01
数据智能助力企业数字化转型
1.1 数据驱动是数字化企业的核心特征
近年来，数字化转型已成为各行业的共识。企业在数字化转型方面投入了大量资源。一些行业领先企业通过数字化成功实现了良好的客户体验和敏捷运营。
与信息化企业不同，数字化企业的核心特征是数据驱动。
从应用深度来看，企业对数据的应用是一个逐步深化的过程。总体发展经历了采集、监测、洞察、决策四个阶段。数据的应用价值不断提升，逐渐从业务数字化走向商业智能。
1.2 企业进入数据智能时代
目前，企业数据应用已进入业务决策阶段。机器可以根据数据和算法独立做出决策或给出决策建议，带来更高效的业务反馈和更大的商业价值。
随着数字化转型的推进，这种数据驱动的商业决策场景正日益渗透到传统行业。
1.2.1 数据智能的定义
艾析认为，数据智能是指基于中台系统融合大数据、人工智能、云计算、物联网等技术，利用数据实现智能决策。
为了实现数据驱动决策，企业需要具备统一管理数据、快速配置和开发业务的能力，从企业角度形成数据资产，输出数据能力，充分释放价值的数据。企业内部逐步形成数据中台。
数据中台使数据具备数据服务能力。同时，还需要优化数字资产的运营，让数据资产赋能企业能力快速迭代升级。这就需要有与业务密切相关的技术平台的支持。
然而，数据中心输出的是同质的数据服务。仅靠数据中心和技术中心无法赋能不同的业务场景。它们需要与业务系统结合才能真正利用数据。因此，数据智能是以数据中平台和技术中平台为基础，结合业务中平台，支撑企业上层智能决策和应用。
在数据智能阶段，企业可以基于数据中台和业务中台构建商业智能闭环。
1.2.2 数据智能技术应用体系
为了实现数据驱动决策，需要采集和处理大量的结构化、半结构化和非结构化数据，并基于复杂网络进行推理和决策。单纯依靠简单的数理统计已经不足以满足需求。因此，数据智能是融合大数据、人工智能、云计算、物联网等多种技术的技术应用系统。它贯穿于数据采集与预处理、数据存储与计算、数据分析与挖掘、数据展示与交互的整个生命周期。循环。
1.3 数据智能应用场景
数据智能已经在各行业的具体业务场景中落地，但各行业的应用成熟度差异较大。
不同行业数据智能应用场景的范围和渗透率不同，这与行业本身数字基础设施的成熟度以及数据智能与行业应用场景的融合程度等因素有关。
在行业应用场景中，金融、政府和公共服务是数据智能应用渗透率较高的行业。金融已经能够基于数据实现智能决策并取得显着效益，逐步过渡到数据驱动阶段。比较成熟的应用场景包括智能营销、智能风控等；政府及公共服务领域数据智能场景主要包括智慧政务、智慧安防等；消费品和零售正在加速应用利用数据来支撑其业务，整个消费品和零售行业的商业模式也发生了巨大的变化，主要体现在智能营销和全渠道中台应用场景；工业、能源等传统制造领域的数据来源和形式复杂，数字化程度较低。数据智能普及率较低，但企业已经意识到数据的价值。行业整体处于数据智能应用的初级阶段，目前以智能制造为主。
一些原本数字化程度较低的领域，基于数据智能技术的应用，出现了新的业态，例如自动驾驶、在线教育等。
（一）财务
金融领域数据智能应用成熟度较高，其基础设施和应用场景成熟度领先于其他行业。
在基础设施方面，金融行业业务对数据的依赖程度较高。因此，各金融企业基本完成了数字基础设施和数据应用，拥有强大的技术团队，在数字金融方面投入巨资，广泛应用大数据、云计算等技术。
就传统金融应用场景而言，营销、风控、反欺诈等场景都是非常成熟的数据智能应用，已经覆盖了完整的信贷业务场景。目前可以实现自动机审批和放款。金融领域的数据智能应用场景正逐步延伸至客户服务、产品设计等业务场景。
在证券行业，机器学习和大数据将成为新投资策略的源泉。
在保险行业，大数据可以对风险评估和定义、交叉销售、客户流失管理、索赔欺诈检测以及索赔预防和缓解产生影响。
（二）政府及公共服务
政府和公共服务领域的数据基础设施相对成熟，其数据应用成熟度目前处于数据决策阶段。
政务领域拥有最齐全的数据源，并在信息化方面投入了大量资金。智慧城市带来更丰富的数据。与此同时，政务云化进展迅速，数据资产日趋成熟。
从应用场景来看，早期政府主要利用数据大屏来实现业务监控。近年来，随着技术和数据资产的成熟度提高，政府部门已经能够实现数据洞察和数据决策。
(3)消费品和零售
受电商影响，消费品和零售是数据智能应用渗透率增长最快的领域之一。
在基础设施方面，消费品和零售行业数据丰富，但一般来自多个终端和渠道，包括门店、APP、小程序、服务号等渠道。渠道整合需求强烈。当前零售行业云化、数据资产化正在快速推进。
在应用场景方面，用户可以进行全生命周期追踪，企业可以基于海量数据形成消费者画像，在线智能营销的应用逐渐成熟。
未来，数据智能在智慧门店等线下渠道的渗透率将逐步提升。
综合数据分析平台赋能德克士创新连锁品牌运营模式
数据显示，目前中国餐饮市场规模达4万亿，并以每年20%的速度增长。但餐饮业面临着堂食流量减少、运营成本增加、渠道拓展困难等问题。与此同时，餐饮业正逐步向生鲜、团餐等多元化模式发展。数字平台和外卖系统更加成熟，疫情加剧。这种趋势的发展。因此，餐饮行业正在逐渐发展为数据驱动的商业形态，餐饮企业迫切需要能够快速响应客户需求的数字化系统。
德克士创立于1988年，是知名快餐品牌。其全国门店数量已超过3000家。面对餐饮行业的变化和挑战，德克士也在推动数字化转型，而实现数据驱动的业务运营分析是基础。在业务运营数据分析方面，德克士面临以下挑战。
首先，德克士连锁店覆盖多个城市。德克士连锁门店和总部以及各业务系统的数据分布在多个城市的门店。有加盟店和非加盟店，涉及多个部门和系统供应商，如收银系统、财务系统、会员系统、外卖平台、不同小程序供应商等运营中存在大量数据孤岛，它们的数据结构和规则不同。需要在数据安全的前提下保证数据实时传输到总部。 ，对于企业来说是一个巨大的挑战。
其次，原来的系统使用多个供应商。系统供应商的系统老旧，难以进行大规模修改和扩展。原有系统和数据结构下的数据分析会给企业系统带来很大的压力；同时，旧系统很难为新形式的数据交互提供快速、准确的交互方式。企业需要不断连接不同的应用服务，重新发明轮子。
第三，现有的数据系统无法支持实时运营数据和客户反馈的可视化。德克士需要系统具备可视化能力，以更高效地指导品牌运营。
为了解决上述问题，打造准确、敏捷、易用的数据分析平台，德克士与奋道合作启动BI系统建设。
奋岛是一家智能餐饮系统服务商。其产品和服务涵盖全渠道管理SaaS平台+业务数据双中台。通过“系统+数据+服务”，赋能餐饮零售企业线上业务，为企业提供一体化数字化解决方案。 。截至2020年8月，米道服务国内外连锁品牌超过2000个，覆盖全国400多个城市的55000多家门店，包括汉堡王、哈根达斯、DQ等连锁餐饮集团以及京东便利店、贝壳便利店等新零售企业。
鼎道全渠道中台连接各渠道，解决客户业务“数据孤岛”问题，统一输出可视化信息，帮助客户高效分析业务。同时提供共享API服务和服务对接，为餐饮新零售提供业务体系。它构建基础并连接前端和后端应用程序，以满足实时数据互操作和快速扩展新渠道的业务需求。
在不断服务客户的过程中，山岛也逐步完善和迭代产品模块。 拥有标准化的数据仓库平台。基于其后台系统，拥有30多套大型分析工具，包括产品分析、销售分析等，共计100+功能项。在数据来源方面，可以访问不同渠道的数据，且不限制访问平台的数量。因此，米道具备平台、数据、对接等多种能力，赋能餐饮企业不断优化运营和管理。
在数据治理方面，米道为德克士打造了数据中台和应用中台的“双中台”体系，打通数据，将德克士线上渠道和自有渠道的零散数据汇聚到平台中，包括外卖单据数据、生产数据、配送数据、顾客评论等，同时提供标准的数据结构，定义数据内容，对不同渠道的数据制定规则，保证各渠道数据的格式和定义平台一致，打破“商筒仓”和“数据筒仓””以避免重新发明轮子。 平台提供标准的信息交互接口API，不断捕获各端采集到的数据，并将其转换为标准格式。
同时，基于统一的数据中台和应用中台，德克士可以灵活扩展业务，选择最优的服务提供商。
在可视化方面，基于统一的数据结构，善导为德克士建立了BI系统。
奋道提供两种类型的OCRM报表：标准报表和定制报表。标准报表展示了运营、销售、财务、用户四个板块不同维度的详细数据。通过数据分析，可以分析店铺的日常运营情况，找出运营问题出在哪里，是否发货不达标，或者运营SOP不规范。 ;定制化报表可以根据商户的具体需求，快速生成汇总数据，例如与平台对账或自定义所需字段和计算逻辑。德克士可以根据业务需求，将数据分配给不同的业务部门进行报表分析。
例如，奋道会将各平台的舆情、客户评价等数据收集到BI系统中。德克士可以轻松地对系统中的德克士各平台的客户评价和反馈进行综合分析。
目前，BI系统上线后已覆盖德克士门店超过2190家，其中80%为加盟店。
在具体项目的实施过程中，德克士在连锁餐饮数字化转型方面积累了宝贵的经验。
首先，餐饮行业的未来是由数据驱动的。餐饮品牌必须重视数据的价值，因此企业需要将数据置于战略和管理的前沿。
其次，企业需要自上而下推进数字化转型，更新组织架构，协调企业的IT部门、业务部门、不同供应商等各个参与方，使不同部门能够快速融合，加快项目实施进度。
未来，德克士计划进一步上线订单管理系统，连接德克士会员系统、配送系统、客服中心等外部接口，推出订单管理、聚合配送、运营监控管理等SaaS服务，和营销管理。
数字零售平台为汽车品牌打造高端用户体验
一家全球汽车公司致力于为用户创造愉悦的生活方式，通过提供高性能的汽车产品和极致的用户体验，打造全球“用户品牌”。其品牌用户中心致力于为车主及其朋友打造一个一体化的自由空间，提供包括便餐、精品、图书租赁、空间租赁等一系列服务，发展多种商业服务，力争为车主朋友带来更多便利。为用户提供线上线下服务。一致的体验。
品牌拥有完整的开发团队和大量的业务系统。在提升多业态服务质量的过程中，其面临的主要挑战来自于多业态服务体系带来的前端用户体验差、后端运行效率低等问题。
在用户体验方面，一是用户支付繁琐，现金、银行卡、移动支付、企业币等多种支付方式无法集成在一台设备上；其次，多渠道数据碎片化，不同渠道的订单、库存、促销、会员等无法整合。权益等数据和规则不一致，客户多渠道消费体验不佳。
在业务运营方面，由于多个业务系统的存在以及数据碎片化，一方面前端支付数据无法整合到后端业务系统中。餐饮零售的收银和财务结算需要在两个系统中完成，繁琐且难以操作。效率低；另一方面，实时数据无法及时反馈给前端业务人员，前端无法快速灵活响应。
为实现线上线下融合，满足消费者日益升级的消费需求，品牌展开全渠道业务布局。多业务服务发展中关注的商品管理、订单管理、库存管理、支付管理、报表管理等都有数字化升级需求。需要解决顾客结账体验的一致性、线上线下促销方式的一致性、门店运营数据的实时性等问题。性问题。
品牌需要将分散在各个系统中的数据连接起来，但复杂系统的对接周期长，难度很大。完全放弃或更换原有系统意味着巨大的投资成本。因此，品牌商希望有一个兼容性更强的系统，既兼容原有框架，又具有高度的可扩展性。它不仅可以与公司原有系统完美对接，将碎片化的数据统一起来并统一管理，更重要的是可以实时整合数据。前端各业务接触点反馈，支撑业务高效运营；同时前端需要与数字化工具打通，赋能品牌提供更高端、更细致的服务。
该品牌数字运营部门与虎岛信息紧密合作，成立项目组，共同解决品牌用户中心的后端运营和用户体验问题。虎岛信息科技（上海）有限公司是行业领先的数字零售解决方案提供商。虎岛融合创新技术，为企业提供高性能、高可靠的技术引擎和实时、可复用的全渠道业务引擎，支撑零售业务场景的快速创新和拓展，帮助全球众多中大型零售品牌实现数字化转型。 。
针对品牌用户中心的诸多痛点，项目组利用强大的中端产品——虎岛数字零售平台，为品牌实现多业态零售的数字化升级。
（一）数字零售平台技术赋能——突破数据壁垒，实现业务联动
在不更换公司原有系统的情况下，虎岛帮助品牌打通公司许多原本各自独立的系统，连接产品数据、库存数据、订单数据、会员数据等，利用数字化平台进行统一精细化管理，整合实时数据及时反馈给前端业务，为业务运营提供决策依据，让品牌用户中心的前端业务运营获得更高的灵活性和更快的响应速度，提高运营效率。数字零售平台的可复用能力帮助企业降低重复对接成本，提高系统对接效率和数据一致性，支持第三方合作伙伴的跨语言、跨平台扩展能力，可以从原来单一的转型通过并行运营，企业可以快速满足未来市场不断变化的业务需求，快速落地创新的业务场景。
（2）数字零售平台业务赋能——开展全渠道一体化业务运营
基于数字零售平台实现数据整合，虎岛为品牌打造了全渠道业务管理中心，包括订单、库存、促销、会员等，优先处理全渠道业务的核心零售业务数据。在提高企业运营效率的同时，消费者的服务体验也得到了极大的提升。例如，支持各种复杂促销规则的全渠道促销引擎，帮助品牌实现线上线下营销优惠的统一。品牌导购可以直接查询用户优惠，快速取消优惠，保证用户体验。全渠道订单路由使品牌能够实现O2O全渠道订单的智能接单、分单、派单，提升订单履行能力。消费者可以在APP中查看全渠道订单状态，提升客户体验。同时，基于订单通行证、库存通行证、商品通行证等，支持品牌产品多种业态的录入，让品牌全渠道一体化业务运营更加高效地进行。
（3）门店数据智能终端——数字门店陪伴服务
此外，针对品牌希望用数字化工具赋能业务前端，为用户群体提供更高端、更细致的服务，虎岛为品牌配备了门店数据智能终端。通过此，门店店员可以摆脱收银台的束缚，随时随地为顾客提供服务，提供移动点餐和支付体验。支持多种支付方式，可组合支付。还支持导购积分兑换现金。用户只要识别一次，即可享受全流程收银服务，保证用户体验的一致性，让品牌客户享受到用户中心空间的体验。为高端用户带来极致的服务体验。
系统端，数字零售平台的功能不断迭代。基于Hudao构建的中台系统可以快速连接新的应用，而无需连接多个后端业务系统。例如，第一阶段首先实现了零售、餐饮的标准功能。第二阶段逐步增加餐饮BOM管理功能，赋能企业对餐饮进行精细化管理。第三阶段增加了虚拟商品、汽车商城、订单流程优化等功能。同时支持云仓，实现线下采购、线上配送流程的功能。
在用户方面，项目上线后，用户体验得到了很大的提升。原来，用户拥有POS机、微信、支付宝、积分购买等多种支付场景。通过对接企业支付系统，优化购物流程，前端扫描用户会员二维码识别用户后，一线人员可以使用PAD满足大部分支付场景。 ，用户可以在15秒内完成支付。
用户体验提升的背后是整个系统的优化，包括操作人员使用系统的便利性、后台数据处理和查询、物流的紧急补货和调整等，只有这样才能提升整体的线下体验流程。例如，会员线下购买后，可以实时同步到APP。系统可自动识别用户积分、购买历史、订单数据等，赋能并提升用户体验。
在业务方面，基于数字零售平台，店员和运营人员可以获得多角度的数据分析。一线服务人员可以获取会员、店铺、销售等数据，赋能更好地服务用户；后台可对商品、订单、库存、促销数据进行统一管理和实时分析，运营人员可获得深度分析报告，优化业务运营。
同时总部可以对各门店一线人员进行远程培训，系统提高整体运营效率，帮助企业精简运营人员，降低人员成本。
整个项目中，数据实时同步是核心难点，该汽车品牌的解决方案也可以为其他企业提供一定的参考。
该品牌最初使用的是T+1非实时BI系统。为了保证数据运行的实时性，需要将实时数据和后端数据打通。根据系统情况需要采用不同类型的对接方式。与传统仅开放API的SaaS产品不同，虎岛采用“千系统、千方面”的系统对接接口，根据具体情况制定具体的对接方案，确保接口响应时间满足用户需求。例如，虎岛可以采用订阅分发的方式保证数据同步，同时减轻系统本身的压力。
（四）工业与能源
工业和能源领域基础设施薄弱，数据智能应用尚处于起步阶段。
基础设施层面，工业、能源领域数据源众多，存在大量难以采集的非结构化数据。随着物联网、5G等技术的成熟和普及，工业和能源数据开始具备完整的数据采集基础。
从应用场景来看，工业和能源行业具有复杂的生产运营系统，需要大量设备和资源的协同。过去主要依靠人工经验进行观察和决策，业务数字化转型程度较低。目前，业务自动化已初步实现，但数据智能相对滞后。
（五）医疗及药品
医疗医药行业具备一定的数字化基础，数据智能的应用正处于决策阶段。
基础设施方面，医疗机构实现了基础信息化建设。目前，数据正在快速数字化，但数据格式复杂，尚未实现多源数据的整合和分析。下一步是完善数据互联互通。
从应用场景来看，临床运营和研发是数据智能最有前景的应用方向。
除了临床决策外，还可以基于大数据实施计算机远程监测进行慢病管理，利用大数据来预测流行趋势。
(六)教育
教育行业数字化转型正在加速，数据智能应用刚刚起步。
教育行业最近经历了广泛的在线化进程。随着K12、语言培训等领域一大批在线教育公司的崛起，教育行业初步积累了大量数据。目前，教育行业的数据积累以及核心教学环节相关的数据积累还比较少。非结构化数据的处理和分析技术尚不成熟，整体实施成熟度还有很大的提升空间。
从应用场景来看，目前主要应用场景是智慧校园管理，但数据智能技术已经开始渗透到教师教研、教学服务等业务流程中。
（7）通用职能部门场景：营销
在营销领域，线上营销场景已经完全线上化、数字化，线下营销场景随着智能终端、智能手机的普及也逐渐向数字化转型。各品牌也在加快数据中心等基础设施建设。从应用场景来看，数据智能已经开始渗透到用户洞察、营销策划、用户触达、用户转化、用户运营等品牌营销链条的各个环节。
“大数据+AI视觉”帮助游戏行业解决营销购买和创意痛点
随着中国网民的增长红利达到顶峰，创意内容营销对于各行业的广告来说变得越来越重要。以游戏行业为例。中国的游戏产业市场并不大。数据显示，每年竞争采购量的厂商仅有500家左右。但对于每个垂直品类的游戏，每个游戏公司都有相对较大的广告预算，广告竞争也比其他行业更加激烈。
早期，广告购买量壁垒的建立依靠的是信息不对称和规模优势。近年来，由于信息趋于透明，广告购买量的竞争日趋激烈，媒体渠道的规模优势锐减。成熟渠道遇到瓶颈，需要不断开拓进货渠道。获客成本变高，游戏厂商的压力与日俱增。
此外，与电商、教育等追求有效订单数量的行业不同，游戏是虚拟、在线的产品，比其他行业更需要即时反馈、追求投放效果。以效果营销为核心的游戏推广对能够带来良好营销效果的优质内容创意的需求越来越大。但行业也面临着创意匮乏、产能不足、材料生产成本高等问题亟待解决。
由此可见，当前游戏行业买量现状呈现出游戏买量更加注重产品与性能融合、买量市场领先优势明显、游戏买量进入短视频时代的特点。成本高、创意难、渠道难成为游戏。行业采购痛点是品质化、智能化、精细化将成为未来趋势。
是一家专注于移动广告情报分析的大数据公司。提供移动广告情报分析数据工具服务和垂直领域定制数据服务，推动行业移动营销创新发展。聚焦有效的内容营销端，提供数据相关的行业情报分析工具和带买量创意的全案营销服务。
-是一款专注于游戏行业广告的情报分析工具。它利用海量数据存储、AI视觉智能等核心技术，通过捕捉并持续追踪手游广告素材和营销创意，针对性解决游戏行业的渠道难点和创意。采购量很难等待。
-Tidea天翼是专注于移动购买创意的全案营销服务。在-海量数据的支持下，利用多年的技术和移动广告数据积累，深入移动游戏买量市场，基于精准的买量素材分析，针对不同类型的游戏定制热销创意思路，有效解决手游采购创意不足、物资生产能力不足的问题。
天翼基于“大数据+AI视觉”的解决方案可以提供情报分析洞察和内容创意服务。天翼首先对外部广告内容进行数字化分析，为客户提供大量数据分析研究，解读广告数据和趋势，用数据驱动客户广告内容的创意方向。接下来的创作过程、脚本、剧本等等都是由提供的。
广告、短视频等素材是天翼非常重要的挖掘方向。短视频的分析包括两个方面：一是识别广告主体和投放时间的原始数据，利用自己的算法估计投放概率；一方面，我们会对文案的内容进行分析，将市面上所有的视频在自己的系统中还原成脚本，利用AI技术进行拆解，通过文本语义挖掘找到内容创意的亮点，并进行标注游戏营销的卖点 更紧密相关的高频词标签最终将提高创意内容的生产效率。
1）基于海量数据，拥有海量数据能力
营销创意监控产品拥有强大的后端视觉和视频标注系统以及训练系统，方便各种模型的训练。核心技术主要在于海量视频数据的存储以及对视频、视觉数据的理解。 90%以上的数据标注是由机器完成的。
目前已与国内各大开发商、发行商达成合作，行业覆盖率近100%。每天分析超过10万条游戏创意数据。创意库收集分析了超过8000+万条短视频创意，涵盖了2017年以来所有优秀的游戏植入案例。
2）基于受众分析&AI智能处理，具备数据分析能力
基于大数据统计分析技术，对主流短视频平台投放的视频广告进行分析。分析维度包括视频广告的热门评论、评论者的属性、覆盖人群偏好的广告类型、受众喜欢的视频类型等。
与基础数据分析相比，天翼对数据进行了进一步深入的挖掘。除了视频持续投放时间这个单一维度之外，他还对视频进行了深入的理解，拓展了更多的分析维度。通过这些技术，天翼可以第一时间呈现创意市场的迭代和趋势，帮助客户分析和定位游戏的创意方向，从而提高命中率。
3）采用买量策略脑图&竞品分析，具有丰富的创意策划能力
在开始创意之前，天翼团队会根据游戏的统计数据对游戏类型进行全面分析，从游戏简介、玩家需求、游戏精彩点和爆发点等多个维度了解游戏，以定位创意方向和内容。采购量化策略方向。
此外，在内容创意方面，拥有自己的创意生产线，目前拥有两个创意基地。此外，还与外部视频制作供应商合作。客户可以直接从购买内容。最大的客户，如网易、腾讯、凯影网络，每月都会定期购买大量的创意内容用于广告。两大材料生产基地是后端支撑。
目前，我们正在与客户合作升级《梦幻西游》、《梦幻西游网页版》、《梦幻西游3D版》的购买营销策略，为客户提供受众分析、竞品分析、市场基本面分析等、素材策略等维度策略分析及广告创意制作服务。
《梦幻西游》系列自2020年大规模买量营销推广以来，在吸引大量“新玩家”的同时，招募了大量“老玩家”。仅iOS端月收入就突破1亿。
鉴于不同垂直领域的营销内容创意需要解决信息透明的共同痛点，未来游戏行业中的商业模式将直接复制到电商、教育、金融等行业、互联网服务等，广告的其他领域包括延伸和扩展。
欧洲老牌药品化妆品零售商借助日常互动智能营销解决方案进军国内市场
数据显示，中国美容市场正在快速增长，目前已成为全球第三大美容市场。在天猫平台上，美妆已超越母婴用品和食品，成为增长最快的子品类。与此同时，全球领先的电商平台发展和数字化创新让众多海外品牌看到了机遇。
欧洲药妆品牌是一家历史悠久的老牌药妆零售商。它最初是一家药店起家，通过代购和出境游，其产品已被中国消费者所熟知。该品牌看到了中国美妆市场的巨大潜力，于2018年9月首次进入中国市场，在天猫国际开设官方旗舰店。然而，面对竞争激烈、变化迅速的中国美妆市场，品牌面临以下挑战：
1）消费升级趋势下，中国消费者对高端美妆产品的需求不断上升。品牌的大众化定位不仅要面对国际高端美妆产品的冲击，还要应对中国本土美妆品牌的日益崛起。
2）作为欧洲美妆品牌，需要首先了解亚洲市场消费者的消费偏好，然后制定定制化营销策略，快速占领美妆市场。
为了解决上述问题，品牌选择Daily 作为合作伙伴。每日互动成立于2010年，是一家专业的数据智能服务提供商。其推出的新一代数据中台，以行业数据盘的形式为互联网运营、品牌营销、城市规划等各行业客户提供服务。在广告投放过程中，该药妆品牌使用了专注于品牌营销领域的日常互动行业数据板块中的“个人轻数据板块”。
“个人邓号牌”涵盖多维度用户画像分析、潜在客户开发、客流分析等功能，可充分满足品牌人群洞察需求。配合日常互动的“精准投放定向服务”，可以帮助品牌全面提升营销价值。
具体来说，个人数据平台从人口属性、兴趣爱好、媒体偏好等维度对指定人群进行全面的画像分析，洞察目标人群的特征。基于前沿的AI机器学习，可以扩大目标人群，帮助品牌找到更多具有相似特征和偏好的潜在消费者。在程序化投放过程中，在个体轻数的基础上，日常交互根据移动数据过滤流量。依托智能算法，可一键智能按需排序、选取数量，并不断优化TA浓度，实现精准高效。媒体接触。
以该欧洲美容品牌的产品广告为例。品牌利用个人光计数精准寻找目标消费者，挖掘潜在消费者，结合场内场外资源进行大规模精准广告投放，提升了品牌认知度。意识增加产品销量。
第一步：洞察目标消费者特征，进行群体测试，确定重点营销群体。
在洞察阶段，品牌利用格灯树盘的算法技术，充分挖掘天猫上与产品相关的用户数据，找出消费者的行为特征并生成用户画像标签，然后根据属性、行为特征等从维度上，种子用户被聚类细分为三类种子群体：精致女孩、活跃女性和知性白领。随后，品牌方会选择一小批用户进行测试。通过分析广告的曝光量和点击量，品牌最终确定了“知识型白领”作为后续大规模场外营销活动的焦点人群。
由于网站内部竞争激烈，流量获取成本不断上升。为了避免站内红海的正面竞争，品牌听从了哥登书盘的建议，将目光转向站外，依靠站外丰富优质的流量进行营销。大型广告的日常互动。 ，以优质成本有效吸引流量。
第二步：扩展算法发现潜在消费者，智能选货，实现场外大规模精准配送。
在投放过程中，品牌首先依靠日常交互数据库能力和机器学习，找出高潜力用户“知识白领”的显着特征，通过拓展算法，发现3000万+具有相似特征的潜在消费者。特征和偏好。之后，品牌基于个人灯数盘能力，精选知识白领偏好明显的短视频、新闻移动媒体作为投放渠道，并完成与国内主流DSP服务商的对接。
投放前，品牌利用Daily 独创的“弹夹模型”对媒体流量与TA的契合度进行排名，确保广告能够匹配优质流量实现精准曝光。在流量匹配过程中，每日互动会根据覆盖全网的移动数据判断流量的真实性，过滤掉虚假流量。
上线时，品牌以日常互动为导向，紧密联动站外和站内，将站外优质流量精准导入站内，提高目标消费者从曝光到购买的转化率。
第三步：通过品牌评估并验证交付结果
在评估验证过程中，营销活动完成后，品牌方会将数据导入品牌数据库（），对广告效果进行评估和验证。结果显示，该上线群体的品牌联想和购买/复购用户比例均显着高于普通电商活跃群体，实现了品牌推广与线上销售的“品效合一”。数据显示，此次营销活动不仅提升了品牌知名度，线上销售额也比预期高出127%。
此次合作，每日互动充分发挥数据和技术优势，帮助品牌全面洞察目标消费者，激发品牌新的营销思路和创意。这不仅有助于品牌抓住消费者心智，也能深耕中国美妆市场。数字营销开辟了更多可能性。
02
数据中台支持数据智能的实施
2.1 数据中心是数据应用的基础设施
在实施数据应用的过程中，企业面临大量的技术和业务组织挑战。数据中台作为一种新兴架构，是企业实现数据驱动业务的必由之路。它是支撑数据应用的新型基础设施，对企业数字化转型具有重要意义。
2.1.1 企业数据应用挑战与数据中心价值
对于数据中台的理念和实践，目前业界还没有统一的认识和通用标准。但随着企业数据意识和理解的增强，越来越多的企业对数据中台的价值形成了共识。
数据中心不仅仅是一个技术或产品系统，更是一种战略选择和组织形态。它是根据公司独特的业务模式和组织架构构建了一套不断将数据转化为资产并服务于业务的机制。
在推动数字化转型和数据应用的过程中，企业通常面临以下挑战：
首先，企业内部存在大量数据孤岛，数据碎片化，无法统一集成赋能业务。数据中心汇聚数据，统一数据标准和口径，然后存储形成数据资产，从而为业务提供高效的数据服务。
其次，在传统企业内部，IT部门通常负责数据的处理和管理，业务部门无法直接使用数据。数据中台可以实现数据的资产化、服务化，赋能业务部门人员进行数据分析和数据应用。
三是企业存在数据服务能力重复建设问题。数据中台连接数据前端和后端，实现企业数据开发能力的复用，避免企业投入重复的数据开发成本。
因此，利用数据中台的建设来推动数据智能化应用是非常有效的途径。
2.1.2 数据中心架构
数据中台连接前后端。基于底层数据存储和计算基础设施的建设，通过数据开发、数据治理体系和数据资产管理形成可对外服务的数据资产，然后通过数据服务体系将数据资产转化为数据服务能力。 ，支撑企业上层数据应用。数据运营体系和数据安全管理体系保证数据中心的持续运行。
2.2 数据中台建设及运营指南
数据中心不仅是一个复杂的技术架构，更是一套数据资产体系和数据服务能力。它也是一种企业和组织结构以及企业运作的流程和机制。艾析对多家企业的数据中台进行了案例研究，总结了数据中台建设过程中一些常见的最佳实践方法论。
2.2.1 顶层战略规划
数据中心是企业数字化转型的基础设施，是企业各部门共用的数据平台和数据服务系统。因此，数据中台建设的核心目的是服务于企业整体战略目标和业务目标。
同时，数据中心不仅面向技术人员，还面向业务人员。传统企业各部门之间存在明显的部门墙问题。数据中台建设需要在企业战略层面推进，在组织架构、资源等方面提供统一部署和支撑。
因此，企业在建设数据中台时，必须从顶层战略规划出发，从战略层面规划数据中台建设路径，调整组织架构，根据业务目标配置相关资源。
影儿时尚集团打造CDP客户数据平台，助力三年实现百亿目标
随着消费者需求的不断细分和技术创新的深入演进，市场和业态的快速变化对传统服装行业的商业模式产生了冲击。商业运营方式从粗放走向精细，从线下走向全渠道整合，从注重规模走向注重结果，数字化转型和智能化重塑是提升传统服装行业竞争力的核心。
影儿时尚集团是一家成立于1996年的大型服装企业，在全国拥有6个自主品牌、15个区域销售分公司、1500多家直营店和数百万会员。
2018年下半年，影儿集团制定了未来三年收入增长至百亿的目标，增长主张有三个重要要素：商品、市场、消费者。随着用户为王的时代的到来，影儿集团希望以消费者为中心，让消费者经营成为增长的主要动力。
鉴于消费者运营是非常适合实施数字化转型且见效快的场景，影儿集团选择作为数字化运营合作伙伴，推出数字化会员项目，搭建CDP客户数据平台，并通过数据优化和改进整个业务流程。
是中国领先的数据智能服务提供商。围绕数据智能平台构建“连接、安全、共享”的数据智能应用生态圈，帮助商业企业和现代社会实现数据驱动的智能化转型。
影儿集团携手，明确了从集团到品牌、从区域到终端、从基础平台建设到系统自动化、系统智能化的建设路线。将通过业务数字化、业务自动化和业务智能化三个阶段逐步推进，最终实现集团整体数字化能力的增长。
第一阶段：数字化基础设施，用“数据驱动业务”验证RGM增长模式
服装企业数字化转型的基础是“人、货、地”的数字化重构。在平台建设层面，影尔集团与公司紧密合作，确保数据采集、数据处理、平台能力与业务应用相匹配，实现了线上线下接触数据的合规采集以及标准化、标签化和标准化。数据脱敏。 ，打通数据到业务应用的输出路径，保证业务方能够准确、高效地应用数据。
在项目实施过程中，为了保证数据更加业务化、平台能力更加智能化，集团以“获新”为目标，首先以“半手工”的方式尝试整个数字化运营流程。本次营销活动基于易方内置的CDP客户数据平台，通过微生态裂变打通数字化运营闭环，实现了前期策略、过程中优化、后期三个方面的核心效率提升。 - 事件摘要。
此次“夺新”活动取得了优异的成绩，推文曝光量超过10万条，公众号新增粉丝超过4万，新注册会员超过4000名，活动转化销售额超过800万。然而，成本只有3万元。此次尝试不仅验证了项目的阶段性成果，也为后续全面推进闭环数字化运营奠定了基础。
第二阶段：数据赋能渠道品牌，驱动业务变现
基础数字化能力建设完成后，影尔集团逐步向各品牌、各大区域分公司及线上销售渠道释放平台能力，数据处理需求随之激增。 CDP平台提供的数据权限功能和标签可视化配置功能很好地解决了这个问题。不仅可以同时满足多个业务部门的数据需求，还可以实现业务人员灵活独立完成数据标签处理，既提高了工作效率又降低了成本。信息部门的通讯成本。
除了利用平台完成常规客户运营外，自有数据产品帮助影儿集团进行用户画像，指导门店用户洞察和选址策略，协助影儿集团为潜在客户打造数字化运营基础。
在数据平台的支持下，2018年双11期间，影儿集团网上商城摒弃了过去基于历史经验的“人群战术”营销，利用CDP平台进行客群洞察和细分，针对不同的人群一群人。设置不同的推荐权限、接入渠道、测试文案，然后分组触达用户，将营销活动全链路数字化，促进消费转化，最终实现销量提升90%以上，客单价提升超过20%，以及来自新客户的销售额。 2倍的优异成绩。
第三阶段：回购模式赋能终端导购，大幅提升运营效率。
随着项目逐步深入，从集团到品牌、渠道，平台能力逐步下沉，支持的业务领域进阶到终端导购层面。为此，影儿集团将导购助手平台与CDP平台打通，让导购助手数据可以回流到CDP平台，实现平台赋能导购的闭环运行。
为了满足实际业务场景的需求，平台开发了大量定制化的数据分析报告，跟踪各项运营活动的效果，然后叠加用户复购模型，优先为导购进行会员维护，引导导购确定高概率重复购买者，不仅提高导购端的用户操作效率和终端交易转化，还可以跟踪导购的履约完成情况，实现导购的智能化管理。
通过三期项目建设，导购加复购模式的常态化运作已渗透到每位导购员的日常工作中，真正实现用数据指导业务运营决策、用智能提升效率和收入，这也显着提高了客户满意度。
通过老客户回购模式，影尔集团改变了以往完全依靠经验和判断的运营方式，大幅提升了老客户的运营效率，实现了电话邀请率提升30%以上，老客户整体复购率10%以上，定向邀请老客户客单价比普通老客户高出30%以上，定向邀请老客户下单率20以上%高于普通老顾客。这真正实现了RGM从集团到终端的数字化转型。
未来，影儿集团将继续在流量、运营、数据、平台能力等方面拓展生态合作，整合多方资源，不断为业务赋能。
2.2.2 应用场景规划
数据中心的价值最终需要通过数据在业务场景中的应用来体现。因此，首先要做好应用场景规划。不同行业、不同阶段的不同企业需要不同的数据中台。企业基于明确的战略和业务目标构建数据中台，进而拥有可预测的业务场景。
航空公司基于数据中台重塑航油分析系统
民航单位的“直接运营成本”（DOC）包主要由三部分组成：固定成本、燃油成本、时间成本。其中，燃料成本约占总成本的30-40%。 2019年，中国民航局发布《航空承运人燃油政策优化实施指南》（CCAR-121-R5）征求意见通知，对不可预测的燃油政策进行优化调整。航空公司可以申请 5% 或更低的不可预测燃油政策。将不可预测的燃油从10%减少到5%以下，可以避免因燃油过剩造成的油耗浪费，大大降低公司的运营成本。
随着油价持续上涨、航空业竞争持续加剧，航空公司迫切需要在保证飞行安全的前提下，进行基于大数据的运营分析和数据挖掘，从而降低油耗，节省运营成本，以达到合规性。 R5最低燃油标准精细化运营管理的目的是提升航空公司的整体竞争力。
QAR 是航空公司最重要的数据资产之一。它完全记录了飞行过程的重要参数。数据质量很高，可以满足公司提供有效的运营决策支持的要求，从而提高了公司的成本控制水平，管理能力和竞争力。
因此，基于QAR以及汽车，A-CDM，CDM和其他关键操作的传统核心生产数据建立了统一的数据共享服务平台，以实现运营成本的多维管理，从而实现节能和减少和减少的能源公司运营成本。这已成为公司应对挑战并抓住机遇的重要手段。
航空公司的传统数据分析系统有多个痛点：
首先，该航空公司的原始数据仓库是基于施工的。随着业务发展，数据的数量增加，数据类型继续充实，数据融合的难度增加，并且操作分析的维度和精致场景继续变得更加复杂和加深。原始数据仓库无法有效地支持性能和灵活性，操作分析和燃料数据无法发挥其适当价值。同时，诸如不同指标，数据资产管理不足以及数据服务水平不足之类的问题严重限制了航空公司的数字转换。
其次，大多数飞机传感器的解码和访问标准是外国飞机或发动机制造商手中的。因此，民航公司经常在QAR数据分析中与他们合作。成本不仅很高，而且只能为某些方案提供数据分析，并且不支持场景扩展，而情景扩展无法满足航空公司不断增长的需求。
第三，公司的过去指标分析主要是由数据分析团队手动完成的，但是业务人员无法进行数据分析，从而导致数据分析师的工作量过多，并且业务人员无法灵活地分析数据。
基于此，该航空公司与Yixun 合作，共同为公司开发数据中间平台并创建指标管理平台。
上海Yixun Co.，Ltd。是提供数据治理和数据中间平台的全堆栈解决方案提供商。它依赖于独立开发的数据治理，数据模型和机器学习模型开发工具以及其他产品来提供大数据的收集，存储，分析和挖掘。有效的数据平台和服务为各个行业的客户提供了定制的解决方案。服务领域涵盖了智能城市，智能航空，智能物流，智能制造和其他行业，可帮助用户迅速实现大数据应用程序的价值。
该航空公司正在分两个阶段推进该项目。第一阶段是基于航空公司的业务系统构建数据中间平台。第二阶段是基于数据中间平台进行R5燃料分析，建立指标管理平台并改善指标管理系统。
DIPC是由Yixun 独立开发的数据中间平台产品，是一个用于数据仓库构建，指标系统构建和数据研发的一站式集成环境（开发，部署），涵盖数据仓库视觉建模和数据研究和开发（实时和离线处理），数据服务以及其他数据处理和服务过程，以实现智能数据开发以及数据仓库建模以及其他过程。
在项目的第一阶段，基于Yixun数据中端产品DIPC，该航空公司使用了标准化的建模系统和统一的集成数据开发功能来连接后端和业务前端的数据，从而有效地解决了前面数据的灵活需求 - 结束业务场景并解决了由于后端数据开发缓慢并提高开发和运营效率引起的容量不匹配问题；建立一个系统指标/标签系统构建航空公司的数据资产目录，实现航空公司的数据资产，并增强数据资产管理和控制功能；引入微服务架构来构建数据服务系统，实现数据资产管理和面向服务的开放，并启用有效的授权前端业务方案要求帮助航空公司提高其数据资产运营能力。
数据中心已成为航空公司的一站式数据研究与开发，数据服务和数据资产管理和控制平