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。