不断进化!奇点云助豫园股份构建集团统一战略的数据平台

news2024/11/17 5:43:10

“一张图、一颗心、一场仗,构建集团统一战略的数据平台,豫园股份不断进化。”

日前,2023 StartDT Day 数智科技大会正式举办。企业客户、行业专家、技术专家与数万位参会伙伴相聚云上,共话数据时代进化之道。

作为消费产业的数字化领军者、“客户进化”的标杆,豫园股份受邀出席大会。豫园股份智能科技部执行总经理贺顾一先生带来分享,亲述《不断进化,豫园股份数字化转型-数业之道》。

 

豫园股份是聚焦家庭快乐的消费产业集团,锚定“家庭快乐消费产业+城市产业地标+线上线下会员及服务平台”发展战略,旗下拥有17个中华老字号、一众领先品牌及多个全球知名品牌。

本文整理自豫园股份贺顾一先生演讲。

(一)回答业务问题,离不开数据支撑

无论是技术负责人,还是业务负责人,我们在企业里都会被问这3个问题:

“我们的业务现状是怎样的?”“为什么会变成这样?”“我接下来该做什么?”

为了回答这一串问题,我们曾经在豫园(股份)内部做过一个小调查,所有人都表示“需要数据支撑”。这个结论相信在座的各位也毫不意外。

豫园股份是A股的“老八股”之一,始终聚焦家庭快乐消费产业。旗下不仅有大家耳熟能详的豫园(旅游景点),还有珠宝、美妆、酒业、饮食、商业地产等众多产业。为更好地服务全产业客户/用户,我们还搭建了线上线下会员及服务平台。

看上去,我们不缺数据,也不缺应用数据的场景。但回溯过去,却发现这些数据里蕴藏的价值好像海绵里的水,捏一捏,水就流走了,并没有支撑到业务。

换句话说,当我们在用数据解决业务问题之前,要先解决数据问题:

· 数据来源复杂、获取困难。我们有非常多的数据源,数据形式也很多样,譬如有业务系统产出的,有采集的,也有经过手工处理的报表。

· 缺乏数据标准及规范。在当时的调查中,有53%受访者认为,存在主数据不统一、产业之间“鸡同鸭讲”等问题。譬如,同样对于“高净值”,珠宝品牌和餐饮品牌的定义一定不同,这类问题对于旗下有多产业的集团来说,也更为关键。

· 数据应用与业务脱节。有47%受访者表示,在日常工作中已经有收集数据的意识,但业务层确实用不起来。豫园股份及旗下产业发展历史悠久,相对传统,业务流并不像“数字原生企业”一样天然与数据绑定,在数据赋能业务上存在挑战。

二)3大目标,建设集团统一战略下的数据平台

为了解决一系列数据难题,真正从我们拥有的海量数据中挖掘价值,也为了更好地服务我们的产业,提供数据支撑,豫园股份在集团层面搭建了一套数据平台。

规划之初,我们就对数据平台设定了清晰的目标:这套数据平台应具备强大的性能和共享能力,省去各产业选型、采购和维护的烦恼;帮助我们统一管理数据资产的同时,也能支撑各产业建设好自己的数据应用;还应提供协同能力,我们鼓励产业之间优秀经验互相借鉴,复用优秀实践成果;未来,在安全合规的前提下,产业之间、团队之间的数据还可能有流动,激活产生更大的数据价值。

总结来说,即:

· 共享:集团搭台,产业唱戏。

· 个性:业务导向,模型定制。

· 协同:生态共建,长板复用。

 

三)5大环节,构筑豫园自有数据能力

基于集团统一的数据战略,我们在奇点云小伙伴的协同下,搭建了“既统一又个性”的数据平台,形成统一数据口径(OneData)、统一用户身份(OneID)、统一看板入口(OneBI)、统一服务架构(OneService),并以业务为导向,不断进化。

进化具体可以拆分为5大环节:

1、数据治理体系建设

在这个环节,核心解决数据“语言一致、步调一致”的问题,我们沉淀了统一的数据治理规范、数据治理流程,建立了数据治理组织架构。

这其中尤为关键的是,对于像我们这样传统的企业来说,能建立统一的数据体系并坚持贯彻,与完善的组织保障密不可分。因此我们不仅沉淀了数据资源池,构建从治理、应用到管理的数据全链路体系,整合了StartDT(奇点云、GrowingIO)这样的行业头部数据科技供应商作为实施资源池,也组建了人才资源池,负责串联所有数据相关需求,来确保数据的顶层设计与各产业落地。

最终,我们形成了一套具备通用性和可复制性的豫园数据治理方法论。它可以放大或缩小,能适用集团、子公司乃至部门,来确保战略在实施过程中不变形,数据“可信、可用、可管”

 

2、数据技术升级

在技术的选择上,我们往往希望既能满足需求,又能尽可能降低成本。

需求具体包括实时处理、可扩展性、能支撑数据分析和运营等等。譬如为了应对我们不同的数据查询和分析场景,需要用到流、批等等不同的引擎,就要有一套混合引擎的调度系统,可以像“潮汐车道”一样分时段跑不同的引擎,更高效、更节约资源。

“成本”也涵盖很多维度,它不仅仅是硬件、软件、许可证、维护,还有团队招聘、培养、人效等等“不直接可见”的成本。能降低使用门槛、提升工程师工作效率的技术和产品工具,会帮助我们降本。

3、数据平台建设

豫园股份从上到下进行数据治理,平台由集团进行选型,做统一的规划,来帮助我们从总的层面上确保战略落地不走偏。但同时,就像我们所说“集团搭台、产业唱戏”,要能灵活地适应各个产业的需求,让产业和项目有足够的“自主权”,团队能在自己的空间里愉快地玩耍

这一层需求落到数据架构上,就需要平台能提供统一的账号权限体系、灵活的权限管理能力、完备的安全策略和审计,对多个工作空间(Workspace)、项目(Project)进行管理。

我们依托奇点云数据云平台DataSimba“分级多域”“多租户安全”能力,在支持多产业、多部门、多团队共享使用的同时,各自的数据也得到了充分的安全保障。对于有更高数据安全合规要求的团队,譬如上市公司,也设有物理隔离和更高规格的安全管控。

 

4、数据资产管理

当我们有了顶层战略,把数据存下来了,有了处理和分析数据的平台和技术,最终怎样让这些数据变成资产、赋能业务产生价值?

过去大家可能都觉得很痛苦,觉得我好不容易做完梳理和数仓搭建,业务又变了。但在快速变化的业务中,它其实有一定共性,也需要留一些适应变化的空间。因此在这个环节,我们梳理了业务流程,结合股份共性、产业个性,统一规划了十大业务域数据,总结出供应链、会员洞察等分析主题,规范了业务指标体系设计。我们采用弹性建模的方式,能适用多种结构的数据处理,也可以动态调整指标、数据源,提供更灵活的计算方式,来快速响应业务的变化。

目前,整个项目梳理了183个指标、落地了125个核心指标,其中68个指标的数据产出已经实现自动化。

5、数据应用场景搭建

回到最初的问题,“我们的业务现状是怎样的?”“为什么会变成这样?”“我接下来该做什么?”

我们建立了报表的统一入口“观星台”,并针对多个维度做了分析和相关报表,来辅助销售分析、会员运营、精益管理、供应链运营等多个环节。过去管理层发现了一个业务问题需要数据支持,要让相关的同事去取数、出报表,复杂的时候耗时可能长达一个月。而现在管理层可以自行查看,按照权限下钻分析,准实时地了解业务情况。

这只是一个最直观的例子,数据应用其实远远不止于此。在各个产业,数据资产也在通过数据应用发生价值,乃至自动产生行动,为业务提效。

目前,豫园股份已经经历了上述五大环节的进化,完成了“数据平台搭建与数据治理”、“资产体系搭建与初步应用”,接下来,我们还将持续优化迭代数据应用,从更智能、更实时、更全面等维度,提升数据能力。

“知行合一,躬身入局,能说会用,专业靠谱。”这是我们对自身数据建设的要求,也是我们努力的方向。数据进化,豫园进化!

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/642276.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

Spring Cloud - Ribbon 负载均衡原理、负载策略、懒加载

目录 ​编辑 一、Ribbon 负载均衡原理 1.1、前言 1.2、负载均衡的工作流程 二、负载均衡策略 2.1、策略原理 2.2、负载均衡自定义方式 三、Ribbon 加载方式 一、Ribbon 负载均衡原理 1.1、前言 ps:案例是上一章所讲的 “根据订单id查询订单的同时&#xff0…

Matlab机器人运动学与正逆解算法学习笔记

文章目录 ※ 参考资料建立DH模型△ 基本概念和标准DH/改进DH○ 连杆与关节的编号○ 标准DH与改进DH △ DH参数模型建立方法○ 标准DH参数定义及方法简介 连杆坐标系建立方法 标准DH参数含义※ 关于DH参数以哪个轴的指向为准的问题 标准DH坐标系间的齐次变换矩阵 ○ 改进DH参数…

WPS AI内测申请窍门;AI数字人最全工具盘点;AI超级个体必读书籍;产品国际化与本地化指南;生成式AI应用路线图 | ShowMeAI日报

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦! 🤖 生成式AI应用路线图:多模态AI的应用能力演进 随着生成式AI「对生成内容的可控性」不断提高,其应用场景也在不断…

【算法系列 | 6】深入解析排序算法之——堆排序

序言 你只管努力,其他交给时间,时间会证明一切。 文章标记颜色说明: 黄色:重要标题红色:用来标记结论绿色:用来标记一级论点蓝色:用来标记二级论点 决定开一个算法专栏,希望能帮助大…

整理 钢琴教材 铃木钢琴教程(铃木)

邮箱不能及时回复,现放到网盘里了,文末按需自取 铃木钢琴教程第1册 文件名:铃木钢琴教程第1册 超清PDF 文件大小:7.05 MB 下载地址:https://download.csdn.net/download/qq_36040764/85051148 铃木钢琴教程第2册 文件名:铃木钢琴教程第2册 超清PDF 文件大小:5.54 …

边缘检测笔记

边缘是什么? 图像的边缘是指图像局部区域中亮度变化明显的部分,边缘位于像素的灰度值产生突变的地方。 边缘的正负之分:由暗到亮为正,由亮变暗为负。 图像的高频信号和低频信号 简单理解为,图像中高频分量&#xff08…

在Windows11平台安装JDK11(双11)

目录 引言一、安装前说明1.系统要求2.多版本安装 二、JDK11安装三、安装成功验证1.验证2.Path环境变量 总结 引言 本文主要是详细讲解在 Windows 11 系统上安装 JDK 11,安装时有一些注意事项需要说明。与 JDK 8 的安装过程有少许不一样。 一、安装前说明 1.系统要…

GPT-4的中国2023高考作文

我选取2023年上海的作文题(我比较感兴趣),题目如下: 面对这个题目,不知道各位有什么想法么?如果你去考试,你会怎么写? 来,我们看看AI是怎么写的。 以下是GPT-4的作文&a…

vmware虚拟机网络“桥接模式”与“NAT模式”的联网原理及linux环境下IP配置指引

一、vmware虚拟机网络“桥接模式”与“NAT模式”的区别 选中虚拟机》设置》网络适配器,打开虚拟机设置面板 我们看到网络连接处有多个选项,今天良哥通过试验告诉你“桥接模式”和“NAT模式”的联网原理、区别及两种模式下IP地址配置的详细方法。 桥接模…

spring-data-elasticsearch.4.2.0 jar包冲突导致:StackOverflow

最近要求es做升级改造: 目前版本: 1. springframework 4.3.3-RELEASE 2. spring-data-elasticsearch: 2.0.3 3. elasticsearch: 2.4.0 4. 工具类: ElasticsearchTemplate 升级后ES版本7.10.0 1. springframework 升级到 5.3.10 2. spring-data-elasticsearch 升级到 4.…

热门bi报表软件推荐,哪款bi报表软件更功能更强大?

随着商业智能(BI)的不断发展和应用,越来越多的企业开始关注和使用BI报表软件。但是在众多的BI报表软件中,如何选择一款既功能强大又易于使用的软件,成为了许多企业和个人面临的难题。下面将为大家介绍5款热门的BI报表软…

爆肝百万字;学完这些你的python就无敌了

前言 最近高考刚刚结束,不少大学也快陆陆续续的要放暑假了,不少人表示暑假想学点python知识,或提升下自己,或打算学点技术兼职赚点零花钱,于是肝了一份Python最新学习文档总结资料 :全文档1378页&#xff…

Python的离线安装

原文链接 在没有外网的情况下,安装Python环境只能采用离线方式。 Windows离线安装Python Python离线安装包的下载地址:https://www.python.org/ftp/python/ 我选择的是:python-3.8.5-amd64.exe 双击运行安装包即可完成安装。 安装完成后…

简化本地Feign调用

在平常的工作中,OpenFeign作为微服务间的调用组件使用的非常普遍,接口配合注解的调用方式突出一个简便,让我们能无需关注内部细节就能实现服务间的接口调用。 但是工作中用久了,发现 Feign 也有些使用起来麻烦的地方,…

【Haproxy 搭建Web 群集】

目录 一、Haoroxy 基础了解1、常见的Web集群调度器2、Haproxy 应用分析 二、Haproxy 调度算法原理三、HAProxy的主要特性四、HAProxy负载均衡策略五、LVS、Nginx、HAproxy的区别1、Nginx的优点,缺点2、LVS的优点和缺点3、HAProxy的优点 六、Haproxy搭建 Web 群集实验…

跟着LearnOpenGL学习8--摄像机

文章目录 一、前言二、摄像机/观察空间2.1、摄像机位置2.2、摄像机方向2.3、右轴2.4、上轴2.5、LookAt2.6、LookAt测试 三、自由移动3.1、移动速度 四、视角移动4.1、欧拉角 五、鼠标输入5.1、缩放 六、摄像机类 一、前言 前面的教程中我们讨论了观察矩阵以及如何使用观察矩阵…

【软考系统架构师】进程与线程、并发和并行的理解

进程和线程的概念是软考里经常出现的概念,也是计算机领域的基础概念之一,看到一套非常形象的进程和线程的解释,记录一下 CPU 相当于一个工厂的能源核心,它一直运行,并向外提供动力。 什么是进程 但是这家工厂资金有限&…

A*算法与八数码问题(numpy)

努力是为了不平庸~ 学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。 目录 一、引言 二、思路 1. 确定问题和目标: 2. 确定算法和数据结构: 3. 编写代码框架 4. 实现辅助函数&#xff1…

CreateML 使用以及机器学习基础概念

1. 前言 在学习 CreateML 之前,我们先了解一下什么是机器学习?目前还不存在被广泛认可的定义来准确定义机器学习是什么。第一个机器学习的定义来自于Arthur Samuel。他定义机器学习为,在进行特定编程的情况下,给予计算机学习能力…

C语言-类型转换

数据有不同的类型,不同类型数据之间进行混合运算时必然涉及到类型的转换问题. 转换的方法有两种: 自动转换: 遵循一定的规则,由编译系统自动完成. 强制类型转换: 把表达式的运算结果强制转换成所需的数据类型 1 自动转换 自动转换原则 …