從“粗放式圈地”到“精細化運營”，關鍵是精準數(shù)據(jù)的挖掘、分析與預測，而大數(shù)據(jù)的落地卻并不盡人意。作為原阿里云數(shù)加平臺核心人員，付登坡坦言，曾在調(diào)研地產(chǎn)行業(yè)多家企業(yè)時發(fā)現(xiàn)，首先，客戶數(shù)據(jù)分散，大量商業(yè)地產(chǎn)、商場、住宅、酒店等客戶分散在不同業(yè)務板塊，導致客戶數(shù)據(jù)分散，整合難度加大;其次，數(shù)據(jù)資產(chǎn)難變現(xiàn)。傳統(tǒng)IT架構(gòu)對海量數(shù)據(jù)(尤其是非結(jié)構(gòu)數(shù)據(jù))的處理方案顯得無能為力，企業(yè)大量數(shù)據(jù)冗余，導致技術(shù)人員也無從分析使用數(shù)據(jù)，客戶數(shù)據(jù)難以變現(xiàn)為企業(yè)數(shù)據(jù)資產(chǎn);同時，應用場景難落地積累和沉淀的海量客戶數(shù)據(jù)不知曉從何處入手進行應用落地，無法為服務決策和業(yè)務過程帶來價值。企業(yè)相對滯后的數(shù)據(jù)處理方式和鮮明的市場需求讓數(shù)瀾有機會幫助更多企業(yè)實現(xiàn)大數(shù)據(jù)價值。
地產(chǎn)大數(shù)據(jù)平臺加速企業(yè)大數(shù)據(jù)落地應用
數(shù)瀾創(chuàng)始人兼CEO甘云鋒，前阿里巴巴大數(shù)據(jù)資深專家。在阿里巴巴之前，曾在華為、金蝶等科技公司任職。在阿里巴巴任職期間，負責大數(shù)據(jù)、阿里云創(chuàng)新數(shù)據(jù)工作室及人工智能業(yè)務。其負責的阿里巴巴集團最重要三款數(shù)據(jù)產(chǎn)品–ID-Mapping、TCIF、DMP管理了阿里巴巴集團淘寶、天貓、聚劃算等25個核心業(yè)務線的數(shù)據(jù)，將全集團用戶ID基于大數(shù)據(jù)能力有效歸一，構(gòu)建集團消費者信息標簽體系3000+，支撐了阿里巴巴集團超過200多個業(yè)務單元，有效實現(xiàn)了阿里巴巴集團數(shù)據(jù)的資產(chǎn)化和業(yè)務化。
創(chuàng)建數(shù)瀾后，他帶領著由阿里大數(shù)據(jù)專家及金蝶、華為、移動等行業(yè)專家組建而成的核心團隊，希望利用傳統(tǒng)企業(yè)自身的數(shù)據(jù)去進行分析，反過來服務于企業(yè)，為其提供精準營銷、提升效率等解決方案，讓每個企業(yè)的數(shù)據(jù)都用起來——這正是數(shù)瀾成立的初衷。
對于大數(shù)據(jù)的落地應用，數(shù)瀾首先將企業(yè)數(shù)據(jù)分為4類：第一類為經(jīng)營類數(shù)據(jù)，像CRM、ERP等;第二類為社會類數(shù)據(jù)，例如企業(yè)老板、企業(yè)活動中產(chǎn)生的;第三類為日志類數(shù)據(jù)，比如用戶的瀏覽足跡;第四類為企業(yè)外圍數(shù)據(jù)，像是行業(yè)等。這些數(shù)據(jù)單點做分析比較容易，打通后的全局數(shù)據(jù)則更有價值，可以用在企業(yè)供應鏈預測等方面。而這個打通的過程就叫做企業(yè)數(shù)據(jù)資產(chǎn)化，最后交付到企業(yè)手中的是真正可以為業(yè)務服務的數(shù)據(jù)，之后針對場景的應用就叫數(shù)據(jù)業(yè)務化。
這就是數(shù)瀾大數(shù)據(jù)平臺——數(shù)棲(DW.DaaS)在做的事情。其產(chǎn)品分三塊：首先是Data-Mapping——把各種數(shù)據(jù)連接起來;數(shù)據(jù)連接后變成資產(chǎn)則需要Data-profile來打標簽、組織;最后的應用部分則是Data-Service體系來提供數(shù)據(jù)服務。通過數(shù)棲數(shù)據(jù)交換平臺，可便捷進行異構(gòu)網(wǎng)絡間交換，離線及實時數(shù)據(jù)處理;通過數(shù)據(jù)開發(fā)平臺，可實現(xiàn)數(shù)據(jù)開發(fā)、運維監(jiān)控、數(shù)據(jù)管理、質(zhì)量管理;通過數(shù)據(jù)應用平臺，利用標簽管理、構(gòu)建數(shù)據(jù)服務引擎，為客戶提供數(shù)據(jù)業(yè)務服務。整個數(shù)據(jù)應用加工流程可視化、模塊化，能極大的方便業(yè)務人員對數(shù)據(jù)加工處理，跟蹤管理數(shù)據(jù)關系流程等，有效提高數(shù)據(jù)應用開發(fā)的效率，可使地產(chǎn)大數(shù)據(jù)開發(fā)應用成本降低80%。
付登坡舉例道，在為萬科服務的物業(yè)大數(shù)據(jù)項目應用中，首先通過數(shù)棲平臺自然語言處理算法工具包，深度挖掘文本數(shù)據(jù)，基于百萬級詞庫，對地產(chǎn)物業(yè)服務相關信息系統(tǒng)中的非結(jié)構(gòu)化文本數(shù)據(jù)進行挖掘、分類、歸一，形成國內(nèi)首個針對報修(50+部位、100+對象、50+問題)、投訴(8個一級分類、60+二級分類)、滿意度調(diào)研數(shù)據(jù)(10個一級分類、70+二級分類、300+三級分類)的系統(tǒng)性標準分類體系，實現(xiàn)了數(shù)據(jù)資產(chǎn)化過程。
其次，物業(yè)服務的報修、投訴、滿意度等數(shù)據(jù)，通過數(shù)據(jù)連接、加工、挖掘形成多套標簽體系，標簽與數(shù)棲的數(shù)據(jù)服務引擎結(jié)合，形成數(shù)據(jù)服務與數(shù)據(jù)產(chǎn)品，利用大數(shù)據(jù)能力和行業(yè)認知，服務于具體業(yè)務，譬如：快速定位物業(yè)問題、合理評估合作伙伴、全鏈路提升業(yè)主滿意度、打造企業(yè)的專屬數(shù)據(jù)等，實現(xiàn)數(shù)據(jù)業(yè)務化過程。
