基于数据中台的头部企业核心业务单元拓展研究*

张 弛

(武汉理工大学 法学与人文社会学院，湖北 武汉430070)

一、引 言

中台概念最早源于中国古代，“在中国古代东汉时期，尚书台成为政府的中枢，号称中台。”[1]显然，这里的中台是一种政治组织架构和运行体系。及至后来，中台(Middle-end)一词又用于描述美国的军事作战体系，指在前方和后方之间搭建一个连接架构，如作战中的中台炮火群。[2]在企业运营中较先引入中台模式的是芬兰Super cell公司，但其使用的不是中台一词，而是用的“部落”一词。2015年，受“部落”模式启发，阿里巴巴正式启动“大中台，小前台”的中台战略。目前，中台尚无统一定义，可以将企业中台理解为既是一套企业运行架构，又是一种体系；既是一种战略，又是一种管理思想，“这种思想主要是为了加速数据驱动价值的过程。”[2]

数据中台作为中台体系的基础和核心，是与大数据如影随形的。进入大数据时代，企业界逐步认识到，“大数据本身并不是企业竞争力，但大数据分析和挖掘有助于提升企业竞争力。如果说企业竞争力需要重塑的话，那么一定指的是在数字经济条件下提升企业大数据管理能力。”[3]但如何提升企业大数据管理能力，特别是对头部企业来说，如何将大数据原理和技术运用到具体的管理实践中，如何将掌握的海量数据运用到企业核心业务单元的开发拓展中去，现实管理中业务前台和技术后台之间还缺乏有机的中台连接。为有效解决数据与业务的脱节问题，阿里在2014年提出“数据业务化，业务数据化”的设想，并通过构建阿里“数据中台”付诸实践。从这个意义上说，数据中台概念起于中国。[4]虽然从概念到落地实践时间较短，但对企业从IT时代走向DT时代来说，也是一种管理理念的创新。[5]

目前，数据中台的主要应用对象是头部企业，走在前列的是互联网巨头，还有金融[5]、电网[6]、媒体[7]等行业巨头。头部企业率先实施数据中台战略[8]，在于其具有营收规模大、业务单元多、数据沉淀多、内容结构复杂、对外扩张业态渠道多样、上下游合作关系广的特点。研究机构认为，符合上述六条中任意两条者皆需要搭建数字中台。

关于数据中台的架构，一般是在One Data体系下建构One ID，One Model，One Service三个模块，以One ID核心商业要素资产化为核心，以One Model统一数据构建及管理方法论为主干，以One Service提供统一的数据接入和数据查询服务为内容(见图1)。与大数据对接，将“数据业务化、业务数据化”是构建数据中台的直接目的。数据中台定位于计算后台和业务前台之间，其核心价值是以业务视角而不是纯技术视角来应用大数据，数据中台的功能是“承技术启业务”，也就是说，数据中台不是纯技术，不是纯业务，也不是纯数据的架构，它是以大数据为中轴线，基于技术而又深入业务的智能化数据体系。中台一方面专注于从业务视角建设数据中台智能数据体系，另一方面致力于通过数据与业务链深度融合实现企业核心业务单元数字化升级。本文试图通过分析数据中台对企业业务的赋能，来探讨企业的三个核心业务单元，即产品业务单元、用户业务单元、服务业务单元基于数据中台的开发拓展问题，见图2。

图1 数据中台基本架构(作者整理)

图2 数据中台赋能核心业务单元(作者整理)

二、产品业务单元拓展

迈克尔·波特在《竞争优势》一书中指出：“每一个企业都是用来进行设计、生产、销售、交货以及对产品起辅助作用的各种活动的集合。”[9]在这个“集合”中，产品处于业务单元的核心地位。在进入工业4.0的智能化时代，数据中台之所以率先在头部企业展开，就是这些企业经过多年信息化建设，新旧IT系统沉淀的数据之间难以打通，企业内外部数据难以连接，一个个“数据孤岛”犹如一个个林立的“烟囱”互不连接，许多企业同时使用SaaS和老一代ERP，而进入大数据时代后，新业务和老系统之间，需要一个“路由器”[10]，而这正是数据中台的核心需求所在。

互联网行业以及金融、电网、媒体、物流、房地产、连锁商超等行业的头部企业率先建立数据中台，一个重要原因是这些企业产品业务单元遍布线上线下，产品数据遍布企业内部外部，亟需通过数据中台对产品业务单元进行设计拓展。

(一)无形产品的拓展

随着“互联网+”战略的实施，头部企业的产品线越来越长，产品形态日益多元复杂。互联网巨头本就靠互联网起家，其产品线主要分布在线上，而且大多是无形产品。无形产品主要指非物质性产品，包括计算机软件、信息服务、网上教育培训、娱乐消费等服务类产品。服务类无形产品的增长符合产业比重变化规律，即工业化程度越高，第三产业比重越高，服务类产品以及无形产品在产品总量中的占比也必然提高。[11]比之物质性有形产品，非物质的无形产品创意性更强，因而其知识产权属性更为突出。

数据中台战略及其构想在中国最早是由阿里巴巴提出并实施的，阿里巴巴作为一家互联网头部企业，其所拥有的金融产品、菜鸟物流服务、大数据云计算服务、广告服务、跨境贸易服务都表明阿里的产品业务链并不短，其产品业务单元复杂多元，而且大都是服务性的无形产品。还有一个明显的市场信号是，阿里在2018年完成自身的数据中台架构并有效运转后，已经开始对外输出基于阿里云的数据中台系统，这一将数据中台能力作为无形产品对外“赋能”的举动，甚至被部分客户质疑为阿里花大力气构建数据中台的目的是不是为了卖云。如果阿里巴巴真的卖云，说明其业务链还在逐渐拉长。阿里无形产品单元的拓展依靠的正是其云上数据中台的有力支撑。[12]

除了互联网头部企业之外，作为传统行业的金融头部企业也较早构建数据中台。在“互联网+”和大数据推进下，金融机构业务不断从线下转向线上，但传统的Oracle、SAP数据库很难支撑即时快捷的海量数据挖掘分析，因此纷纷搭建基于大数据的“承启技术后台、赋能业务前台”的数据中台。[13]在强大的数据中台支持下，各金融机构的金融衍生产品层出不穷，从产品形态上讲，各种理财产品都是无形产品，都是系统里的一堆数字，这些非真金白银的无形的金融产品之所以赢得客户信赖，其金融信用依靠的是数据中台把控的数据安全。基于大数据的全数据原理运行数据中台能即时快捷地发出哪怕是万分之一的风险提示。头部企业的无形产品大都具有信誉度高的特点，除了其产品创意和质量能满足客户日益多样的需要外，还在于其产品的安全性，不管是阿里的支付宝、腾讯的微信支付，还是银行的理财产品，都是客户信得过的无形产品，而这些令人眼花缭乱的无形产品的安全性都有赖于基于大数据的数据中台的支撑。

(二)免费产品的拓展

克里斯·安德森在《免费：未来的商业模式》中指出：新的“免费”并不是一种左口袋进、右口袋出的营销策略，而是一种把产品和服务成本压低到零的新型卓越能力。免费模式不是单纯建立在物理层次基础上的经济学，而是建立在电脑字节基础上的经济学。[14]显然，以“电脑字节为基础的经济学”是网络时代的经济学，因此，免费产品的拓展设计对线上头部企业尤为重要，线上企业生存和发展的关键是用户点击率，而提高用户点击率的一个重要营销手段是通过提供免费产品来聚集用户人气，扩大用户群，增加用户黏性。尽管产品免费会减少一些收入，但通过吸引用户眼球，提高用户点击率，就可以提高广告收入，这从另一个渠道补偿了损失。

免费产品的设计是基于一个营销思路的改变，即实现由购买者至上向受众至上转变。传统的商业关系是只有买卖双方的二维经济关系，即卖方只为买方提供服务，一手交钱一手交货的买卖关系简单明了，但这种一对一的买卖关系具有很强的功利性。在大数据时代，“线上+线下”的互联网商业模式突出强调电子商务、广告和增值服务，但这些商业活动有一个共同的前提就是必须拥有一个巨大、免费的用户群。因此，大数据时代的互联网经济不是简单的二维经济关系，而是多维的受众关系。丹尼斯·麦奎尔提出“受众的满足模式”(Gratification Set)概念，指出“受众的满足模式”意味着受众是处于分散各处，无相互联系的个人集合体。将无相互联系的受众作为互联网商务的受众，会大大扩展产品用户群，也就是说，互联网经济强调的不是如何获取收入，而是如何获取用户，尽管有些用户只是潜在用户。克里斯·安德森在《免费：未来的商业模式》中指出：“作为商家，只要免费能获得用户的注意力和忠诚度，就可以尝试。因为总有5%的VIP客户愿意主动付钱，或者你总可以从互补的产品中获得收益。”[14]

免费产品具有易于数字化、无形化、成长性较好、冲击力较大以及间接性受益的特点。因此，拓展设计免费产品是互联网头部企业的重要商业模式。免费产品的设计和运行需要消费场景，消费场景本质上就是消费业务链，即A产品免费、B和C产品收费，A、B、C共同构成一个消费场景。场景的设计要运用消费心理学的“心智交易成本”，在心理上满足人们好占便宜的天性。互联网头部企业的车音网是成功实施免费+收费消费场景的企业之一，车音网的会员只要支付一定数额的话费，就可以任意拨打国内电话，还能免费享受紧急救援、导航、代办违章缴费等服务，而且收费价格比一般市场价格低得多。这种低价格收费+免费的产品组合顺应人们天生具有的好占便宜害怕吃亏的天性，“通过对大家都认可需要收费的部分(通信)收费，就让用户的这一‘心智交易成本’不复存在。”由此可见，“交叉补贴式的免费模式需要企业提供多种产品(或服务)，单一的产品(或服务)是无法进行交叉补贴的。而这多种产品(或服务)组合在一起，就变成其他竞争者无法超越的核心竞争力。”[15]

互联网头部企业热衷于设计推送免费产品，其设计思路是流量变现，即通过免费获取巨额流量，以致于有人提出“互联网赚钱的公式是：流量=金钱”，“只要有了流量，变现根本不是问题。”流量变现具体有三个操作：一是广告变现，现在一些互联网头部大号几乎每条视频都有广告植入，而且还能通过数据中台提供的用户对广告的厌恶度数据分析针对每个人实时调整广告播放时长，做到既做广告又不伤粉。二是带货变现。如“抖音好物联盟”开展的0粉丝也可以开通商品橱窗活动，还有“抖音会说话的刘二豆”通过带货跳转到淘宝销售宠物用品。三是知识付费，如“潜能宇哥”以健身达人的身份，免费分享很多关于健身的专业教学，吸引健康爱好者并推荐健身付费产品。

免费产品的设计拓展与feed流密切相关，特别是互联网头部企业更是feed流的主要操控者。Feed流(news feed)是一种数据格式或一种信息单元格，其将用户喻为爱吃东西的动物一样不间断持续提供信息数据流，很多社交和资讯类App中，如微信朋友圈、今日头条推荐页、知乎关注页、还有抖音短视频等都使用了feed流。Feed流显然融入了对人性的理解，免费、娱乐、刺激、快感都会使人上瘾。在feed流的背后是数据中台即时、快捷、准确地将用户订阅的消息数据源组合在一起形成内容聚合器，帮助用户持续获得最新的订阅源内容。Feed流系统的核心在于存储和推送，存储系统中的账号关系存储和feed消息存储都是100TB甚至是PB级的数据量，推送系统中的发布和读取功能都需要保证千万级的TPS和QPS，这都需要基于大数据的数字中台对数据信息进行整理、聚合和发布，可以说，没有数据中台，就没有免费的feed流。

三、用户业务单元拓展

扩大用户数量，满足用户需求一直是企业发展追求的目标，企业经营的一系列数据——产品、销售、成本、利益等，归根到底都与用户有关。用户有个体用户和团体用户的分类，但个体和团体都是现实的人，因此，关注用户就是关注人。在基于大数据进行用户画像和“量子人性”[16]的条件下，对用户行为进行量化细分不仅具有理论必要性，而且具有市场可行性。英国当代数学家及人类学家托马斯·克伦普在《数字人类学》一书中指出：“数字的本质是人，数据挖掘就是在分析人类族群自身”。他认为，数字是人类行为和客观世界的数字化或者定量化，人类行为通过数字表现出来，“从跨文化上来判断，数学的经验是统一的。”数字与人类行为的同构性是通过数据挖掘洞悉人性和人的行为的基础，通过数据挖掘分析人类族群自身，本质上是源于“现有特定的聚居人群的经济、社会和政治都是一些动态系统，”而数字人类学就是关于“这种系统是如何运作的假设。”从这个意义上说，“人人都是建模者(modeller)”。[17]中国管理学界一直在研究“量子时代的管理”，周箴提出“量子时代的到来催生了对应的量子思维和量子管理以及管理变革。”[18]在“量子管理”和“量子人性”推动下，互联网时代的用户单元正在大力拓展。

(一)潜在用户的拓展

头部企业一直把扩大用户群作为抢占市场的重点目标，金融机构抢夺客户的白热化竞争自不必说，商超百货也通过跨地域连锁不断抢夺客户群。互联网头部企业凭借泛互联优势将客户群扩大到千万级和上亿级，其中一个目标重点是对潜在用户的开发。

潜在用户的开发与头部企业成功运用大数据预测功能密切相关。根据“第四范式”，大数据“是在未知规律的情况下，运用计算能力从大数据中发现规律并发挥规律的作用”。从“未知”中挖掘数据并发现规律，其核心意义在于发现可能存在的潜在价值，而不是发现现实价值。大数据的这一预测功能说明传统意义上的可能与现实的关系发生了变化，这种变化主要表现在两个方面：一是将小数据时代的“大概”的经验式可能性转变为大数据时代精准的科学式的可能性；二是通过大数据预测将好的可能性变成现实，将不好的可能性不变成现实。[19]

从商业营运的意义上讲，可能与现实关系的变化要求企业把关注的重点不仅放在现实用户上，还要关注可能的潜在用户。在大数据时代，聚众效应作为互联网经济的一个重要的盈利机制，就是快速聚集形成一个庞大的浏览围观群，形成“眼球经济”。

头部企业能快速拓展潜在用户的原因除了企业声誉、产品质量、服务满意度等因素之外，还在于其快速粘住用户的能力，特别是互联网头部企业拓展潜在用户一般都是通过构建“用户回环”和“内容回环”来实现。“用户回环”是运用feed流不断进行用户的“获得-激活-留存-再获得”操作，形成并拓展“用户池”进而形成用户回环。用户回环包括用户获取、用户激活、用户留存、用户推荐四个环节。用户获取主要通过关系链导流、异业合作、ASO等方式进行，关系链导流包括导入QQ、微信好友和通讯录，异业合作包括快乐大本营、天天向上等带动用户激增。用户激活以内容准备、自动播放、参与创作等方式粘住用户。用户留存通过“热门内容筛选+个性化推荐”算法吸引用户为回头客。用户推荐通过个性化推荐和参与创作使用户从消费者转变为传播者。“内容回环”通过产品设计、社区氛围、外部刺激等方式将内容消费用户转变为内容生产者进而形成内容回环，内容回环中消费者和生产者的角色合二为一，通过“我也可以拍出火爆视频”“拍同款”等挑战创作活动，将内容消费者用户不断向内容生产用户转化。显然，通过“用户回环”和“内容回环”拓展潜在用户必须将内容池的数据与用户池的数据进行匹配，为用户进行个性化推荐，常用推荐算法是“协同过滤+内容推荐”(见图3)。现实生活中，头部企业面对的都是海量的用户数据和内容数据，要实现精准的个性化推荐，基于“人”的维度找对人，基于内容的维度找对内容并即时快速地进行匹配，这是原来IT架构下林立的“烟囱”系统所无法胜任的，必须运用基于DT架构的数据中台才能完成。

图3 内容—用户精准匹配

(二)无聊用户的拓展

“无聊用户”与“无聊经济学”有关，这里的“无聊”是一个比喻，喻指一种“闲暇”状态。无聊经济学的提出者是“分众传媒”董事局主席兼CEO江南春，他提出无聊经济学是因应网络新媒体而日盛的分众传播，分众传播强调传播的精准性。众所周知，任何企业的价值实现都离不开广告，但“眼球疲劳”逃避广告信息是很多用户的本能反应，运用“注意力经济”吸引用户接受广告信息就必须针对用户的兴趣点并利用其“无聊时间”，打发无聊是人们日常生活的常态，无聊经济正是要进入这种常态。从心理学意义上讲，无聊一般分为主动无聊和被动无聊，主动无聊是人们在紧张工作之余主动选择的一种闲暇放松状态，在主动无聊状态下人们会很反感广告信息的打扰。被动无聊是人们主观上不愿意但现实环境却让人感到很无聊，在被动无聊状态下人们并不很反感广告信息的打扰，反而会关注广告信息以帮忙打发时间。网络新媒体的“分众传播”特征与现代人的个性化生活状态有关，而个性化的生活状态决定了市场的细分，市场细分必然导致用户细分，具体表现为无聊用户群的出现。因此，现代人的生活方式在很大程度上会影响现代商业运营模式，生活碎片化和碎片化文化必然导致市场碎片化和快餐文化，碎片化是后现代的产物，是后现代文化现象的基本形态。[20]碎片化和快餐化应用的最大意义在于解决标准化产品和用户需求个性化之间的矛盾，[21]碎片化并不是消极现象，它对现代微生活模式的展开具有意义。[22]面对碎片化和快餐化以及由此衍生的“无聊经济”，企业运营也应该把注意力投向打发“无聊时间”的“无聊用户群”身上。

由于“无聊”是人的一种“闲暇”状态，因此，与“闲暇”有关的产品都可以吸引“无聊用户”，如旅游产品、音视频产品以及良品铺子等休闲食品都可以将无聊用户作为拓展对象。当然，无聊只是“闲暇”的一种状态，而不是“闲暇”的全部状态，拓展无聊用户针对的主要是生活碎片化、娱乐化状态下的消费人群。

无聊用户在互联网头部企业的用户群中呈快速增长态势，用户来源主要是游戏客户群。自电脑游戏问世以来，从单机版到联机版再到网游，游戏产品越来越多，游戏玩法越来越多，游戏玩家越来越多，游戏公司获利越来越多，仅在中国，从2008-2017年游戏用户就从6700万增加到5.83亿，用户量增加近10倍，游戏行业收益也从185亿人民币增加到2036亿元，收益增加近12倍。[23]网络游戏公司是最早运用大数据对用户进行“聚类”画像的，聚类和简单的分类不一样，简单的分类往往是一维的，而聚类是多维的，聚类对游戏玩家未知的分类比常规的维度要多，既有活跃度、消费额度评估打分，又有玩法、参与、社交项目评估打分。聚类通过相似性寻找将N个散点通过机器学习的算法聚为一类，可以从未知的视角发现一些比较难发现的用户特点。网络游戏是公认的离钱最近的行业，但也是数据处理最复杂的行业，游戏行业的运营指标多达200多个，是所有行业里最多的，游戏运营会产生非常多的数据，这些海量实时数据只能依靠大数据平台来处理。因此，数据中台对于网游公司的运营来说是至关重要的。

四、服务业务单元的拓展

在传统生产条件下，企业的服务业务基本上是一元结构，即售后服务。在现代生产条件下，企业服务业务呈现出多元性全时空特征。所谓全时空，是指在时间上的全程性和空间上的多维性，全程性表现在从产品设计、生产、质检、销售、交货、支付、反馈、售后等全程业务环节都有服务性参与，多维性表现在从云空间到微空间也都有服务性元素参与其中，如通过微空间开展咨询业务活动。

由售后服务到全程服务的转变，在宏观层面与经济发展由短缺经济向过剩经济的转变有关，在中观层面，与产业产能过剩有关，在微观层面，与企业技术水平相对同质化导致的市场激烈竞争有关，现在的市场竞争，不仅需要拼产品，也要拼服务。由一维的售后服务到多维服务的转变与泛在网络[24]的发展有关，泛在网络创造的云空间和微空间为企业提供云服务和微服务创造了条件。在互联网、大数据条件下，头部企业服务业务单元的拓展突出表现个性化私人定制服务和体验式服务等方面。

(一)个性化定制服务的拓展

企业管理进入大数据时代，将“量子管理”理念带入到数据分层和用户画像的定制服务新场景。数据分层的定制服务在本质上是一种面向分众时代用户多样性需求的科学的量化手段，Martin Klubeck在《量化——大数据时代的企业管理》一书中深入分析了量化对于企业管理的大数据意义。他认为“量化分析就是使用不同层级的信息(数据、指标、信息和其他量化指标)讲述故事。”[25]定量化的私人定制改变了传统营销的千篇一律、千人一面的标准化格局，使营销服务形式更贴近用户，满足个性化需要且更加精准化。正如长尾理论的推荐者所说：个性化需求本来就是人的天性，“长尾之所以存在，与人们的需求密不可分，而人们对于多样性的需求，来自于人类本身的特性。”[26]

数据分层和用户画像将定制服务深入到人性和人的行为分析的“用户图谱”绘制层面，将人的消费行为与人的文化属性融为一体，“文化组学”就是这方面的研究成果。文化组学[27](culturomics)是由“文化”(Culture)和“基因组学”(genomics)共同组合而成的组合词，文化组学研究方法的特点是运用大数据方法和基因研究方法来量化分析人的文化心理和人的交往行为背后的文化属性，根据量化指标的适配性来对人进行数据分层和智能分组。文化组学的创始人艾略兹·利伯曼·埃顿提出这一概念的初衷是进入谷歌庞大的图书数据库系统对1000余万种图书进行数据挖掘，将文字或单词等关键词作为文化基因，运用大数据技术挖掘发现随着时间推移文化如何发生改变的量化指标。将“文化组学”具体运用到企业运营的是苹果公司收购书灯(Book Lamp)的“图书基因组计划”(Book Genome Projet)[28]，该计划通过分析处理每个客户的购书浏览记录和支付记录来了解客户的阅读兴趣，通过用户画像给客户绘制“专业图谱”和“兴趣图谱”，据此对客户进行“智能分组”，针对每一个客户进行基于“图书基因组计划”的“私人定制”和“量身定做”。这种“量化人性”的量身定做能使对出版对象的深描进入到量化分析的量子层面，具有典型的“文化组学”基因。

头部企业努力开展个性化定制服务一方面是由于市场竞争日趋激烈，另一方面是有了基于大数据应用的数据中台作为支撑。现阶段，制造业头部企业纷纷搭建数据中台，就是因为原有的企业管理信息系统老旧，如ERP、MES、PLM、SRM和CRM等都是以流程驱动为核心设计的，但在产品复杂性逐步增加，客户定制化需求逐步增多，供应链协同复杂性逐步增高的情况下，分立的企业管理信息系统就难以满足实时快捷高效处理海量信息数据的需要。简单的一个业务场景，如供应商需要一张图纸，对接客户的采购人员就需要先学会在PLM系统中搜索一张图纸，同时还要学会在ERP系统中找到图纸对应的原材料的库存情况，甚至还要学会在SRM系统察看供应商给出的采购价格。简单的一件事由于后台系统的复杂性导致无法形成及时和协同的数据供给，无法满足用户个性化需要。[2]现代制造业已逐步进入以3D打印为代表的智能制造时代，3D打印本质上就是满足用户个性化定制需求的智能制造技术，其存在和发展更加需要数据中台的支撑。

(二)体验服务的开发拓展

传统的企业业务链是围绕着产品线展开的，表现为以产品为中心一手交钱一手交货的单一买卖模式，缺乏企业与用户之间的互动。缺乏互动一方面使企业不掌握用户体验数据，另一方面用户体验心得也不能反馈给企业，形成产品固化和市场僵化。在现代生产条件下，企业与用户的关系已不是单纯的买卖关系，还包括多维度的服务关系，特别是用户体验服务日益重要。用户体验本质上是产品线的延伸，产品服务是体验服务的基础，体验服务是产品服务的拓展，这种拉长和拓展企业业务单元的营销策略只是要转变一个思路——要在离用户最近的地方创新产品和服务。

哈雷·曼宁在《体验为王》一书中将“用户体验”称为“互联网时代商业竞争的核心哲学”和“伟大产品与公司的创生逻辑”，认为“只有客户体验是一切的核心——它决定了你如何进行你的业务，你的员工在同客户和彼此之间互动时的行为方式，以及你所提供的价值。”[29]6前迪斯尼执行副总裁李·科克雷尔更是提出现时代是“体验经济时代”，他认为，“情感因素比交易过程中的金钱更重要。因此，我们不仅要把商业中的情感因素经营到位，而且要做到至美、至善、至诚。”[30]企业不仅是经营产品，还是在经营情感，体验经济时代就是将企业与用户的关系从冷冰冰的商品买卖关系中提炼出来，将体验服务上升为经济交往中人与人的社会关系，用体验服务的情感纽带增强用户黏性并提高用户忠诚度。

体验服务关键是把人的因素放到企业经营的核心位置，这需要理念创新，近几年迅猛崛起的互联网头部企业拼多多创始人黄峥指出：拼多多的出现正是因为它不用原来的旧思维。在以人为先的思维下，应该先想这个人需要什么？我们要做的是物质消费和精神消费的融合，精神消费不只是做服务电商，而是用娱乐的方式让用户消费之余获得开心。基于这一理念，拼多多平台上众多的“游戏+程序”伴随着客户的购物过程，因为成功的游戏都是让人欲罢不能的，不能洞察人性的游戏不是成功的游戏，而占便宜就是人性的一个侧面，黄峥曾说：我们的核心不是“便宜”，而是满足用户心里占便宜的感觉。抽奖和抢红包这些是最简单的娱乐行为，这种方式是很矬，但我们确实在试图做消费和娱乐的融合。通过抽奖和抢红包等游戏娱乐来让用户获得“开心”的“占便宜的感觉”，这里体现的正是互动和体验的力量。

头部企业的头部性，除了业务体量大、市场占有率高等龙头企业特征外，还有一个重要特征，就是有头脑有思想，其思维理念总是围绕着人这一核心概念思考问题。传媒头部企业率先建构数据中台，一个重要的考量就是基于传媒企业的文化产业属性，文化产业属于精神生产，是最能满足人的精神愉悦感的产业部门。精神愉悦感具有很强的私密性和主观性，传统的关系性数据库是很难处理这些情感类非结构性数据的，因为关系性数据库系统的出发点是追求高度的数据一致性和容错性，而社交类情感类数据杂乱无章、千头万绪。进入大数据时代，以Map Reduce 和Hadoop 为代表的非关系数据分析技术已能将非逻辑结构的“数据废气”变成“数字资产”。客户体验具有很强的主观情感特征，正如哈雷·曼宁所说，“客户体验也是他们在与你互动时的感受：激动、高兴、安心，或紧张、失意、沮丧。”[29]6现阶段，企业要掌握客户购物的兴趣、爱好、意向、能力以及互动和体验感受等非逻辑结构的数据，只有通过运用大数据技术才能实现，而数据中台作为应用大数据的技术平台正在发挥越来越重要的作用。

五、结 语

德鲁克曾经指出：“管理既不是一门艺术，也不是一门科学，而是一种实践，其成就是以管理结果来衡量的，而不是学术奖励。”从这个意义上说，管理首先是实践，所有的管理理论一定是基于实践而得出的规律性的认识。[31]中国企业率先提出“数据中台”概念并付诸实践，这值得研究者从“企业实践的变革中抽象成行之有效的管理学启示”[32]。

数据中台既是企业数字化运行的体系架构，又是一个大数据应用平台；既是一种数据业务化、业务数据化战略，又是一种新的管理观念和思想。作为一种新概念、新实践，数据中台还处于成长期，从理论总结到实践生成都还在不断探索，但头部企业的实践证明数据中台应用总体是成功的，不仅对企业基于大数据的整体数字化升级产生了重要推动力，而且对于企业核心业务单元的开发拓展也发挥着重要作用。

围绕着数据中台建设，目前已形成一个新的数字中台行业，在市场上为各个企业提供数字中台建设解决方案，但应该看到，数据中台建设并不适合于所有企业，是否需要搭建数据中台还要根据各个企业所处行业、发展阶段、数据成熟度等因素综合考量决定。初创公司、业务链单一的企业现阶段并不一定适合搭建数据中台。但对头部企业来说，建设数据中台只是时间早晚、进度快慢的问题。