品牌舆情、决策分析，数据中台模式的茅台云商实践解析

摘要：阿里云茅台数据中台项目负责人董芳英(晓草) 在2018云栖大会上海峰会数据中台专场做了题为《品牌舆情、决策分析，数据中台模式的茅台云商实践解析》 的精彩讲述,首先从价值角度介绍了关于茅台与数据中台相互结合解决了什么样的问题,其次从业务背景角度阐述了为什么要构建数据中台,最后从方案实践的角度与我们分享了茅台云商业是如何一步步落地并实现目标的。
数十款阿里云产品限时折扣中，赶快点击这里，领券开始云上实践吧
精彩视频回顾请点击
以下为精彩视频内容整理分享

茅台云商数据中台模式的价值

对于茅台云商来说，大多数人可能只看到了冰山上面的赋能业务部分，赋能业务部分可分为效率层面和业务价值发现层面。目前效率层面能够做到的是数据需求响应效率可提升80%以上，原有数据需求的提出，极有可能原本在周的时间内实现，现在可缩短到天；数据对于业务来说更多的是帮助业务更清晰，让业务的决策更高效，当茅台某一稀缺产品出现，可能会出现黄牛抢购并在二级市场高价卖出的情况，目前构造出的数据中台支撑反黄牛场景。基于数据的打通以及消费者业务模式的识别，可帮助反黄牛拦截率达到30%。最下面的一层为最重要的原动力层，原动力层分为统一数据（“游”）和统一计算（“引擎”）两个方面，统一计算这一层主要是阿里云自身的批量离线数据计算能力以及实时计算能力，通过这两种弹性可扩充的能力帮助计算能力分析得到大幅度提升，实现了茅台集团大数据计算及分析能力的极大提升；在数据统一层面主要是数据打通以及规范操作统一的标准，已经沉淀了9大数据域和2万多的指标，并实现了数据资产可看、可管、可用。

传统品牌商的新零售转型思路

茅台作为传统的品牌商与其他品牌商一样，面对新零售转型时有两个思路，从承载性实施的全渠道+店仓一体方面讲，所谓的全渠道是指它通过发挥线下门店的能力加上部署线上云商自建的电商有通道的能力，也就是面向消费者服务的能力；另一方面通过线上app下单的方式，发挥线下经销商本地3公里的配送能力，实现店仓一体的模式，将服务能力从上到下打通。从承载内容商品+文化方面来讲，将商品和文化结合作输出，与消费者连接时可将商品卖活。
在转型过程中茅台对于数据的诉求是明确的，从公务消费转为大众消费，我们需要认知消费者，究竟是谁在购买我的商品，消费者对我们的认知是怎样的，如果我们想更好的服务消费者我们应该做哪些变化；另一方面是经营决策有据提高，所谓的有据就是从看不见到看的见，做不了决策到做的了决策，高效是指如何从原来的变成更实时的决策。

数据中台模式的茅台云商实践

对所有的数据诉求进行整理后，如上图所示形成了真正数据中台茅台中“落”的过程，最下面一层借助于阿里云的计算能力以及软件的能力，实现了统一计算的能力，中间层首先形成阿里平台自有的数据中台，这个数据中台涵盖了三部分的内容，通过所有数据的采集和同步，同时对数据有一个标准的架构和模型设计，然后进行智能化的研发，并对数据有一个后期的运维。最上层是数据智能业务，如果识别到黄牛就会做一些拦截，通过数据化的方式在黄牛购买的过程中使用一种工具阻止黄牛的购买。

全局监控大屏

左图为茅台给电商的交易大屏，以贵阳为中心的货发布到全国各个地方进行实时监控的情况，在交易大屏也出现了一些商品的销售排行情况。右图中间物流的部分是一个局部放大的过程，这个物流的配送采用的是以本地网点为中心，周围三公里配送，局部放大区域监控的物流形态也更加细微化。

决策分析门户

底层是以数据中台建立的数据为支撑，对人的分析上是从用户的规模、趋势和分布的角度进行分析；对货的分析是从渠道、品牌和店铺进行分析。在整个分析链路里，从前面的流量到中间的交易再到售后，将这三部分串接到一起做一个详细化的运营支撑，面对决策者提供了更宏观、更全局性的总览，在总览的基础上会提供一个异常地提醒。数据中台模式对于一个企业来说意味着它的决策速度会更快。

品牌舆情分析

茅台是一个影响力非常强的品牌，它会非常看重消费者在整个公众环节里对它的评价和认知，我们通过分布式爬虫搜索以及接口方式获取相关数据，同时会做一些AI的自然语言识别、情感语言识别以及一系列的算法处理，对这些数据进行萃取并对情感进行加工，我们提供了一个品牌前台舆情分析的门户，包括品牌的表现、品牌的事件热点及用户的购买情况。有时一个舆情事件的发生不是单独发生的，可能会是几个事件助推导致舆情事件发生。目前我们用大量的算法、浏览模式的识别及交易模式的识别去识别哪些人不是真正的消费者，对于茅台酒更希望服务对茅台酒有真正诉求和需求的消费者，所以我们要对黄牛进行拦截。

业务背后应用的能源—数据

茅台的数据主要有三方面的数据来源，具体来源如下：
第一，多端日志。自有的PC端和无线端用户行为日志数据采集，沉淀形成以用户访问流量统计数据为中心的日志域数据，支撑自有平台精确化运营，如决策分析门户、流量分析专题等；
第二，全渠道业务。三方自营B2C、自有B2C、O2O的全流程业务数据采集，沉淀形成用户域、交易域、渠道域、商品域及服务域等数据，支撑宏观监控及精细化运营，如决策分析门户、订单分析专题等；
第三，全网舆情。对全网公众通道的评论及媒体报道信息进行采集，沉淀形成舆情应用数据，支撑品牌舆情等公众趋势分析。整个数据中台模式所有的一切都是围绕更高效率生成数据、汇总数据及处理数据去支撑业务高效决策；质量是在于所有数据的打通融通形成标准统一的数据，无论是数据自身的质量还是数据服务业务的质量，都是数据中台最核心关注的，在效率和质量的背后都需要成本的支撑，其实效率、质量及成本都是在助推数字化转型。