中台战略：中台建设与数字商业
2022-01-16 16:36:04 8 举报AI智能生成
《中台战略：中台建设与数字商业》读书笔记
作者其他创作
大纲/内容
企业数字化转型
企业数字化的特征
连接
连接员工、客户、机器设备
数据
连接后产生的数据
智能
数据驱动的智能应用
企业数字化转型的4个驱动力
业务创新
数字化转型的内外因
内因
是企业的市场份额下降、产品滞销、渠道成本过高
外因
消费者的个性化需求、竞争对手的精准市场投放、跨界领域的产业互联颠覆原 有的商业逻辑
中台技术
在数字化转型浪潮中弯道超车，须解决的技术问题
强大的技术平台
全网的数据运营能力
云徙科技构建的数字中台解决了3个非常核心问题
支持前端多场景应用、实现全业务在线服务
沉淀业务能力，支撑新商业环境下的业务快速创新和响应变化
通过数据驱动业务运营，获取最大的商业价值
产业互联
在产业互联转型过程中需要具有的思维
价值驱动思维
分享经济思维
大数据思维
生态运营
传统企业管理
基于专业化分工
是追求效率提升、风险控制
未来企业管理
基于连接
人员、组织形态也在向开放、生态方向进化
企业数字化转型的2条路径
业务数据化
业务中台化
数据资产化
数据业务化
扩展业务链服务边界
以场景化为代表的跨界异业合作的新模式正在成为数字化时代发展的全新模式
业务场景运营
消费者也更期待随时随地随性享受“场景触发式体验服务”
以消费者为中心的业务场景应用不断创新，需要基于稳定可扩展的中台能力来快速构建
企业数字化的3大本质
连接
连接员工、连接客户、连接物联设备
目标：提升效率
数据
连接之后实时产生的数据
智能
数据驱动的智能应用
千人千面的个性化推荐、商家的生意参谋等，来帮助企业做品牌推广、商品推荐、精准营销、运营分析
企业数字化的3个领域
数字管理（ERP）
工业大数据
数字营销
中台驱动企业数字化转型，是企业数字转型的基础和保障
云智慧时代的数字营销
数字营销
定义
数字营销是以“技术＋数据”双驱动，对传统营销进行在线化和智能化改造，进而帮助企业构建消费者全渠道触达、精准互动和交易服务的营销闭环
本质
是借助数据和技术，并利用营销资源，依靠实时数据跟踪，实现营销由粗放向集约发展
数字营销的背景
数字经济作为全球经济的重要内容，成为全球经济发展的主线，并在逐步推动产业界和全社会的数字转型
数字营销作为企业数字化转型的重要突破口
全球数字营销的3个重要趋势
“+互联网”重构数字营销链条
方式
以客户价值为核心，打通研发、营销、销售和服务环节，通过对消费者全方位洞察和全生命周期管理，使业务与数字形成营销闭环，达成业务到数字的一体化、数字到业务的运营化，从而提高获客数量和客户价值
步骤
打通所有销售通路，包括渠道类（即B2B）、电商类（即B2C）及线下门店类（即O2O），将客户信息、商品信息、交易信息、合同信息等汇聚到统一的平台上
通过对数据的多场景分析，管理用户生命周期，判断用户运营策略
根据用户消费习惯和行为分析，实现精准场景、精准渠道、精准业态的营销活动
根据数据分析和运营结果，支持新产品研发、营销决策、业务运营，从而构建企业发展的新格局
大数据、AI全面赋能精准营销
平台化、微服务变革传统架构
分布式架构的灵活性、可扩展性，以及承载海量用户的能力，使云化平台成为必然选择
为了支撑 业务迭代创新，互联网巨头开始实施“中台”战略，引入数据资源整合与交换中心、共享服务中心，即数据中台与业务中台，以支撑数据交换与业务交互
中国数字营销的5个新特性
中国引领企业数字化转型大潮
中国数字营销生态正在快速搭建
随着中国互联网用户的基本普及，用户已经习惯了使用社交软件、电子商务、在线视频等应用，用户的基础观念与使用习惯已经养成，移动端正在成为数字营销发展的重要引擎，数字营销已经成为企业与消费者直接接触的重要方式之 一
云原生数字营销阵营已经形成
以云计算、大数据等前沿技术为基础，国内已经形成了以阿里云、腾讯云等为代表的云计算 生态的数字营销新阵营
消费品、汽车、房地产等行业数字营销需求最迫切
与最终用户越接近、与消费者产生互 动体验越频繁、购买决策后期越长的行业，对数字营销的需求越高
“数字中台”成为数字营销解决方案的主流模式
数字中台是基于企业级互联网及大数据架构打造的数字化创新平台，包含业务中台和数据中台
数据中台可以在云厂商提供的运行机制和基础架构下，支撑企业新零售业务应用的标准化 及快速定制化，同时为企业提供大数据数据采集、清洗、管理和分析能力，实现数据精细化运营
业务中台不仅可以将原本不同系统相同功能的服务聚合起来，统一标准，统一规范，统一出口，实现企业业务的整合；还可以通过服务的聚合实现资源与能力共享，支撑新应用与新业务的快速开发与迭代，以满足快速变更的用户需求
数字营销解决方案架构分析
当前中国数字营销解决方案的系统架构
以阿里系生态为代表的基于中台架构的数字营销平台（如云徙）
能支持企业线上使用， 也支持私有云搭建，技术依赖于阿里等互联网巨头，主要面向大中型企业提供服务
纯SaaS服务
主要面向中小企业提供数字服务，如Salesforce、微盟、云徒等
以SAP、Oracle、用友等传统第三方软件厂商为代表推出的解决方案
其产品形态是软件或云服务，品牌业主可以在此软件上进行广告投放操作，主要面向中大型 企业提供服务
基于中台、微服务架构的数字营销平台
三层架构
IaaS层
即基础设施层，主要为计算、存储、网络能力提供支撑；可以是公有云、私有云或混合云
PaaS层
除传统的平台层外，创新性引入数字中台，中台采用微服务架构来构建，是整个平台的 核心与基础，它包含业务中台和数据中台
SaaS层
前端应用层，主要是针对营销涉及的营销、活动、交易、服务（售前、售中、售后） 等提供各种各样的应用服务
SaaS数字营销云
旨在为企业提供营销领域的集营销、交易、服务为一体的SaaS产品与服务
数字营销云包含的产品
全域会员i-CDP
品将企业与消费者所有触点渠道打通，并在一个池 子中统一管理
提供等级、权益、积分等功能，为企业留住会员，增加忠诚度
营销智能i-Marketing
主要解决会员的精准营销问题
全渠道销售i-Commerce
品负责交易闭环，把线上、线下交易的场景做到体验无差别，目的是让消费者在起心动念的时候随时随地能完成交易
智能服务i-Service
客服产品。包含人工客服与智能机器人，为企业提供高效的服务平 台，提升客户满意度
面向营销的数字中台
新中产阶层的消费转型
个性化
碎片化
理性化
企业经销渠道体系变革
扁平化
越来越多的商品没有渠道商
线上线下融合
数据化
数字中台支撑企业营销升级
全面解读中台
从组织管理和技术系统角度看中台
中台是企业级共享服务平台
中台是能力的枢纽和对能力的共享
中台不仅是一种技术架构，还是企业进行数字化转型的整体参考架构
中台系统及其展现形式
e.g. 淘宝和天猫原本是作为两套独立的系统分别建设的，即是两套独立的烟囱型系统。为了将淘宝的流量引至天猫，两个业务部门商量如何打通两个电商平台，从而成立了共享业务事业部
中台整合了阿里巴巴集团的产品技术能力和运营数据能力，对各前台业务形成了强有力的支撑。后续上线的聚划算、1688等均得益于中台的建设
中台是能力的复用，以服务的方式提供共享能力的平台就是中台
中台的作用
中台的分类
业务中台
中台是从多个相似的前台业务应用共享的需求中产生的
数据中台
数据是从业务系统产生的，而业务系统也需要数据分析的结果
业务中台定义及建设内容
业务中台
是从整体战略、业务支撑、连接消费者和业务创新等方面进行统筹规划的
更多关注的是如何支撑在线业务
围绕以交易为核心关联的领域组成
典型的业务中台由多个业务服务中心组成
会员中心
会员运营管理：会员注册、个人信息维护、会员注销、会员卡办理
会员体系管理：会员体系的创建、积分规则、成长值规则、等级、权益
客户服务管理：客户的新增、导入、查询
积分交易管理：积分获取、核销、清零、冻结、兑换
商品中心
品牌、类目、属性管理
产品数据管理：产品模板的创建、编辑、查询、禁用
商品数据管理：商品创建、修改、查询
商品发布管理
交易中心
购物车管理
正向交易管理：交易订单生成、发起支付交易订单、商品发货管理、上门自提及核销
逆向交易管理：换货、退货、退款等相关能力
订单数据管理
交易流程编排：支持交易流程节点的配置化，便于根据业务场景的不同设置与之匹配的流程
评价中心
评价内容管理：管理评价的主体对象、评价规则配置、评价等级、评价标签配置
评价操作能力：评价的发布、修改、追加、回复、申诉
评价监管能力：评价发布审核、申诉审核、评价屏蔽
店铺中心
商户管理
店铺管理
支付中心
支付能力：创建支付订单、接收渠道通知、查询渠道订单
支付路由：支付渠道管理、支付方式管理、支付商户和应用开通管理
资金账户：资金账户管理、充值维护、提现
营销中心
活动模板管理
活动管理
优惠券管理
赠品管理
库存中心
仓库管理
货品管理
货品盘点
履约管理
数据中台的定义
数据中台是一个用技术连接大数据计算存储能力，用业务连接数据应用场景能力的平台
业务中台和数据中台的关系
业务中台抽象、包装和整合后台资源，转化为便于前台使用的可重用、可共享的核心能力，实现了后端业务资源到前台易用能力的转化，为前台应用提供了强大的“炮火支援”能力，且随叫随到
数据中台接入业务中台、后台和其他第三方数据，完成海量数据的存储、清洗、计算、汇总等，构成企业的核心数据能力，为前台基于数据的定制化创新和业务中台基于数据反馈的持续演进提供了强大支撑
业务中台与数据中台相辅相成，互相支撑。两者只是技术实现方式不同，它们一起组成了支撑业务创新的两个“轮子”，缺一不可
中台的发展与进化
中台的演变
起步点就是先将角色和用户这些资源管理起来，再发展与人相关的会员系统，商品的管理、订单的集中处理也是可以一起共享的
中台建设的三个步骤
灵活性
数据模型需要根据前台业务要求实现可扩展性
业务流程可根据场景和需求重新定义和编排，并可通过插件机制进行定制
中台环境需要支持多环境可部署
能力抽象
资源集中管理
中台生态的形成
业务中台
数据中台
技术中台
作为工具和组件，为建设前台应用和业务中台提供 了基础设施重用的能力，大大缩短了它们的建设周期
微服务框架
关系型数据库
分布式数据库
分布式缓存
任务调度引擎
对象存储
消息队列
搜索引擎
分布式链路跟踪
研发中台
关注应用开发效率的管理平台，为应用开发提供了流程和持续交付的能力
知识管理
敏捷管理
开发框架
开发流水线
项目管理
测试管理
部署流水线
系统监控
应用运营
环境管理
应用管理
移动中台
消费者接触得最多的企业前台触点在移动端
移动App与其他前端技术比较，有其特殊性。比如移动App作为一个C/S架构，其发版模式需要通用应用市场的审核，而其客户端的更新是使用者控制的，提供远程配置、动态更新有助于控制App端
移动业务是在线业务，对网络存在强依赖，而移动链路本身的稳定性和连通率等相比有线网络有一定的不足，因此消息推送的实现需要考虑网络因素
因移动端质量相关问题，需要提供热修复等功能
对移动App本身的安全扫描和加固也是一个需要着重考虑的因素
AI中台
算法中台
组织中台
中台与前台的博弈
中台最主要的能力是提供业务方可重复使用的并与业务相关的能力
数据工具的能力太泛化，会导致与业务方的距离太远，从而不能很好地为业务方赋能
不同前台应用抽取出来的公共部分即为中台。中台研发团队的研发能力和时间进度无法跟上前台业务的需求变化，那么中台就只能满足部分前台业务的需求；如果中台的抽象程度低、扩展性差，则会导致中台无法满足前台业务需求
中台既需要满足业务的需求，但又不能过度参与业务
中台的进化策略
广度
是一个中台内部的共享服务中心会不断横向扩展
从业务中台、数据中台，逐步演化到AI中台、技术中台、研发中台等
深度
一个中台范围内的共享能力也在扩展
从用户中心、交易中心、营销中心等扩展到内容中心、工单中心、成长中心等
不能大而全地建设中台
中台的成长离不开前台业务的创新
中台还需要建设成为开放的体系
中台的开放也意味着中台需要支持个性化需求
中台作为平台
通过业务抽象建模，解决共性的问题， 从而更好地为业务服务。对业务问题的抽象程度越高，中台对业务的适配度就越高
其本身的运营也需要数据支撑
企业中台5大成功要素
中台文化：7个行为准则和行动纲领
行动纲领
中台文化
中台文化是企业文化的重要组成内容，是全体员工的行动纲领
行为准则
战略有思想
中台文化为企业构建数字中台指明了方向，规范了员工的行为
中台文化为客户提供更优质的产品，更符合数字化时代的服务体验
中台文化为生态伙伴提供与时俱进的数字化工具
融合跨部门
创新快支持
企业的IT基础设施能够全部云计算化，只有云计算化，企业内部才不会产生“烟囱”
企业的业务架构必须互联网化，只有业务架构互联网化，才能被组件化，才能像搭积木一样，满足企业快速创新、横向拓展的需求
数字化转型必须实现数据在线和智能化
试错多包容
共享创条件
赋能是基础
对于已建立数字中台的企业，建议组建中台部门，为前端的业务赋能
前端业务对自己所负责的领域相对较为熟悉，但是，他们不了解其他业务线的新玩法，所以有效的做法是，通过中台部门有效地将各业务部门的知识和经验赋能到前端
行动靠纲领
组织架构：中台为组织架构赋能
传统组织架构
直线型
职能型
事业部型
矩阵型
多维立体型
网络型
中台组织架构
中台组织是协同性组织网络，其特点是扁平化、组织成员相互信任、沟通透明、简单高效
是学习型组织，创新驱动个人成长、团队成长
个人经验与团队大数据结合，个人知识融合组织智慧
隐性的知识显性化，显性的知识标准化
知识标准形成系统化，个人的知识组织化
鼓励组织成员内部比超赶学
鼓励组织成员内部分享，教学相长
通过导师制，快速提升新人的个人能力
师傅也在带徒弟的过程中，不断丰富个人知识体系，共同成长
特点：3个方面，9个特征
赋能
自我驱动
和而不同
价值认同
共创
多元观点
民主共识
开放包容
迭代
勇于试错
敏捷行动
反思精进
人员能力要求：运营、业务、技术铁三角
运营
统筹全局的眼光和能力，备敢于尝试、屡败屡战的素质
业务
有较强的业务分析能力、业务理解和抽象能力、业务规划能力、业务场景化能力、业务数据化能 力、数字营销产品设计能力，了解数字化技术
技术
有业务理解能力和技术全面视野、系统设计的全局观、技术方案决策能力、开发进度优先级和节奏控制能力
业务执行：业务运营与敏捷开发
内容运营
核心：梳理内容消费者、内容生产者、数字营销平台与产品三者的关系
活动运营
针对不同营销活动的运营，包含活动策划、活动实施、活动总结
活动主题
活动对象
活动时间
活动内容精准描述
活动规则详情
广告投放渠道
活动流程设计
活动风险控制
监测指标
成本预估
效果评估
常见问题答疑
活动改进措施
用户运营
用户分群管理
按用户的来源、注册、下单、复购、流失等维度区分
用户活跃指标分析
用户留存指标分析
用户转化指标分析
新老用户指标分析
运营管理
每一次活动结束后要进行总结分析，为下次活动提供参考，分析维度包括流量分析、与玩法相关的数据分析、渠道分析、内容或产品分析、传播分析和服务分析等
敏捷开发
重点明确，及时调整
持续不断地发现问题并解决问题
倾听用户声音，相信老用户直觉
中台实施：1个经验和4个教训
经验
持续迭代完善
教训
团队组织错误
业务拆分不清
微服务被滥用
系统过度设计
中台建设方法论
中台架构整体策略
从业务着手，自顶向下逐层调研业务，再自底向上对业务逐层抽象归纳，形成业务全景图
业务顶层设计
也称为业务规划蓝图，是指通过对企业调研分析、行业分析，按照系统论的方法，从全局的角度，对企业资源、企业经营活动进行统筹规划
业务中台设计方法论
能力支撑是基础
业务中台是上层应用建设的基础，它提供了应用功能所依赖的业务能力
中心自治是承载形式
中心是一个独立的体系，它能够独立运营，支撑多个业务场景。同时，它也是中台能力的物理载体，既提供了中台能力的编码实现，又在运行时生成一个物理进程承载多个中台能力
3层模型是骨架
业务实体层
业务协作层
业务活动层
5步法是指导思想
业务抽象
业务调研
顶层业务分析
业务抽象
高阶设计
中心规划
0级架构设计/整体架构设计
IaaS层：完成硬件资源的虚拟化管理，为用户提供对资源的使用服务
PaaS层：为应用软件提供部署平台和运行环境
基础组件层：介于业务服务和技术中间件之间，提供通用的业务功能和技术功能，并解耦业务应用和技术中间件
数字中台层：分为业务中台和数据中台，实现企业业务活动的核心机制，并通过数据中台对业务运营提供指导
业务应用层：通过调用和组合中台能力，实现应用逻辑
中台核心数据流规划
组件建模
产品设计
组件模型设计
1级架构设计
1级架构是以组件为最小单位设计的功能层级的架构
关键交互图设计
开发交互
迭代规划
需求反讲开发
持续集成交付
回顾总结调整
持续运营
业务运营
内容运营
技术运营
数据运营
数据中台设计方法论
总体规划
哪些数据域需要纳入到数据中台规划中，建设的先后顺序（判断的标准是这些域的业务形态是否已经稳定），有哪些潜在的数据应用需求
数据中台的物理形态是什么，需要从建设成本、企业IT资源状况等多角度评估是采取公有云还是私有云部署
根据接入的数据域情况规划集群配置，规划满足未来3年数据中台的容量，以及根据大约的作业数量推导出集群的配置情况，需要多少个核心的CPU、多大的内存参与计算
根据企业实际情况确定以开源+自研为主还是采购成熟产品
数据集成
模型建设
选择业务过程：数据模型必定来自于某一个业务流程
声明粒度：统计粒度的确定是模型设计的关键环节，粒度定义得太细，不利于支撑上层数据分析汇总；粒度太粗，又不能满足前端多变的个性化数据分析需求。基于此，在设计模型的时候需要进行分层建设，随着层级的越高，统计粒度会越粗
确定维度：维度即在业务过程中的主题，比如用户维度、商品维度、店铺维度
确定事实：事实即模型中的指标，是模型中的核心，在进行指标定义的时候需要重点关注是否全面覆盖了本主题域中的指标，并且需要判定哪些指标可以相加，哪些指标不能相加
冗余维度：其目的是让数据模型更加丰满，避免在计算统计中关联太多维度而产生复杂 的计算逻辑，影响性能
通用研发
资产管理
数据服务
数据接口标准化
在线交互实时化
数据开发可视化
应用向中台迁移的3种途径和方法
方法1：新应用替换旧应用
方法2：改造旧应用与中台对接
方法3：直接建设中台
中台的架构与设计
技术中台规划
基础设施层
技术PaaS层
业务中台的基础组件层
业务中台的建设
建模抽象机制
0级抽象中心建模的阶段
首先，我们梳理出企业功能需求
其次，找出每一个功能需求所对应的业务对象或实体
最后，根据能力的主题、实体的密切关系，定义出主题域
1级抽象组件建模的阶段
业务中台的8个设计原则
服务松耦合原则
面向接口实现
每一个服务都按接口的定义进行实现
异步事件解耦
服务间的事件通信采用异步消息队列来实现。由于有消息队列这个中介，因此生产者和消费者不必在同一时间都保持实时处理能力，而且消费生产者也不需要马上等到回复
服务提供者位置解耦
服务消费者不需要直接了解服务提供者的具体位置信息
版本松耦合
求服务契约在升级时尽可能提供向下兼容性
服务依赖原则
有价值的领域模型
价值导向：确保业务中心的服务都与企业的商业理想保持一致，相关联
简捷为美：业务逻辑和流程避免复杂化
领域洞察：紧贴业务的核心目的，从业务原则指导业务逻辑的设计
服务间最小依赖
高内聚：同一类服务应归在一起
低耦合：服务间保持最小联系
能力与接口：业务流程和业务逻辑的操作都作为中心服务实现，而提供给外部调用的接口数据模型都会转化为服务
识别通用性：识别出每个通用能力的可扩展的类型，从设计上支持它不断扩展，并在接口定义上满 足其不断升级的需求
能力实体具有层次性
能力与接口：分离接口实体与能力实体
接口实体与限定元素：将接口实体核心元素与接口操作的限定元素分离
接口实体的层次结构：建设接口实体和上下文限定元素的层次结构
延迟对技术组件的依赖
捆绑依赖：避免在无关的技术组件之间引入新的依赖
延迟绑定：在使用点才捆绑依赖关系
服务设计原则
优化远程调用
去掉冗余数据
设计粗粒度的服务接口
识别并设计通用的服务接口
隔离服务内部的变化
避免服务内部的领域模型直接传导给客户端
服务接口先行
服务接口向下兼容
服务命名原则
优先选用业务概念而不是技术概念
使用名词命名服务，使用动词命名操作
服务颗粒度原则
服务的无状态性原则
微服务体系的基本要求是服务无状态。无状态的服务是可伸缩、高可用性的基础
服务操作设计原则
重要的服务不能依赖非重要服务
任何服务调用都要设定超时时间
任何服务的调用结果只有三种可能：成功、失败或未知
能异步调用的服务尽量使用异步调用，从而提高系统响应速度，降低系统之间的耦合性
系统拆分时，粒度大小以一个系统3~8个开发人员维护为宜
系统拆分时，往往先拆分数据服务层，因为数据服务层通常是复用性高的一层
服务的实现不能有单点
线上遵循fast-fail原则，避免服务调用时间过长，导致性能下降。fast-fail原则是只要发生错误，则调用立即返回
需要对高压场景下的服务调用链路进行特殊处理，可采用将链路缩短、预热等方式
要避免同类服务由不同服务单元提供
服务要做到向后兼容，否则需要采取管控机制确保服务消费者升级服务
服务化架构的变化要使组织的架构能适应这种变化
在部署服务单元时，要将读服务和写服务分离，将核心服务和非核心服务分离，以保证整个服务单元的稳定性和可靠性
同时考虑安全
静态资源也可以实现服务化，实现静态资源与动态资源分离，从而提高性能
通过在外层系统埋点，可以实现面向终端用户服务的精细管理，比如服务的容量、服务的性能等
需要将每个业务领域的通用规则沉淀成服务
服务约束原则
上可依赖下，下不可依赖上；上可跨级依赖下
平级可允许单向调用，坚决禁止循环依赖
高级别不可依赖低级别
重要的服务不能依赖非重要服务
简单就是美
分布式运行机制：保障业务中台正常运行的基础
服务注册与发现
服务注册是服务发现机制的核心，服务实例将自己的服务信息（包括网络IP、端口、服务名）注册到服务注册中心，服务注册中心将服务信息以及服务健康状态通过API暴露出来
服务消费方通过注册中心获取到服务实例信息，并通过IP、端口、服务名的组合去请求服务提供方提供的服务
服务注册与发现还需要实时监控服务实例的健康状态，一旦服务实例不可用，将通知各服务消费方移除无效服务实例
一个服务可能存在多个服务实例，需要根据不同 的负载均衡算法来保持服务调用的均衡
弹性伸缩
在分布式集群里通过服务探针，可以监控应用和服务容器的状态，自动调整服务实例的数量
限流降级
在互联网应用场景下，用户的访问并不总是均匀平稳的，时常会出现瞬时的高峰，比如活动期间。 分布式应用服务需要提供限流功能，时刻感知流量的变化，并做出相应调整
限流
限流的策略可分为限制访问的绝对数量和控制流速（整流）。整流的算法有令牌桶算法，限制总数可通过设置规则来实现
降级
降级是指某个服务被调低级别后，本服务的消费者在调用时即刻返回失败，这样服务实例将不会被调用；也可设置一个默认返回值
灰度发布
多版本部署
流量切分
消息队列服务
异步通信
高可用
消息队列服务以集群的方式部署，常见的有1主多备或2主2备等。消息服务接收到消息后，会同时分发给多个备份服务各自创建一个备份。当一台消息队列服务挂掉后，另一台消息备份服务可以无缝对接，及时提供服务
高可靠
基于消息的最终一致性
避免以下情况
事件发生后，事件消息发送却失败
事件消息发送成功后，消息代理推送给消息消费方却失败
消费方重复消费此消息
分布式事务
分布式事务技术（DTP）用于保证跨多个资源事务的一致性，目前X/Open XA标准已由众多厂家实现 来支持分布式事务
扩展点机制
扩展点机 制提供在不修改现有代码的情况下，灵活扩展新功能
扩展点机制源于Java的SPI机制，当业务中台的某一个业务点遇到新业务逻辑比当前逻辑差别较大时，可以使用扩展点机制来实现
数据中台的建设
数据中台功能定位
需要实现数据的分层与水平解耦，并具有沉淀公共数据的能力
数据中台可分3层
数据模型
数据服务
数据开发
数据中台应具备的几项能力
数据整合能力
数据开发计算能力
数据服务能力
数据中台建设范围
搭建大数据平台
搭建智能运维平台
搭建智能研发平台
搭建智能标签平台
自定义标签
标签体系
客户画像
标签使用分析
平台开放性
搭建自助分析平台
多数据源支持
多维分析
多图表组件支持
多用户权限
多并发支持
多屏支持
建设企业数据资产
数据模型
分析模型
ODS层（操作性数据）
中间层：提升公共指标的复用性，减少重复的加工工作
DWD层（明细宽表级数据）
数据聚合：将来自不同系统的同类数据源按照某种维度进行聚合，形成统一的聚合数据
丰富维度：将事实表与维度表进行充分关联聚合后，丰富事实表的维度，避免数据在后续计算时需要关联大量的维度表，将雪花模型转换为星型模型
DWS层（公共汇总数据）
维度退化：加强指标的维度退化，提炼出粗粒度的常用维度、常用指标的汇总模型；数据汇总程度高于DWD层，单表数据量明显减少，通常采用星型建模
形成主题宽表：根据客户、商品、经销商、店铺等实体在某一段时间内的事件轨迹，串联起整体业 务，形成全方位的公共基础宽表，通常采用实体建模
e.g. 客户实体，可以通过客户基本属性、客户购 物经历、购物偏好、金融风险评级等维度360°全方位形成客户宽表
ADS层（专业应用汇总数据）
个性化指标加工：无公用性、复杂性（指数型、比值型、排名型指标），通过DWS层的公共基础指 标衍生出应用型的衍生指标
基于应用的数据组装：大宽表集市、横表转纵表、趋势指标串等应用型数据
应用算法模型
交叉销售模型（猜你喜欢）
交叉销售模型是指通过对用户历史消费数据的分析挖掘，找出有明显关联性质的商品组合，然后用 不同的建模方法，去构建消费者购买这些关联商品组合的可能模型，再用其中优秀的模型去预测新客户 购买特定商品组合的可能性
信用风险模型
信用风险包括欺诈预警、交易风控、反刷单等在交易场景下的风险预警，风险预警在企业特别是金融行业有着举足轻重的作用
商品推荐模型（千人千面）
智能补货模型
在供应链端更需要通过算法模型对历史积淀下来的海量销售数据、铺货经验、补货记录、调拨记录进行分析以提供更加精准的铺、补、调货决策
专题分析
纬度
人
流量、用户
货
商品（除现货外还包括期货、定制商品、虚拟商品等）
场
一切能将人与货匹配，最终实现订单转化的载体或场景，如各类客户端或页面，及其中的搜索、推荐、推送、分类导航、活动专区等
分析模型
用户留存分析
海盗模型分析（又名：AARRR模型分析）
对应获取用户（下载注册）、用户活跃、留存、变现、自传播（分享）等5个 产品生命周期阶段
转化漏斗分析
商品分析
监控分析商品浏览-销售情况，研究各品类甚至单个商品的曝光转化效果、动销效果，对运营部门优化商品铺货结构、活动选品、提高动销效率有重大意义
交易分析
交易额、支付用户、订单量、退款退单情况
中台成熟度模型
成熟度评估模型
系统建设
丰富的服务度
服务的共享性
系统的灵活性
参数可配置
流程可修改
插件可定制
辅助工具
中台驱动力
中台组织
中台不仅仅是一个系统的名称，也是企业的一种组织方式
由于中台系统一般划分为多个领域，各个领域的业务知识也是很广泛的，并且会随着业务的发展越来越深入，因此每个领域的专业知识也会随着系统的迭代而逐渐加强
每个领域本身的系统建设可以是相对独立的，才不会受限于其他领域的团队能力
数字化运营
生态系统
管理过程
中台战略
方法论
比如中台系统提 供服务所使用的协议和规范、服务的粗细粒度等
比如中台系统的建设步骤、中台系统与现有系统的关系
比如现有系统如何迁移到中台之上，不仅是系统功能，还需要包括历史数据如何进行割接
成熟度能力评估
中台助力的数字营销
消费者全触点覆盖
全域消费者运营
数字中台支持全渠道运营中种类繁多的营销场景
数字中台拥有丰富的全域消费者运营组件
数字中台可以像搭乐高玩具一样设计全域运营流程
利用数字中台的全域营销实时监控，让数字化营销效果尽在掌握
数字中台的全域营销A/B测试，让数字化营销策略收效更佳
全渠道交易
要构建线上线下融合的交易场景
2大模式
2B模式：企业对企业的交易
线上渠道：1688、零售通、新通路、找钢网、找煤网、找塑料网、企业自建的B2B在线订货渠道
线下渠道：经销渠道、KA渠道、企业大客户渠道
2C模式：企业面向个人用户的交易
线下渠道
按主体
直营
加盟
按门店位置
专柜
社区
奥莱
工厂折扣店
街边专卖店
电商渠道
天猫、淘宝、京东、苏宁、唯品会、亚马逊、拼多多、有赞、微盟，及自建官方商城微商城、小程序、App
创新渠道
社交电商
拼多多、抖音、今日头条、环球、微信、微博
内容电商
小红书、礼物说
全渠道交易的多个场景
线下购物、线上购物、线上订单门店配送、线上订单门店自提、线下扫码总仓发货、线下扫码门店发货、云货架下单、A店下单B店发货、线上领劵门店消费等
全渠道交易5大关键能力
统一的商品信息能力
是全渠道交易的基础，商品中心为前端提供商品展示、营销活动、订单 支付的数据支撑，也为后端的仓储、采购、供应商、物流提供基础数据支撑
全域的消费者运营能力
高效的订单处理能力
用户体验：物流要快、配送的包裹要完整、产品质量要好、服务要体贴
就近就全：优先从附近的仓库发货，需要充分考虑各仓库的库存情况，用户订单的多SKU情况，甚至可结合门店历史交易情况，预判门店未来近期的销售情况，给出合理的发货点选择
物流：要结合商品特 性、用户需求、O2O模式等
门店运营：门店运营是订单派单的一个很重要的参考
店仓优先：订单派单是优先考虑门店还是仓库
全局可视的库存能力
企业全局可视库存是全渠道交易的保障
构建企业全局可视的库存体系，实现库存高效、透明化运营管理，实现后端快速、高效响应前端订单
企业库存管理
前端库存
可售库存
可供前端正常销售的商品库存，可以根据各前端特点按比例分别设置各前端的可售库存
锁定库存
下单即占用库存，确保下单用户有库存可供配送，确保用户体验
活动库存
为策划某场活动，从可售库存中拿出一部分库存供活动使用 e.g. 每日秒杀活动，拿出100件商品进行在线抢，抢完即活动停止
预售库存
先下单后采购或生产，特别是生鲜类的季节性产品，商家往往会在产品上市前一个月策划提前下单活动，商家根据下单总量，再安排采购或生产
后端库存
账面库存
仓库实际存放的商品库存数据
可用库存
仓库中可供使用的库存，如有些商品是被订单占用，即将出库则不能计为可用库存
锁定库存
在途库存
指已采购、已生产、已调拨的商品，这部分商品在运输途中，暂未入库
不良品库存
有损耗或检验不合格的商品，这部分是不能被销售的部分
货权归属
统一结算能力
同一经营主体内的直营门店间内部结算
企业线上线下业务单元的结算
不同经营主体的往来结算
与商场或物流或仓储的结算
全链路服务
企业客户服务的困境与痛点
全域触点分散，统一服务难
成本居高不下，客户满意度不佳
知识沉淀难、分析难、决策难
全渠道全场景接入
全渠道更多的是各类移动设备的接入
在场景方面，支撑全旅程的客户服务场景。从最初的品牌认知到对产品的了解、体验与试用、购买、订单/服务的履约、售后服务、交易后的口碑传播，覆盖整个产品销售周期
在消费者运营层面，从 会员的入会到后续的分级/差异化服务、复购的促进，再到整个数据驱动的客户体验优化，同样能够无缝 支撑
人机协同效率最大化
中台分布式架构支撑海量咨询分流
人机结合：AI与人工服务
AI机器人的天花板：机器学习需要大量的数据训练。如果企业没有足够的数据积累，AI机器人的冷启动之路将会相当漫长
人机融合
每一个咨询应答都对应一个应答满意度，当消费者因该回答选择转人工客服时，该应答的满意度则会下降
当消费者转接至人工客服时，AI机器人并没有停止工作，依然会对消费者的提问进行互动反馈，应答满意度达到95%以上的将自动回复，应答满意度70%以上的由人工客服判断是否合理后再发送
人工客服回复的内容将直接作为训练数据“投喂”给AI机器人
全局数据打通
数据驱动的运营
企业全员都需要数据思维
数据驱动运营的两个阶段
数据驱动业务决策
数据驱动运营创新
流程驱动和数据驱动并无冲突
营销的核心是运营用户数字资产
用户数字资产支撑企业创新
拥有自主、免费、可再分配的用户流量（私域流量），是企业快速创新、试错和可持续运营的基本前提
私域流量特点
活跃
持久
可免费再分配
传统企业用户资产无法有效利用
没有有效的会员管理体系，有力使不出
没有自己的会员运营体系，无法形成有效数据资产
会员特征无法洞察，无法精准运营
会员运营9步法，助力企业用户资产增值
建池子
聚流量
通触点
观用户
保忠诚
分群组
创活动
自执行
全监控
平台+运营，支撑企业营销变革
平台能力是企业营销变革的基石
运营能力是企业营销变革的助推器
企业运营能力对企业营销的重要作用
链接客户：通过用户运营可以定位到企业的精准客户，建立客户与公司之间的情感关系纽带，便于在企业营销时更好地理解市场和用户，可以为企业提供精准营销服务
品牌宣传：通过在内容运营中宣传企业产品卖点、展示企业品牌形象、提供企业的前沿资讯，可以为企业营销传递品牌价值
数据掌握：通过对活动运营中的实时数据进行监控、预警、分析，可以为企业营销提供战略支撑
数字营销的技术架构与路径
基于中台架构，构建立体数字营销云
营销所利用的技术
要确保客户在线上线下的体验能够无缝衔接
要实现线上线下无缝交易
要实现数据驱动的运营
实现数字营销的企业必备的条件
通过数字化的方式灵活连接所有部门，将企业内部的能力全部数字化
产品、小程序、App、门店等都成为触达消费者的触点，通过这些触点可以实现精准营销
数字营销一定是由产品、营销和运营组成的
快速响应市场机会和威胁
能够和其他公司建立动态伙伴关系，整合他们的能力
数字营销云技术架构和设计理念
数字营销云应用介绍
全域会员i-CDP（Customer Data Platform）
会员管理模块打通企业现有主流的渠道触点消费者信息，并对来自各个触点的数据进行清洗及去重，沉淀到统一的会员池，为企业建立自流量提供工具基础
智能营销i-Marketing
着眼于帮助企业改善线上线下各会员体系难以打通、营销手段单一和营销效果难监控的问题，实现营销的有效闭环
企业将从各线上线下渠道获得的会员数据统一整合到全域会员中心，以此建立会员运营的基础
i-Marketing在此基础上，一方面提供会员等级、积分、成长、权益等一套灵活的会员忠诚度管理体系，促进自流量的持久活跃，增强会员服务黏性
另一方面，通过平台各种各样的营销活动以及自动化营销引擎，对会员做深度运营，以带来更高的转化，促进业务增长，同时在此过程中不断吸收新用户，形成良性循环
全渠道销售i-Commerce
连接商品与人、组织。通过连接重新分配价值流动，打造基于联营、入驻、自营的组合模式的在线交易、订单履约一体化互联网平台产品，为客户提供在线下单、在线优惠商品、秒杀促销、在线支付、商品推荐、数据分析、交互式广告等应用服务功能
智能服务i-Service
i-Service一个平台可以连接热线客服、在线客服、智能客服、自助服务，提供线上线下一致的客服体验
数字营销云的架构设计
第一层：基础IaaS层。该层提供了计算、网络、安全、存储等功能，满足了对计算、存储、网络、安全、运维、监控、服务保障体系各个层面的需求
第二层：平台服务层。该层提供了大数据中间件和互联网中间件，同时引入云原生架构，帮助企业在公有云、私有云和混合云等新型动态环境中，构建和运行可弹性扩展的应用
第三层：共享服务中心层。这一层是中台架构的核心，是业务基石，用于沉淀业务系统的共享业务能力
第四层：业务应用层。业务应用层基于共享服务中心层的能力，提供快速响应业务的能力，用“薄前 端”的业务构建方式提供了i-Commerce、i-Marketing、i-Service、i-CDP
数字营销云设计理念
3个核心要求
开放：所有中台能力实现对内对外开放，能够极大促进企业业务能力的发展
滋养：传统企业需要业务创新
数据：通过对数据的应用，让业务滋养中台，中台反哺业务
2个能力保障
服务能力：中台的能力以服务的方式对外提供，必须确保服务是核心服务
稳定能力：系统必须具备稳定性以支撑大量互联网用户的高并发需求
数字营销云的3种部署架构
统一开放式：无论应用还是中心，都是注册同一个微服务注册中心，且均通过API网关统一对外开放能力
中心开放式：中台的多个微服务中心通过API网关对外提供中心能力，而应用则需经过API网关和中心交互
独立开放式：外部系统可以直接使用业务应用能力，也可以直接使用中台能力，从而让接入更加灵活，满足多变的业务场景需求
实现数字营销云的关键技术特性
微服务：将原来传统大一统的单体业务系统按功能分解到相对松散的多个 微服务中，降低系统的耦合性，并提供更加灵活的变更支持，从而响应时刻变化的业务需求
容器化：进一步提升了系统的虚拟化，减少了应用系统不同部署环境的差异，保证了应用生命周期的环境一致性和标准化，简化了持续集成、自动化测试以及持续发布的过程
灵活性
业务流程的灵活性
流程节点的灵活性
高并发
空间换时间
多级缓存
读写分离
异构索引
分而治之
横向拆分：将系统进行分层，比如前后端分离等，从而支持页 面静态化，以缓存到CDN服务器
纵向拆分：将系统根据微服务化的原则进行拆分，并对数据库进行分库分表，既可减轻单服务器的压力，又便于按需进行弹性扩缩容
异步化
高性能数据库
大数据处理
DevOps
A公司：快速响应数字营销的中台
B公司：中台为数字营销赋能
C公司：数字营销打造流量池运营体系
0 条评论
下一页
