯網企業、數字化轉型企業開始認同數據運營理念，據此進行組織變革，開展數據治理和運營服務，并形成了不少優秀案例。相較而言，學術領域對于數據運營的認知還處于初級階段，落后于企業實踐。

互聯網企業理解數字化轉型企業理解中國某著名企業：數據運營通過建立需求管理、血緣管理、質量監控、價值管理四大工作流程，以改進數據綜合能力，形成數據資產，提高產品價值和服務水平。華為公司：以企業的數據資產為運營對象，以運營服務方式夯實數據底座，提升數據管理能力，保障清潔數據的及時供應。數據管理學術認知DMM模型

：5個類別和20個數據管理過程域。DCMM模型：8個關鍵過程域。學術期刊、研究報告：將數據從間接生產力轉化為直接生產力。將數據經過一系列的技術加工，最終形成信息、知識和場景化應用并產生價值的過程。

數據化運營：利用DT技術提升企業運營水平的方法和活動。數據資產的全面治理和價值實現：阿里巴巴——全面收集數據，經過反復創新迭代深挖數據價值，主動引領企業運營。百度——業務數據化、數據資產化、資產價值化、價值最大化，力圖向用戶提供省時省力驚喜無憂的服務體驗

。數據運營概念認知數據運營定義與內涵注重價值導向注重服務導向注重用戶導向數據運營的運營對象是企業數據，以運營服務方式持續夯實數據基礎，提升數據管理能力，保障高質量高價值數據的及時供應；響應、發掘和引領用戶需求，提升服務水平，支撐數據賦能業務，數據資產增值變現。宗旨是提升數據資產的價值。數據資產的價值在于能夠滿足數據開發者和應用者需要，從而有力支撐數據賦能業務和增值變現。建立數據運營管理體系卓越高效的數據運營管理體系，以實現數據“倍增效應”，推動某著名企業業務發展為目標，以提升數據質量、夯實技術平臺、完善數據服務為基礎，以保障