「案例」星環科技×某能源企業：資料中臺實踐
案例企業
某能源企業成立於2008年，是成品油銷售領域的龍頭企業（以下簡稱“A企業”），由中外合資設立。A企業立足於陝西省及周邊地區，重點開展加油站運營管理及相關業務。目前在陝西、山西、河南、內蒙古自治區運營油站超過600座，會員超過600萬，每天為超過22萬名顧客提供高品質的燃油服務。
作為中外合資的混合所有制改革樣板，A企業透過市場化改革適應了國際、國內市場競爭，並積極應用數字化、智慧化新技術，建設幾十個資訊系統，取得了一系列重要成果，積累了大量實踐經驗。
業務挑戰
在資料使用過程中，A企業發現多個問題。
以油站運營為例：站長日常需要關注油站註冊使用者數、活躍使用者數、會員加油頻率、單筆消費金額、會員消費粘性等資料指標，但沒有一個統一平臺進行使用者資料的展現。此外，日常資料分析成本高、效率低，業務人員透過業務系統導數+Excel的半手工方式進行分析，需要自動化工具將業務人員從低效的工作中解脫出來。
造成資料使用問題多的原因可總結為以下幾點：
第一，業務環節缺少體系化串聯。
業務各個環節沒有深入的資料分析支撐，客戶洞察難度大，無法判斷哪些是高價值客戶、哪些客戶有流失傾向，資料價值難呈現，需要透過建設業務體系，例如閉環營銷體系、會員管理體系、異業合作體系等，將各個環節的業務串聯起來，形成合力。
第二，資料不統一、缺乏標準。
系統間資料不一致，資料交叉，資料流向複雜。例如，早期油站系統建設時，受到資料傳輸能力的限制，只能上傳彙總資料，明細資料則儲存在雲上。彙總資料依賴於人工操作，導致彙總資料和明細資料之間存在差異。因此，需要制定資料標準，設計整體的資料架構，形成統一資料模型。
第三，缺少資料服務體系。
資料服務的提供效率與業務訴求不匹配，需要形成資料服務生成體系，避免重複開發。
第四，未形成資料資產化。
資料未資產化管理，資料使用問題多，需要形成資料資產目錄。
第五，存在資料孤島。
主資料散落在多個系統中，儲存計算結構複雜，需要整合企業內部和外部的資料，統一儲存避免差異，並從業務視角重新組織。
解決方案
為解決業務技術痛點，A企業與星環科技達成合作，旨在打造平臺、管理、應用並重的資料中臺。
資料中臺建設並非一蹴而就，需要一個長期的過程，在星環科技的建議下，A企業採用小步快跑模式，在加強基礎能力建設的同時，推動重點業務資料價值探索，按需建設。
A企業資料中臺建設規劃分為三個階段：
第一階段：重點探索。
完成資料平臺搭建，進行資料資產管理運營，融合各系統資料，並以最迫切、價值最高的業務應用為出發點，在資料中臺探索如何實現，並形成資料敏捷開發機制。
第二階段：內部賦能。
將第一階段探索的成果推廣到企業內部的其他業務部門和管理部門，促進資料與業務的進一步融合，初步形成大資料應用生態。
第三階段：生態合作。
透過持續運營資料中心服務能力，形成生態化數字平臺方案產品，建立健全業務需求識別機制，實現應用生態百花齊放，讓資料產生價值。
根據三步走的建設規劃，資料中臺的目標是搭建三大平臺，推動數業融合，將原有“資料孤島”、“煙囪式”的資料儲存和開發工作，納入到規範化、標準化、資產化的軌道上，做到統一入口、統一出口、集中管理、高效服務。三大平臺包括：
資料整合平臺：
透過對資料進行集中採集、儲存、計算、加工，形成統一標準和加工口徑，透過資料整合確保資料一致性。
業務應用平臺：
沉澱共性資料能力，構建資料產品服務，提供資料、分析服務的共享開放和機制能力，賦能業務。
資料探索平臺：
針對特定場景挖掘研究、AI專題分析，深入洞察業務，最大化實現資料價值。
搭建三大平臺需要邁過“六層臺階”：
資料平臺建設、資料採集、資料管理、資料展現、業務支撐和資料探索
。其中資料整合平臺搭建後可以邁過前三層臺階，業務應用平臺搭建後可以邁過第四、五層臺階，資料探索平臺搭建後則可以邁過最後一層臺階。
從架構上看，
資料中臺整體架構分為資料中心、業務中心、統一介面、業務展現
四個邏輯模組：
資料中心將各個資料來源的資料接入後，透過ETF對資料進行清洗、整合、加工，並以工作流的方式進行管理。在資料平臺之上構建資料集市，支援資料查詢、資料探索、人工智慧等方式的資料使用，並提供平臺管理和資料管理能力。
業務中心對各個業務部門的業務場景進行抽象提煉，例如市場部、運營部、大客戶部都需要進行客戶分析，市場部、非油部、運營部都需要精細化運營分析等，基於業務場景拆解分析方法，包括BI維度分析、自助式分析、人工智慧分析等。
經過資料中心和業務中心的處理，將有價值的資訊透過統一介面對外輸出，並以視覺化方式進行業務。
從資料流轉生命週期的角度看，資料中臺體系架構可分為資料供給、資料加工&資料治理、資料服務和資料消費四個環節。
其中，資料加工&治理作為核心環節，資料中臺採用離線和實時計算儲存平臺，採集內部外全域資料，按照明細程度進行分層，按照業務主題進行分類，從橫向和縱向出發將原本分散孤立的資料組織和統一起來。
操作資料層是原系統資料在資料中臺的落地，明細資料層保留最詳細力度的資料，將各個系統相同主題的資料歸類存放，包括客戶、油站、交易、營銷、供應鏈、安全、財務、人力等主題。同時，根據資料使用的作用劃分維度和事實，包括員工維度、交易事實、人力事實等，將資料歷史透過事務事實、週期快照事實、累計快照事實等方式進行保留。將相同主題整合到同一個業務域，例如將員工、交易和人事組合為人力資源域，可以支援HR業務域所有基礎資料的需求。
彙總指標層對資料進行輕度彙總，主要用於加工常用和共性指標，客戶指標例如客戶月交易頻次、客戶常去的油站等，銷售指標包括分油品銷量、分客戶型別銷量等，營銷指標包括促銷金額、促銷費用等。
應用資料層根據業務需求，對資料進行深度彙總，組合為具有強烈業務指向的指標和應用，包括駕駛艙、運營日報、會員運營、油站運營、投資回報、定價分析、零售分析、靈活分析等。
資料在各層次不斷上卷的過程中，一方面需要保證資料始終處於良好的資料管理之下，包括元資料管理、資料質量管理、資料資產目錄管理等，保證資料安全；另一方面資產也需要分析、應用、最佳化和持續運營。
對於探索性、研究性場景，使用AI模型分析，例如客戶分群、客戶流失、異常交易、油站安全風險評估等，同時還支援指標、營銷、客戶標籤、財務管理等API類的服務。資料在服務過程基於開發平臺處理，遵循開發規範。
這種資料架構下的中臺具有穩定和健壯的特點，能夠透過抽象出來的能力為快速變化的業務賦能。
在資料採集方面，資料中臺採集各業務系統資料，資料型別包括結構化資料和半結構化資料，結構化資料包括Oracle、SqlServer、Hadoop、微軟雲等，透過星環科技Transporter工具進行採集，保證資料及時準確無誤接入資料中臺；對於半結構化資料，採用Shell/Java/Python指令碼的方式解析資料入庫。
在資料治理方面，基於對資料特性差異的分析，將資料分為基礎資料、指標資料和外部資料，並對每類資料來源進行資料資產盤點，制定每類資料資產目錄，編制資料標準，構建統一標準的資料模型，形成可持續的運營方案。資料資產目錄可以提供快速瞭解資料和業務的藍圖，為業務人員和分析人員提供備查的資料索引。
在團隊保障方面，A企業和星環科技全力配合、雙向協作，星環科技作為供應商將專案組成員分為專案管理、資料智慧、資料架構、技術架構和產品實施，同時配備專家組，全力支援A企業資料中臺建設。
A企業資料中臺專案從2019年10月開始，經過兩期專案，資料中臺初步形成了
統一資料入口、統一基礎模型、統一資料管理、統一展示出口的資料整合平臺、業務應用平臺、資料探索平臺
，面向管理層、業務運營層和一線油站提供KPI指標預警、多項專題類應用和資料類報表服務，充分發揮大資料對內運營的支撐作用，全面提升A企業精細化運營能力和效益分析能力。
資料中臺在A企業內部的典型應用場景如下：
業務應用一：領導駕駛艙
基於業務痛點和管理層需求，為不同部門定製開發駕駛艙，例如運營部門關心油站的銷量、車次、單價等，安全部門關心油站的月檢、周檢、影片檢查等。
透過聚合各平臺的資料資源，實現技術和業務的深度融合，透過數字化平臺保障支撐，快速反映KPI指標運營趨勢，為管理層決策提供資料依據。
業務應用二：油站運營
油站的零售運營涉及管理層、業務區域運營層和一線油站經理，不同層級的人員有不同的運營需求。但不同地區、不同型別的油站都獨立運營，缺乏統一的資料統計口徑和資料標準，油站運營狀況缺乏快速敏捷的分析支撐能力和有效的上下傳導管理機制。
透過油站運營分析，整合公司油站的運營資料，並統一資料標準，提供各項運營指標查詢監控、資料類靈活多維分析報表服務，發揮大資料對內運營支撐作用，全面提升油站的精細化運營能力和效益分析能力。
業務應用三：會員運營
對於會員分群，透過使用RFM模型，利用AI演算法對會員生命週期、會員使用者狀態、會員價值進行探索和分析，區分各個價值型別、各種活躍程度的客戶，從而有效制定營銷策略，提升客戶價值。
會員標籤體系包括會員資訊、會員油品交易資訊、會員非油交易資訊，透過建立會員標籤體系，可以分析不同地域會員的特徵，針對不同會員採取定製化的營銷方案與服務。
業務應用四：財務管理
財務管理涉及利潤分析、銷售定價分析和財務合規分析，利用資料中臺數字化、自動化、智慧化的優勢，可以快速支撐財務部門進行利潤計算、財務對賬和財務合規分析，提高財務部門的工作效率，並有效規避財務風險。
業務應用五：異常交易識別
透過對指標的拆解和處理，構建異常交易模型，識別異常交易。過去人工判斷的異常交易準確率在15%左右，異常交易模型將準確率提升到60%-80%，幫助企業挽回一定損失。
業務應用六：油站安全管理
加油站是易燃易爆場所，安全事故一旦發生會造成很大損失，因此油站安全管理尤為重要。資料中臺對油站的安全管理分為兩部分：
一是對現有資料的統計分析，視覺化展示各個油站的安全狀況，例如本年累計維修保養次數、油站裝置使用時間、本月安全隱患提交次數等，實現油站風險視覺化展示與跟蹤。
二是透過AI模型對油站安全風險進行評分，分為高中低三類，使業務人員重點關注風險較高的油站，解決人站不匹配問題。
價值與效果
資料中臺持續為A企業各個層面帶來切實收益，具體來看：
第一，落實公司數字化戰略，探索未來資料發展方向。
資料統計工作從最初繁瑣、易錯的依靠人工上報的形式到系統登入資料中臺，不同角色可以看到不同的介面及資料，資料使用更加方便、快捷、準確。
第二，資料打通融合，為油站運營提供全方位支撐。
資料中臺打破資料孤島，提供全方位資料支援，保證油站管理高效運轉。
第三，提升分析成果共享能力和分析效率。
從直接在各自生產系統上下載客戶或財務賬目明細資料進行分析計算，到不同系統資料匯聚到資料中臺，結合不同系統資料綜合分析。
第四，豐富資料應用場景，降低人力成本。
原來每個部門需要配備多人專門負責資料彙總呈現，現只需1人，節省了人力成本，業務部門也可將有限的人員和精力投入到最需要的地方和環節。
從業務的資料使用角度看，資料中臺實現三方面的效益：
第一，資料中臺對資料進行統一的沉澱處理，當其他系統需要時，可直接對外提供，避免重複開發，業務人員從一個入口就可以看到所有需要的資料。
第二，業務功能按不同角色進行梳理和劃分，開發出符合業務人員自身特點的操作流程，讓每個使用者都切身感覺到資料中臺是為其專人服務的。
第三，業務人員可以根據實際的使用場景選擇相對應的展現方式，支援手機、電腦、平板等多個終端便捷查詢。
經驗借鑑
幫助業務是資料工作的出發點和落腳點，資料中臺專案的規劃和設計必須結合業務考慮，同時提升業務的資料意識，實現資料和業務雙向正反饋，共同達到業務目標。
A企業資料中臺專案順利落地的關鍵成功要素有以下四點：
第一，領導支援是成功的保證。
高層領導的戰略引領、資訊部門領導的統籌佈局、業務部門領導的積極配合對於資料中臺專案而言缺一不可。
第二，提升業務的資料意識。
企業需要在全司形成使用資料解決問題和分析問題的氛圍，專案開展初期可以透過宣講等多種形式讓業務人員意識到資料工作的重要性以及當前所處階段和難點。當資料專案到後期，業務人員已經習慣於資料中臺提供的服務後，要避免成為業務的取數工具人，而是為業務進行賦能。
第三，選擇合適切入點開展工作。
各部門都有不完全相同的資料需求，無法一次性滿足所有業務部門的需求，可以優選選擇1-2個重要且有影響力的業務場景進行切入，爭取業務人員的理解和支援。成功實現了1-2個場景案例後，專案壓力減輕，方便後續工作的開展。
第四，小步快跑、持續迭代。
專案對效率的要求高，投產上線週期快，針對專案進行敏捷開發，實現小步快跑、迭代開發和迴圈演進。
