数据中台与场景化分析

场景化分析并非只是简单的基于对业务场景的数据分析。它是建构于数字化时代企业IT新架构之上，以数据为基础的应用。数据中台的诞生和应用是场景化分析得以开展的前提条件，也为建构于数据中台之上的场景化分析带来了鲜明的应用特点。

与以往相比，互联网及云时代企业IT架构的核心变化就是中台体系的构建。今年以来，阿里提出的“数据中台“受到广泛关注。”数据中台“重构了企业数据系统的架构，将其分为三个层级，即第一层的数据存储与计算，第二层的业务应用和第三层的前端展现。

数据中台的基本架构

数据存储与计算层级的核心是如何将大数据技术融入到新的数据平台中。这个平台将企业ERP、SRM等各个财务和业务系统中接入的大量数据收集并存储起来，充分应用分布式计算、内存计算、数据智能解析等新技术，对数据进行实时的分类、整理、加工，使其成为清晰有序、有条理、有脉络的有用信息，并分享给第二层级开展数据应用和实现数据变现。这个层级包括计算平台、数据平台和机器学习三部分内容。

业务应用层级聚焦于对数据的各种应用，场景化分析就位于这一层级之中。场景化分析通过从数据和计算层级中实时接入的有用数据，基于丰富的业务模型开展数据的应用，使数据赋能企业业务和经营。不是所有的业务场景都需要场景化分析。企业可基于对业务场景的深刻理解和对业务痛点的清晰洞察，选择一个或多个场景开展场景化分析，并随着业务的开展随时调整或拓展场景化分析的领域。

前端展现层级聚焦于以多样化的形式展现数据分析应用的结果，这些形式包括管理驾驶舱、即席分析、自助报告、数据大屏、移动APP等，系统可以根据不同用户在不同场景下的需求调整合适的展现方式。

与传统分析相比，场景化分析呈现出五大鲜明的特点。

1、场景化分析以数据为基础但并不仅仅是单纯的数据展现。

2、场景化分析既有数据的输入又有数据的输出。

3、场景化分析有流程管理

4、场景化分析需要人员的协同。

5、场景化分析是双向的分析包括对数据的使用和反馈。

传统分析是单一的数据分析，组织单一、人员单一、流程单一、职能单一、输出结果单一。而场景化分析往往由高级管理人员领导，可以调集生产、销售、研发、财务、人力等多部门联动协作，站在全公司的整体视角解决场景中的业务问题，做出相应决策并上下协同实施。只有形成广泛的自上而下的团队，才能推动场景化分析的顺利实施。

同时，场景化分析的长期稳定推行依赖持续的PDCA循环，是一个闭环的管理流程。场景化分析将日常的执行和长周期的前瞻性规划连接在一起，可以实现按日、按月、按季、按年的上下横纵协同，通过滚动和整合的计划方法进行市场目标、财务目标、库存目标、服务目标和生产目标等的适时合理的调整，提高企业整体的运营效率。

从发展趋势上看，基于数据中台一系列新技术的应用，场景化分析在应用中呈现三大特点。

1、分析过程的自助化

以往企业在线分析系统往往由IT人员推动和建设，但随着财务转型的加速，越来越多的企业开始设置专门的数据分析岗位。固定格式的分析图表和仪表盘无法满足专业的数据分析人员对数据加工处理的需求，向IT人员提出分析需求等待开发报表也无法满足业务要求，为保证分析及时有效，自助式分析将成为企业场景化分析应用中的重要方式。

借助后台的多维数据模型，系统可以向数据分析人员提供更灵活的自助数据分析功能，让分析人员能够通过拖拽、点击等快速的操作，在数据模型中对数据进行快速、多维度的自助分析，并输出或保存分析报表。

2、分析技术的自动化、智能化

传统分析依靠人力遵循一定的路径对数据进行浏览和探索，通过数据间的对比来寻找数据异常以发现经营和管理中的问题并形成分析结论。这些重复性的工作（例行的分析报告）可以由系统利用自动化技术实现，释放分析人员查询数据的时间，让他们能够更专注地把精力花在分析数据背后的原因上面。同时，语音、文字交互，搜索引擎等智能化技术将助力系统理解问题并在后台数据库中探索数据，并以适当的形式呈现给用户，智能化在场景化分析领域有着广阔的应用空间。

3、结果展现的实时可视化

场景化分析的价值与结果的展现方式密切相关。过去，我们习惯用一张张数据表单呈现分析结果。这些布满数据的图表看似具体细致，却大大提高了管理人员的解读难度，从而降低了决策效率。管理人员可能需要花费大量时间在一张张分析报表中，无法快速识别风险和应对风险，并及时做出正确的决策。

而未来，管理层可以基于场景化的战时大屏，实时监控业务场景的运用情况，实时获取相关业务场景的重要分析信息，并据此做出战略决策和经营管理决策，以便达成企业绩效。在业务发生偏离时，及时提出预警并开展调整。设想一下，当决策人员与销售和生产团队一起，需要就制造方面的某个事项做决策时，所有相关数据都可以以战时大屏闭环展现的方式呈现在相关人员面前，决策人员则可以透过这些可视化的信息，基于特定场景快速完成决策。