【干货】电商数据中台如何构建?

2019 年 4 月 4 日 AliData
 D 
点击 AliData 关注 阿里数据第一时间 了解我们!

小编有话说:3月底,阿里数据中台解决方案团队在北京进行了一场封闭式沙龙,分享了一系列关于企业如何构建自己数据中台的建议。


企业构建智能化综合电商/超级APP面临着三个方面的痛点:来自数据采集业务的挑战,来自业务分析的挑战以及智能化的挑战。数据总量和复杂度不断攀升,建立标准统一、可连接萃取的全域数据中台是解决之道。

以下是本次沙龙关于”电商企业如何构建数据中台“的资料整理:

1、电商企业正在面临数据建设的痛点

2、数据中台针对电商场景的解决方案

3、数据中台解决方案案例-海底捞

去年9月26日,海底捞正式登陆香港资本市场,宣告上市。拥有“你学不会的海底捞式优质服务”等软实力外,这家餐饮业创新的标志性企业,已经通过和阿里云等企业合作,透过先进的互联网技术开始新的蜕变。在一整套技术改造之下,长期沉淀的3000万会员,正在成为海底捞精细化运营的“底料”。来自数据中台的两套产品——Dataphin和Quick BI,为海底捞提供技术助力。千人千面超级App的出现,让海底捞拥有 “私人订制”的服务能力。

让海底捞更懂吃货们的心,这样的愿景,由此真正得以落地。

千人千面超级App面世,依托的是阿里巴巴“三中台”架构(即阿里云业务中台、数据中台和移动中台)。数据中台建设的目地,一方面是为了支持短期App的上线,在过程中将海底捞的数据标准化;另一方面是为了长远的数字化转型,将业务数字化和资产化。

“3000多万的会员是海底捞最宝贵的资源,如何利用数字化的科技手段提升线下门店的经营效率、降本增收是思变的关键。这不仅是海底捞的诉求,也是我们想为他们做的。”陈晓勇表示,超级App让门店和用户有了更紧密的连接,根据用户不同的消费行为,对整个消费群体进行画像。

有了这些数据,海底捞可以更精准地把握用户的需求,从而了解每个人的口味和喜好,进行千人千面的推荐和营销,提升用户的消费体验感。

短短的三四个月,数据中台团队依靠Dataphin(数据构建与管理的一套工具)完成了以上种种难度极大的任务。合作开始的第一步,利用阿里巴巴沉淀的数据经验,对客户SQL和指标进行解构,让脱敏数据不再有二义性。从而让海底捞可以根据自己的业务灵活的组合,使业务与技术不再孤立,生产出来的指标也就是不断积累的资产。

Datahpin完成了大数据的引入和脱敏,之后的数据分析与展示就落到了另一个产品Quick BI身上,冰冷的数据通过BI工具,生动的使用线柱图等图标展示数据背后的价值,快捷便利的服务日常的业务决策。

Quick BI和Dataphin分别在2017年3月和2018年3月开始商业化之旅,对外输出大数据构建与应用的能力。

简单来说,这两款产品帮海底捞搭建了一套完整的数据分析报表系统。海底捞可以根据这些分析报表,制定更为灵活的营销手段,提升会员的满意度。再基于数据中台,服务海底捞的应用,如超级App,最终实现CRM系统的升级。散乱的数据被进行规范重组后,这些数据为最终实现千人千面奠定了基础。(点击阅读原文,了解更多海底捞超级APP背后的技术合作

小广告
回复QBI获取更多产品详情链接。


———— / END / ————

登录查看更多
9

相关内容

商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
159+阅读 · 2020年5月14日
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
194+阅读 · 2020年3月8日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
【数据中台】什么是数据中台?
产业智能官
17+阅读 · 2019年7月30日
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
智能时代如何构建金融反欺诈体系?
数据猿
12+阅读 · 2018年3月26日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
71+阅读 · 2018年12月22日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
8+阅读 · 2018年5月24日
Arxiv
5+阅读 · 2018年4月30日
Arxiv
6+阅读 · 2018年1月29日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
157+阅读 · 2020年6月2日
干净的数据:数据清洗入门与实践,204页pdf
专知会员服务
159+阅读 · 2020年5月14日
德勤:2020技术趋势报告,120页pdf
专知会员服务
186+阅读 · 2020年3月31日
专知会员服务
121+阅读 · 2020年3月26日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
《人工智能2020:落地挑战与应对 》56页pdf
专知会员服务
194+阅读 · 2020年3月8日
【大数据白皮书 2019】中国信息通信研究院
专知会员服务
133+阅读 · 2019年12月12日
相关资讯
【数据中台】什么是数据中台?
产业智能官
17+阅读 · 2019年7月30日
Python数据分析案例实战
炼数成金订阅号
5+阅读 · 2019年5月9日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
业务中台:如何在互联时代,快速响应用户需求?
互联网er的早读课
24+阅读 · 2018年12月26日
智能时代如何构建金融反欺诈体系?
数据猿
12+阅读 · 2018年3月26日
如何利用动态信息数据构建用户画像?
NPDP产品经理资讯
6+阅读 · 2017年10月11日
【大数据】如何用大数据构建精准用户画像?
产业智能官
12+阅读 · 2017年9月21日
相关论文
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
71+阅读 · 2018年12月22日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Arxiv
8+阅读 · 2018年5月24日
Arxiv
5+阅读 · 2018年4月30日
Arxiv
6+阅读 · 2018年1月29日
Top
微信扫码咨询专知VIP会员