数据中台助力企业数字化转型

闫彩霞　刘颖贾岚

摘要：基于企业数字化转型趋势，将企业信息化过程中各业务系统的数据用起来，通过数据中台建设将企业信息化过程中各业务系统的数据打通，使其为业务发展赋能。供应链成本控制和销售策略场景是高价值的数据中台应用场景，分析了采购、销售、库存、物流环节通过大数据进行成本控制的场景以及大数据销售策略应用。

关键词：数据中台;数字化;供应链;成本控制;销售策略

中图分类号：TP311        文献标识码：A

文章编号：1009-3044（2021）07-0249-03

1 引言

大数据、物联网、人工智能、5G等新兴技术的崛起，让世界发生了翻天覆地的变化，数字化是当今时代发展的大趋势，代表着先进的生产力。为加快数字化转型，我国实施了一系列的政策和举措。2020年5月13日，国家发展改革委、中央网信办、教育部等17个部门以及互联网平台、行业龙头企业、金融机构、科研院所、行业协会等145家单位，通过线上方式共同启动“数字化转型伙伴行动（2020）”[1]。2020年5月30日，新华社对外发布《关于2019年国民经济和社会发展计划执行情况与2020年国民经济和社会发展计划草案的报告》，报告中谈到了2020年推动数字经济发展的八项举措[2]，包括建立健全政策体系、实体经济数字化融合、持续壮大数字产业、促进数据要素流通、推动数字政府建设、持续深化国际合作、统筹推进试点示范、发展新型基础设施。报告还指出要实施全国一体化大数据中心建设工程。

企业数字化转型过程中，大数据是核心。随着信息技术的发展，大多数企业采用信息化管理。现在市面上的信息化管理系统各有千秋。各企业根据自己的需求配置了不同的信息化管理系统以及系统模块。随着企业业务和规模的发展，可能又添加了其他信息化系统。系统中存储了大量企业运营过程中所产生的各种数据，各业务系统和数据大多独立建设，无法互联互通，且系统开发标准不统一，数据标准和接口标准不一致。各系统各模块中的数据就像一个个孤立的岛屿一样，存储在数据库中。如何根据一定的场景、从庞大的数据中筛选出精准有效的信息并将其处理成有价值的数据来为企业服务，是数字化转型时期的企业管理者非常关心的问题。

2 数据中台

数据中台最早是由阿里巴巴提出的，其核心思想是让数据共享，具备应用价值，2019年是数据中台的元年[3]。数据中台是指企业利用大数据技术，对海量数据统一进行采集、加工、计算、存储，通过前期的设计形成统一的数据标准、计算口径，统一保障数据质量面向数据分析场景构建数据模型，让通用计算和数据能沉淀并能复用，提升计算效能[4]。数据中台实现了让企业的数据可持续的用起来，使各个系统的数据互联互通，解决数据孤岛问题。阿里提出的“大中台，小前台”的概念，将业务数据化，数据业务化，真正实现业务和数据的打通。数据中台的建设要与价值对齐，数据思维要比技术和数据质量都重要，不能一下子建大而全的中台，要基于小数据理念构建数据中台[5]。建设数据中台时，首先要应用数据思维的理念选择合适的数据分析场景，理清业务对于数据的诉求。要从高价值数据场景开始做起，然后顺着该场景竖切，扩散到数据全景图中的一个或者多个数据集合，从小场景落地，从大场景思考，全局贯通，避免后续产生数据孤岛。

3信息化系统供应链成本控制、销售策略场景分析

数据是企业决策的基础，而任何大数据应用都是基于一定的业务场景的。企业信息管理系统涉及采购、销售、制造、客户关系管理、财务管理、人事管理等多个模块，可以说是涵盖了公司运营的各个部门，蕴藏着诸多场景。基于企业信息化系统建设数据中台，可以充分利用已有运营数据的价值，助力企业决策，从而达到为企业带来降本增效的目的。对于大多数企业来说（如工业企业、制造业、电商等），供应链成本控制和销售策略场景是一个高价值的数据中台建设场景。企业为了提高盈利水平，需要在各个环节进行成本管理，同时要注重销售策略，在节约成本的基础上保障最大的销售利润。

3.1成本控制

供应链成本管理包括企业在采购、生产、销售过程中为支撑供应链运转所发生的一切物料成本、劳动成本、运输成本、设备成本等。数据中台的建设要关注供应链成本管理各环节各场景所涉及的相关数据。

（1）采购环节

采购的主要环节包括采购方询价、供应商报价、采购方维护报价单并进行比价、谈判、确定最终供货商等。采购环节的成本主要包括从询价到选择供应商的交易成本、采购商品的价格以及人工成本、采购商品运输以及后期库存成本。企业信息化管理系统中存储了大量供应商的数据，包括对供应商的评价记录、供货记录、产品质量、供货时效、议价区间、付款方式等。建设数据中台，充分利用供应商的历史数据，借助大数据分析技术，根据所购买的不同产品和不同需求，给出不同的决策建议，提高企业的议价能力，可以有效减少选择供应商时所耗费的人工成本和时间成本，避免因供应商的产品质量、供货时效等问题带来的风险。科学合理的采购计划可以大大节省采购流程成本，將信息化系统中存储的历史采购数量、采购频率、采购方式、采购质量等数据用起来，结合当下采购需求，通过大数据技术快速、准确地制订今后的采购计划，使采购流程自动化，协助精准定位所需采购的商品质量和数量，避免因采购质量不合适、采购数量过多或者采购数量不足带来的损失。

（2）销售环节

随着信息技术的发展，互联网营销已经成为销售的主流。本文主要从网络营销的角度来分析销售环节成本控制相关的场景。

首先是销售准备阶段。企业信息化系统中存储了大量已售商品的种类、功能特点和购买商品的客户信息，通过分析这些数据，可以得到用户的群体画像和用户个性画像，了解客户的购物倾向，分析推断出不同购物群体对不同商品的偏好，协助企业根据不同客户群体做出不同的销售计划，销售更受客户欢迎的商品。分析客户的历史评价信息、客户的投诉记录，有助于制定新的销售计划和改进销售管理。该阶段的数据分析可以节省销售准备阶段的人工成本，助力精准营销。

其次是营销阶段。通过大数据分析客户的历史购买记录和浏览记录，推测客户接下来一段时间的消费需求，并为其推送满足消费需求的商品;分析客户经常搜索的关键词并将其轉化为商品标签，使客户更易于搜索到所需商品;分析客户转化率，关注影响转化率的因素;实时关注销量变化，分析销量变化的原因并及时做出调整。利用数据分析技术可以节省营销阶段的促销推广的获客成本以及营销计划不合理带来的损失。

最后是售后阶段。挖掘客户评价中的有用信息，包括商品描述评价、使用效果评价、客服态度、物流速度等，根据客户评价信息与相关部门及时沟通并做出整改和优化，节省企业、客户、第三方合作公司（如物流公司）之间的沟通成本。

（3）库存环节

库存环节的成本主要包括库存持有成本、库存获得成本、库存缺货成本。库存持有成本是指企业为保有和管理库存而需要承担的费用开支，分为运行成本、机会成本和风险成本。运行成本包括持有仓库所需要的资金、设备投资、水、电、人工费用等。机会成本主要是库存所占用的资金可能带来的机会成本。风险成本包括库存安全保险、库存不合理存放而造成的损失。库存获得成本指为了得到库存而需承担的费用。库存缺货成本是指由于库存供应中断而造成的损失。

通过数据分析技术准确预测销量，企业可根据销量定位库存量，可以减少库存成本。一是减少因过多持有仓库带来的库存持有成本、库存获得成本，二是减少因缺货带来的缺货成本或者因货物过多、堆积损耗带来的风险成本。通过对历史库存数据和销售数据分析，得出安全库存，当库存量达到安全库存值时，应用自动补货功能可以解决人工补货成本高、时效差的问题，减少缺货成本。

（4）物流环节

物流成本是指产品实物在生产、加工、运输、装卸、包装、转移、储存等过程中支出的所有人力、物力和财力[6]。对历史物流策略以及物流成本进行总结、分析、计算，有助于制定更加合理的物流策略，减少物流环节的风险成本。基于大数据技术的科学备库[7]可以有效减少物流成本。在备库时，通过对历史销售数据和库存数据的分析以及未来一段时间的销售量预测，科学合理的设置不同位置的库存量，减少因库存过多或库存不足造成的额外成本。

3.2销售策略

本文在成本控制的销售环节中论述了通过大数据分析制定销售计划、为客户推送商品等，其实也是销售策略的体现。企业还可以利用大数据分析各网络营销平台的优势和劣势，根据产品特性以及受众群体特性选择最适合的销售平台;大数据在销售策略方面的应用还体现在精准广告投放、团购促销策略的制定、最优混合销售分析、限量销售方案制定等场景。

4 数据中台建设

通过对供应链成本控制和销售策略场景的分析，数据中台的建设涉及供应链环节的采购管理、销售管理、仓储管理、物流管理、客户关系管理等系统或者模块，需要将相关的数据进行汇聚整合，打破数据壁垒，形成共享数据池[8]，利用大数据技术，挖掘数据的价值，为企业所用。各个系统或者模块的数据再也不是一个个的孤岛，而是一笔宝贵的企业财富。

通用的数据中台架构包括数据汇聚、数据开发、数据资产体系、数据资产管理、数据服务体系、运营体系和安全体系[9]，囊括了从数据采集、清洗、加工、分析、应用、管理的整个流程。结合本文所述场景，笔者设计数据中台建设功能方案如图所示。数据汇聚是数据中台数据接入的入口，对于本文所述场景，除了汇聚来自企业内部各个信息化业务系统、已建数据仓库或者数据中心的数据，还要汇聚来自第三方合作平台的资源库。数据开发是一整套数据加工以及加工过程管控的工具，数据开发人员、建模人员把汇聚来的数据加工成对业务有价值的形式，供业务使用。经过数据汇聚和数据加工，数据已经具备了一致性和可复用性，是有价值的数据资产。数据资产管理把数据资产以更直观、更好理解的方式分角色分权限地展现给企业全员，实现了数据资产的可视化。数据服务体系使数据参与到企业业务，激活整个数据中台。运营体系和安全体系可以为数据中台保驾护航，使其持续、健康的运转，持续发挥数据中台的应用价值。

5结束语

企业数字化转型是企业跟上时代潮流的必经之路。数字化转型的逐步深入，日益放大了数据在企业决策中的作用。随着互联网应用扩张，人类社会逐步向“人与数据对话”“数据与数据对话”的时代过渡[10]。企业信息化系统经过多年的建设，积累了大量数据。数据中台建设将沉淀的数据用起来，重新作为生产资料为业务创造价值。基于供应链成本控制和销售策略场景建设数据中台，更智能地协助企业减少各环节的成本，为企业带来更多的经济效益，助力企业数字化转型。

参考文献：

[1] 数字化转型伙伴行动倡议[J].电子政务，2020（6）：121.

[2] 国家发展和改革委员会. 关于2019年国民经济和社会发展计划执行情况与2020年国民经济和社会发展计划草案的报告[N]. 人民日报，2020-05-31（002）.

[3] 韩向东，屈涛.基于数据中台的管理会计信息化框架及创新应用[J].管理会计研究，2020，3（Z1）：116-124+136.

[4] 谭虎. 详解阿里云数据中台[N]. 中国信息化周报，2019-10-28（014）.

[5] 李广乾.小数据是理解数据中台的关键[J].中国信息界，2020（1）：38-41.

[6] 戴君艳. 电子商务企业物流成本管理与控制研究[D].安徽财经大学，2015.

[7] 许雅玺.基于大数据的电子商务企业供应链成本控制[J].会计之友，2019（8）：130-134.

[8] 李刚. 企业数据中台的技术研究概述[C]. 天津市电子学会、天津市仪器仪表学会.第三十四届中国（天津）2020IT、网络、信息技术、电子、仪器仪表创新学术会议论文集.天津市电子学会、天津市仪器仪表学会：天津市电子学会，2020：132-135.

[9] 付登坡，江敏，任寅姿，孙少忆等，数据中台：让数据用起来[M]. 北京：机械工业出版，2020.

[10] 戚聿东，肖旭.数字经济时代的企业管理变革[J].管理世界，2020，36（6）：135-152+250.

【通联编辑：王力】