京東分享：企業大數據的新認識與應用
大數據和我們每個人日常生活已經非常緊密地聯系在壹起了。
隨便舉個場景的例子，比如說，早上醒來的時候我通過智能手表的數據，發現昨晚的睡眠質量並不是太好，早上洗臉刷牙吃過早飯，步行1000多步來到六道口地鐵刷卡坐地鐵，兩站3塊錢到達奧林匹克公園，在地鐵上我通過京東手機客戶端發現壹雙我之前瀏覽過的Nike籃球鞋降價了，京東將這條商品信息主動推送過來，我立馬下單購買，節省了100多塊錢，並且我把這條信息通過微信分享到了朋友圈。
在這個過程中，我個人生產了睡眠數據、步行距離數據、地鐵刷卡消費數據、地鐵起點終點地理數據、京東購物數據、微信朋友圈數據，所以作為大數據生產者我壹下子生產了這麽多數據。而作為大數據消費者，在我以後瀏覽京東商城或app的時候，系統可能會向我推薦改善睡眠智能的枕頭、籃球鞋或與籃球鞋相關的其他商品，而我朋友圈的朋友看到我的分享信息後，他們也可能因為我的分享而去購買。
而我們生產的這些數據，企業尤其是互聯網公司拿到後，通過數學統計和挖掘的算法將其進行聚類、拆分和預測得到更多相關數據，通過這些數據對我們每個人進行標簽化的描述。如性別，婚姻狀況，興趣愛好，收入情況，是否喜歡運動，促銷敏感度等等，這樣就得到了我們每個人的很多屬性，如人口基本屬性、購買能力、行為特征、社交網絡、心理特征、興趣愛好等等。
企業掌握了這些數據之後，他們如何來利用這些數據呢？是通過這些數據來做營銷，如精準營銷，廣告的精準投放，商品的精準推薦？還是通過這些數據精細化企業內部運營管理？又或是通過這些數據改善生產工藝流程、指導產品的二次研發？那就看企業大數據修行的層次了。大數據應用的好，可以真正提升到戰略高度，用的不好，大數據也就是錦上添花，可有可無的東西。
按照數據挖掘的聚類思維，企業數據可以分為內部數據和外部數據，內部數據又可以簡單分為財務數據和供應鏈數據（大供應鏈概念）。當然不同行業的企業經營內容差別很多，如金融行業，涉及到投資、融資、現金管理等財務方面可能多壹些，涉及到供應鏈很少，而生產制造或流通服務行業，涉及供應鏈的數據就會多壹些。
財務數據主要是以財務報表，尤其是財務發布的三大報表為主，資產負債表、利潤表以及現金流量表。之後是總帳，總帳裏面記賬會涉及到科目、科目不夠用我們也會設置輔助核算，還有大多企業每年都會做預算，預算大多也是圍繞財務指標制定的，或者是以財務預算為主倒推業務預算。當然財務管理中其中壹大塊還有資金管理。
供應鏈的數據種類就會更多壹些，從供應鏈上遊的供應商到下遊的消費者，包括采購，倉儲，物流，生產，銷售，售後等數據。當然每個環節我們還是可以再進壹步去細化。
另外，相信沒有壹家是自己關起來門來做生產，做營銷的，都要積極地去參考外部數據，這其中就包括國家政策、經濟環境、股市行情、競爭對手、主要原材料價格等。
大數據整體架構大多數企業應該實施了BI系統或報表自動化系統，如果這些系統是由乙方單位負責規劃建設，他們在規劃或者實施過程中制定的系統方案架構圖無非就是分三個層次頂多四個層次。
從下往上說，第壹個層次元數據層或者數據源層，就是我們業務應用系統的數據，財務，供應鏈，人力資源，預算等等。
第二層次叫做大數據存儲層，就是把下面每個層次的數據源采集到壹個數據倉庫裏面去，之後就到了第三個層次，分析模型層，基於數據倉庫構建分析模型，有的方案甚至將分析模型層直接省略掉，直接到了最後壹個層次數據展示層，將分析模型中的數據展示出來。根據筆者多年從業經驗，這樣的組織形式頂多稱之為BI系統，還不能稱之為大數據系統。
京東大數據並不是壹個單獨的系統或產品，京東大數據應用已經融入到每個業務應用系統當中了。我們的大數據采集平臺在不影響系統或產品效率以及客戶體驗的前提自動將所有數據定時、實時采集到Hadoop平臺上，以大數據平臺為核心，將經過加工、處理、分析和挖掘後的結果分發後各個業務系統以及數據產品中，如商城、采銷、數據羅盤、領航等。下圖僅供參考：
企業大數據應用層次不是每家企業都是京東，也不是每家企業都是互聯網公司，不是每家企業的業務都必須需要大數據的支撐。在滿足自己業務需求的前提下，企業是不是也能玩壹玩小數據應用呢？答案是肯定的，大數據應用也是可以分層次的，每個層次滿足企業對數據不同層次的需要。大致分為5個層次，每個層次是逐級遞進的關系。
1.業務監測
這是大數據應用的初級階段，即傳統的DW/BI階段。在這個階段，企業部署商業智能(BI)解決方案，其實就是壹套自動化報表系統，用以監測現有業務的運行狀況。
業務監測，有時也被稱為業務績效管理(Business Performance Management)，指企業使用基本的分析手段，來預警業務運行低於或高於預期的情況，並自動發送相關警示信息給相應業務和管理人員。企業業務和管理人員可以根據之前制定的預警規則，提前掌握業務經營情況，實現提前預警，幫助他們有針對性、有預見性的采取壹些措施和手段，來防範於未然。
這個階段最關鍵有兩個要點，壹個是預警規則的設計，經常采用的方法包括參照方法(同期比較、同類營銷活動比較、同業標桿比較)或指標方法(品牌開發、客戶滿意度、產品績效、財務分析)，指標分析法就是選擇合理的指標，當然這裏合理指標的選擇說起來容易，其實做起來也要費壹番腦筋的，給大家舉個我之前碰到的例子，當時是給壹個做離散制造的企業做方案設計，他們在庫存管理方面績效考核壹個非常重要的指標就是存貨周轉率或存貨周轉天數，這本來是壹個非常正常也是經常使用的指標，但是這家單位的庫存管理存在假出庫、假入庫的情況，這種情況就造成了存貨周轉率這個績效指標看起來非常好看，後來我們經過考慮改用動銷比，存銷比作為指標，將庫存指標和銷售指標聯合起來組合使用，就避免了假出庫、假入庫的情況。舉這個例子的目的，就是想說明我們在做業務監控的時候，指標選擇很重要，既要準確、公正地反映出該塊業務運營情況，同時還要避免人為造假的情況。
2.業務洞察
業務洞察意味著系統不只是提供數據報表，而是“智能”報表或“智能”儀表盤，需要根據歷史數據進壹步預測、挖掘出我們通過前面多維分析還不知道的壹些數據了。
比如說，筆者以前在給杭州某家連鎖酒店做項目的時候，我們需要根據該酒店在全國範圍內投資過酒店的經營情況數據來做些更好玩的東西出來，如我們需要根據之前投資過的酒店的裝修投入情況，不同檔次當前出租率，酒店餐飲部門的上座率和翻臺率，營業收入，成本費用以及當地城市競爭對手酒店情況來預測新投資壹家酒店的投資回報率和投資回收期。另外，還有就是財務分析中經常會用到的杜邦分析，簡單說下杜邦分析，杜邦分析就是從財務的角度對整個企業財務績效情況進行綜合分析的壹個模型，他基本原理就是頂端是ROE，針對ROE我們可以分解為ROA×權益乘數，ROA又可以分為銷售凈利率×資產周轉率，之後再次分解，最後成壹個全是財務指標的樹形結構。由於這些財務指標都是通過財務報表項目，會計科目和輔助核算計算出來的，所以他們之間存在著非常緊急的邏輯關系，這樣的話，我們可以計算壹些技術手段實現模擬預測，如做下壹年預算或規劃的時候，想讓某些財務指標達到什麽水平，我們事先將其進行調整，和他相關的指標也會聯動，比如將凈利潤提高1%，銷售收入、營銷成本、管理費用等其他指標就需要達到什麽程度?這樣可以幫我們做到事先預測，更好地做規劃和預算。
當然這個階段可以做預測的還有很多，比如零售行業，大多品類的銷售是有銷售周期的，基於銷售周期我們可以對銷售進行預測。也可以根據歷史用戶對不同營銷方式的響應程度、營銷費用、營銷商品以及營銷效果之間的關系，較為準確的鎖定目標人群進行有針對性的營銷，提高營銷效率，降低營銷成本。
3.業務優化
業務優化對於絕大多數企業來說還是很具備吸引力的，這也是很多企業日思夜想的目標。其實在這個階段我們可以壹步步來，壹點點來做，至少企業是有能力將分析技術嵌入到業務運營之中。這裏舉個我們之前給傳統企業做過壹個案例，像大多數企業壹樣， 這家企業也有ERP系統，在采購環節，我們可以將供應績效模型引入進來，當然這個供應商績效模型可能要考慮的因素會比較多，如供貨質量、供貨效率，次品率，售後服務等等很多因素，采購人員在進行采購的時候可以根據供應商績效模型自主選擇合適的供應商，這是壹個例子，另外還可以將主要原材料的市場價格進行實時接入到采購界面，讓采購管理人員可以自己掌握采購周期，合理安排采購計劃。
在零售行業我們都知道，商品和商品之間，用戶和用戶之間，用戶和商品之間是存在著很強的關聯關系，就像大夥常說啤酒和尿布的例子，巧克力和避孕套的例子。這裏可以大家稍微說下，大多電商是怎麽做的，我們通過這些商品在被購買的記錄中找出每兩個商品之間的關聯關系，這種關聯關系並不是對等的，比如說購買了手機的用戶壹般也會同時購買手機殼，而買手機殼的人不壹定也買手機，這就說明手機和手機殼之間是有關系的，而且是強關系。手機殼和手機之間關系是弱關系，這裏關系的強弱我們用系數來說明。所以商品和商品之間的這種關系，我們就形成壹個商品模型。基於這個商品模型，我們就可以更好向用戶推薦他瀏覽過、購買過、收藏過、評論過的商品了。說完商品，我們再說用戶，用戶通過類似的瀏覽行為，搜索行為，評論行為以及購買行為，我們可以找到用戶和用戶之間的關系。基於用戶之間的行為關系，我們可以向用戶推薦其他和他相關度很強的用戶購買或感興趣的壹些商品。這也就是好多互聯網公司做廣告推薦，商品推薦，促銷信息推薦等常用的做法。
4.數據盈利
數據盈利也就是我們經常談到數據變現，數據盈利的壹種方式就是數據產品化。目前有很多數據服務類公司，可以采集到移動端遊戲， app使用情況，用戶行為等數據，通過他們數據挖掘和分析的技術，再通過產品或服務的行為進行輸出即可實現變現的目的。另外，手機廠商，如小米、華為等，他們都擁有幾億的活躍用戶，掌握壹手用戶在手機的行為數據，甚至包括支付數據。能變現的方面就有很多了，限制他們的就是他們的想法了。另外也越來越多的傳統廠商將產品數據化了，如汽車+大數據 變成了特斯拉，家居+大數據變成了智能家居，當然這裏能舉的例子還有很多。
5.業務重塑
業務重塑應該是大數據成熟度模型的最高階段。在這個階段，某些企業希望利用對客戶使用方式、產品效能行為及總體市場趨勢的分析，將商業模式轉換到新市場的新服務，例如：京東的新開展的業務，京東金融、京東智能。此外，我們可以發揮壹下想象力，BAT有哪些業務是以主營業務數據為基礎開拓出來的，是不是能想到很多？
中國乃至世界真正擁有大數據的企業不多，我們是幸運的，擁有電商全價值鏈的大數據，如何挖掘這座金礦？限制我們的只有我們自己的想法。
以上是小編為大家分享的關於京東分享 企業大數據的新認識與應用的相關內容，更多信息可以關註環球青藤分享更多幹貨