京东共享企业大数据的新认识和应用。计算机输出缩微胶片
大数据已经与我们每个人的日常生活紧密相连。
就举一个场景的例子吧。比如早上醒来，通过智能手表的数据发现昨晚的睡眠质量不是很好。早上洗脸刷牙后，走了1000多步到六道口地铁刷卡坐地铁。两站3元到了奥林匹克公园。在地铁上发现之前浏览过的一双耐克篮球鞋降价了。JD.COM主动推送这个产品信息，我立马下单了。
在这个过程中，我个人产生了睡眠数据、步行距离数据、地铁刷卡消费数据、地铁起点和目的地地理数据、JD.COM购物数据、微信朋友圈数据，所以作为一个大数据生产者，一下子产生了这么多数据。作为一个大数据消费者，以后我浏览JD.COM商城或者app的时候，系统可能会给我推荐枕头、篮球鞋或者其他与篮球鞋相关的产品，提高我的睡眠智能，朋友圈的朋友也可能会因为我的分享而购买。
我们产生的数据，在被企业尤其是互联网公司获取后，通过数理统计和挖掘算法进行聚类、拆分和预测，得到更相关的数据，通过这些数据把我们每个人描述成一个标签。比如性别、婚姻状况、兴趣爱好、收入、是否喜欢运动、推广敏感度等。，于是得到了我们每个人的很多属性，比如基本人口属性，购买力，行为特征，社交网络，心理特征，爱好等等。
企业掌握了这些数据后，如何利用？是不是通过这些数据来做营销，比如精准营销，精准广告，精准推荐商品？还是通过这些数据来细化企业的内部运营管理？还是利用这些数据改进生产工艺，指导产品的二次研发？这取决于企业大数据实践的水平。大数据的好应用真的可以提升到战略高度，用不好。大数据是锦上添花，可有可无。
根据数据挖掘的聚类思想，企业数据可以分为内部数据和外部数据，内部数据可以简单分为财务数据和供应链数据(大供应链的概念)。当然，不同行业企业的业务内容也有很多不同。比如在金融行业，可能投融资、现金管理等财务方面比较多，供应链比较少，而在制造业或者流通服务业，与供应链相关的数据会比较多。
财务数据主要是财务报表，尤其是三大财务报表，资产负债表、利润表、现金流量表。然后就是总账。总账里核算会涉及到科目，科目不够我们也会设置辅助核算。大部分企业也是每年做预算，大部分预算也是围绕财务指标制定的，或者是以财务预算为基础倒推业务预算。当然，理财的一大块是资金管理。
供应链中会有更多种类的数据，从供应链上游的供应商到下游的消费者，包括采购、仓储、物流、生产、销售、售后的数据。当然，我们还可以进一步细化每个环节。
另外，我相信任何一个关起门来做生产营销的人，都不应该主动去参考外部数据，包括国家政策、经济环境、股市行情、竞争对手、主要原材料价格等。
大数据的整体架构大部分企业应该实施BI系统或者报表自动化系统。如果这些系统是由乙方规划建设的，他们在规划或实施过程中制定的系统方案架构图不外乎三个层次，最多四个层次。
自下而上，第一级元数据层或数据源层是我们业务应用系统的数据、财务、供应链、人力资源、预算等等。
第二层叫大数据存储层，就是把各层的数据源收集到一个数据仓库里，然后到第三层，分析模型层，基于数据仓库建立分析模型。有些方案甚至直接省略分析模型层，直接到最后一级数据显示层，显示分析模型中的数据。根据笔者多年的经验，这样的组织形式最多可以叫BI系统，但不能叫大数据系统。
JD.COM大数据不是单一的系统或产品，JD.COM大数据应用已经融入到每一个业务应用系统中。我们的大数据收集平台在不影响系统或产品的效率和客户体验的情况下，定期实时自动收集Hadoop平台上的所有数据。以大数据平台为核心，将加工、处理、分析、挖掘后的结果分布到各个业务系统和数据产品，如商场、销售、数据罗盘、导航等。下图仅供参考:
企业大数据应用层面不是每个企业都是JD.COM，也不是每个企业都是互联网公司。不是每个企业的业务都必须有大数据支撑。企业在满足自身业务需求的前提下，是否也可以玩转小数据应用？答案是肯定的，大数据应用也可以分层次，每个层次满足企业对不同层次数据的需求。大致分为五个层次，每个层次都是循序渐进的。
1.业务监控
这是大数据应用的初级阶段，也就是传统的DW/BI阶段。在这个阶段，企业部署商业智能(BI)解决方案，它实际上是一个自动报告系统，用于监控现有业务的运行。
业务监控，有时也称为业务绩效管理，是指企业利用基本的分析方法，对业务运行低于或高于预期进行预警，并自动向相应的业务和管理人员发送相关预警信息。企业经营管理人员可以根据之前制定的预警规则，提前掌握企业经营情况，实现预警，帮助其采取一些具有针对性和预见性的措施和手段，防患于未然。
现阶段有两个关键点。一是预警规则的设计。常用的方法有参照法(同期比较、同类营销活动比较、同行比较)或指标法(品牌发展、顾客满意度、产品业绩、财务分析)。指标分析法就是选择合理的指标。当然，这里选择合理的指标，说起来容易做起来难。事实上，要做到这一点，需要动很多脑筋。我举个我之前遇到的例子。当时是给一个离散型制造企业的方案设计。他们在库存管理方面的绩效考核的一个很重要的指标就是库存周转率或者库存周转天数，这本来是一个很正常也很常用的指标。但是这个单位的库存管理存在假出库、假入库，导致库存周转率看起来很好。后来考虑用动销比和存销比做指标后，我们把库存指标和销售指标结合起来，避免了。这个例子的目的是说明我们在做业务监控的时候，指标的选择是非常重要的，既能准确公允的反映这个业务的经营情况，又能避免人为的造假。
2.商业洞察力
业务洞察意味着系统不仅提供数据报告，还提供“智能”报告或“智能”仪表板。需要通过前面基于历史数据的多维分析，进一步预测和挖掘出一些我们不知道的数据。
比如我在为杭州一家连锁酒店做项目的时候，我们需要根据酒店在全国范围内投资的酒店的数据，做出一些更有趣的东西。比如，我们需要根据之前投资过的酒店的装修投资、目前不同档次的入住率、酒店餐饮部的上座率和周转率、营业收入、成本、当地城市的竞争对手等情况，来预测一个新投资酒店的投资回报和回收期。此外，还有财务分析中常用的杜邦分析法。简单来说，杜邦分析是从财务角度综合分析整个企业财务绩效的模型。它的基本原理是，顶端是ROE。对于ROE，我们可以分解为ROA×权益乘数，ROA又可以分解为净销售率×资产周转率，然后再分解，最后就变成了一个充满财务指标的树形结构。因为这些财务指标都是通过财务报表项目、会计科目、辅助核算计算出来的，它们之间有着非常迫切的逻辑关系。这样就可以计算出一些技术手段来实现模拟预测。比如在做明年的预算或规划时，想提前调整一些财务指标，其他相关指标也会挂钩，比如增加净利润65，438+0%，销售收入，营销费用，管理等。这可以帮助我们提前预测，做出更好的计划和预算。
当然，现阶段还是有很多可以预测的，比如零售业。大多数类别的销售都有一个销售周期，我们可以根据销售周期来预测销售额。还可以根据历史用户对不同营销方式的反应、营销费用、营销商品、营销效果之间的关系，精准锁定目标人群进行针对性营销，提高营销效率，降低营销成本。
3.业务优化
业务优化对大多数企业来说还是很有吸引力的，这也是很多企业日夜思考的目标。其实现阶段可以一步一步来，至少企业有能力将分析技术嵌入到业务运营中。下面是我们之前为一家传统企业做过的案例。和大多数企业一样，这家企业也有ERP系统。在采购过程中，我们可以引入供应商绩效模型。当然，这个供应商绩效模型可能要考虑很多因素，比如供应质量、供应效率、次品率、售后服务等诸多因素。采购时，采购方可以根据供应商绩效模型自主选择合适的供应商。这是一个例子。此外，主要原材料的市场价格可以实时连接到采购界面，以便采购经理掌握采购周期，合理安排采购计划。
在零售行业，我们都知道商品、用户和用户、用户和商品之间有很强的相关性，就像啤酒和纸尿裤、巧克力和避孕套的例子一样。这里可以稍微讲一下大部分电商是怎么做的。通过购买记录中的这些产品，我们可以找出每两个产品之间的关系。这种关系是不对等的。比如买手机的用户一般都会同时买手机壳，买手机壳的人不一定买手机。这说明手机和手机壳是有关系的，而且是很强的关系。手机壳和手机的关系是弱的，这里用系数来解释关系的强弱。所以商品和商品之间的这种关系，我们形成一个商品模型。基于这个产品模型，我们可以更好地推荐用户浏览过、购买过、收藏过、评论过的产品。说完了商品，再来说说用户。用户可以通过相似的浏览行为、搜索行为、评论行为、购买行为来发现用户之间的关系。基于用户之间的行为关系，可以推荐一些与他高度相关的其他用户购买或者感兴趣的产品。这也是很多互联网公司在广告推荐、商品推荐、推广信息推荐的普遍做法。
4.数据盈利能力
数据盈利就是我们常说的数据变现，数据盈利的一种方式就是数据产品化。目前有很多数据服务公司可以收集手机游戏、app使用、用户行为等数据，通过他们的数据挖掘和分析技术实现变现的目的，然后通过产品或服务的行为输出。此外，手机厂商，如小米、华为等，都拥有上亿的活跃用户，掌握手机中一手用户的行为数据，甚至包括支付数据。可以实现的方面很多，限制他们的是他们的想法。此外，越来越多的传统制造商已经将其产品数字化。比如汽车+大数据变成了特斯拉，家居+大数据变成了智能家居。当然，这里有很多例子。
5.业务重塑
业务重塑应该是大数据成熟度模型的最高阶段。在这个阶段，一些企业希望通过分析客户使用模式、产品性能行为和整体市场趋势，将商业模式转变为新市场的新服务，如京东。COM的新业务，京东金融和京东智能。此外，我们可以运用我们的想象力。BAT有哪些业务是基于主营业务数据开发的？我们能想出很多吗？
中国乃至世界上真正拥有大数据的企业并不多。我们很幸运在电子商务的整个价值链中拥有大数据。如何挖掘这个金矿？只有我们自己的想法限制了我们。
以上是边肖分享的关于京东新的理解和应用的相关内容。COM的企业大数据共享。更多信息可以关注全球常春藤更多干货分享。