链路全贯通，价值引领数据能力升级-2024爱分析数据智能实践报告

报告编委 报告指导人张扬 爱分析 联合创始人&首席分析师 报告执笔人孟晨静 爱分析 分析师 外部专家（按姓氏拼音排序）田岚 火山引擎 数据产品大消费行业解决方案负责人 范涛 科杰科技 售前解决方案专家 特别鸣谢（按拼音排序） 目录 1.报告综述6 2.数据能力建设9 3.湖仓一体17 4.对话式分析21 关于爱分析24 研究咨询服务25 法律声明26 报告综述 5|2024昶ⴔ區·侨䰘兰腊㹊騨䫣デ 1.报告综述 数据能力已经成为企业的核心竞争力。政策驱动数据产业发展加速，如2023年国家数据局成立，负责协调推进数据基础制度建设，统筹数据资源整合共享和开发利用；2024年，《“数据要素×”三年行动计划（2024-2026年）》正式发布，要求数据要素应用广度和深度大幅拓展，聚焦十二个重要领域打造300个示范性强的典型应用场景。同时，2024年起正式将数据资源视为资产纳入财务报表，推动企业数据驱动价值创造。可以看出，近两年国家数据产业政策逐渐深化，从制度建设向落地应用过渡。在企业端，面向复杂的市场环境和多变的客户需求，企业对数据的依赖和挖掘愈发深入，敏捷强健的数据能力支撑成为企业实现数据驱动、获得市场竞争优势的前提。爱分析观察到，企业在数据能力构建中有两个明显趋势。 第一,企业数据能力的建设以数据消费为核心，以业务价值为牵引。 企业以往在构建数据能力时，通常是由技术部门或数据部门进行统一规划，并进行数据开发与管理，业务部门被动的使用企业的数据能力。然而，随着业务部门对数据价值的逐渐重视，以及对数据应用需求的快速增加，企业技术部门或数据部门已经不能满足业务部门的用数需求。为赋能业务部门更好的使用数据，企业数据智能基础设施的构建正逐渐转变为以数据消费为核心，基于业务价值创造需求对基础设施进行持续迭代。 第二，企业快速更新数据基础设施以迭代数据能力。 湖仓一体成数据平台架构迭代新方向。企业面临的数据环境日益复杂，如海量多元异构数据的爆发式增长带来的存储成本攀升，业务广泛落地AI应用要求对非结构化数据进行预测、探索分析，以及越来越多分析业务对计算时效从T+1提升到准实时或实时等。而企业建立在数据仓库或数据湖之上的数据平台无论在性能、存储成本、运维成本等方面均面临瓶颈，难以适应复杂数据环境。在此情况下，湖仓一体以其流批一体、弹性存储、多工作负载等特征成为数据平台架构迭代的新方向。 对话式数据分析成为数据基础设施融合大模型能力的率先落地场景。据爱分析观察，通过自动化、智能化提升效率将是企业数据基础设施的下一步迭代方向，而具备强大学习和预测能力的大模型，是实现数据基础设施自动化、智能化的关键技术。其中，数据分析是大模型与数据基础设施融合的优先落地场景。与传统数据分析相比，基于大模型的对话式数据分析具有明显的优点。如传统的数据分析方式中，固定报表依赖IT部门，探索性弱且重复开发现象严重，自助 式BI虽然具备探索性，但门槛较高，难以推广到业务人员全员使用。对话式分析以自然语言对 业务需求灵活响应、端到端数据洞察的自动化输出以及数据开发工作的简化等特征能有效改善传统数据分析体验痛点，实现全员数据分析。 在以上背景下，本报告选择数据能力建设、湖仓一体、对话式分析三个重点市场进行应用实践分析，为数据能力建设企业提供提供实践经验，加速推进数字化转型升级。 数据能力建设 8|2024昶ⴔ區·侨䰘兰腊㹊騨䫣デ 2.数据能力建设 2.1⟱⚌侨㶶⻊腊⸂䒊霃꬗⚰涸汥挿 多年的数字化转型，企业已经完成基础数据设施建设，如针对数据汇集，已经建设起大数据平台或数据中台；针对经营分析，建立起管理驾驶舱、业务看板；针对数据开发管理，搭建了离线、实时或是批流一体的计算链路。但企业在实际用数过程中仍存在重重障碍，诸如数据质量差、指标体系混乱、业务需求响应速度慢等，距离实现数据驱动决策仍有较远距离。以数据治理为例，从2004年起很多大型企业就开始进行数据治理，但数据质量差仍是企业面临的主要问题。数据中台更是被寄予厚望，数据中台完成了全域数据的集成，但由于缺少业务部门参与，实际的数据整合以及数据共享服务很难支撑业务应用，业务部门“取数难”、“用数难”的问题还是没有解决。 2.2⟄侨䰘嶊餩⚹呍䗱㸤㊤侨䰘腊⸂䒊霃 数据能力建设需要打通数据生命周期全流程。结合数据生命周期全流程来看，上述现象出现的原因恰恰在于企业虽然完成了数据采集、数据加工等环节的基础设施建设，但对于数据消费环节的数据应用建设缺失或不足，才导致管理层和业务团队用数难。爱分析也观察到，近两年企业数据能力建设重心转向数据消费，愈来愈重视指标平台、增强分析、CDP、供应链协同、可观测运维等系列数据应用建设。 图1数据能力建设需要打通数据生命周期全流程 数据应用建设将打通数据消费的最后一公里，推动企业上下形成用数文化，即时用数据论证和洞察，决策更科学、更敏捷，有效支撑业务场景、经营管理效率以及业务模式创新。 但同时需要强调的是，重视数据应用建设并不意味着数据基础设施的停滞，相反，以数据消费为核心能形成数据应用和数据基础设施建设相互促进的的正向循环。业务通过数据应用实现业务价值，在此过程中，一方面会持续产出高质量数据资产，另一方面也会暴露业务流程和数据模型不匹配、数据运营、数据资产管理等问题，进而倒逼数据基础设施有针对性的持续完善。而数据基础设施的持续完善也将加速数据消费在企业更广泛渗透，进一步提升业务价值。 图2以数据消费为核心促进数据基础设施建设和数据应用建设正向循环 呩⢾厤㹻歏⟱⚌⟄侨䰘嶊餩䌄⸓⚌⸉䎾欽䒊霃兰腊蠒Ꝉ⡤禹䲀鵳侨兰⻊鲮㘗 某家电企业系欧洲某领先的家用电器制造商的全资子公司。该公司打造了从采购、研发、生产、销售、物流直至售后客服为一体的完整家电产业链系统，业务领域涉足白色家电的各个领域，包括冰箱、洗衣机、洗衣干衣机、电热水器、厨房电器、小家电产品以及部分进口高端产品等。 自2014年起，该家电企业就已经开始尝试从多个方向进行数字化转型。如在业务方面，面向经销商 建立起一套数字化销售与供应链体系；面向消费者，在业内率先布局电商平台，并于2019年上线小程序商城。同时，该家电企业也在推进数据基础设施建设，搭建了数据湖和数据中台来提高对业务需求的响应效率。 侨䰘ꦼ崨⸓侨䰘嶊餩餻腊麁꣖烯 2020年受疫情影响，家电行业线下门店收入普遍缩水严重，与此同时，用户线上购物和线上服务需求大幅增长，线上渠道正成为家电行业自救的关键。 在这期间，该家电企业线上业务面临增长压力。在既有商城、小程序的基础上，该企业开始借助企业微信对私域用户进行运营，通过与用户互动向线上渠道引流来提高用户粘性、增加收入。但由于缺少系统性营销工具，该企业线上营销面临以下痛点： 1、数据难被业务利用。数据停留在数仓层面，且分散在多个渠道中，业务无法直接应用，需要数据 部门对数据进行整合加工；随着线上业务快速发展，业务需求增多，数据部门对业务响应效率变 慢，难以满足业务迭代需求。 2、业务操作以半自动、半人工方式为主，执行效率低。如在A/B测试中，该家电企业需要基于小程序开发两个版本，然后由业务手动圈人、打标，再针对数据回流进行人工分析，因此一个完整的A/B测试可能需要一个月的时间。又如在对用户群进行营销时，业务员需要反复手动分类、筛选会员，再按场景分类推送消息，随着用户数量日益增长，手工分类的方式难以支撑业务发展需求。 3、数据难以支撑洞察。一方面，虽然该家电企业已经建设了数据中台，但由于未考虑线上业务需求，对关键业务环节的埋点部署存在缺失，致使业务对消费者进行分析时，常出现数据缺损或数据 质量问题；另一方面，该企业在进行文案设计、推荐及热销榜等运营位选品、产品功能等决策时，由于缺乏数据支持，常以个人经验为主，营销效果难以保证。 在以上背景下，该企业希望推进数智化转型，实现智能化营销、数据驱动，并开始对营销工具及厂商进行选型。在选型过程中，该企业一方面对比多方营销工具的高效性、易用性，另一方面考虑到多工具之间的打通与联动，希望厂商能提供一站式解决方案，具备完整的技术架构和产品架构，系统性解决企业当下的营销需求。综合考量下，该家电企业最终选择与火山引擎进行合作。 火山引擎是字节跳动旗下的云服务平台，旨在将字节跳动快速发展过程中积累的增长方法、技术能力和工具开放给外部企业，帮助企业构建用户体验创新、数据驱动决策和业务敏捷迭代等数字化能力，实现业务可持续增长。 基于字节跳动10余年数据驱动和业务实践经验沉淀，火山引擎推出企业数字化升级新模式“数据飞轮”，以数据消费为核心驱动力，使企业数据流充分融入业务流，实现数据资产和业务应用的飞轮效应。数据飞轮体系的落地由数款火山引擎大数据产品进行支撑：数据资产轮层面包含云原生数据仓 库ByteHouse、云原生开源大数据平台E-MapReduce、大数据研发治理套件DataLeap、湖仓一体分析服务LAS、流式计Flink等产品，以数据消费推动数据资产融合统一，并进行高效、高质量的资产建设；业务应用层则包含智能数据洞察DataWind、A/B测试DataTester、增长分析DataFinder、客户数据平台VeCDP、增长营销平台GMP等应用型产品，让数据真正与业务场景相链接，助力企业在用户营销、私域运营等场景充分发挥数据价值。 图3火山引擎数据飞轮 䒸Ⰶ兰腊蠒Ꝉ鍒Ɀ倰呩䩧鸑侨䰘餴❡♸侨䰘嶊餩䗄梠 在本次合作过程中，该家电企业与火山引擎基于业务现状对方案展开了深入探讨，最终形成一套完整的解决方案，通过优化该家电企业自有渠道接触用户的场景，提升用户体验、改善销售效果。解决方案引入A/B测试DataTester、增长分析DataFinder、客户数据平台VeCDP、增长营销平台GMP、智能数据洞察DataWind等系列工具，实现以下两方面能力建设。 1、数—实现数据驱动营销决策 首先通过DataFinder，该家电企业对官网、小程序等重要渠道的数据进行了采集，随后针对采集的多源数据，通过DataWind从用户分析、会员分析、销量分析、渠道分析、商品分析等多维度建设业务分析看板，开展洞察分析；另一方面，该家电企业基于DataFinder采集的数据，结合A/B测 试工具DataTester，对消费体验全流程如页面设计和布局、产品描述和图片、价格策略、购物流程、广告推送等环节持续进行优化，基于数据进行科学决策，最终提升产品转化率。 2、智—实现实时智能化营销 1）建立统一的用户画像OneID体系 借助VeCDP可视化ID-Mapping配置能力，该家电企业能对分销、电商、市场营销等多渠道的各类一方数据，如用户行为、用户信息、订单信息、商品信息等全域数据进行清洗、整合，自动化、实时地完成标签管理，构建起全面、统一的用户画像OneID体系，赋予数据“业务语言”，消除业务用数门槛。业务能通过OneID用户画像体系实时开展精准营销。 2）实现多场景多触点的自动化营销 在GMP增长营销平台中，该家电企业营销人员能通过流程画布的方式，快速对用户属性、行为、标签等圈选，之后可设置按用户行为触发或固定时间推动等多种方式对多渠道用户进行触达。通过VeCDP联动GMP，营销人员可一键实现精准化、自动化用户触达，有效提升运营效率、改善营销效果。 兰腊蠒Ꝉ倰呩腊儑衼䲿⼮蠒Ꝉ佪桧ծ佖㊤欽䨪⡤낉 通过与火山引擎合作，该家电企业盘活数据资产，用数据改善用户体验、提升销售收入，实现数据驱动，同时也建立起自动化、智能化的营销执行流程，显著提升营销效率，具体表现在： 1、实现数据驱动决策。借助DataTester，该企业将A/B测试广泛应用在文案推送、运营位选品、 产品功能设计等多个实验场景中，并基于科学的实验报告结果，敏捷决策出优胜版本，告别过往经 验式的运营。 如小程序运营位的优化上，该企业通过DataFinder的人群分析，首先洞察出了用户对清洁产品和清洁服务两类产品有兴趣，随即应用DataTester验证该假设的正确性，按照实