|
2019-04-04 09:26 从去年到今年年初，“中台”这个词成为一个火得不能再火的词，不知道这个词都不好意思说自己是首席营销官CMO，但究竟又有多少人真正对这个问题有深度的研究。 未来君帮助大家整理了八个关于“中台”的问题，希望对各位营销人有所启发。 “中台”这个词的来源是什么？ “中台”早期是由美军的作战体系演化而来的，技术上说的“中台”主要是指学习这种高效、灵活和强大的指挥作战体系。 2008年10月，阿里下决心彻底打通淘宝与天猫的数据和业务。技术团队首次尝试了在架构中加入“中间件”，这个解法相当于将每个交易、支付、会员等业务的共性逻辑抽取出来，沉淀到“中间件”之中，这也成为了阿里“中台”的前身。 阿里在近期发布“双中台+ET”数字化转型方法论，“双中台”指的是数字中台和业务中台。 其实，海尔在10年前就开始推进的“平台自营体支撑一线自营体”的战略转型，以及“人单合一”、“用户付薪”等，就可以被看作是一种初级的组织中台。 华为近年来提出的“大平台炮火支撑精兵作战”的企业战略，也可以被看作一种中台支撑小前台的策略。近年来，波司登利用中台策略，对全国3000多家门店的库存和销售数据进行实时监控，有效降低了库存和物流成本，利润猛增。 除此之外，2018年11月26日，据36氪报道，美团正在尝试打通美团APP全平台、大众点评、摩拜各个业务之间的数据，构建数据中台。 2019年3月19日，字节跳动也被曝出正在搭建“直播大中台”，抖音、西瓜视频、火山小视频这3款APP的直播技术和运营团队将被抽出、合并，支撑旗下所有的直播产品。 史上公认的最优秀的“中台”案例是什么？ 2015年年中，马云带领阿里众高管拜访了位于芬兰的移动游戏公司Supercell，这家公司以开发了《部落战争》《海岛奇兵》《卡通农场》等游戏知名。 令马云惊讶的是，这家创造了年税前利润15亿美元的公司，只有不到200名员工。他们分散作战，每个团队只需要不超过7名员工。团队可以自行决定开发什么产品，以最快的速度推出公测版。如果用户不欢迎，则迅速放弃，寻找新的方向。 支撑这种高效散兵作战模式的基础，是Supercell经过6年时间沉淀下来的游戏中台。中台将游戏开发过程中公共、通用的游戏素材和算法整理起来，可以同时支持几个小团队在几周时间内研发出一款新游戏，并能鼓励员工充分试错。 对Supercell的拜访让阿里高管们十分震撼。半年后，阿里效仿Supercell，启动了中台战略。 “中台”与大家一直所说的“平台“的区别是什么？ 我们可以看一下权威专家的观点： 吕建伟（用友研究院院长吕建伟） 中台是业务应用啊，平台是不带有业务特征性啊。刚才我就提到了零售中台、财务中台。 中台是被别人集成的，要爬在无数个别人的身上。而平台的作用一般是要集成别人的，让无数个别人爬到自己身上。 中台是动态变化的，是数据驱动不断训练调整人工智能业务算法和业务模型的。平台是静态的，一旦版本发布，不管你是今年调用这个功能，还是明年调用这个功能，出来的效果是一样的。 右军（蚂蚁金服成都研发中心技术团队创建者） 平台的特征是高内聚、低耦合，职责边界清晰、易于集成；而中台在高内聚、低耦合的基础上，更追求数据完整性、业务可运营。 从架构方法来讲，目前中台采用的多是渐进式架构的演进原则。例如，平台化的架构只要把架构师、开发、测试、产品凑在一起协同、排期、研发、上线即可；而中台化架构则是进一步把平台按能力、服务、实体进行管理，最终实现80%以上的业务需求可以由业务团队自行接入。 比如，在阿里内部，会员、交易、商品、营销、店铺等，都能自行形成一套中台服务体系，业务团队输入一个请求，就可以自动生成服务。 “中台”的核心模块是什么？ 这是罗兰贝格王欣给出来的核心模块图： 中台主要分业务中台、数据中台。
将业务中台内的主要组织模块分为客户管理、营销、供应链、研发，不同核心竞争能力的企业在中台建设中应切准功能建设重点。 目前以客户管理和营销见长的阿里，它的中台建设更着重发挥客户资源的整合功能，建立客户分析和维护工具；同时沉淀消费者行为洞察、营销规划与效果反馈工具。 而京东作为电商自营型平台，供应链是他们的核心竞争力。因此，京东的中台更侧重提供提效降本工具，并建立统一的质量管控标准。 如果说电商企业的中台改造是水到渠成的必行之事，那么以研发为核心竞争力的企业，改造的过程就需要更多的思考过程，路径也要曲折一些。 “数据中台”到底是什么？是一种产品？是一种解决方案型产品？是不是企业拿来部署安装就可以使用？ 数据中台是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一标准和口径。数据中台把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，进而为客户提供高效服务。 它是一种企业架构方法论。它是企业业务能力模型从当前状态逐步进化。它包括中台建设。它更重要的支撑是以共享为目标的“业务流程再造”和“业务组织重构”的过程。它是企业数字化变革的核心理论之一。 “数据中台”能够给CMO带来什么好处？ “数据中台”给CMO们带来的价值在于： 1、提升企业数字营销的精细化运营的能力 当市场部承接的数字营销预算大到一定程度时，便无法仅凭借营销人员的个人经验对营销活动进行微观操作。而在拥有数据中台后，便可依靠数据+技术，驱动整个营销体系的精细化操作；还可以站在更高维度审视营销在公司战略布局中的定位和作用。 2、提升营销执行的ROI 这是品牌主最常规的诉求，市场部绝大部分预算都分配在营销执行层面。按照每年1亿的营销投入计算，如果能通过数据提升1%的精准度，就能为广告主节省100万的成本，这是能最直接看到的真金白银。 3、提升市场部内部运营的整合度 当市场部内部职能划分过细，便需要通过数据来串接营销运营过程中的市场研究->市场策略->营销执行->效果考核，避免内部信息不对称，提升运营效率 。 和传统数据仓库对比，“数据中台”有什么差别？ 今天，广告主收集了大量描述消费者行为的“数据”（在后文会详述数据中台的主要数据类型），这些数据是基于消费者“设备”的数字数据（Digital Data）：
消费者使用的数字设备（手机、电脑、Pad等），每天都产生百万级的行为数据，广告主能轻易在数周内收集到TB级的数据。但这些大数据的管理和应用也对数据中台提出了更高的要求，主要技术革新包括以下三点： 数据中台的技术革新1： 数据治理的难度增加 传统营销数据大部分是基于email地址、手机号和姓名对消费者进行识别，不同数据源的打通难度较小。但消费者行为大数据基于多种ID（手机号、设备ID、Cookie ID、Mac等，具体在后文介绍），仅依靠广告主自有能力，很难实现ID的打通，打通的比率取决于广告主的数据量大小，在广告主的数据量没有达到足够海量前，需要依靠外部数据资源实现。
此外，消费者行为大数据中异常数据的比率远高于传统数据，例如广告主收集了1000万条浏览过自己主页的设备ID，这里面可能涉及到爬虫、虚假流量、无效浏览等多种场景，真正有价值的消费者数据量甚至会少于异常数据，这时需要通过算法或者外部数据资源对这些无意义的异常数据进行清洗。 消费者行为大数据的解读没有以往这般“直接”，知道了消费者浏览的URL，知道了他们在每个页面的停留时间，知道了他们经常出现的经纬度，这些大数据如何和业务关联和使用呢？ 数据中台的技术革新2： 数据分析的方式发生了根本变化 如果把这些原始数据比喻成蔬菜，在端上饭桌实际应用前，需要经过一个“烹调”的过程，即把原始大数据简化成业务侧能读懂的标签，“烹调”的方式有2种： a. 基于广告主收集的ID，到外部直接采购现成标签：例如广告主收集到浏览过自己官网的设备ID，想知道这些设备ID背后的消费者画像，可以对接外部数据源，对这些ID补充年龄、收入等标签，这个过程被称为Data enrichment。 b. 通过“知识图谱”进行数据结构化处理后，建立自定义标签：例如广告主收集了某消费者一天1000条位置数据，如果手上有全国所有小区的经纬度位置，便能知道这个消费者晚上住在哪个小区。如果有每个小区房价，就能去猜测这个消费者的收入水平。如果有全国办公楼经纬度位置，就能知道这个消费者的大致工作。如果有全国高尔夫球场经纬度，就能知道这个消费者是否有打高尔夫的习惯…. 以上这些对于原始数据结构化的“词典”，就被称为“知识图谱”（在后文会有单独有一章节进行解释），有趣的是，同样的行为数据，在连接不同知识图谱后，能获得不同的洞察结果和客户标签体系。知识图谱是广告主解读大数据、建立自己洞察体系的那把“钥匙”。 数据中台的技术革新3： 数据输出的实时要求 传统从大型数据库中提取数据需要花费数分钟甚至数小时，而今很多大数据的应用场景都是毫秒级别，例如某广告主想让不同消费者浏览自己主页时，看到不同的内容（千人千面），从技术上便需要实现毫秒级别完成以下动作： 消费者ID识别->消费者画像提取->展示图片匹配->图片加载 当以上闭环无法在毫秒级完成，无法实现实时输出，便会出现消费者数秒内打不开企业官网，从而失去耐心直接选择关闭的情况。 8 “数据中台”的三种形式 ●Data Lake（数据湖）：技术难度最重的一种，定位是企业业务层面的数据大集市，会整合全公司各种数据源，支撑的不只是营销场景，还包括企业个性化的业务场景，往往由企业的最高层直接领导，目标是帮助企业进行数字化转型。由于在数据对接和数据处理层面需要处理大量定制化数据源，因此构建过程往往以年为时间单位； 适合在广告投放领域投入大量预算的广告主，例如快消、汽车、化妆品、娱乐等； ● CDP（Customer Data Platform）：技术难度稍低的数据中台，定位是营销层面的数据大集市，目标是支撑各种利用广告主自有数据的营销场景。因为CDP通常只对接标准化数据源（例如两个广告主用的是同一款标准化CRM，他们的底层数据结构都是一样的），数据治理和数据管理相对容易，因此实施周期以月为单位； 适合消费者复购比率高，自有体系可以收集大量消费者数据的广告主，例如奶粉、零售、运动用品、化妆品等； ● DMP（Data Management Platform）：定位是支撑以程序化广告为主的实时营销场景，和Data Lake，CDP的最大不同是毫秒级数据输出。因为DMP主要用到的是广告监测数据、网站分析数据和第三方大数据，数据格式相对固定，因此实施难度最低。适用于有大量数据驱动应用场景的广告主，例如快消、零售、汽车。 -END- |
|
|
0
