数据平台如何帮助传统企业实现数字化转型？（附下载）
本文主要分享如何通过数据产品，帮助具有20年历史的传统企业在行业互联网数字化转型，促使业务更高效的应用数据，介绍了数据平台在公司数字化转型的过程中是如何演进的，会遇到什么样的困难，如何进行治理，以及产品建设过程中的思考与实践。（文末附正文图片PPT下载方式）
1. 贝壳业务
贝壳是一家产业互联网公司，房屋买卖交易是公司的主业。由于贝壳无法把所有交易过程线上化，只能尽可能的将交易关键节点先线上化。整个交易过程中，绝大部分关键节点都需要线下带看和经纪人沟通，这也就导致了很多数据是线下收集的。贝壳的数据呈类型多、复杂度高、线下化、延迟性的特点。
2. 贝壳数据
从数据建设以及数据应用的视角看，贝壳存在三类用户：
第一类，需要用到数据进行管理以及运营的，称之为数据应用用户。
第二类，将数据进行加工处理、探索，做深度分析形成数据报告与分析结论的用户，如数据研发、数据分析师。
第三类，公司。从公司的视角看，在业务不断发展的过程中，日渐积累的大量数据如何衡量它的价值，如何构建良好的数据生态环境，赋能业务，是公司最关心的。
3. 数据应用场景
贝壳的数据应用场景主要分为管理、实际作业和品牌（系统）的应用。
管理：可以理解为是战略层面的应用。贝壳业务重线下，管理层级深。管理的诉求是希望能够高效、精准的传达管理指令，从总部到城市，管理绩效、业绩、以及推行一些标准和规范，从而得到有力的管理抓手。
作业：可以理解为是战术层面的应用，更细粒度的管理场景，通常是一城一策，覆盖店东、商圈经理、经纪人层面。不同城市业务人员不同，对数据的使用颗粒度以及关注视角都不同。
品牌：是系统层面的，在品牌加盟的同时，有数据对接与供给、系统对接的诉求，贝壳希望能够给到他们一套完整、有标准化的系统提供数据服务的能力。
1. 过去
① 平台的样子
指标平台：主要基于Kylin构建。通过平台构建指标，设定度量和维度，数仓基于指标需求开发数据表，在进行cube的构建。用户可基于已经开发好的指标，再进行报表的创建。用户获取数据、报表查看都集中在指标平台。
数据管理平台：是数据底层能力集，面向数据研发，包括数据采集、加工、调度、以及数据服务的能力。
两个平台从数据加工采集到数据应用都涵盖了，那么对于公司、用户来说，都有哪些问题？以下将从效率、平台、数据质量、安全的角度剖析。
② 面临的问题
公司的数据能力建设以及应用、是一个复杂而庞大的体系化工程，单点突进（例如查询引擎特别好，数仓建设的完备）对用户来说，依然会在某些场景有体感不适的情况。所以数据能力建设一定是齐头并进，抽象聚焦的。一般来说，重点聚焦在：数据应用效率、数据质量、平台系统、数据安全几方面。
效率：
从效率讲，主要是数据流转问题：
报表、看板：以往基于指标平台，需要先有指标、开发，然后通过指标数据再进行数据可视化配置。所以这就带来一个问题，必须要先有指标，才能配置报表，这样会非常依赖数仓开发指标的人力资源，一个成本高，另一个是效率会有瓶颈。
城市：当时的指标、以及数据源是没有办法设定行级权限的，导致城市的用户无法使用指标数据，致使他们的数据获取更复杂，需要在平台上、系统上、线下收集各种数据，然后通过各类第三方工具将数据整合起来。
权限：很多线下审批并没有到线上，通常都是固定在每周的某一天固定由专人处理，导致效率非常低。
平台：
从平台视角看，kylin解决方案满足不了所有场景，贝壳的业务维度多，很容易发生维度灾难。平台的设计是基于当时历史情况来设计，但业务、公司的变化飞快，平台不能适应变化导致系统模块在平台上融合度不够。用户另一个直接感受是技术元素过高，平台的易用性不够，很多功能使用前需要咨询，增加了沟通成本，平台门槛过高。
质量：
对于当时的平台设计，也是缺乏数据管理与管控的。指标需求越来越多，埋点也越来越多，导致指标、埋点、数据表等只增不减。最后，指标数量破万，埋点事件2万多。这样的情况对于用户来说，不知道该用哪个，自己再重新提需求建设，进入恶性循环。对于公司来说，存储、计算压力与日俱增。并且由于效率问题，大家开始自行写Sql提数据，下载数据与线下数据整合等，数据出口非常多。没有统一的管理，数据准确性、一致性遭到用户的存疑，数据信赖度降低，每天的对数成本非常高。
安全：
数据安全同样存在问题，平台的主力功能是数据获取，用户从平台下载数据到本地，通过截图、PDF、Excel进行传播，也没有水印，数据安全存在非常大的隐患。
用户感受：
过去，用户花了70%-80%的时间停留在权限获取/数据处理加工和对数上。从右边五个维度看，平台打分也都不是很高。所以对于未来，贝壳平台要如何演进？
③ 需要什么？
希望减少用户在数据加工上的时间，提高用户上层的效率，产出更多价值。同时，致力于成为提供高效、安全、可信赖的平台。
④ 怎么做？
贝壳需要怎么做？主要考虑以下两方面：
整合扩展：把平台上的能力整合到一个地方，形成闭环。
线上化：之前的分析模式包括数据供给模式都是线下，怎么能够将线下跟线上数据做整合，并且用线上的方式实现需求，同时保证质量和安全。
2. 演进
① 平台演进路线
从背景以及平台带来的问题来看，如果要解决效率、质量、安全的问题，需要把用户整个分析流程全部囊括到平台中来，降低门槛，给予用户更多的自主性、灵活度，同时也要有规则标准进行保障约束。
在2018年底，结合用户和公司的诉求，公司开始研发数据分析平台——奥丁。希望通过平台建设，将原来不能满足的诉求一一实现，将用户自成体系的建设数据方式，逐步迁移到平台上来，把数据孤岛逐步整合到一起。
首先要能覆盖用户线下加工分析到传播的全流程模式：
通过提供一套完整的数据分析体系，整合底层数据引擎、权限、数据管理的能力，输出一整套数据平台能力和服务，释放给平台用户。
但在这个过程中，平台的能力建设是重要的一步，另外更重要的是数据内容建设本身，数仓的模型建设是更重要的，用户需求多样，数仓在这个过程中抽象需求，形成高可用、易懂的数据供给。
② 数据资产化管理
对于数据资产化管理，从底层服务支持上做了扩展，包括数据可管理、权限可管理、资源可管理、数据质量可控：
③ 数据工厂
数据工厂的演进过程也是从2018年底开始，首先做了权限系统的监控，然后希望通过业务的语言了解数据的组织，所以做了元数据图谱。
④ 效果
从效果来说，对于各城市受益最大。数据分析师有更多时间做分析，在效率、质量上都得到保证，从安全上数据能达到不落地。
⑤ 有哪些困难？
3. 现在
贝壳现在的平台架构，底层是hadoop生态。服务层集成了数据采集，数据开发，数据管理，数据一整套底层服务。上层是应用的建设，包括数据探索，以及轻量化的建模和可视化，以及指标体系能力建设，最终给到用户的内容多端呈现为移动端app、小程序、大屏、门户。
贝壳经历多年建设基础，能给用户什么？现在将线下数据孤岛整合到线上，还处于现象刻画中，停留在数据使用的基本层次上。未来，希望数据能够智能化，形成知识沉淀，形成数据对话，能指导业务，做出风险预警，同时也要提高分析师素养和培养业务数据应用习惯。
举个例子：
从用户感知角度讲，看到的不是一个冰冷的数据，而是可以让用户知道所给数据背后的原因，给出相应的解读。
从平台建设角度讲，需要积攒服务厚度，包括服务体系保障、全链路数据监控、数据血缘、指标图谱、归因分析等，在不断沉淀的过程中，可以抽象出来给到用户。
这就是整体对未来的规划，从刻画现象到内容解读的过程。
最后，产业互联网和互联网在数据应用上本质上没有什么不同，业务、数据驱动的诉求的场景都是一样的，短时间内，贝壳业务的模式不会发生太大的改变，希望在大数据技术以及产品应用不断发展的今天以及未来，能够打造出一套适用用产业互联网的数据产品体系。
关注本公众号（数据学堂，ID：data_school），后台回复“贝壳”，即可下载《贝壳找房数据平台演进》25页PPT全文。
<END>
大家都在看：
2、华为如何实施数字化转型？（PPT）3、主数据管理（MDM）项目建设落地方案
4、数据中台建设方案（PPT）
5、苏宁数据中台建设与技术实践（PPT）6、企业级数据治理解决方案（PPT）7、数据治理体系建设方案（PPT）8、华为税务大数据解决方案（PPT）
9、阿里巴巴数据中台实践分享（PPT）10、爱奇艺数据中台建设方案（附下载）11、大数据资产管理实战（PPT）12、华为大数据中台架构设计分享（PPT）
数据学堂