CN111679814A - 一种数据驱动的数据中台系统 - Google Patents

一种数据驱动的数据中台系统 Download PDF

Info

Publication number
CN111679814A
CN111679814A CN202010445493.5A CN202010445493A CN111679814A CN 111679814 A CN111679814 A CN 111679814A CN 202010445493 A CN202010445493 A CN 202010445493A CN 111679814 A CN111679814 A CN 111679814A
Authority
CN
China
Prior art keywords
data
unit
development
module
management
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010445493.5A
Other languages
English (en)
Inventor
陈新宇
周健文
蒲继强
陈新伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Yunqian Technology Co ltd
Original Assignee
Hangzhou Yunqian Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Yunqian Technology Co ltd filed Critical Hangzhou Yunqian Technology Co ltd
Priority to CN202010445493.5A priority Critical patent/CN111679814A/zh
Publication of CN111679814A publication Critical patent/CN111679814A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/30—Creation or generation of source code
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/12—Accounting
    • G06Q40/125—Finance or payroll

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据中台领域，具体涉及一种数据驱动的数据中台系统。该数据中台系统包括研发平台，用于提供数据处理的数据研发IDE工具；数据应用模块，用于提供商品的全渠道交易数据分析和商品营销数据管理；数据资产模型模块，用于提供多种数据资产模型，满足不同企业的业务诉求；其中，通过研发平台的数据研发IDE工具获取外部业务系统的数据，对数据进行处理，并结合数据应用模块的商品全渠道交易数据分析和商品营销数据管理，建设数据资产模型模块的多种数据资产模型，满足不同企业的业务诉求。本发明的数据中台系统能缩短企业构建自身数据中台系统的周期、缩短数据应用的开发周期，以及提高基于数据分析的业务决策效率和准确率。

Description

一种数据驱动的数据中台系统
技术领域
本发明涉及数据中台领域，具体涉及一种数据驱动的数据中台系统。
背景技术
互联网正在高速发展，企业为了紧跟市场变化迅速做出反应，越来越多的企业意识到需要沉淀数据，挖掘数据的价值才能拥抱复杂的市场变化，维持企业竞争力。同时，企业IT建设逐渐趋向成熟，企业积累了大量的数据，为企业数字化转型提供了数据基础。企业需要一套成熟的数据产品和先进的数据理念沉淀数据资产，孵化数据应用以实现企业经营目标，即通过一成熟的数据中台系统实现企业经营目标。
数据中台系统是指通过数据技术，对海量数据进行采集、计算、存储、加工，同时统一数据标准和口径，同时还包括构建数据中台系统过程中的所需要模型服务，算法服务，建设数据中台系统需要的组织、流程、标准、规范和管理制度等。数据中台系统把数据统一之后，会形成标准数据，再进行存储，形成大数据资产层，通过数据挖掘和分析工具实现数据服务能力，进而为客户或生态提供高效服务，同时，这些服务跟企业的业务有较强的关联性，是这个企业独有的且能复用的，它是企业业务和数据的沉淀，其不仅能降低重复建设、减少烟囱式协作的成本，也是差异化竞争优势所在，增强企业快速创新和，助力企业构筑业务生态。
由上述可知，企业构建自身的数据中台系统需要对海量数据进行一系列的处理加工，开发独有的算法、模型、标签等，构建周期长、数据出错率高，且企业决策的效率及准确率低。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种数据驱动的数据中台系统，解决现有企业构建自身的数据中台系统周期长、数据出错率高，且企业决策的效率及准确率低的问题。
本发明解决其技术问题所采用的技术方案是：提供一种数据驱动的数据中台系统，包括：
研发平台，用于提供数据处理的数据研发IDE工具；
数据应用模块，用于提供商品的全渠道交易数据分析和商品营销数据管理；
数据资产模型模块，用于提供多种数据资产模型，满足不同企业的业务诉求；其中，
通过研发平台的数据研发IDE工具获取外部业务系统的数据，对数据进行处理，并结合数据应用模块的商品全渠道交易数据分析和商品营销数据管理，建设数据资产模型模块的多种数据资产模型，满足不同企业的业务诉求。
本发明的更进一步优选方案是：所述研发平台包括：
数据开发模块，用于对数据中台系统的建设内容进行管理，并进行数据的离线和实时采集；
数据资产管理模块，用于对数据资产进行管理与监控，并对数据进行质量校验；
标签工厂模块，用于构建企业的自有标签体系；
IDmapping模块，用于对企业多个业务渠道的用户数据进行统一管理；
自助分析模块，用于提供多种数据可视化应用的配置界面。
本发明的更进一步优选方案是：所述数据开发模块包括：
项目管理单元，用于对数据中台系统的建设内容进行管理，所述管理包括发布工作流任务到调度系统，激活或禁用当前项目，复制当前环境的工作流、开发任务、数据模型到新的环境；
离线开发单元，用于进行离线采集数据任务；
实时开发单元，用于业务及行为数据的实时采集。
本发明的更进一步优选方案是：所述数据资产管理模块包括：
数据资产管理单元，用于构建全域元数据中心，对数据资产进行管理与监控；
数据质量校验单元，用于对过程数据和结果数据进行质量校验。
本发明的更进一步优选方案是：所述标签工厂模块包括标签洞察单元、个体洞察单元、标签管理单元、分群管理单元和标签计算引擎单元。
本发明的更进一步优选方案是：所述数据资产模型包括指标资产模型、算法资产模型和标签资产模型。
本发明的更进一步优选方案是：所述算法资产模型包括销量预测算法模型、智能组货算法模型、智能补货算法模型和智能调拨算法模型。
本发明的更进一步优选方案是：所述数据应用模块包括：
数据分析平台，用于商品的全渠道交易数据的分析；
门店智能货品管理系统，用于对商品营销数据的管理。
本发明的更进一步优选方案是：所述数据分析平台包括：
数据分析单元，用于通过配置对商品的全渠道交易数据进行分析，所述全渠道交易数据包括消费者数据，商品数据，销售数据，供应链数据，人资数据，财务数据；
预警推送单元，用于对数据分析单元任意指标进行规则配置，对数据异常情况进行预警。
本发明的更进一步优选方案是：所述门店智能货品管理系统包括商品智能组货单元、商品智能补货单元和商品智能调拨单元。
本发明的有益效果在于，与现有技术相比，通过设置具有研发平台、数据资产模块和数据应用模块的数据中台系统，提供企业对数据进行处理的数据研发IDE工具，结合商品交易数据分析和营销数据管理的数据应用模块，构建多种数据资产模型，满足不同企业的业务诉求，本发明的数据中台系统是基于大数据技术打造的一站式数据整合能力平台，提供企业全域数据采集、融通、聚合、对外服务与数据资产管理能力和通用的数据资产模型，企业基于本发明的数据中台系统，做少量的定制化开发便可构建自身的数据中台系统，大大缩短数据中台系统的构建周期、缩短数据应用的开发周期，以及提高基于数据分析的业务决策效率和准确率。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明的数据驱动的数据中台系统的结构框图；
图2是本发明的研发平台的结构框图；
图3是本发明的数据开发模块的结构框图；
图4是本发明的数据资产管理模块的结构框图；
图5是本发明的标签工厂模块的结构框图；
图6是本发明的数据应用模块的结构框图；
图7是本发明的数据分析平台的结构框图；
图8是本发明的门店智能货品管理系统的结构框图。
具体实施方式
现结合附图，对本发明的较佳实施例作详细说明。
如图1所示，本发明提供一种数据驱动的数据中台系统的优选实施例。所述数据驱动的数据中台系统，包括研发平台100、数据资产模型模块200和数据应用模块300。其中，研发平台100用于提供数据处理的数据研发IDE工具；数据资产模型模块200用于提供多种数据资产模型，满足不同企业的业务诉求；数据应用模块300用于提供商品的全渠道交易数据分析和商品营销数据管理，通过研发平台100的数据研发IDE工具获取外部业务系统的数据，对数据进行处理，并结合数据应用模块300的商品全渠道交易数据分析和商品营销数据管理，建设数据资产模型模块200的多种数据资产模型，满足不同企业的业务诉求。
通过设置具有研发平台100、数据资产模型模块200和数据应用模块300的数据中台系统，提供企业对数据进行处理的数据研发IDE工具，多种数据资产模型，以及商品交易数据分析和营销数据管理的数据应用模块300，提供企业全域数据采集、融通、聚合、对外服务与数据资产管理能力和通用的数据资产模型，企业基于本发明的数据中台系统，做少量的定制化开发便可构建自身的数据中台系统，大大缩短数据中台系统的构建周期、缩短数据应用的开发周期，以及提高基于数据分析的业务决策效率和准确率。
本发明的数据中台系统能满足企业数字化转型过程的全部数据采集和处理需求，同时也提炼了通用的数据应用能力，赋能业务决策。
其中，研发平台100是基于主流的大数据研发框架，通过增加中间适配层和可视化操作界面而研发的数据研发IDE工具，覆盖了企业构建自身的数据中台系统过程中所需要的各种工具，满足企业的全方面的数据处理链路，可以解放开发人员的生产力，极大的缩短数据价值的萃取过程，提高企业提炼数据价值的能力，企业构建自身的数据中台系统无需从零到有，无需重新开发多种新的工具，大大缩短企业构建自身数据中台系统的周期。数据研发IDE工具是用于提供程序开发环境的应用程序，一般包括代码编辑器、编译器、调试器和图形用户界面等工具。
具体地，参考图2，本实施例中的研发平台100包括数据开发模块110、数据资产管理模块120、标签工厂模块130、IDmapping模块140和自助分析模块150。数据开发模块110用于对数据中台系统的建设内容进行管理，并进行数据的离线和实时采集；数据资产管理模块120用于对数据资产进行管理与监控，并对数据进行质量校验；标签工厂模块130用于构建企业的自有标签体系；IDmapping模块140用于对企业多个业务渠道的用户数据进行统一管理；自助分析模块150用于提供多种数据可视化应用的配置界面。
其中的IDmapping模块140是基于大数据智能分析及图算法，把企业中多个业务渠道的用户数据识别为一个自然人，并对各个渠道的数据打通，进行统一的分析，从而实现对于同一个用户进行多渠道、多纬度的分析和运营，便于企业对用户的管理。
其中的自助分析模块150为企业人员如业务人员/数据工程师/数据分析师/数据科学家，提供一站式数据可视化解决方案，企业人员只需在可视化的配置界面上简单配置即可服务多种数据可视化应用，并支持高级交互/行业分析/模式探索/社交智能等可视化功能。
进一步地，参见图3，本实施例中的数据开发模块110包括项目管理单元111、离线开发单元112和实时开发单元113。项目管理单元111用于对数据中台系统的建设内容进行管理，所述管理包括发布工作流任务到调度系统，激活或禁用当前项目，复制当前环境的工作流、开发任务、数据模型到新的环境；离线开发单元112用于进行离线采集数据任务；实时开发单元113用于业务及行为数据的实时采集。
其中的离线开发单元112能解决数据中台系统的离线采集数据任务，可视化创建数据表、在线编写数据汇总脚本，配置工作流等数据中台建设的采集、存储、聚合、作业调度等多项功能。实时开发单元113覆盖业务及行为数据的实时采集、基于大数据实时处理技术如：Flink、SparkStreaming、实时任务运维，降低实时计算的技术门槛，有利于企业快速搭建数据中台底座的实时部分。
进一步地，参见图4，本实施例中的数据资产管理模块120包括数据资产管理单元121和数据质量校验单元122。数据资产管理单元121用于构建全域元数据中心，对数据资产进行管理与监控；数据质量校验单元122用于对过程数据和结果数据进行质量校验。数据资产管理模块120能让企业构建自身数据中台系统的人员清晰的查看当前环境数据物理表、数据模型，数据存储情况，以便于运维构建的数据中台系统。
其中的数据资产管理单元121提供企业对数据资产的管理能力，监控数据资产，解决数据孤岛问题，挖掘数据价值并对业务赋能。企业通过数据质量校验单元122对过程数据和结果数据进行质量校验，帮助企业及时发现数据质量问题，提升企业数据质量，且降低企业数据出错概率。
本实施例中，研发平台100中的标签工厂模块130是一款基于用户画像、标签使用的业务场景，快速高效的实现数据价值的工具型产品，以协助企业构建自有标签体系。标签工厂模块130提供友好的界面交互配置完成标签的全生命周期管理；同时，提供对上层业务系统提供自身API能力，与各业务系统形成数据闭环。
具体地，参考图5，所述标签工厂模块130包括标签洞察单元131、个体洞察单元132、标签管理单元133、分群管理单元134和标签计算引擎单元135。所述标签洞察单元131用于对全量标签资产进行展示，为企业提供各对象标签及标签值历史统计信息；在个体洞察单元132中，企业能通过指定对象个体地址查询个体的所有标签信息；标签管理单元133用于对对象的不同类型标签进行管理，不同类型的标签包括事实标签、模型标签、组合标签和主观标签，事实标签是从业务系统获取的对象自有的属性，模型标签是基于用户行为数据和数据时间范围等动态变化数据对应的属性，组合标签是基于对象多个方面的属性定义的标签，主观标签是自由定义的标签；分群管理单元134用于依据用户的属性特征和行为特征将用户群体进行分类，对分类后的用户群体进行观察和分析，分群管理单元134进行分群管理的方式有分群管理和分群画像；标签计算引擎单元135是通过大数据框架，基于标签规则配置，计算事实标签、模型标签、组合标签，并给对象打上相应标签，为企业提供对象不同类型标签的计算，缩短数据中台系统的构建周期。
本发明数据中台系统中的数据资产模型为企业提供多种数据资产模型，企业能基于该资产模型，进行微量调整，进行快速部署。数据资产模型包括指标资产模型、算法资产模型和标签资产模型。
其中的指标资产模型包括原子指标体系、原子指标对应的维度和派生指标体系。在研发平台100上可以基于业务域中每个业务过程产生的原子指标进行聚合沉淀，通过多行业打磨形成一套标准的原子指标体系；在研发平台100上可以基于每个业务过程中原子指标对应的维度进行聚合沉淀，同时派生指标在生成时需要继承原子指标的维度；在研发平台100上可以基于原子指标，结合业务限定，维度进行原子指标组合计算得到符合业务期望的派生指标，派生指标可以用于业务洞察和分析，通过多行业打磨形成一套标准的派生指标体系。
其中的算法资产模型包括销量预测算法模型、智能组货算法模型、智能补货算法模型和智能调拨算法模型。在销量预测算法模型中，根据移动平均算法原理，对每个门店每个商品进行未来销量预测，支持企业对销量预测特征进行自定义，可以满足不同行业属性的企业对销售生命周期划分规则，快速部署算法进行门店商品未来销量预测；在智能组货算法模型中，解决了门店卖什么商品的问题，根据门店特征，商圈特征，消费者特征，结合商品销售规律，自动将企业产品分配至各个门店，特征可以根据企业需要自定义，可以满足食品，服装等行业的门店组货；在智能补货算法模型中，解决了门店商品补多少量的问题，依托销量预测算法模型计算的每个商品未来库存需求，支持企业定义不同门店库存管理的特征，算法可以自动输出计算每个门店每个商品补货量；在智能调拨算法模型中，解决了企业库存分布不均衡的问题，依托销量预测算法模型计算每个商品未来的库存需求，在不向总仓要货基础上从销量差的门店调拨商品库存至销量好的门店，该智能调拨算法模型可以自动输出每个门店每个商品的调出量和调入量。
其中的标签资产模型包括通用消费者标签模型和行业消费者标签模型。所述通用消费者标签模型分为基础信息标签与购买偏好标签等标签，购买偏好标签包括时间偏好，渠道偏好、行为偏好、支付偏好和商品偏好等标签，这些标签是营销圈人的重要标签。行业消费者标签模型是针对不同行业定义的标签，如食品、服装、地产、母婴等行业。通用消费者标签模型和行业消费者标签模型有助于企业的精准营销策略。
参考图6，本实施例中的数据应用模块300包括数据分析平台310和门店智能货品管理系统320。数据分析平台310用于商品的全渠道交易数据的分析；门店智能货品管理系统320用于对商品营销数据的管理。
其中的数据分析平台310是面向数据消费方开发的系统，数据分析平台310与业务中台应用深度融合，形成数据分析-数据预警-业务决策-执行决策的闭环管理。具体地，参考图7，所述数据分析平台310包括数据分析单元311和预警推送单元312，数据分析单元311用于通过配置对商品的全渠道交易数据进行分析，所述全渠道交易数据包括消费者数据，商品数据，销售数据，供应链数据，人资数据，财务数据；预警推送单元312用于对数据分析单元311任意指标进行规则配置，对数据异常情况进行预警。预警推送单元312是面向数据消费方开发的应用功能，对数据分析体系任意指标进行规则配置，可以选择页面高亮指标，企业办公IM、邮件、短信等方式接收到预警消息，便于数据消费方及时发现数据异常，进行业务决策，提高企业业务决策的准确率。
其中的门店智能货品管理系统320是面向商品管理部和店长开发的应用系统，通过系统打通商品管理部和店长的业务协作关系；智能组货功能融合POS系统，ERP类系统完成组货业务线上化流转，降低线下表格操作，邮件往来和数据上传等业务操作复杂度，业务人员可以轻松上手；组货系统与办公IM软件深度合作，将流程待办通过钉钉或其他企业IM工具进行推送，有效提升业务运转效率和降低多角色协作的等待周期。
具体地，参考图8，所述门店智能货品管理系统320包括商品智能组货单元321、商品智能补货单元322和商品智能调拨单元323。在商品智能组货单元321中，商品管理部维护算法基础参数后，系统定期推送组货建议；由商品管理部进行决策后，推送至各个门店的POS系统；店长在商品管理部限制的商品范围内完成自选确认，再将数据返回至商品管理部确认；商品管理部进行确认后将组货结果推送至ERP类进行商品要货权限设置。在商品智能补货单元322中，商品管理部维护算法基础参数后，系统定期推送补货建议至POS系统，由店长进行调整和确认后，推送至门店组货系统；商品管理部审批补货结果后将补货结果推送至ERP类进行配送履约；在商品智能调拨单元323中，商品管理部维护算法基础参数后，系统定期推送调拨建议至智能调拨，由商品管理部进行调整和确认后，推送至POS系统生成调拨单并通知ERP类系统进行配送履约。
应当理解的是，以上实施例仅用以说明本发明的技术方案，而非对其限制，对本领域技术人员来说，可以对上述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而所有这些修改和替换，都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种数据驱动的数据中台系统，其特征在于，包括：
研发平台，用于提供数据处理的数据研发IDE工具；
数据应用模块，用于提供商品的全渠道交易数据分析和商品营销数据管理；
数据资产模型模块，用于提供多种数据资产模型，满足不同企业的业务诉求；其中，
通过研发平台的数据研发IDE工具获取外部业务系统的数据，对数据进行处理，并结合数据应用模块的商品全渠道交易数据分析和商品营销数据管理，建设数据资产模型模块的多种数据资产模型，满足不同企业的业务诉求。
2.根据权利要求1所述的数据中台系统，其特征在于，所述研发平台包括：
数据开发模块，用于对数据中台系统的建设内容进行管理，并进行数据的离线和实时采集；
数据资产管理模块，用于对数据资产进行管理与监控，并对数据进行质量校验；
标签工厂模块，用于构建企业的自有标签体系；
IDmapping模块，用于对企业多个业务渠道的用户数据进行统一管理；
自助分析模块，用于提供多种数据可视化应用的配置界面。
3.根据权利要求2所述的数据中台系统，其特征在于，所述数据开发模块包括：
项目管理单元，用于对数据中台系统的建设内容进行管理，所述管理包括发布工作流任务到调度系统，激活或禁用当前项目，复制当前环境的工作流、开发任务、数据模型到新的环境；
离线开发单元，用于进行离线采集数据任务；
实时开发单元，用于业务及行为数据的实时采集。
4.根据权利要求2所述的数据中台系统，其特征在于，所述数据资产管理模块包括：
数据资产管理单元，用于构建全域元数据中心，对数据资产进行管理与监控；
数据质量校验单元，用于对过程数据和结果数据进行质量校验。
5.根据权利要求2所述的数据中台系统，其特征在于，所述标签工厂模块包括标签洞察单元、个体洞察单元、标签管理单元、分群管理单元和标签计算引擎单元。
6.根据权利要求1所述的数据中台系统，其特征在于，所述数据资产模型包括指标资产模型、算法资产模型和标签资产模型。
7.根据权利要求6所述的数据中台系统，其特征在于，所述算法资产模型包括销量预测算法模型、智能组货算法模型、智能补货算法模型和智能调拨算法模型。
8.根据权利要求1所述的数据中台系统，其特征在于，所述数据应用模块包括：
数据分析平台，用于商品的全渠道交易数据的分析；
门店智能货品管理系统，用于对商品营销数据的管理。
9.根据权利要求8所述的数据中台系统，其特征在于，所述数据分析平台包括：
数据分析单元，用于通过配置对商品的全渠道交易数据进行分析，所述全渠道交易数据包括消费者数据，商品数据，销售数据，供应链数据，人资数据，财务数据；
预警推送单元，用于对数据分析单元任意指标进行规则配置，对数据异常情况进行预警。
10.根据权利要求8所述的数据中台系统，其特征在于，所述门店智能货品管理系统包括商品智能组货单元、商品智能补货单元和商品智能调拨单元。
CN202010445493.5A 2020-05-24 2020-05-24 一种数据驱动的数据中台系统 Pending CN111679814A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010445493.5A CN111679814A (zh) 2020-05-24 2020-05-24 一种数据驱动的数据中台系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010445493.5A CN111679814A (zh) 2020-05-24 2020-05-24 一种数据驱动的数据中台系统

Publications (1)

Publication Number Publication Date
CN111679814A true CN111679814A (zh) 2020-09-18

Family

ID=72453556

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010445493.5A Pending CN111679814A (zh) 2020-05-24 2020-05-24 一种数据驱动的数据中台系统

Country Status (1)

Country Link
CN (1) CN111679814A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988705A (zh) * 2021-03-08 2021-06-18 北京靠谱云科技有限公司 一种可用于企业级生产的数据中台构建方法
CN114548871A (zh) * 2022-02-24 2022-05-27 深圳九章数据科技有限公司 一种大数据驱动的供应链ai智能补货系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109660574A (zh) * 2017-10-10 2019-04-19 阿里巴巴集团控股有限公司 数据提供方法及装置
CN109992252A (zh) * 2017-12-29 2019-07-09 中移物联网有限公司 一种基于物联网的数据分析方法、终端、装置及存储介质
CN110188132A (zh) * 2019-04-29 2019-08-30 安徽晶奇网络科技股份有限公司 一种数据交换方法及系统
CN110288423A (zh) * 2019-05-23 2019-09-27 上海汀亮网络科技有限公司 一种s2b2c的商业模式
CN110413680A (zh) * 2019-06-26 2019-11-05 广州鹰云信息科技有限公司 购物中心运营数据管理决策系统及方法
CN110457017A (zh) * 2019-08-14 2019-11-15 北京滴普科技有限公司 一种采用领域分层设计的企业中台系统
CN110569028A (zh) * 2019-09-18 2019-12-13 谢国宇 业务中台系统及构建方法
US20200110619A1 (en) * 2018-10-05 2020-04-09 Spraoi Finite state automata that enables continuous delivery of machine learning models
CN111008197A (zh) * 2019-11-20 2020-04-14 王锦志 一种电力营销服务系统数据中台设计方法
CN111026804A (zh) * 2019-12-04 2020-04-17 深圳瑞力网科技有限公司 一种基于语义的大数据分析智能服务系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109660574A (zh) * 2017-10-10 2019-04-19 阿里巴巴集团控股有限公司 数据提供方法及装置
CN109992252A (zh) * 2017-12-29 2019-07-09 中移物联网有限公司 一种基于物联网的数据分析方法、终端、装置及存储介质
US20200110619A1 (en) * 2018-10-05 2020-04-09 Spraoi Finite state automata that enables continuous delivery of machine learning models
CN110188132A (zh) * 2019-04-29 2019-08-30 安徽晶奇网络科技股份有限公司 一种数据交换方法及系统
CN110288423A (zh) * 2019-05-23 2019-09-27 上海汀亮网络科技有限公司 一种s2b2c的商业模式
CN110413680A (zh) * 2019-06-26 2019-11-05 广州鹰云信息科技有限公司 购物中心运营数据管理决策系统及方法
CN110457017A (zh) * 2019-08-14 2019-11-15 北京滴普科技有限公司 一种采用领域分层设计的企业中台系统
CN110569028A (zh) * 2019-09-18 2019-12-13 谢国宇 业务中台系统及构建方法
CN111008197A (zh) * 2019-11-20 2020-04-14 王锦志 一种电力营销服务系统数据中台设计方法
CN111026804A (zh) * 2019-12-04 2020-04-17 深圳瑞力网科技有限公司 一种基于语义的大数据分析智能服务系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988705A (zh) * 2021-03-08 2021-06-18 北京靠谱云科技有限公司 一种可用于企业级生产的数据中台构建方法
CN112988705B (zh) * 2021-03-08 2022-04-15 厦门靠谱云股份有限公司 一种可用于企业级生产的数据中台构建方法
CN114548871A (zh) * 2022-02-24 2022-05-27 深圳九章数据科技有限公司 一种大数据驱动的供应链ai智能补货系统
CN114548871B (zh) * 2022-02-24 2024-01-23 深圳九章数据科技有限公司 一种大数据驱动的供应链ai智能补货系统

Similar Documents

Publication Publication Date Title
Seyedan et al. Predictive big data analytics for supply chain demand forecasting: methods, applications, and research opportunities
Kuo et al. From data to big data in production research: the past and future trends
Darvazeh et al. Big data analytics and its applications in supply chain management
Zhong et al. Mining SOTs and dispatching rules from RFID-enabled real-time shopfloor production data
Rodger Application of a fuzzy feasibility Bayesian probabilistic estimation of supply chain backorder aging, unfilled backorders, and customer wait time using stochastic simulation with Markov blankets
JP2021501421A (ja) 重み付けされた混合機械学習モデルを使用した需要予測
Ingvaldsen et al. Industrial application of semantic process mining
García et al. RFID enhanced MAS for warehouse management
Luo et al. A state-of-the-art on production planning in Industry 4.0
Shukla et al. Modelling supply chain coordination for performance improvement using analytical network process-based approach
CN111679814A (zh) 一种数据驱动的数据中台系统
Soori et al. Artificial neural networks in supply chain management, a review
Agarwal et al. Machine Learning and Natural Language Processing in Supply Chain Management: A Comprehensive Review and Future Research Directions.
Zhou et al. An advanced inventory data mining system for business intelligence
Mendonça et al. Artificial intelligence applied to supply chain operations management: a systematic literature review
Stahl et al. Analytics applications in fashion supply chain management—A review of literature and practice
Singh et al. A Survey Paper on Identifying Key Performance Indicators for Optimizing Inventory Management System and Exploring Different Visualization Tools
Miller A conceptual framework for interdisciplinary decision support project success
US11379767B2 (en) Adjusting a master build plan based on events using machine learning
Panigrahi et al. Inventory management practice and performances of manufacturing firms: An empirical study of RFID and VMI
Ladva et al. An Analysis on various Machine Learning Algorithms (AI) & Nature Inspired Algorithms for modern Inventory Management
Sheth et al. A proficient process for systematic inventory management
Ye E-Commerce Logistics and Supply Chain Network Optimization for Cross-Border
Hasan et al. Applications of Big Data Analytics in Supply-Chain Management
Abou Elmaaty et al. Integrating Artificial Intelligence and Cloud Computing in eCommerce Operational and Customer-Centric Advancements

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200918

RJ01 Rejection of invention patent application after publication