一、前言：

數據飛輪的概念強調的是將海量而復雜的數據轉化為推動業(yè)務發(fā)展的強大動力，而并不是死的數據，通過數據飛輪能夠“喚醒”和“解鎖”數據潛力，來實現業(yè)務價值的探索，讓數據中臺煥發(fā)活力，企業(yè)通過利用數據飛輪實現數據驅動。

數據飛輪能夠幫助企業(yè)激活數據的潛在價值，將“沉睡”的數據轉化為實實在在的業(yè)務價值，通過全面關注數據生命周期的各個階段：源數據收集、二次數據清選、結構化加工、數據模型分析、數據挖掘，實現數據的有效利用和業(yè)務價值的提升。

那么，數據飛輪如何有效的進行“喚醒”數據，讓數據中臺繼續(xù)煥發(fā)活力？企業(yè)如何利用數據飛輪實現數據驅動呢？接下來跟大家一起來聊一下我司對于數據飛輪的落地實踐。

二、公司業(yè)務數據中臺系統介紹：

1.公司業(yè)務背景介紹：

公司是一家寵物飼料生產及銷售商的新零售公司，線下有一部分實體店，線上通過互聯網、電商模式幫助實體零售店改善線上下單流程，提升銷售數據（下圖為最近公司的相關展廳活動）。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_IT

2.公司BI系統業(yè)務痛點分析：

公司從最早期的excel統計時代，到后面成立技術部，經過公司不同的發(fā)展階段，也迭代開發(fā)出了幾個版本的數字化平臺體系建設，在目前現有的OLTP數據分析場景中，將數據統一匯聚到一個數據BI系統平臺中。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_數據_02

目前數據中臺的架構方案： (1). 通過ETL開發(fā)后，源數據管理中定義好數據映射的相關字段，從非結構化數據提取并整合成自定義預期的結構化數據。 (2). 通過DW數據倉庫，將元數據經過數據治理方案，對接到下游的數字化體系應用，如駕駛艙、數據大屏、BI系統、數據可視化系統中。

【痛點一】：在此過程中，企業(yè)的數據分散于多個系統中，由于數據標準不統一，時間標簽缺失等問題，導致數據質量問題。另外，隨著企業(yè)的業(yè)務技術改造和業(yè)務流程的不斷變化，原有數據可能失去時效性而不再適用，容易造成“假數據”、“臟數據”、“死數據”。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_數據_03

【痛點二】：另外一個現象是過度依賴IT技術團隊，經常認為只要開發(fā)了某個東西就一定能提高業(yè)績，需知系統只是輔助業(yè)務的一種手段，經常存在IT與業(yè)務脫節(jié)的現象，即IT人員缺乏對業(yè)務理解轉換，業(yè)務人員又不懂IT技術，這嚴重阻礙了數據價值的充分挖掘與轉化，只是為了開發(fā)而開發(fā)。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_IT_04

企業(yè)需要加大力度培養(yǎng)既懂業(yè)務又懂IT的復合型人才，形成一股數據文化，讓數據驅動決策的理念深入人心，數據應用的真正挑戰(zhàn)在于理念的轉變與深化，即讓數據驅動決策的理念深入人心。

三、數據平臺實踐：

公司采用的是Kyligence Zen 數據平臺，可以用于幫助企業(yè)通過指標實現各團隊業(yè)務目標的對齊，借助創(chuàng)新的 AI 大模型技術，實時評估業(yè)務運營的進展和瓶頸，并結合實際業(yè)務提供行動建議。

通過智能的自動歸因快速定位指標波動的根本原因，提升業(yè)務運營效率。無需復雜的數據處理，您只需與 AI 數智助理對話，即可獲取指標洞察和建議，充滿信心地做出高效、明智的決策，推動業(yè)務成功與增長。

實際場景一：

用戶可以自定義上傳相關數據集，然后可以定義一些基礎指標，是最小粒度的指標，可用于量化統計事務屬性，如總金額等，業(yè)務???助定義復合指標、衍?指標。

• 基于單個基礎指標創(chuàng)建而來，常用于指標在時間維度上擴展，如銷售額的月環(huán)比、累計值，用于實現更復雜的數據分析，這種指標一般叫“衍生指標”。
• 如果組合一個或多個基礎指標計算而來，例如通過總金額除以商品銷售數量來計算平均單價，可用于實現相對復雜的數據分析，這種可以叫“復合指標”。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_數據_05

實際場景二：

目標是組織或團隊在某個時間段內所要達到的成果，可以通過引用指標實現目標的量化，分解目標并邀請團隊成員共同管理進度，從而在組織內形成統一的指標管理平臺，共同促進組織目標的達成。

創(chuàng)建目標時可關聯指標數據也可手動添加數據，視圖列表中可直觀看到 進度和狀態(tài)，且狀態(tài)可以設置具體規(guī)則，避免人工設置狀態(tài) 繁瑣且不實時，也可分享和創(chuàng)建通知到飛書。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_數據驅動_06

實際場景三：

結合 AI 大模型，降低數據使用門檻，業(yè)務人員通過自然語言AI對話即可完成圍繞業(yè)務指標的分析和洞察，對話內容可保存成文檔用于工作匯報，或創(chuàng)建儀表盤進行持續(xù)的數據變化跟蹤，大幅提升工作效率。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_IT_07

在傳統消費行業(yè)，時間都用來找數據、對指標、學工具了？專業(yè) BI 工具又難又貴？信息滯后且分析難度大，數據飛輪通過綜合分析實時數據和歷史數據，幫助企業(yè)高效洞察用戶真實需求，制定更加精準的銷售計劃和營銷策略。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_IT_08

AI 助手幫你快速分析全渠道店鋪（淘寶、京東、拼多多以及電商）運營指標，用低成本和低門檻獲得更快數據洞察，加速改善運營流程：

• 運營部門可以通過高頻數據消費制定合理的銷售計劃，比如換季狗糧、套餐狗糧、滿減活動
• 倉庫部門可以通過滯銷的貨物，進行有效的促銷活動
• 業(yè)務部門可以快速測試新品市場接受度
• 供應鏈部門則能了解市場現狀，提高排產準確性，實現產銷協同。

企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化_IT_09

四、總結：

消費行業(yè)的數據飛輪將持續(xù)轉動，推動企業(yè)業(yè)務不斷增長，數據飛輪的轉動涉及到多個層面和領域的應用，通過高頻的數據消費，公司可以在最短時間中，能夠快速做出營銷決策和策略調整，有效地提升了用戶滿意度和轉化率，并且過綜合分析實時數據和歷史數據，企業(yè)能夠高效洞察到數據背后體現出的用戶真實需求，打造真正滿足用戶所需的商品與服務。

數據飛輪的轉動也促進了企業(yè)內部的數據治理體系的整體優(yōu)化和數據研發(fā)提效，可以通過數據飛輪的驅動，企業(yè)能夠實現數據的集中收集、整合、存儲、管理和處理，數據飛輪通過其多維驅動的作用，確實能夠讓數據管理中煥發(fā)活力，并幫助企業(yè)實現數據驅動的業(yè)務增長。

?著作權歸作者所有：來自51CTO博客作者完美句號的原創(chuàng)作品，請聯系作者獲取轉載授權，否則將追究法律責任 企業(yè)“數據飛輪”數據平臺落地實踐驅動電商企業(yè)數智化 https://blog.51cto.com/u_16255561/12018243