從“粗放式圈地”到“精細化運營”，關鍵是精準數據的挖掘、分析與預測，而大數據的落地卻并不盡人意。作為原阿里云數加平臺核心人員，付登坡坦言，曾在調研地產行業(yè)多家企業(yè)時發(fā)現，首先，客戶數據分散，大量商業(yè)地產、商場、住宅、酒店等客戶分散在不同業(yè)務板塊，導致客戶數據分散，整合難度加大;其次，數據資產難變現。傳統(tǒng)IT架構對海量數據(尤其是非結構數據)的處理方案顯得無能為力，企業(yè)大量數據冗余，導致技術人員也無從分析使用數據，客戶數據難以變現為企業(yè)數據資產;同時，應用場景難落地積累和沉淀的海量客戶數據不知曉從何處入手進行應用落地，無法為服務決策和業(yè)務過程帶來價值。企業(yè)相對滯后的數據處理方式和鮮明的市場需求讓數瀾有機會幫助更多企業(yè)實現大數據價值。
地產大數據平臺加速企業(yè)大數據落地應用
數瀾創(chuàng)始人兼CEO甘云鋒，前阿里巴巴大數據資深專家。在阿里巴巴之前，曾在華為、金蝶等科技公司任職。在阿里巴巴任職期間，負責大數據、阿里云創(chuàng)新數據工作室及人工智能業(yè)務。其負責的阿里巴巴集團最重要三款數據產品–ID-Mapping、TCIF、DMP管理了阿里巴巴集團淘寶、天貓、聚劃算等25個核心業(yè)務線的數據，將全集團用戶ID基于大數據能力有效歸一，構建集團消費者信息標簽體系3000+，支撐了阿里巴巴集團超過200多個業(yè)務單元，有效實現了阿里巴巴集團數據的資產化和業(yè)務化。
創(chuàng)建數瀾后，他帶領著由阿里大數據專家及金蝶、華為、移動等行業(yè)專家組建而成的核心團隊，希望利用傳統(tǒng)企業(yè)自身的數據去進行分析，反過來服務于企業(yè)，為其提供精準營銷、提升效率等解決方案，讓每個企業(yè)的數據都用起來——這正是數瀾成立的初衷。
對于大數據的落地應用，數瀾首先將企業(yè)數據分為4類：第一類為經營類數據，像CRM、ERP等;第二類為社會類數據，例如企業(yè)老板、企業(yè)活動中產生的;第三類為日志類數據，比如用戶的瀏覽足跡;第四類為企業(yè)外圍數據，像是行業(yè)等。這些數據單點做分析比較容易，打通后的全局數據則更有價值，可以用在企業(yè)供應鏈預測等方面。而這個打通的過程就叫做企業(yè)數據資產化，最后交付到企業(yè)手中的是真正可以為業(yè)務服務的數據，之后針對場景的應用就叫數據業(yè)務化。
這就是數瀾大數據平臺——數棲(DW.DaaS)在做的事情。其產品分三塊：首先是Data-Mapping——把各種數據連接起來;數據連接后變成資產則需要Data-profile來打標簽、組織;最后的應用部分則是Data-Service體系來提供數據服務。通過數棲數據交換平臺，可便捷進行異構網絡間交換，離線及實時數據處理;通過數據開發(fā)平臺，可實現數據開發(fā)、運維監(jiān)控、數據管理、質量管理;通過數據應用平臺，利用標簽管理、構建數據服務引擎，為客戶提供數據業(yè)務服務。整個數據應用加工流程可視化、模塊化，能極大的方便業(yè)務人員對數據加工處理，跟蹤管理數據關系流程等，有效提高數據應用開發(fā)的效率，可使地產大數據開發(fā)應用成本降低80%。
付登坡舉例道，在為萬科服務的物業(yè)大數據項目應用中，首先通過數棲平臺自然語言處理算法工具包，深度挖掘文本數據，基于百萬級詞庫，對地產物業(yè)服務相關信息系統(tǒng)中的非結構化文本數據進行挖掘、分類、歸一，形成國內首個針對報修(50+部位、100+對象、50+問題)、投訴(8個一級分類、60+二級分類)、滿意度調研數據(10個一級分類、70+二級分類、300+三級分類)的系統(tǒng)性標準分類體系，實現了數據資產化過程。
其次，物業(yè)服務的報修、投訴、滿意度等數據，通過數據連接、加工、挖掘形成多套標簽體系，標簽與數棲的數據服務引擎結合，形成數據服務與數據產品，利用大數據能力和行業(yè)認知，服務于具體業(yè)務，譬如：快速定位物業(yè)問題、合理評估合作伙伴、全鏈路提升業(yè)主滿意度、打造企業(yè)的專屬數據等，實現數據業(yè)務化過程。
