周报1-16

Posted 2022-11-26 果汁华

一、月度重点工作

1、实时ID-Mapping版上线

2、引入云客微服务框架stark，上线第一个微服务应用

3、引入微前端框架，上线父应用和第一个子应用(bigdata-web)

二、本周回顾

1. 「集团SaaS版 」工作进展

• CDP组织权限管理，支持cdp取数接口按组织进行数据权限过滤： 已提测

2.「数芯平台」工作进展

i）ID-Mapping（实时版） 

• 规则配置；  -- 已提测
• OneID_Gateway网关服务； -- 已提测
• OneID_Generate服务（使用flinkJar实现）； -- 开发完成

ii）标签规则引擎

• 自定义规则支持“或”逻辑； --  已确认方案

iii）微服务相关组件研究（链路追踪、日志处理）

3. 团队工作及其他

• 智炼转正答辩、沟通
• 团队成员绩效评价

三、下周主要工作计划

1、发布上线（01.18）

   i）CDP组织权限管理-支持cdp取数接口按组织进行数据权限过滤；

  ii）ID-Mapping（实时版）；

  iii）数芯微前端重构专项（有风险）；

2、规则引擎 - 自定义规则支持“或”逻辑；

3、标签工厂- 调度自动解析

4、后端微服务基础组件引入

   i） 链路追踪（使用天眼）

ii）日志处理（待天眼支持容器console日志收集）

iii）开发后端微服务脚手架

四、个人学习成长

        这周阅读了《标签类目体系》这本书，分享下文中提到的数据资产发展的4个阶段。对我有一定的启发，大家一起学习。

1、数据资产1.0：构建消费者信息库 

i）数据侧与业务侧的初次接触

        数据部门深入业务一线了解数据需求，数据部门根据这些需求构建数据资产0.1版本。将标签数据提供业务部门后，慢慢激发业务人员使用数据的兴趣。 

ii）激发业务人员使用数据的兴趣

        数据部门开发一些属性标签“购物习惯”、“兴趣爱好”等，贴近业务端对消费者画像洞察的要求，带动和激发业务侧的数据场景想象力。 

iii）实现数据资产商业价值闭环

        数据部门与广告部门 合作，尝试探索精准营销。在数据部门帮助下，精准营销的广告流量收益是原来流量价值的数倍，消费者体验更好。 

2、数据资产2.0：ID-Mapping打通数据 

i） PC向无线转型是ID打通的历史契机

ii）ID-Mapping技术实现各数据源打通

        通过ID-Mapping技术，实现无线端与PC端数据的共享互补。并持续打通不同板块间的数据，数据合作和收购的进程不断加快。在往后数年，公司通过ID-Mapping技术实现了消费端、资讯端、社交端、 支付端、广告营销端等多业务板块间的用户账号打通，各端数据信息有效融合打通，促进了消费者线上线下，工作、生活、娱乐等各方面标签的完整设计，真正做到了对消费者全维度的“肖像”刻画。 

3、数据资产3.0：全集团数据共享共荣 

i）B2C板块融入，O2O数据接入，金融数据合作

ii）数据化运营

        在数据资产不断服务各业务部门的同事，集团又加置了一枚重量级的砝码：各部门年终考核项中都需要考核其数据化运营程度。从此数据联盟生态形成了稳定的自主循环：各业务数据系统都插有数据回流的接口。由于各端数据源源不断地汇入，全集团数据的共享共荣时代真正到来了。

iii）职能定位的变化

        数据事业部多年以来一直在探索数据价值的衡量与“变现”，尝试将数据应用的价值采用记账的方式在一定的账单周期内进行结算和划拨。

        由于和广告部门合作密切，数据事业部首先在精准营销中探讨数据价值的计量方法：采用多日多轮A/B测试的方法测验在相同流量相同广告内容下，使用数据的精准营销和不使用数据的通投广告的广告收益差别。

        此后所有精准营销广告收益乘以X系数后的收益部分就可以作为广告部门向数据中心采购数据服务的“费用”。自此，数据部门终于摆脱了说不清道不明的尴尬位置，从成本中心转型为利润中心。 

4、数据资产4.0：更广泛领域数据实践 

        在对全集团数据进行完整汇聚，开放给企业内各业务线使用后，数据部门有思考是否可以将数据使用的能力、经验带给外部企业，他们也需要数据的唤醒与赋能。 

i）对象扩展 - 从消费者扩展到某行业或某企业中所有核心对象的标签梳理。

        在原来的电商场景中，很容易把视角局限在消费者身上。当视野放在更广泛的社会领域时，才会发现太多的事物需要标签化，商品需要有商品标签库，楼盘需要有楼盘标签库等等。

ii) 标签场景化 - 需要将标签按场景拆细，尽量客观地反映场景情况。

        跳脱出单一行业或单一领域，才会发现原因对人的刻画过于片面。例如在电商场景中消费能力很高的人在实际生活中的消费力反而很低，因为他看重电商场景物美价廉的消费优势，偏好电商购物。可见通过电商数据预测出的“消费力”标签不能直接平移到现实生活或线下购物场景。因此不能通过单一领域数据推测其某一通用维度的标签取值，而需要将标签按场景拆细，尽量客观地反应场景情况。 

        根据文中的描述，目前CDP做到了数据资产1.0时代。随着ID-Mapping技术提供，打通更多的业务部门，就能早日步入标签资产2.0时代（设计和开发更加体系化标签，真正做到了对消费者全维度的“肖像”刻画。）。