数据中心爆炸以来，每天都有人问，数据中心建设的效果如何衡量，如何证明成功数据中心的建设。这是一个非常复杂的问题，就像问如何证明企业数字化转型成功一样。使企业的数据“能用、能用、能用、能用”是企业数据中心建设成功与否的标准。以下案例是一个典型的企业建设数据中心，利用数据，挖掘数据价值的过程。借助这个案例，我们来看看如何从零开始搭建一个数据中心。数据应用的挑战该企业属于传统行业。他们的商业模式是典型的品牌商、经销商、门店、消费者四层结构。是典型的产品加服务模式，高度依赖门店（客户）。大的。过去，公司依靠产品差异化来拥有强大的竞争力。这是一个典型的卖方市场，操作方式也很传统。市场花大钱，活动广告粗放经营。常压货的销售是对经销商的控制管理。但近年来，公司产业升级，客户需求越来越多元化，门店对单一产品的依赖越来越少，经销商压力越来越大。有图案。为了应对这样的挑战，公司也多次尝试建立自己的电子商务平台，建设线下直营店，希望与客户和消费者建立更直接的联系。许多应用程序已经构建，但它仍然面临许多困难。大挑战。主要包括以下5点：营销费用花了很多，不知道带来什么效果。没有客户数据，只有SaleIn没有SaleOut，也不知道谁在用他们自己的产品。线上流量无法导流到线下产生订单的线下经销商数据无法在线回流，形成闭环。企业花钱买流量，但如何解决这些转化率低的问题？冰山模型上面应对挑战的商业现象，从数据相关的原因可以发现：1.花费了很多营销费用，不知道带来了什么效果：广告的投入和市场活动与阅读量、传播量、转化量、销售数据直接相关，因此无法衡量和评估效果。2、只掌握SaleIn（卖给经销商的订单），没有掌握SaleOut（卖给客户和消费者的订单），不知道谁在用自己的产品。传统经销商代理模式，品牌商无法获得SaleOutData，无法准确了解市场真实库存情况，也无法做出更准确的销售预测，更不清楚哪些门店和哪些消费者你的产品卖给。这是数据丢失的问题。3.线上流量不能导流到线下订单。由于这个行业的特殊性，需要服务支持。所以线上下单的概率比较小，很大程度上要靠线下沟通。但是线上有用户来访，但谁是高潜力用户，如何跟进，分配给哪些门店或经销商更合适。这些决策缺乏数据支撑，导致线上流量导入线下订单成功率低。4、线下经销商的数据不能线上回传，形成闭环。线下经销商的订单数据缺乏有效手段收集并返回给品牌经销商，使其匹配到相应的销售数据，无法形成闭环，对市场造成负面影响。不掌握预测、库存、经销商行为、销售能力，就不可能对后续的经营做出更准确的指导。整个市场的竞争越来越激烈，品牌商依然靠佣金赚钱，中国市场的利润需求还在增长。杀鸡取卵，经销商不赚钱，疲于奔命，而经销商数字化水平普遍较低，人员流失率高，陷入恶性循环。5、企业花钱买流量，但转化率低。一些公司意识到流量的重要性，所以他们在流量上花了很多钱。流量质量越来越差，转化率很低。说到底就是这些流量。数据和内销数据没有整合，导致优质流量不被识别”、“调起来”1.让数据用起来公司没有一上来就搭建技术平台，而是做了轻度咨询首先从业务价值List的角度综合发散各种有价值的数据利用场景，然后对这些场景的价值优先级进行排序，选择优先级高的场景进行深入分析，挖掘这些场景需要的数据场景，验证技术可行性，做可行性优先级排序，最后从这个场景列表中选出最有价值、数据基础最好、技术可行的场景作为最小可行产品（MVP）立即开始交付开发，以便利用以最快的速度处理数据，精益数据创新的三个交集让数据被利用并产生商业价值是数据中心建设的第一要务施工。至于使用过程是否自动化，是否有大数据平台支持，是否采用先进技术，这些都是次要的事情。比如我作为公司的经销商，经常需要产品参数数据。以前这些数据都是通过邮件发送的，所以不是及时的，需要人工处理才能使用。这个场景是在轻咨询中确定的，后来又做了一个数据API，让经销商可以很方便的通过这个API调用最新的参数数据，不需要打电话和发邮件，所以就用到了这个参数数据。但实际上，这个需求的技术实现很简单，并不复杂，在最早的阶段，甚至还有一些倒退。为了快速响应业务的需求，这个后台并没有使用太多的高级开发，也不是自动化的，而是手动将参数数据查询、收集、加工成一个文件夹，然后用程序读取这个文件，连数据库都用不到。让数据以服务的形式被业务调用，哪怕是手动配置的数据，这是数据中台的第一阶段，让数据被使用。2.让数据跑起来。数据中心是企业的数据产品工厂。其作用是在源数据与数据产品之间构建一条自动化的数据处理链，使源数据能够自动采集、处理、转换、集成。一个一个形成数据产品（服务），供相关业务系统调用。整个过程在数据中心的数据价值链中流通。数据中心将所有数据产品从生产到消费的过程自动化，形成一个自动流，让数据运行起来。到这里，数据就可以运行了。包括几层具体含义：让数据随时跑，让数据跑到合适的地方，让数据转起来总结让数据“用、跑、转”，对应数据应用系统，数据技术系统和数据操作系统。企业必须建立这三个体系，才能构建数据驱动能力。
