案例企业

某能源企业成立于2008年，是中外合资设立的成品油销售领域的龙头企业（以下简称“甲公司”）。A公司立足于陕西省及周边地区，专注于加油站及相关业务的经营管理。目前在陕西、山西、河南、内蒙古自治区运营600多个加油站，会员超过600万，每天为超过22万客户提供优质的燃油服务。

作为中外合资企业混合所有制改革的典范，A企业通过市场化改革适应国际国内市场竞争，积极应用数字化、智能化新技术，建设了数十个信息系统，实现了一系列重要成果，积累了大量经验。

业务挑战

A公司在数据使用过程中发现了几个问题。

以加油站的运营为例：加油站业主需要关注加油站注册用户数、活跃用户数、会员加油频率、加油量等数据指标。单次消费，会员消费的粘性，但没有统一的平台展示用户数据。此外，日常数据分析成本高，效率低。业务人员通过业务系统衍生品+Excel的半手工方式进行分析，需要自动化工具将业务人员从低效率的工作中解放出来。

许多数据使用问题的原因可以总结如下：

一是业务环节缺乏系统衔接。业务各方面没有深入的数据分析支持，难以洞察客户。无法判断哪些客户是高价值客户，哪些客户容易流失。很难呈现数据的价值。产业合作体系等，将各个环节的业务连接起来，形成协同效应。

二是数据不一致，缺乏标准。系统间数据不一致、数据交叉、数据流复杂。比如早期加油站系统建设过程中，由于数据传输能力的限制，只能上传汇总数据，详细数据存储在云端。汇总数据依赖人工操作，导致汇总数据和详细数据之间存在差异。因此，需要制定数据标准，设计整体数据架构，形成统一的数据模型。

三是数据服务体系缺失。数据服务提供效率与业务需求不匹配，需要形成数据服务生成体系，避免重复开发。

四是数据资本化尚未形成。数据不作为资产进行管理，数据使用存在很多问题。有必要形成数据资产目录。

第五，存在数据孤岛。主数据分散在多个系统中，存储和计算结构复杂。需要整合企业内外的数据，统一存储，避免差异，从业务角度进行重组。

解决方案

为解决业务和技术痛点，企业A与环环科技达成合作，旨在打造平台、管理、应用并重的数据中心。

数据中台的建设不是一蹴而就的，需要一个长期的过程。A公司在传联科技的建议下数据中心服务，采用了小步快跑的模式。在加强基础能力建设的同时，推动关键业务数据价值挖掘，按需构建。

一个企业数据中台建设规划分为三个阶段：

第一阶段：重点探索。完成数据平台建设，开展数据资产管理和运营，整合各系统数据，以最紧迫、最有价值的业务应用为抓手，探索如何在数据中心实现，形成数据敏捷开发机制。

第二阶段：内部授权。将第一阶段探索成果推广到企业内部其他业务部门和管理部门，推动数据与业务进一步融合，初步形成大数据应用生态系统。

第三阶段：生态合作。通过数据中心服务能力的持续运行，形成生态数字平台解决方案和产品，建立和完善业务需求识别机制，实现应用生态开花，让数据产生价值。

根据三步走建设规划，数据中心的目标是建设三个平台，促进数字产业融合，将原有的“数据孤岛”和“烟囱式”数据存储开发工作纳入标准化、标准化和大写。在赛道上，实现统一进入、统一退出、集中管理、高效服务。这三个平台包括：

数据集成平台：通过数据的集中采集、存储、计算和处理，形成统一的标准和处理口径，通过数据集成保证数据的一致性。

业务应用平台：积累通用数据能力，构建数据产品服务，为数据和分析服务提供共享开放和机制能力，赋能业务。

数据探索平台：针对特定场景进行挖掘研究和AI专题分析，深入业务洞察，最大限度实现数据价值。

建设三个平台，要经过“六步”：数据平台建设、数据采集、数据管理、数据呈现、业务支撑和数据探索。其中，数据集成平台可以在数据集成平台搭建后进行前三步，在业务应用平台搭建后进行第四步和第五步，在数据探索后进行最后一步平台搭建。

在架构方面，数据中心整体架构分为数据中心、业务中心、统一接口、业务呈现四个逻辑模块：

数据中心在访问各个数据源的数据后，通过ETF对数据进行清洗、整合、处理，并以工作流的方式进行管理。在数据平台之上构建数据集市，支持数据在数据查询、数据探索、人工智能等方面的使用，提供平台管理和数据管理能力。

业务中心对各个业务部门的业务场景进行抽象提炼。比如市场部、运营部、大客户部都需要进行客户分析，市场部、非油品部、运营部都需要精细化的运营分析。解决方案分析方法，包括BI维度分析、自助分析、人工智能分析等。

经数据中心和业务中心处理后，通过统一的界面输出有价值的信息，以可视化的方式开展业务。

从数据流通生命周期来看，数据中台架构可以分为数据供给、数据处理&数据治理、数据服务和数据消费四个部分。

其中，数据处理&治理是核心环节。数据中心采用离线、实时的计算和存储平台，收集内部和外部的全局数据，按详细程度分层，按业务主题分类。数据是有组织和统一的。

运营数据层是原始系统数据在数据中心的落地。明细数据层保留了最详细的数据，对各个系统中同一主体的数据进行分类存储，包括客户、加油站、交易、营销、供应链、安全、财务、人力资源等。同时，维度和事实根据数据使用的功能进行划分，包括员工维度、交易事实、人的事实等，通过交易事实、周期性快照事实、累积快照事实来保留数据历史。将相同的主题集成到同一个业务域中，例如将员工、事务、人员合并到人力资源域中，可以支持 HR 业务域的所有底层数据需求。

汇总索引层对数据稍加汇总，主要用于处理常用索引和常用索引。客户指标如客户每月交易频率、客户经常光顾的加油站等，销售指标包括油品销量、按客户类型划分的销量等。衡量指标包括促销金额、促销成本等。

应用数据层根据业务需求深度聚合数据，组合成具有较强业务导向的指标和应用，包括驾驶舱、日常运营、会员运营、加油站运营、投资回报、定价分析、零售分析、弹性分析、 ETC。 。

在各级数据不断上卷的过程中，一方面要保证数据始终处于良好的数据管理之下，包括元数据管理、数据质量管理、数据资产目录管理等，确保数据安全；另一方面，资产也需要不断地分析、应用、优化和运行。

针对探索性和研究性场景，使用AI模型分析，如客户分组、客户流失、异常交易、加油站安全风险评估等，也支持指标、营销、客户标签、财务管理等API服务。数据在服务过程中基于开发平台进行处理，遵循开发规范。

这种数据架构下的中台具有稳定、健壮的特点，可以通过抽象的能力赋能快速变化的业务。

在数据采集方面，数据中心从各个业务系统采集数据。数据类型包括结构化数据和半结构化数据。结构化数据包括微软云、微软云等，通过星环科技的工具收集，确保数据及时准确。访问数据中心；对于半结构化数据，使用 Shell/Java/ 解析数据并存储。

在数据治理方面，基于数据特征差异分析，将数据分为基础数据、指标数据和外部数据，对每一类数据源进行数据资产统计，对每一类数据资产进行目录制定、编制数据标准，统一标准数据模型，形成可持续的运营方案。数据资产目录可以为快速了解数据和业务提供蓝图，并为业务人员和分析师提供数据索引以供参考。

在团队支持方面，A公司与传联科技全力配合，双向配合。作为供应商，传联科技将项目团队成员分为项目管理、数据智能、数据架构、技术架构和产品实施。支持A企业数据中心建设。

某企业数据中台项目于2019年10月启动，经过两期项目，数据中台初步形成了数据集成平台、业务应用平台、数据探索、统一数据录入、统一基础模型、统一数据管理、统一显示导出。平台为管理层、业务运营层和一线加油站提供KPI指标预警、多种专题应用和数据报表服务，充分发挥大数据对内部运营的支撑作用，全面提升精细化运营能力A 公司的分析技能和好处。

A企业数据中心的典型应用场景如下：

业务应用一：领导力驾驶舱

根据业务痛点和管理需求，为不同部门定制开发驾驶舱。比如运营部门关心加油站的销量、车次、单价等，安保部门关心加油站的月度、周度、视频巡查。

通过聚合各平台数据资源，实现技术与业务的深度融合，数字化平台保障支撑，快速反映KPI指标运行趋势，为管理决策提供数据依据。

业务应用二：加油站运营

加油站的零售运营涉及管理、业务领域运营、加油站一线管理人员。不同层次的人有不同的操作需求。然而，不同地区、不同类型的加油站独立运营，缺乏统一的数据统计口径和数据标准，加油站运营状况缺乏快速敏捷的分析支撑能力和有效的上下传输管理机制。

通过加油站运营分析，整合公司加油站运营数据，统一数据标准，提供各类运营指标的查询和监控，灵活的数据化多维分析和报表服务，充分发挥大数据的作用数据支撑内部运营，全面提升加油站精细化水平。运营能力和效益分析能力。

业务应用三：会员运营

会员分组方面，利用RFM模型，利用AI算法对会员生命周期、会员用户状态、会员价值进行探索分析，区分不同价值类型和活跃程度的客户，从而有效制定营销策略，提升客户价值。

会员标签体系包括会员信息、会员油品交易信息、会员非油品交易信息。通过建立会员标签体系，可以分析不同地区会员的特点，针对不同的会员采取定制化的营销方案和服务。

业务应用4：财务管理

财务管理包括利润分析、销售定价分析和财务合规分析。利用数据中心的数字化、自动化、智能化优势，快速支持财务部门进行利润计算、财务对账和财务合规分析，提升财务部门绩效。工作效率高，有效规避财务风险。

业务应用五：异常交易识别

通过指标的拆解处理，构建异常交易模型，识别异常交易。以往人工判断异常交易的准确率在15%左右，异常交易模型将准确率提高到60%-80%，帮助企业挽回一定的损失。

业务应用六：加油站安全管理

加油站是易燃易爆场所。一旦发生安全事故，将造成巨大损失。因此，加油站的安全管理显得尤为重要。数据中心对加油站的安全管理分为两部分：

一是对现有数据进行统计分析，将各加油站的安全状况可视化，如今年累计维修次数、加油站设备使用时间、本月安全隐患提交数量等。 ，实现加油站风险的可视化展示和跟踪。

二是利用AI模型对加油站的安全风险进行打分，分为高、中、低三类，让业务人员可以重点关注风险较高的加油站，解决错配问题人和车站之间。

价值与效果

数据中心继续为企业 A 的各个层级带来实实在在的好处，特别是：

一是实施公司数字化战略，探索未来数据发展方向。数据统计工作从最初依靠人工上报繁琐易出错的形式到系统登录数据中心，不同的角色可以看到不同的界面和数据，数据的使用更加方便、快捷、准确。

二是数据整合整合，为加油站运营提供全方位支持。数据中心打破数据孤岛，提供全方位数据支持，保障加油站管理高效运行。

三是提高分析结果共享能力和分析效率。从直接下载客户或财务账户的明细数据到各自生产系统进行分析计算，到将不同系统的数据聚合到数据中心，结合不同系统的数据综合分析。

四是丰富数据应用场景，降低人工成本。原本每个部门需要多人负责数据的汇总和呈现，现在只需要一个人，节省了人力成本，业务部门也可以将有限的人员和精力投入到最需要的地方和环节。

从业务数据使用的角度来看，数据中心实现了三个好处：

首先，数据中心对数据进行统一的沉淀处理。当其他系统需要时，可以直接对外提供，避免重复开发。业务人员可以从一个条目中查看所有需要的数据。

二是根据不同的角色对业务功能进行分类划分，制定符合业务人员特点的操作流程，让每个用户都能感受到数据中心在为自己的特殊人员服务。

三是业务人员可根据实际使用场景选择相应的展示方式，支持手机、电脑、平板等多种终端便捷查询。

经验

助力业务是数据工作的起点和终点。数据中台项目的规划设计必须结合业务考虑，同时提升业务数据意识，实现数据与业务双向正反馈，共同实现业务目标。

企业数据中台项目成功实施的关键成功因素有以下四点：

首先，领导支持是成功的保证。高层领导的战略引领，信息部门领导的整体布局，业务部门领导的积极配合，对于数据中台项目来说，缺一不可。

二是提高业务的数据意识。企业需要在全公司形成用数据解决问题、分析问题的氛围。在项目前期，可以通过宣传等多种形式，让业务人员意识到数据工作的重要性以及当前的阶段和困难。数据项目后期，业务人员在习惯了数据中心提供的服务后，应避免成为业务的数据检索工具，而是为业务赋能。

三是选择合适的切入点开展工作。每个部门对数据的需求不同，无法同时满足所有业务部门的需求。可以选择1-2个重要且有影响的业务场景入驻，争取业务人员的理解和支持。成功实施1-2个场景后，减轻了项目压力，方便了后续工作。

第四，小步运行，不断迭代。该项目对效率要求高，生产上线周期快。对项目进行敏捷开发，实现小步骤、迭代开发、循环进化。