数据中台在企业的经营管理过程中起着“智慧大脑”的作用，然而很多企业在建设数据中台后发现数据中台用不起来，云徙
科技
数据智能资深专家李思飞其中有一个细节是没有做好数据中台的全局规划。
如何做好一个数据中台的全局规划？
云徙科技的“XYZ法则”就是针对数据中台战略规划的一个方法。
XYZ法则是定义三个坐标轴：X轴、Y轴和Z轴，通过这三个坐标轴来规划数据中台。
X轴：代表数据的覆盖度，如：企业有多少数据，如何接入数据，哪些数据需要接入，接入的广度如何？
Y轴：代表支撑业务的能力，接入的数据如何支撑业务。
Z轴：代表管理赋能深度，即数据体系建设、支撑业务的深度。举个例子：X轴接入人力、财务、营销等系统，如果系统要更好去支撑业务，就要去接入更多的数据，甚至第三方的数据，这就是Z轴的深度。
第一阶段是可见：企业接入营销数据后只能对营销做报表分析，仅支撑一个营销平台报表数据的可见。
第二阶段是可知：随着数据不断接入和企业对数据和业务的理解加深，可做到可知。如企业可洞察商品售卖情况、不同得客户分别偏好什么商品、客户标签、商品标签、客户与商品如何匹配等。通过可知发现规则，制定相应的经营和营销策略，帮助商品得销售，让客户更喜欢你。
第三阶段是可预测：要做到可预测只通过企业本身数据是不够的，企业做的端和触点数据要做可预测，但要借助第三方的数据或合作方的数据等更多的数据，数据接入后可做销量预测。在数据中台实施过程中，云徙科技给客户做过门店级销量预测，反向来决定供应链端推荐每一种货品采购的量。
企业具体如何通过XYZ法则规划数据中台？对此，云徙科技数据智能资深专家李思飞给出了答案。
首先搭建一个底座，然后做数据采集和接入，数据接入后定义业务场景，也就是Y轴。X轴是把数据切进来做相应的数据体系的建设，后关注业务场景，比如接入营销系统数据就做营销、客户相关分析，分析后可做下列赋能和扩展：
首先，赋能业务部门，通过深入的数据分析发现一些潜在规则；
其次，横向在X轴上扩展，不断接入财务、供应链、人资等数据，从整个业务流程的闭环上可在数据中找到相应的拉通机制。从而不仅结合营销，还可以横向扩展财务、成本等。另外在营销层面可以更加深入，比如说接入APP的数据后获得客户行为，洞察分析客户行为后可以做精准营销。
未来，随着不断在X轴Y轴和Z轴上扩展，数据中台规划也逐渐完善。这就是通过XYZ法则规划数据中台，建设数据中台是一个漫长的过程，这个过程与企业数字化转型的情况是息息相关的。
数据体系建设的4个关键内容
随着业务发展、系统不断建设，数据接入越来越多，可分析可支撑业务的内容也会越多，需要结合企业实际情况总结和规划。规划完成后重点关注四个内容：模型、指标、标签的建设，以及数据质量。
1.模型：数据接入后要进行数据仓库的规划，还有数据标准的设计。
首先，很多企业数据不统一，且转换麻烦，甚至数据缺失。所以一定是通过数据模型的建设反向推动业务系统去改造。
其次，建立模型的过程就是对业务流程梳理的一个过程，梳理业务流程，然后明确在某些关键的业务节点，这些数据会落在哪个系统的哪张表中。在此基础上设计付仓分层分类的模型、制定指标规则时会起到作用。
2.指标：从经营视角看一定要选核心的北极星指标，然后做逐一的拆解。如有些企业主要是提升GMV，即流量✖转化率✖客单价✖复购✖裂变。指标可以按照这种方式拆解，拆解后看指标的定义、计算规则、所属部门、指标的使用权限人。基于这种结构可以对指标进行拆解的分析。同时指标非常关键，很多企业的指标藏在报表里，也没有相应的指标体系进行管理，降低了指标的作用和价值。
3.标签：标签的建设与标签体系的建设、指标类似，但标签不仅限于客户，设备、商品、企业内部人员等都可以打标签。在这过程中也需要建立一套标准的标签体系，用于营销活动，同时，模型、指标和标签之间可以互相转换，模型也是标签的基础。
4.数据质量：数据质量有一致性、准确性、及时性。把数据质量的优先要求，按照制定的规则管理起来，才能搭建一个完善的数据体系，才能保证提供给业务去使用的数据是高效、准确的。
数据中台与传统BI的区别和优势
云徙科技认为：数据中台建设过程中，可以从数据的可见可知，一直做到可预测，这是数据体系赋能业务应用的三个必经阶段，但传统的BI很难去支撑。
数据中台建设时，为什么数据中台采用大数据这样的架构？因为数据中台具备极大的横向可扩展性，可扩展的目的就是能够接入各种各样的数据，包括结构化的数据、图片、文本、音频等，数据接入后才可以进行深度的洞察。
如果用BI进行建设无法满足这些情况，需要额外采购数据产品，甚至在原有基础上搭建数仓，或把原来做好的内容推翻，数据的加工、处理等通过数据中台来实现。比如可知，BI无法做标签、IMMF模型、智能配置。平台架构和技术底座决定了可预测也无法做到。
如何补充？
云徙科技认为，前期企业做了BI系统和看板，随着业务部门对数据需求的逐步提升，需要提供面向运营、精准营销的内容，原有的平台无法修改，需要重新搭建，花费更高的成本。所以在数据中台整体规划过程中，要清楚企业的数据现状，同时考虑未来数字化转型的这个步伐，是否有更多的数据接入、业务部门会不会有深度的数据分析洞察需求等。若没有上述情况，且数据量不大，数字化转型的进程也比较慢，可以用传统的BI方式，先解决业务门槛数问题。如果数据的规模较大，业务部门对数据的需求也大，企业可以通过数据中台规划去建设，从而降低一些推倒重建的成本。
