数澜付登坡：地产大数据落地应用有章可循

　　“我们期望利用团队多年的技术沉淀和行业认知，帮助地产企业快速进行数据资产化及应用增值，可大幅降低地产大数据开发应用成本，让每个企业大数据都能用起来。”近日，在2017“云智未来”华南地产 CIO 秋季峰会上，数澜CDO(首席数据官)付登坡发表《助力地产企业数据资产化及应用增值》的主题演讲，对于地产大数据提出了务实有效的实施落地路径，与来自碧桂园、万科、合生创展、越秀地产等华南地区数十家知名地产企业CIO齐聚一堂，积极探讨新形势下，如何利用新技术给企业带来更多价值，帮助企业实现从“粗放式圈地”到“精细化运营”的华丽转型。

　　整合难、变现难、应用难成地产大数据落地痛点

　　    房企正在由“黄金时期”进入“白银时代”，市场在进行激烈的变化，首先，从增量市场变为存量市场，关注点由卖新房转变为租赁、物业、客服等;其次，消费升级，目标群体从中产阶级转变为个性张扬的80后90后;最后，政策压力及供需失衡导致房子不好卖，形势更加严峻。在这种背景之下，企业就会更多考虑到“以客户为中心”的转型。主要体现为口碑信息放大客户影响力、需要重新打通多业态的客户、客户对体验的要求越来越高。

　　    

　　从“粗放式圈地”到“精细化运营”，关键是精准数据的挖掘、分析与预测，而大数据的落地却并不尽人意。作为原阿里云数加平台核心人员，付登坡坦言，曾在调研地产行业多家企业时发现，首先，客户数据分散，大量商业地产、商尝住宅、酒店等客户分散在不同业务板块，导致客户数据分散，整合难度加大;其次，数据资产难变现。传统IT架构对海量数据(尤其是非结构数据)的处理方案显得无能为力，企业大量数据冗余，导致技术人员也无从分析使用数据，客户数据难以变现为企业数据资产;同时，应用场景难落地积累和沉淀的海量客户数据不知晓从何处入手进行应用落地，无法为服务决策和业务过程带来价值。企业相对滞后的数据处理方式和鲜明的市场需求让数澜有机会帮助更多企业实现大数据价值。

　　地产大数据平台加速企业大数据落地应用

　　数澜创始人兼CEO甘云锋，前阿里巴巴大数据资深专家。在阿里巴巴之前，曾在华为、金蝶等科技公司任职。在阿里巴巴任职期间，负责大数据、阿里云创新数据工作室及人工智能业务。其负责的阿里巴巴集团最重要三款数据产品--ID-Mapping、TCIF、DMP管理了阿里巴巴集团淘宝、天猫、聚划算等25个核心业务线的数据，将全集团用户ID基于大数据能力有效归一，构建集团消费者信息标签体系3000+，支撑了阿里巴巴集团超过200多个业务单元，有效实现了阿里巴巴集团数据的资产化和业务化。

　　创建数澜后，他带领着由阿里大数据专家及金蝶、华为、移动等行业专家组建而成的核心团队，希望利用传统企业自身的数据去进行分析，反过来服务于企业，为其提供精准营销、提升效率等解决方案，让每个企业的数据都用起来——这正是数澜成立的初衷。

　　    

　　对于大数据的落地应用，数澜首先将企业数据分为4类：第一类为经营类数据，像CRM、ERP等;第二类为社会类数据，例如企业老板、企业活动中产生的;第三类为日志类数据，比如用户的浏览足迹;第四类为企业外围数据，像是行业等。这些数据单点做分析比较容易，打通后的全局数据则更有价值，可以用在企业供应链预测等方面。而这个打通的过程就叫做企业数据资产化，最后交付到企业手中的是真正可以为业务服务的数据，之后针对场景的应用就叫数据业务化。

　　这就是数澜大数据平台——数栖(DW.DaaS)在做的事情。其产品分三块：首先是Data-Mapping——把各种数据连接起来;数据连接后变成资产则需要Data-profile来打标签、组织;最后的应用部分则是Data-Service体系来提供数据服务。通过数栖数据交换平台，可便捷进行异构网络间交换，离线及实时数据处理;通过数据开发平台，可实现数据开发、运维监控、数据管理、质量管理;通过数据应用平台，利用标签管理、构建数据服务引擎，为客户提供数据业务服务。整个数据应用加工流程可视化、模块化，能极大的方便业务人员对数据加工处理，跟踪管理数据关系流程等，有效提高数据应用开发的效率，可使地产大数据开发应用成本降低80%。

　　付登坡举例道，在为万科服务的物业大数据项目应用中，首先通过数栖平台自然语言处理算法工具包，深度挖掘文本数据，基于百万级词库，对地产物业服务相关信息系统中的非结构化文本数据进行挖掘、分类、归一，形成国内首个针对报修(50+部位、100+对象、50+问题)、投诉(8个一级分类、60+二级分类)、满意度调研数据(10个一级分类、70+二级分类、300+三级分类)的系统性标准分类体系，实现了数据资产化过程。

　　其次，物业服务的报修、投诉、满意度等数据，通过数据连接、加工、挖掘形成多套标签体系，标签与数栖的数据服务引擎结合，形成数据服务与数据产品，利用大数据能力和行业认知，服务于具体业务，譬如：快速定位物业问题、合理评估合作伙伴、全链路提升业主满意度、打造企业的专属数据等，实现数据业务化过程。