調研 | 張揚 黃勇 撰寫 | 黃勇 趙子夢
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品，分別為企業提供數據中臺、用戶運營業務中臺和基於 AI 人臉識別的線下門店智能導購系統。
零售行業是信息化發展較早的行業之一，大型零售商由於有海量的SKU和訂單流通，必須要使用信息化工具進行管理和運營。
然而，在數據方面，相比線上零售在數據採集和沉澱上的天然優勢，傳統線下零售的數據積累則非常有限且分散。線下門店往往只有POS系統交易訂單數據，缺失消費者數據，更無法關聯消費者的其他數據，更談不上數據平臺和數據應用，無法對交易和用戶數據進行分析挖掘實現智能運營。
在大數據、AI及IT信息化領域具有資深經驗的前阿里巴巴技術專家李柯辰，看好線下零售大數據的發展潛力，於2018年創立了WakeData。顧名思義，WakeData致力於“喚醒”未被充分利用的線下數據資產，將互聯網公司數據驅動的運營理念帶給線下零售企業，助力企業數字化轉型。
李柯辰認為，大數據對企業的價值主要體現在三個層面。
第一層是IT能力價值，隨著數據量增長和業務對實時性等要求的提升，傳統數倉等IT能力不再能夠滿足業務需求。第二層是管理流程價值，通過數據實現知識轉移、能力複製，驅動組織能力提升。第三層是業務價值，比如通過大數據應用為企業帶來獲客、客單價、復購率等指標的提升，在ROI上體現最為明顯。
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品。
調研 | 張揚 黃勇 撰寫 | 黃勇 趙子夢
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品，分別為企業提供數據中臺、用戶運營業務中臺和基於 AI 人臉識別的線下門店智能導購系統。
零售行業是信息化發展較早的行業之一，大型零售商由於有海量的SKU和訂單流通，必須要使用信息化工具進行管理和運營。
然而，在數據方面，相比線上零售在數據採集和沉澱上的天然優勢，傳統線下零售的數據積累則非常有限且分散。線下門店往往只有POS系統交易訂單數據，缺失消費者數據，更無法關聯消費者的其他數據，更談不上數據平臺和數據應用，無法對交易和用戶數據進行分析挖掘實現智能運營。
在大數據、AI及IT信息化領域具有資深經驗的前阿里巴巴技術專家李柯辰，看好線下零售大數據的發展潛力，於2018年創立了WakeData。顧名思義，WakeData致力於“喚醒”未被充分利用的線下數據資產，將互聯網公司數據驅動的運營理念帶給線下零售企業，助力企業數字化轉型。
李柯辰認為，大數據對企業的價值主要體現在三個層面。
第一層是IT能力價值，隨著數據量增長和業務對實時性等要求的提升，傳統數倉等IT能力不再能夠滿足業務需求。第二層是管理流程價值，通過數據實現知識轉移、能力複製，驅動組織能力提升。第三層是業務價值，比如通過大數據應用為企業帶來獲客、客單價、復購率等指標的提升，在ROI上體現最為明顯。
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品。
惟客通作為數據中臺，幫助企業進行數據打通和治理，沉澱數據資產，是數字化的基礎。具體而言，惟客通提供大數據基礎平臺、流計算平臺、數據接入平臺、數據開發平臺等整套工具，利用Data-in技術打通POS、CRM、電商等多系統數據，並將這些數據整合至數據中臺，為企業構建自有用戶畫像和數據體系。
在數據資產化的基礎上，惟客寶是面向用戶運營的業務中臺，包括外部用戶連接平臺和內部運營管理工具兩部分，實現數據的管理流程價值和業務價值。用戶連接層面，惟客寶提供小程序微商城等應用，進行拉新獲客、營銷裂變、導購智能推薦和用戶數據採集等。用戶運營層面，惟客寶提供會員中心、全鏈路數據分析、商品和訂單管理、自動化營銷等工具，支撐用戶運營和管理決策。
客流寶是一套基於 AI 人臉識別的智能導購系統，主要用於線下門店場景的用戶運營，並實現線下場景的用戶數據採集。系統基於人臉識別，可採集門店客流數據，建立用戶畫像，賦能門店一線銷售人員實現VIP到店識別、智能導購、客流診斷、用戶精細化運營等服務。
此外，WakeData與極光大數據、科大訊飛等有數據源的投資方達成合作，可藉助第三方數據源，為企業補充線上數據，解決數據沉澱不足的冷啟動問題。
目前，WakeData主要服務泛零售領域的腰部和頭部企業，合作的標杆客戶包括喜茶、屈臣氏、百佳超市、碧桂園等，以提供解決方案+產品的模式為主，數據中臺產品支持公有云、私有云和混合雲的靈活部署。基於整套從數據中臺到數據運營的能力的不斷積累，WakeData未來還計劃向其他行業應用場景拓展。
調研 | 張揚 黃勇 撰寫 | 黃勇 趙子夢
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品，分別為企業提供數據中臺、用戶運營業務中臺和基於 AI 人臉識別的線下門店智能導購系統。
零售行業是信息化發展較早的行業之一，大型零售商由於有海量的SKU和訂單流通，必須要使用信息化工具進行管理和運營。
然而，在數據方面，相比線上零售在數據採集和沉澱上的天然優勢，傳統線下零售的數據積累則非常有限且分散。線下門店往往只有POS系統交易訂單數據，缺失消費者數據，更無法關聯消費者的其他數據，更談不上數據平臺和數據應用，無法對交易和用戶數據進行分析挖掘實現智能運營。
在大數據、AI及IT信息化領域具有資深經驗的前阿里巴巴技術專家李柯辰，看好線下零售大數據的發展潛力，於2018年創立了WakeData。顧名思義，WakeData致力於“喚醒”未被充分利用的線下數據資產，將互聯網公司數據驅動的運營理念帶給線下零售企業，助力企業數字化轉型。
李柯辰認為，大數據對企業的價值主要體現在三個層面。
第一層是IT能力價值，隨著數據量增長和業務對實時性等要求的提升，傳統數倉等IT能力不再能夠滿足業務需求。第二層是管理流程價值，通過數據實現知識轉移、能力複製，驅動組織能力提升。第三層是業務價值，比如通過大數據應用為企業帶來獲客、客單價、復購率等指標的提升，在ROI上體現最為明顯。
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品。
惟客通作為數據中臺，幫助企業進行數據打通和治理，沉澱數據資產，是數字化的基礎。具體而言，惟客通提供大數據基礎平臺、流計算平臺、數據接入平臺、數據開發平臺等整套工具，利用Data-in技術打通POS、CRM、電商等多系統數據，並將這些數據整合至數據中臺，為企業構建自有用戶畫像和數據體系。
在數據資產化的基礎上，惟客寶是面向用戶運營的業務中臺，包括外部用戶連接平臺和內部運營管理工具兩部分，實現數據的管理流程價值和業務價值。用戶連接層面，惟客寶提供小程序微商城等應用，進行拉新獲客、營銷裂變、導購智能推薦和用戶數據採集等。用戶運營層面，惟客寶提供會員中心、全鏈路數據分析、商品和訂單管理、自動化營銷等工具，支撐用戶運營和管理決策。
客流寶是一套基於 AI 人臉識別的智能導購系統，主要用於線下門店場景的用戶運營，並實現線下場景的用戶數據採集。系統基於人臉識別，可採集門店客流數據，建立用戶畫像，賦能門店一線銷售人員實現VIP到店識別、智能導購、客流診斷、用戶精細化運營等服務。
此外，WakeData與極光大數據、科大訊飛等有數據源的投資方達成合作，可藉助第三方數據源，為企業補充線上數據，解決數據沉澱不足的冷啟動問題。
目前，WakeData主要服務泛零售領域的腰部和頭部企業，合作的標杆客戶包括喜茶、屈臣氏、百佳超市、碧桂園等，以提供解決方案+產品的模式為主，數據中臺產品支持公有云、私有云和混合雲的靈活部署。基於整套從數據中臺到數據運營的能力的不斷積累，WakeData未來還計劃向其他行業應用場景拓展。
近期，愛分析對WakeData創始人&CEO李柯辰進行了訪談，他闡述了WakeData的業務思路和發展戰略，以及對零售行業數字化趨勢的見解，現節選部分內容分享如下。
大數據應用的三大價值和五步走
愛分析：WakeData為線下零售企業構建數據中臺的思路是怎樣的？
李柯辰：從IT信息化到系統集成，再到互聯網，大數據的應用是現階段最主要的大方向。既然要做大數據，就要搞清楚大數據能夠為企業解決什麼問題，我們把大數據的價值分成了三個層面。
第一層是IT基本能力的價值，解決傳統數倉等解決不了的問題，比如數據規模、多樣性、實時性等問題，也就是IT的成本、質量、效益、安全。
第二層是管理流程的價值，從小的維度來看是解決知識轉移的問題，應用數據的方法，把一個團隊的能力複製到另一個團隊去。從大維度來看，組織結構要數據驅動，提高組織能力。
第三層是商業價值，也是現在市面上大家最願意看到的。商業價值就是獲客、客單價、復購率、留存、忠誠度，或者是用數據改變用戶到店的服務體驗，這是我們認為能夠顯著產生ROI的價值。
我們做了三個場景，把這三個價值概括了。第一個產品是一套數據中臺，可以以PaaS的方式租賃給線下連鎖品牌企業，比如喜茶、屈臣氏，也可以私有化部署。這個產品主要是交付給IT的，IT在這個基礎上開發更多的數據產品和數據應用。
在上面一層，大家喜歡把它叫做業務中臺，其實是一個用戶運營的大數據產品，分成兩部分。一個是公司內部的管理場景，一個是連接用戶的場景。公司內部的管理場景是用來做投放落地、用戶分析等管理決策運營用。連接用戶的場景，在微商城體系、導購體系、支付等連接用戶的環節，用數據去做一些相關推薦、定向運營、導購實時服務提醒、VIP到店服務提醒等，用數據做更快的分析。
愛分析：三個場景裡面，具體幫助零售企業做哪些事情？
李柯辰：在數據平臺那一層，現在線下連鎖企業還沒有收集用戶數據的工具和能力，收完數據之後還要打通，打通之後還得把它變成類似於標籤這種人可以理解的數據，最後要找更多的場景和流量去把數據用起來。
往上去看，企業也缺管理類的工具。比如以前的營銷都是粗放式的，不是定向的，門店運營工具和分析工具都是傳統企業不具備的，需要我們來提供。
另外，我們講整個線下企業賦能最重要的一個概念，是希望建立企業自己和用戶的連接。從傳統意義上來講，很多品牌連鎖對用戶的連接是不存在的，線上電商用戶是平臺的用戶，線下用戶往往是經銷商的用戶。品牌是真正對用戶產生價值和定義產品的企業，它沒有用戶數據，這個時候我們得給它提連接用戶的工具。
另外，我們在做私域流量。比如說去構建微信裡面的微商城，用線下的社團營銷和微信裂變的流量去構建線上流量池。還有線下門店的流量，導購也有流量。像這些所有連接用戶的點，數據有沒有被企業收集起來，並且加工利用到服務用戶上去，是我們在做的事情。
愛分析：數字化具體實施過程是怎樣的？
李柯辰：我認為有五步。第一步是建平臺，需要有一套Hadoop的工具，而且是封裝好的，IT門檻沒有那麼高，不需要在DOS下面去編命令，有可視化的一套編程方式。
有平臺之後，第二步要把數據導上來，叫做數據資產化階段。這個階段裡面有三個動作。第一是主數據的採集和打通，第二是要做數據治理，第三個動作就是建模和資產化。比如地產行業，我們要在營銷中心看銷售、面積，但沒法看到成本中心的成本，我們把它拉在一起的時候，就是一個項目維度的標籤，包括成本維度標籤、供應商維度標籤、用戶維度標籤、物業維度標籤，我們全部都可以打通去看。這個是我們認為資產化的過程。
第三步是做數據產品。傳統的數據產品可以是做一個大屏，做一個可視化報表，或者針對用戶做VIP都屬於產品。
第四步是數據服務。在互聯網公司裡數據服務是很多的，比如廣告點擊的預估，或者哪個地方要調用數據資產，都把它API化或者服務化，應用到各個業務系統裡去。但是在傳統企業裡面數據分析和產品比服務更重，基本上沒有數據服務的概念。我們做數據中臺更多是在做服務。
最後是數據運營，就是如何讓企業對數據的應用，從以前的決策層，能逐漸應用到末端執行層去。就像在互聯網公司，每個運營經理都在看日活、月活或者頁面的數據。
愛分析：零售行業的IT基礎能力情況如何？
李柯辰：零售行業的數字化客觀上來講以前已經有一些，因為這個行業沒有數字化就沒法工作。零售一天賣那麼多貨，Excel管不了的。零售行業麻煩的點在於，線下沒有系統，可能就一個POS機，即便是有數據，也沒辦法關聯用戶。
第二個困難點在於，比如說在電商平臺，做一個產品，肯定是通過好幾個平臺都得接，很多傳統公司，IT能力不強，做一套平臺把數據全部接起來是很困難的。我們目前碰到更多的會用我們雲端的平臺，因為客觀上做大數據的人本身也少，不是每家公司都有能力。
愛分析：所以大部分客戶都需要先從搭建數據中臺做起？
李柯辰：零售企業現在基本上沒有中臺。
首先企業會考慮數據中臺是否有價值。如果是拿來做分析，是有價值的，但價值有多大？還有一個原因，它們不知道自己有哪些數據資產可以用。很多企業不但沒有中臺，前端收集數據的工具都沒有。
所以我們還要往前再走一步，做業務場景，要幫企業去收集數據。我們做門店導購、做人臉識別、做微商城和統一的電商平臺和廣告監測平臺，這些都是企業與用戶連接的數據點，沒有的話需要補齊。考慮到很多企業沒有數據，我們整合了很多有數據的投資方，像極光大數據，幫助企業把線上的數據補全，解決冷啟動的問題。
比如說我去喜茶，可能喝了兩年才能對我的偏好有了解。如果想在半年內就瞭解我，我們就把線上標籤補給它。即便是這樣，有可能數據只有60分，有了60分之後怎麼辦？靠前端工具持續滾到80分，天貓也是一樣的。
愛分析：做數據中臺這件事情，目前是很多公司在跑馬圈地的過程？
李柯辰：有很多公司都在說自己做中臺，但很多軟件公司做數據中臺這件事情是挺不靠譜的。
首先，大數據這件事情，幹過的人就很少。做個軟件，懂Java懂前端我們就可以來做，但大數據這個事情發展歷程本身就很短，有這個場景去做大數據的人就更少了。除了一線互聯網公司，有幾個人真正做過拿數據去做數據中臺和用戶運營的？
第二個，這件事從人才上來說就不成立。中國現在大數據的人才市場是130萬的需求，總共有30萬的人才，還缺100萬，每家公司都可以做數據中臺這件事是挺不可思議的。
另外，我覺得，甚至有了客戶運營系統都是遠遠不夠的，很多傳統企業缺乏客戶運營系統的人才和理念，因此WakeData也提供代運營和數字化轉型的教練服務。
調研 | 張揚 黃勇 撰寫 | 黃勇 趙子夢
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品，分別為企業提供數據中臺、用戶運營業務中臺和基於 AI 人臉識別的線下門店智能導購系統。
零售行業是信息化發展較早的行業之一，大型零售商由於有海量的SKU和訂單流通，必須要使用信息化工具進行管理和運營。
然而，在數據方面，相比線上零售在數據採集和沉澱上的天然優勢，傳統線下零售的數據積累則非常有限且分散。線下門店往往只有POS系統交易訂單數據，缺失消費者數據，更無法關聯消費者的其他數據，更談不上數據平臺和數據應用，無法對交易和用戶數據進行分析挖掘實現智能運營。
在大數據、AI及IT信息化領域具有資深經驗的前阿里巴巴技術專家李柯辰，看好線下零售大數據的發展潛力，於2018年創立了WakeData。顧名思義，WakeData致力於“喚醒”未被充分利用的線下數據資產，將互聯網公司數據驅動的運營理念帶給線下零售企業，助力企業數字化轉型。
李柯辰認為，大數據對企業的價值主要體現在三個層面。
第一層是IT能力價值，隨著數據量增長和業務對實時性等要求的提升，傳統數倉等IT能力不再能夠滿足業務需求。第二層是管理流程價值，通過數據實現知識轉移、能力複製，驅動組織能力提升。第三層是業務價值，比如通過大數據應用為企業帶來獲客、客單價、復購率等指標的提升，在ROI上體現最為明顯。
圍繞大數據三個層面的價值在泛零售行業的落地，WakeData目前推出了惟客通、惟客寶、客流寶三款核心產品。
惟客通作為數據中臺，幫助企業進行數據打通和治理，沉澱數據資產，是數字化的基礎。具體而言，惟客通提供大數據基礎平臺、流計算平臺、數據接入平臺、數據開發平臺等整套工具，利用Data-in技術打通POS、CRM、電商等多系統數據，並將這些數據整合至數據中臺，為企業構建自有用戶畫像和數據體系。
在數據資產化的基礎上，惟客寶是面向用戶運營的業務中臺，包括外部用戶連接平臺和內部運營管理工具兩部分，實現數據的管理流程價值和業務價值。用戶連接層面，惟客寶提供小程序微商城等應用，進行拉新獲客、營銷裂變、導購智能推薦和用戶數據採集等。用戶運營層面，惟客寶提供會員中心、全鏈路數據分析、商品和訂單管理、自動化營銷等工具，支撐用戶運營和管理決策。
客流寶是一套基於 AI 人臉識別的智能導購系統，主要用於線下門店場景的用戶運營，並實現線下場景的用戶數據採集。系統基於人臉識別，可採集門店客流數據，建立用戶畫像，賦能門店一線銷售人員實現VIP到店識別、智能導購、客流診斷、用戶精細化運營等服務。
此外，WakeData與極光大數據、科大訊飛等有數據源的投資方達成合作，可藉助第三方數據源，為企業補充線上數據，解決數據沉澱不足的冷啟動問題。
目前，WakeData主要服務泛零售領域的腰部和頭部企業，合作的標杆客戶包括喜茶、屈臣氏、百佳超市、碧桂園等，以提供解決方案+產品的模式為主，數據中臺產品支持公有云、私有云和混合雲的靈活部署。基於整套從數據中臺到數據運營的能力的不斷積累，WakeData未來還計劃向其他行業應用場景拓展。
近期，愛分析對WakeData創始人&CEO李柯辰進行了訪談，他闡述了WakeData的業務思路和發展戰略，以及對零售行業數字化趨勢的見解，現節選部分內容分享如下。
大數據應用的三大價值和五步走
愛分析：WakeData為線下零售企業構建數據中臺的思路是怎樣的？
李柯辰：從IT信息化到系統集成，再到互聯網，大數據的應用是現階段最主要的大方向。既然要做大數據，就要搞清楚大數據能夠為企業解決什麼問題，我們把大數據的價值分成了三個層面。
第一層是IT基本能力的價值，解決傳統數倉等解決不了的問題，比如數據規模、多樣性、實時性等問題，也就是IT的成本、質量、效益、安全。
第二層是管理流程的價值，從小的維度來看是解決知識轉移的問題，應用數據的方法，把一個團隊的能力複製到另一個團隊去。從大維度來看，組織結構要數據驅動，提高組織能力。
第三層是商業價值，也是現在市面上大家最願意看到的。商業價值就是獲客、客單價、復購率、留存、忠誠度，或者是用數據改變用戶到店的服務體驗，這是我們認為能夠顯著產生ROI的價值。
我們做了三個場景，把這三個價值概括了。第一個產品是一套數據中臺，可以以PaaS的方式租賃給線下連鎖品牌企業，比如喜茶、屈臣氏，也可以私有化部署。這個產品主要是交付給IT的，IT在這個基礎上開發更多的數據產品和數據應用。
在上面一層，大家喜歡把它叫做業務中臺，其實是一個用戶運營的大數據產品，分成兩部分。一個是公司內部的管理場景，一個是連接用戶的場景。公司內部的管理場景是用來做投放落地、用戶分析等管理決策運營用。連接用戶的場景，在微商城體系、導購體系、支付等連接用戶的環節，用數據去做一些相關推薦、定向運營、導購實時服務提醒、VIP到店服務提醒等，用數據做更快的分析。
愛分析：三個場景裡面，具體幫助零售企業做哪些事情？
李柯辰：在數據平臺那一層，現在線下連鎖企業還沒有收集用戶數據的工具和能力，收完數據之後還要打通，打通之後還得把它變成類似於標籤這種人可以理解的數據，最後要找更多的場景和流量去把數據用起來。
往上去看，企業也缺管理類的工具。比如以前的營銷都是粗放式的，不是定向的，門店運營工具和分析工具都是傳統企業不具備的，需要我們來提供。
另外，我們講整個線下企業賦能最重要的一個概念，是希望建立企業自己和用戶的連接。從傳統意義上來講，很多品牌連鎖對用戶的連接是不存在的，線上電商用戶是平臺的用戶，線下用戶往往是經銷商的用戶。品牌是真正對用戶產生價值和定義產品的企業，它沒有用戶數據，這個時候我們得給它提連接用戶的工具。
另外，我們在做私域流量。比如說去構建微信裡面的微商城，用線下的社團營銷和微信裂變的流量去構建線上流量池。還有線下門店的流量，導購也有流量。像這些所有連接用戶的點，數據有沒有被企業收集起來，並且加工利用到服務用戶上去，是我們在做的事情。
愛分析：數字化具體實施過程是怎樣的？
李柯辰：我認為有五步。第一步是建平臺，需要有一套Hadoop的工具，而且是封裝好的，IT門檻沒有那麼高，不需要在DOS下面去編命令，有可視化的一套編程方式。
有平臺之後，第二步要把數據導上來，叫做數據資產化階段。這個階段裡面有三個動作。第一是主數據的採集和打通，第二是要做數據治理，第三個動作就是建模和資產化。比如地產行業，我們要在營銷中心看銷售、面積，但沒法看到成本中心的成本，我們把它拉在一起的時候，就是一個項目維度的標籤，包括成本維度標籤、供應商維度標籤、用戶維度標籤、物業維度標籤，我們全部都可以打通去看。這個是我們認為資產化的過程。
第三步是做數據產品。傳統的數據產品可以是做一個大屏，做一個可視化報表，或者針對用戶做VIP都屬於產品。
第四步是數據服務。在互聯網公司裡數據服務是很多的，比如廣告點擊的預估，或者哪個地方要調用數據資產，都把它API化或者服務化，應用到各個業務系統裡去。但是在傳統企業裡面數據分析和產品比服務更重，基本上沒有數據服務的概念。我們做數據中臺更多是在做服務。
最後是數據運營，就是如何讓企業對數據的應用，從以前的決策層，能逐漸應用到末端執行層去。就像在互聯網公司，每個運營經理都在看日活、月活或者頁面的數據。
愛分析：零售行業的IT基礎能力情況如何？
李柯辰：零售行業的數字化客觀上來講以前已經有一些，因為這個行業沒有數字化就沒法工作。零售一天賣那麼多貨，Excel管不了的。零售行業麻煩的點在於，線下沒有系統，可能就一個POS機，即便是有數據，也沒辦法關聯用戶。
第二個困難點在於，比如說在電商平臺，做一個產品，肯定是通過好幾個平臺都得接，很多傳統公司，IT能力不強，做一套平臺把數據全部接起來是很困難的。我們目前碰到更多的會用我們雲端的平臺，因為客觀上做大數據的人本身也少，不是每家公司都有能力。
愛分析：所以大部分客戶都需要先從搭建數據中臺做起？
李柯辰：零售企業現在基本上沒有中臺。
首先企業會考慮數據中臺是否有價值。如果是拿來做分析，是有價值的，但價值有多大？還有一個原因，它們不知道自己有哪些數據資產可以用。很多企業不但沒有中臺，前端收集數據的工具都沒有。
所以我們還要往前再走一步，做業務場景，要幫企業去收集數據。我們做門店導購、做人臉識別、做微商城和統一的電商平臺和廣告監測平臺，這些都是企業與用戶連接的數據點，沒有的話需要補齊。考慮到很多企業沒有數據，我們整合了很多有數據的投資方，像極光大數據，幫助企業把線上的數據補全，解決冷啟動的問題。
比如說我去喜茶，可能喝了兩年才能對我的偏好有了解。如果想在半年內就瞭解我，我們就把線上標籤補給它。即便是這樣，有可能數據只有60分，有了60分之後怎麼辦？靠前端工具持續滾到80分，天貓也是一樣的。
愛分析：做數據中臺這件事情，目前是很多公司在跑馬圈地的過程？
李柯辰：有很多公司都在說自己做中臺，但很多軟件公司做數據中臺這件事情是挺不靠譜的。
首先，大數據這件事情，幹過的人就很少。做個軟件，懂Java懂前端我們就可以來做，但大數據這個事情發展歷程本身就很短，有這個場景去做大數據的人就更少了。除了一線互聯網公司，有幾個人真正做過拿數據去做數據中臺和用戶運營的？
第二個，這件事從人才上來說就不成立。中國現在大數據的人才市場是130萬的需求，總共有30萬的人才，還缺100萬，每家公司都可以做數據中臺這件事是挺不可思議的。
另外，我覺得，甚至有了客戶運營系統都是遠遠不夠的，很多傳統企業缺乏客戶運營系統的人才和理念，因此WakeData也提供代運營和數字化轉型的教練服務。
愛分析：如果每家企業只有一個數據中臺，上層數據應用是需要開放一個生態出來嗎？
李柯辰：第一個，數據中臺上層應用產生的商業價值不一樣，數據中臺是有可能被替換的。對於有能力做數據中臺的廠商來說，數據中臺本身是沒有技術壁壘的。數據平臺搭建好，數據收集完了之後，關鍵是能夠持續貢獻什麼樣的數據服務價值。
上層的應用，有可能開放給第三方做，有可能是客戶企業自己做，也有可能是提供平臺的公司做。
面向用戶運營場景
效果已被驗證
愛分析：WakeData為什麼選擇用戶運營這個場景？
李柯辰：第一，我們團隊對用戶運營更加了解。
第二，用戶側大數據的能力能夠提升轉化這個事情，在互聯公司已經被論證過無數遍了。只要有數據和場景儲備的話，毫無疑問能帶來提升。
還有一個原因，用戶運營和企業共建CDP這件事情，是可以越滾越大的，會越來越強。
愛分析：用戶運營平臺更多是為了把數據從60分做到80分，還是為了讓客戶把用戶運營做得更好？
李柯辰：首先，我們給企業的是一個很大的產品矩陣。有些大的企業，從CEO到CIO都有決心去做變革，可以用我們所有的產品。但很多企業會先從某一塊開始。比如說我們有微商城、CRM、導購、電商平臺、營銷系統，客戶不需要全部都用，比如可以先從導購開始，在內部IT裡是有一個過程的。
另外，我們有線上線下數據的打通，客戶可能會在全國很多區域中選一塊來嘗試。這種方式，對企業來說成本是最低的，不需要花一兩千萬換一個系統。從互聯網公司的角度講，阿里巴巴也不是一天就架構好的，都是需要迭代的。這種迭代以前可能是被業務驅動的，但現在逐漸形成了一套方法論，未來我們可以按照規劃來迭代。
愛分析：服務模式是以項目製為主？
李柯辰：這裡面分為兩塊。如果說和企業是第一次對接，它自己的系統很多，會有一個系統對接、數據打通這種性質的項目。平臺產品的服務是持續的。
愛分析：現在主力客群的客單價在什麼水平？
李柯辰：我們主要是做腰部和頭部的客戶，客單價在100~300萬，包括項目集成和SaaS年費兩部分。
愛分析：線下到店用戶行為數據獲取採集方面，現在行業是否有重大改變？
李柯辰：我覺得目前突破相對較少。比如無人貨架，它的用戶行為數據採集太難了。買一盒餅乾拿了又放回去算沒買，拿出店就算結算，但是把餅乾拿出來把盒子放回去是算買還是沒買？再比如說對物品的識別，改變飲料包裝的款式，識別的維護成本也非常大。而且現在拿照片去做模型訓練，如果是識別顧客拿了哪件衣服，結果是和衣服實物的識別率是不一樣的。這都是技術上的門檻沒有解決。
目前做深泛零售領域，未來做行業延伸
愛分析：行業選擇上會有哪些屬性劃分嗎？
李柯辰：客群的劃分上，泛零售範圍挺寬的，從消費頻次來講會分成幾個維度。一個是高頻的，比如餐飲類，主要針對門店運營，比如微商城、營銷工具等。第二種中度頻率，美容美髮、服裝，更多講線下服務體驗、智能導購。還有低頻類，比如地產、家裝、汽車，主要針對導購和投放的優化。
愛分析：底層PaaS上要加業務邏輯會挺難的，每個行業和公司業務流程都不一樣，WakeData是如何做的，包括產品化的問題？
李柯辰：我們的產品分為四層，加上運營的話分為五層。
最底下一層，包括Hadoop、機器學習平臺，這些大家都一樣是通用的。
第二層要做用戶畫像，打通基礎數據，我們把市面上所有用戶ID相關的產品都提取出來，手機號、微信OpenID、Mac地址等，客戶數據處理這一層是完全通用的。再往上層來看，用戶的留存、活躍、門店的健康度等工具是通用的，雖然維度不一樣。
第四層存在一個問題，每個行業的運營方式是不一樣的，需要最上面這一層工具做行業化。它可以配有很多產品，有最基本的財務、人力、供應鏈，基本上全行業可以適配。具體公司，需要適配所在行業的業務流程和組織架構。
早期我們在產業上經驗是不足的。我們創業來源於我們對互聯網的認識，但是在上層我們是不足的，要跟客戶去做碰撞去形成標準。這就是為什麼我們選擇現在做頭部客戶，是因為我們認為大型的標杆這個行業可能可以拿來適用。
在剛開始的時候，總會有一些傳統企業間的嘗試，我們去找這樣的企業，跟他們去共建這一塊的產品出來。產品重和輕不是最重要的，完全看客戶願不願意用你的產品。
愛分析：未來一兩年整體的戰略大概會是什麼樣的？行業拓展打算什麼時候做？
李柯辰：第一，我們會在已有的兩個行業裡做得更深，再切入其他行業。數據只是中間的東西，未來企業還可能還會看AI、IoT。我還可以做更多，業務範圍可變化，行業寬度可變化。
本文轉載自 愛分析ifenxi 微信公眾號
相關推薦
