地产大数据下一站——数据中台

来源: 51CTO博客  时间: 2019.04.21  打印本页  分享:
从 IT 时代到 DT 时代,每个企业无一不被「大数据」、「数字化转型」这样陌生又熟悉的词汇环绕着。似乎一夜之间,这条通往未来的数据之路旁早已挤满了拿着车票却不知该如何上车的企业主们,特别是一些传统行业的巨头们,更是早早挤在了队伍的前头。
    从 IT 时代到 DT 时代,每个企业无一不被「大数据」、「数字化转型」这样陌生又熟悉的词汇环绕着。似乎一夜之间,这条通往未来的数据之路旁早已挤满了拿着车票却不知该如何上车的企业主们,特别是一些传统行业的巨头们,更是早早挤在了队伍的前头。

 

    他们往往凭借着多年的深耕和积累,积累了海量的、价值难以衡量的数据,在传统行业增量市场急剧减少的今天,这些数据如何指导企业对已有的存量市场进行更加精细化运营,则成为了他们所最为关心的话题。

 

    近日,在深圳举办的一场地产行业 CIO 春季峰会中,数澜科技合伙人兼 CDO 付登坡(天湛)发表了《大数据的下一站——数据中台》的演讲,分享他在地产领域帮助企业构建数据中台的思考与实践。

 

 

    提到数字化转型,很多企业都无一例外的会向诸如 BAT 一类的大厂去进行学习,为什么他们业务越来越多,却不会被冗杂的事物羁绊,反而效率逐渐提升?在这个过程中,大家逐渐接触到一个名词:中台。而最近两年,关于中台的讨论不断,各厂商也开始启动中台战略,百度搜索指数也持续升高。

 

    那问题来了,这个能帮助企业实现转型的中台到底是什么?中台的概念又从何而来?

 

    数据中台是什么?它从何而来?
 

    首先说说究竟该怎样理解数据中台。

 

    数据中台,我们将其称为是数据应用的基础设施。为让数据更加灵活的支撑到前端业务,企业通过建立数据中台,将数据复用能力沉淀下来,形成数据从汇聚、开发、管理、到数据服务的一整套数据使用的机制。

 

    而中台这个概念最初由阿里巴巴提出,而它之所以能在阿里萌芽,来源于马云的一次探索之旅。

 

    2015 年,他拜访了芬兰赫尔辛基的一家手游公司——Supercell,这个一百多人的团队,却能为公司创造出税前 15 亿美元的利润。经过一番探究后他们发现,公司高效运转的核心就在于,将通用的基础设施由一个团队统一负责,而业务则个性化的生长在在这个基础设施之上。

 

    在这一次探访归来,阿里就启动了自己的中台战略,构建符合互联网大数据时代灵活创新的「大中台,小前台」机制,即作为前台的一线业务会更敏捷、更快速的适用瞬息万变的市场,而中台将集合整个集团的运营数据能力和产品技术能力,对各前台业务形成强有力的支撑。所谓中台,也就是企业互联网架构,把公共的资源共建,服务化共享。

 

    地产行业为什么需要数据中台?
 

    回顾企业数据发展的历程,从 2.0 时代为了解决单个业务问题而形成类似烟囱式野蛮生长,逐步过渡到如今 3.0 时代数据互联互通,由业务产生的数据沉淀下来,并反哺并驱动业务的发展。对于拥有着大量数据的企业而言,急需要在此时把握机会,进入快车道,迅速完成向数据 3.0 时代的过渡。

 

    我们认为,拥有卓越的大数据体系和平台整合能力,是未来优秀的房地产企业应该具备的特质。

 

    地产行业在最近几年,从市场、政策和舆论环境角度来看,都发生了很大的变化。在增量市场不断萎缩的今天,为了探索新的业务,地产商们也开始探索更多的业务形态,也更加重视对存量市场的精细化运营。此时,正是转型的关键时期,房地产企业需要建设属于自己的数据中台,它不一定能够完全解决业务问题,但中台提供的能力可以让问题变得简单,帮助企业将沉淀的数据用起来,驱动业务更加高效运转。

 

    特别是在 2019 年,除了地产行业万科、碧桂园、恒大等头部客户外,很多企业也都开始尝试数据中台,这无疑是一个未来发展趋势。

 

    数据中台如何运转才能实现价值?
 

    企业一旦构建起自己的数据中台,便能够让数据源源不断地赋能自有业务,同时拓展新业务方向,为企业增添新的活力。但我们必须明确一点,数据中台并不产生数据,而是将企业自身在业务中产生的全域数据,汇入进数据中台中建立一套标准,形成企业数据资产后再进行服务化、业务化的过程。

 

    我们认为,数据中台整体架构应包含如下内容:

 

    拆分出来看,数据中台的建设,核心需要做以下几件事,即数据交换、数据开发、资产建设、资产管理、资产服务。而在数据资产建设领域,我们具有丰富的地产领域实践经验。

 

    地产行业的数据资产该如何建设?
 

    我们着重了解一下地产行业的数据究竟需要通过哪几步才可以变成真正的数据资产:

 

    数据中台数据总体分为四层:

 

    原始数据层尽可能保留原始全量业务数据,只在汇聚之后进行简单的清洗;
 

    中间数据层保留统一规范的标准业务数据;
 

    标签数据层通过 ID-Mapping 把各业务板块各个业务过程统一实体数据打通,保持以对象为中心的全域标签数据;
 

    应用数据层按照业务的需要从中间层、标签层抽取数据进行组装,满足业务以及性能需求。最后数据通过应用层以服务的方式开放,整个过程完成了从数据到数据资产的建设。

 

    举个例子,通过数据资产的建设,我们最终希望能够实现×××的业主在同一集团酒店入住,多业态跨域对业主都能够产生认知,这才是大数据真正的价值。