當前，互聯網、移動互聯網、大數據、云計算等新IT技術飛速發展，“互聯網+”與“中國制造2025”等一方面催生各種各樣的創新經濟和商業模式，另一方面正在促進新IT技術與制造、金融、能源等傳統行業深度融合，全球范圍內，新IT正在掀起全行業的數字化轉型浪潮。為了共同探討新IT與傳統企業融合的價值，分享各行業信息化和數字化轉型的經驗和成果，11月18日，由企業網D1Net和中國企業級HTML5產業聯盟主辦、四川CIO俱樂部和成都企業信息化促進會協辦的2016成都CIO秋季沙龍于成都成功舉辦。

以下是品勝集團CIO郭銳在2016成都CIO沙龍上的演講，題目是：《品勝集團數據驅動業務探索之路》，由企業網D1Net編輯整理。

上圖為：品勝集團CIO 郭銳

郭銳：大家下午好!我是來自品勝的郭銳。我主要是分享一下品勝數據驅動業務這塊的應用。

品勝創始于2003年，剛開始是手機電池和相機電池，到目前圍繞“手機、平板、電視“三塊屏幕”的3C智能數碼的布局;2015年完成銷售額11億，并正式登陸新三板;今年雙11又在淘寶3C類目上蟬聯銷量第一的榮譽，全網實現銷售8000萬;銷量這么好的原因是什么?

那就是品勝有自己的銷售模式和銷售渠道，我們線下線上統一的銷售模式，名字叫當日達。當日達系統整合了線上商城，線下門店，開創了O2O流量互相轉化的模式，同時利用門店優勢解決了最后一公里的配送問題;“品勝•當日達”榮獲“2013年度中國電子商務創新成果獎”，2015年又獲得“商業模式創新銀獎”;線上會員截止目前累計了680萬;線上也擁有了1萬家加盟店，相當于一個小的移動機站，解決了最后一公里的推送問題。同時，品勝擴品類創平臺，開創了集手機數碼智能硬件的一起，集合線上線下業務的千機網服務平臺，這樣我們從售前市場到售后的服務市場就完全覆蓋了。

品勝發展勢頭這么好，數據在中間起到什么作用，又是怎么落地的?我通過三個層面來講，第一是歷程，第二是出現的問題，最后是幾點建議。

品勝數據應用歷程與成果

我們的數據應用是兩個方向并行發展的。線上業務起步早，數據應用的較好，自2010年開始入駐淘寶后，到全渠道營銷系統(當日達)上到使用了4年，完成線上全網數據的整合，并在2015年圍繞線上數據自行研發了電商CRM系統，有效的管理到700萬會員。2016年3月，我們后臺做了一個支撐，進入了我們的大數據，比如可以實時跟會員聊天，做分析，做精準的營銷。傳統線下的業務怎樣使用數據?線下的數據應用推廣較為緩慢，更多的報表的應用，儀表盤的應用，在近期使用ORACLE的 DV自助分析平臺有所提高。

我們準備明年把線上線下融合一起打造統一的數據平臺。線上常用的數據應用是應用于畫像，這是我們做3C數碼手機的原因，比如可以通過會員信息、注冊信息、頻率信息、購買信息，給會員打標簽、分析會員、精準畫像，這是我們的用戶畫像的應用成果。

第二類聚類分析，通過對RFM屬性的聚類分析，分析出重要價值會員群體，需要挽留的會員，還有充滿潛力的會員群體，方便電商部門制作對應的營銷活動。

聚類分析完了以后，打標簽，面對不面的群體，自定義的某類人群做短信營銷，以及營銷效果的跟蹤分析。比如我們發送短信，看到成功接收了多少，看了短信以后效果怎么樣?我們會進一步的跟蹤，比如我們通過收貨地址區分出來是一個白領，我們能夠看到他有可能一年沒買充電寶了，有打折了，是不是要換一個呢?這個時候我們做精準的營銷。

線下業務，分享兩個應用案例，一是品勝對加盟商的貸款風險評估，我們為更好的開發市場，對有條件的加盟商可提供專項貸款;但在貨款的風險以及貸款的額度就就用到了分析報告;這里展示的為風險指標;不同于傳統的信貸更多的是查看我們的信用指標，還有償還能力，我們還要對提貨增長率、提貨周期、配送時效等管理指標綜合考量;

圖中展示了可以看到重慶的征信評分較低，那我們到底要示貸款給省級平臺，還有貸多少，這時就需要通過統計方法完成對各指權重的計算，從而得到一個可貸款指數。

二是打假應用，由于品勝產品的品質很好，特別是在充電寶市場，那沒有插頭的充電寶，也就是我們講的備電成了不法分子的第一仿造對像。舉個例子，這個圖中展示的是四個城市的銷量，圖中我們可以出鄭州的銷量在15年9月出現明顯下滑后，一直處于動態的波動中;但是全國的平均銷量也同樣出現波動，那有沒有更深入的信息呢。看提貨增長率。跟剛才算貸款一樣，有5個指標，現在5個指標是要算綜合的值，通過整體的波動率以及權重值，可以看出來哪個地方是假貨，哪個地方的貨可能存在問題，這時候我們的打假辦去聯系，現場實地跟蹤信息，這是傳統業務的應用。

數據應用實施過程中的思考與問題

第一，產品和技術選型。做數據分析，是把數據轉化成信息，信息轉化為支持，下一步應該轉化到決策上，最終想要的結果是對經營管理產生價值。

第一個是傳統BI，更多的是使用數據庫，結構化數據，實效性不太強，數據積累相比大數據慢很多，根據業務可以明確知道數據的含義，比如ERP的信息，我們知道每個字段，就知道它的意義是什么。同時在知識方面，因為使用的是標準化的系統，有明確的業務流程，精確的業務數據，可以積累更豐富的經驗;另外，傳統BI給到的信息大部分是統計趨勢，對事實描述更多是基于群體共性，幫助決策者掌握宏觀統計趨勢，適合經營運營指標支撐類問題;

而大數據一般都是非結化數據，實效性強;數據積累很快很大，每天可以達到PB級，如購物的文本評論。信息需要通過對數據的辨識而獲得;獲得信息的真偽程度取決于對數據的辨識技術;由于信息的不確定性，大數據分析的結果需要通過多次驗證，確認后轉化為知識。更傾向于刻畫個體，更多的在于個性化的決策，價值也相對容易量化;比如精準營銷，智能推薦等。

選型完成以后，我們都想個性化營銷，這個時候一定要記住一點，忌技術主導反推業務。有一個事例，我們BI雖然是2015年上線的，但是我們一直在努力做。2014年使用開源套件Pentaho完成了銷售相關的儀表盤，當推薦到銷售總監使用時，得到的結果是，數據均是他之前知道的，且有專門的部門出數據。這時候我們反思，技術是不是能馬上應用到業務當中?是技術主導還是業務主導。所以我們一定要讓業務引導技術。

第二，在籌備上線過程中又遇到問題，沒有統一的“名詞”名稱，統計口徑存在差異。比如辦事處的銷量，銷售線指的是辦事處的出貨量，財務是由回款來結算的，雖然兩個部門要單獨銷量，但是出來的數據不一樣，結果不一樣。還有加盟商的提貨量，加盟管理部指加盟商提貨品勝產品的金額，新業務“千機網”運營部又是品勝產品與非品勝產品的的合度提貨額。遇到這樣的問題，我們的一個思考是尊重業務，因為需求出自業務。雖說解釋后數據相等，溝通成本增加;為此根據數據驅動業務的進度，應擇時機完成統一語義。

第三個問題，可視化圖表與使用對象不匹配。在推廣時還要注意一點，通俗點講，不是越漂亮越好，專業點就是圖表要與使用對象的習慣匹配。數據可視化的價值，就是降低了其管理成本，讓運營變得透明化，好不好用是重點，好不好看，相對是其次了;所以需要根據結合使用者的使用習慣，推送相對應圖表。

上線成功了，最后一個問題來了，是成功上線，還是上線成功?以傳統企業的BI為例，上過BI的好多傳統企業，報表看著好看，但是對決策有多少支持呢?很多BI習慣于給魚，無法給漁，為啥，分析是一種思維，單靠數據團隊來完成數據驅動業務，不能，也不可能。市場變化萬千，實際不可能有人比一線更懂需要什么，做得再快，也跟不上一線的節奏。

數據落地應用的幾點建議

最后是數據落地應用的幾點建議。

第一，業務放首位，沒有業務就沒有數據，選擇適合本企業當前適用數據產品或技術;選擇適合本企業的數據運營推廣策略——“自上而下”、“無為而治”。第二是培養或者加強應用業務人員使用數據分析指導業務的意識，第三是持續運營數據分析平臺，并將分析報告應用于業務流程優化;同時業務優化的結果，再進入數據分析，形成持續改進的生態閉環，使得我們的經驗越來越豐富。第四，加強大數據人才儲備，提高數據分析的硬實力。

接下來分享一下我們的整體架構。在傳統的ERP、財務、OA我們有自己的數據倉庫。線上，比如說爬蟲、第三方商城，整合到一起。線上和線下，經過分析過后的數據回傳回來，在數據倉庫里面統一收入。然后是應用方面。第一是傳統分析應用，所謂的數據分析平臺，第二個是數據分析報告，比如說打假，我們會實時的把大數據處理完，這是我們要做的典型的一個架構。

最后是團隊，第一是業務小組，包括業務分析師，數據分析師，以及虛擬對頭的業務骨干，這里業務分析師多數由原來內部的實施顧問來承擔;第二是技術小組，包括ETL工程師，數據建模師，以及大數據的技術開發人員;

我就分享這么多，謝謝大家!