数据部半年度会议的PPT内容

数据部定位是什么？
粮食生产地？
粮仓？
粮食加工厂？
我们是集生产/采购/存储/加工为一体的粮食半成品批发超市，
并且，我们也是粮食采买和使用/流转规则的制定者。

数据部的职责是什么？
比喻 职责 目标
粮食生产基地-数据常规建设——基于业务反馈和研究探索优化建设路径及建设内容，持续新增更多数据纳入常规建设范畴，并不断形成可量化的建设标准。
供粮渠道拓展-数据采买——按业务需要及预判业务需求，基于成本评估不断拓展更多数据类型，并保证数据质量
粮食生产及加工工艺升级-数据挖掘-基于数据相关性，完成不易获取或者出错性较高的数据算法模型制定，并保证质量，以及优化迭代。
粮食产品存储及陈列-数据治理（数据中台）——通过数据中台以及制度规范等，提升数据调用效率
市场营销-数据能力的推广宣传——让公司内外部了解赢商现有的数据能力、规模及质量（对内外部呈现方式不同）
服务顾客-满足数据需求，提供数据及解决方案——快速响应，站在业务方视角，提供给业务方满意解答和数据解决方案

数据部目前组织架构及团队成员

| | | 郑捷炜 | 数据建设主管（数据研究及数据清洗） | 1）负责对大众点评、POI、小区、写字楼等抓取或外采数据，做好数据验收、数据清洗及跟进数据入库的工作；；
2）协助执行场所端二级指标建设，包括不限于制定分类、标签等建设规则； 3）根据市场情况研究行业相关课题
4）根据应用场景研究新建数据建设方式、范围及相关释义。 | | | 吴雅欢 | 数据客服专员 | 1）负责网站上传项目的客服工作；
2）负责定期核实项目开业状态变化；
3）负责日常监控资讯建设新项目；
4）负责更新项目客流监控所需围栏轮廓。 | | | 唐泽强 | 数据管理员 | 1）负责后台需求汇总对接及业务应用导数；
2）根据业务需求常用场景搭建赢商BI平台，做好BI数据来源、数据计算逻辑的维护，使业务部门快速获取所需数据
3）配合业务需求输出数据分析结果（编程实现） | | 品牌数据建设及研究组 | 周娜 | 数据建设经理 | 1）根据数据使用情况以及应用场景研究现有数据的定义、数据建设标准、建设路径、数据解释等标准性文件；
2）根据应用场景研究新建数据建设方式、范围及相关释义；
3）根据业务需求研究底层数据的二级建设，包括但不限于品牌指数、品牌标签、品牌分类等建设规则；
4）根据市场情况研究行业相关课题；
5）统筹品牌端基本数据建设与更新；
6）协助优化产品（赢招商/云商管）功能；
7）统筹品牌端后台功能需求整理。 | | | 邓孟蝶 | 项目主管 | 1）负责与分站沟通进行24城线下踩盘，包括名单确认、采集时间规划、清洗入库、核查开关店、结算对账
2）统一采集买的点评网楼层格式并跟进入库，和产品技术沟通如何处理进后台，后期对此数据进行维护
3）负责踩盘小程序使用培训、问题解答及功能新增，针对日常踩盘中出现的bug及时提出解决方案，汇总常现问题反馈产品做更新迭代
4）处理其他部门反馈的数据问题并及时解决，采集入库非24城内项目较为常见
5）跟进客户定制需求，如期完成数据交付 | | | 杨慧婷 | 数据建设专员（门店数据录入和清洗) | 1）处理24城线下踩盘数据，主要为清洗入库、核查开关店
2）日常维护后台门店数据
3）跟进踩盘类客户定制需求，如期完成数据交付 | | | 何桐先 | 数据建设专员 | 1）零售（除服装外）、文体娱、生活服务业态的数据建设以及更新工作（含联系方式新增和更新）
2）协助执行品牌端二级指标建设，包括但不限于品牌指数、品牌标签、品牌分类等建设规则；
3）根据市场情况研究行业相关课题；
4）根据应用场景研究新建数据建设方式、范围及相关释义； | | | 曾碧雲 | 数据建设专员（含数据清洗） | 1）餐饮业态的数据建设以及更新工作（含联系方式新增和更新）
2）批量采集或采购门店数据清洗规则优化跟进以及清洗结果评估
3）品牌融资信息监测更新
4）创新品牌监测更新
5）首店监测信息清洗更新
6）配合其他部门的数据处理工作（如：榜单、咨询） | | | 黄巧 | 数据建设专员 | 1）服装业态的数据建设以及更新工作（含联系方式新增和更新）
2）品牌审核的部分工作
3）创新品牌的监测
4）首店监测信息清洗更新
5）配合其他部门的数据处理工作（如：榜单、咨询） | | | 杨嘉恩 | 数据建设专员 | 1）部分餐饮业态和儿童亲子的数据建设以及更新工作（含联系方式新增和更新）
2）品牌融资信息监测更新
3）创新品牌监测更新
4）首店监测信息清洗更新
5）配合其他部门的数据处理工作（如：榜单、咨询） | | | 郭佳丽 | 数据客服专员 | 1）负责网站上用户更新审核、品牌认领审核、客户纠错审核；
2）负责“联盟行动”活动客户上传的联系方式审核；
3）负责日常品牌联系人的更新审核。 | | 数据采集及挖掘组 | 欧家荣 | 数据采购经理 | 1）基于业务方数据需求（成本、时间、质量），评估数据获取方式（爬虫、采买）制定数据获取和落地执行；
2）针对采买数据：挖掘和拓展权威、合规、稳定数据源，并完成供应商数据源的准入、评价、验收等环节的跟进落实
3）针对自主爬取数据：构建和规范爬取体系，保持数据获取的安全性和人效最大化
4）对数据源情况进行规范化整理和输出，便于需求部门理解和查阅，并推进批量采集数据在数据中台的可视化呈现；
5）其他自动化方式推行和创新工具挖掘等 | | | 梅宗敏 | 算法工程师（通用模型/指标） | 1.基于公司产品业务需求，进行数据建设统筹安排及规划；
2.执行数据说明整理工作和文档溯源（数据、算法、爬虫），推进数据治理线上化；
3.商业模型、指标体系的开发建设 | | | 陈学明 | 算法工程师（GIS专向） | 1.基于公司产品业务需求，进行数据建设统筹安排及规划；
2.执行数据说明整理工作和文档溯源（数据、算法、爬虫），推进数据治理线上化；
3.商业模型、指标体系的开发建设 | | | 劳建玲 | 数据挖掘工程师 | 1.完成爬虫任务，维护已有爬虫任务；
2.完成数据清洗整理任务：协助业务部门进行商业数据提取 、分析、处理；按要求清洗入库，核对验收；
3.与业务部门配合完成模型建设

| | | 周海榕 | 数据库管理员 | 1、数据仓库日常维护，数据库性能监控和调优，数据备份/恢复计划，系统数据安全以及权限管理；
2、负责数据仓库核心模块和BI的研发和项目框架的搭建及底层运维；
3、负责数据仓库系统部署方案的规划、设计和实施，参与项目设计，对数据库整体架构提出建议；
4、根据BI方需求在数据仓库中新增表，字段等维度的数据，并进行定期更新及维护；
5、负责定期产生报表分析并储存在数仓中；
6、负责数据中台的ETL作业开发，包括表和字段等建立，脚本编写，自动运行环节监控。 | | 后台产品组 | 刘婉莹 | 产品经理 | 1、负责赢商大数据前台及后台产品设计，包含但不限于需求收集分析、产品设计、并跟踪项目落地验收及培训。（建设后台）
2、深入业务了解目前产品现状和业务特点，产出高质量的产品方案，与协作方推进方案落地并对效果负责。
3、结合公司商业产品规划及关键数据指标，持续优化负责产品并保证业务方需求时效。
4、包含除独立完成产品工作外的需求调研、资源整合及项目推动工作。 |

数据部工作的8个基本点

1.数据建设/研究成果沉淀 2.数据建设方法客观/可量化/自动化
3.保护数据资产 人人有责 4.积极响应并满足业务需求
5.鼓励降本增效提质的方法探索 6.善于总结/计划/反思/质疑/建议
7.鼓励新知识/技能的学习和实践 8.乐于分享

数据部的人员考核方式

1.考核比重：
基本岗位职责（数据建设、数据研究、算法挖掘、数据清洗、数据爬虫等）——30%
业务部门满意度——30%
项目统筹和管理能力——20%
临时项目的配合——10%
工作态度及表现——10%
2.奖金及晋升机制：
——基于数据业务的整体收益进行部门的收益比例划分（0.8%）；
——基于团队成员的季度考核情况，进行年终奖金分配以及晋升规划；
——年终奖金额度在1-4个月不等；季度考核平均分在90分以上的有调薪机会。
（详情见行政发文）

Q2数据部的建设成果回顾

| 1.完成各组别考核方式及岗位晋升规划：场所端数据建设及研究组（简称场所组）、品牌端数据建设及研究组（简称品牌组）、数据采集及挖掘组的量化考核指标（简称算法组） 完成初稿 | 1.与人力资源完成考核方式定稿，并在二季度执行季度考核方式（完成定稿，七月初试行）；
2.招聘场所端客服1名（完成）；以及物色行业研究员1名（未完成）；
3.商圈建设/爬虫建设/ETL提取的实习生配备（完成） | | | | | 三、培训输出：多讲多说，尽量形成标准 | 三、算法模型建设及优化 | 三、算法模型建设及优化 | | 1.python入门，完成
2.数据说明和bi使用规范，完成
3.重点品牌标签价值及场景分析，完成
4.小程序踩盘系统使用操作，完成 | 1.对部门有潜力同事进行了课题布置：企业股权关系分析、城市零售商业指标体系、新兴品牌趋势及现状 完成
2.基于专项课题接近市场需求，并形成成果展示机会。未完成，在6月发布
（未列举涵盖跨部门的研究工作） | （一）数据部自主研究
1. 项目首层租金模型/营业额模型优化（首层租金模型完成，进一步优化需要等待更多样本回归再优化一次，优化需2~3天。营业额模型完成，预测范围较小，效果并没有特别显著，优化空间集中与客单价和精准进店客流。）
2. 城市端二级指标的数据更新（更新计划已取消，已被城市商业线级模型的五个指标取代。城市商业线级模型上线后还需整理相关算法文档）
3. 客流模型优化；进行样本筛选和数据清洗（预计7月9日出结果。）
4. 购物中心消费档次指数模型：完成了一版但由于部分“腰部”项目的品牌客单价缺失以及品牌指数准确度不高，导致此模型并未上线。
（二）联合项目组
基于项目组计划进行相关工作推进和数据质量把控。（具体内容见飞书该项目组的工作成果） | | | | | | | | 四、数据安全/标准及数据沉淀 | 四、数据治理工作推进 | 四、数据中台相关工作推进 | | 1.基于BI的安全告知书已经发送完成，操作手册以及培训，完成
2.基于bi的定制开发功能综合考虑，在半年后导数功能在数据中台上线，因此BI的功能开发暂缓。
3.算法模型文档整理，完成 | 1.完成数据ETL的首期工作：1）ETL小组实习生的招聘；2）该组别实习生的管理及标准制定 完成
2.完成数据采购以及清洗溯源文档和标准整理； 完成，并持续进行
3.所有算法指数模型相互之间的嵌套关系梳理完成；完成，并持续进行
4.基于数据中台需要其他跨部门工作协调；完成，并持续进行 | 1.功能开发：1)数据中台接口联调完成，以网页版进行进行内部（技术部）测试；2)基于测试问题制定优化策略及下一阶段工作任务（完成）
2.数据治理：1)ETL后续按照需求配合调整（持续进行）（实际数据库的数据由运维建立）；2)2020年的采购及爬取数据溯源，按中台规范执行外采数据建设（外采爬虫数据加入到中台网页呈现） | | | | | | | | | | | 六、数据标准口径输出 | 五、数据部流程梳理并对外公布 | 五、数据相关流程梳理及制定 | | 购物中心年度数量口径统一（包括传播材料以及自主推广内容），完成 | 1.外部需求梳理以及内部对接执行标准流程优化（第一版），确定并发文；完成
2.着手对数据说明表的输出形式做第二版的优化：包括呈现内容以及输出方式（预计6月完成） | 1.梳理并公布数据部工作职能以及易混淆工作内容界定（完成）；
2.梳理并明确数据部与技术部的数仓管理归属权限划定及分工，并完成工作交接（完成）；
3.数据治理项目组的工作职责及对接流程确定（完成）；
4.基于知识管理的选型，以及知识管理1.0版本确定和培训输出（完成）
5.基于产品-数据-技术团队的对接流程机制确定并执行（完成）；
6.基于数据需求的数据部对接流程更新（完成） | | | | | 五、数据业务需求配合 | 六、重点数据采购问题 | 六、数据采购及爬虫项目统筹 | | 见项目组-数据治理群内的汇报 | 重点与数据采购经理一起梳理采购流程以及对接标准，并储备更多外部爬虫类供应商及个人 完成，并持续进行
尽量避免临时任务造成的更多爬虫人员招聘 | 1.新增数据采购：
1）高德POI、轮廓数据的供应商评估及购买；（评估采购完成，待数据下载验收）
2）大众点评数据的供应商的评估及购买（已发掘出新的爬虫入口，暂无需购买）
3）百度慧眼客流及人口的数据评估及合作方式确认；（单价过高，合作意向不强烈）
4）品牌线下门店信息的供应商确认及采购（完成）
5）仲量联行写字楼数据沟通（完成，单价过高且数据重要程度不高，作为数据源储备方案）
6）百炼数据（沟通中，商圈研究需求不强烈，暂时仅考虑作为项目开发及运营公司溯源母公司使用，待明确实现方案）
7）百度客情洞察（与百度慧眼对比更倾向于客群画像，地图能力相对慧眼较弱，作为数据源储备方案）
8）及刻数据（沟通中，待数据评估）
2.执行方法优化：
1）搭建crawlab爬虫管理平台，供爬虫团队测试及评估可行性；（完成）
2）项目管理软件测试或自建技术选型测试，优缺点评估（现阶段项目管理在飞书上进行） | | 六、数据治理工作推进 | 七、数据建设任务及业务需求配合 | 七、场所及品牌端数据建设及研究 | | 见项目组-数据治理群的汇报 | 1.优化数据业务需求对接表，将常规建设、临时任务、业务需求等形成明细的内部盘点，便于团队工作评估
2.具体的业务需求配合，基于该表进行工作推进，不做赘述（1.社区商业、独立百货、文旅商业、产业园、写字楼商业建设方法；2.商圈批量建设）暂未优化，在寻找更适合的项目管理工具 | 1.其他商业类型数据建设：1）甲乙写字楼配套商业、连锁超市品牌官网门店的数据清洗完成；连锁开发商旗下集中式社区商业、文旅商业项目数据梳理完成，然后基于数据情况判断建设边界（完成）
2.企业库数据建设：1）购物中心及百货企业集团名称统一完成；2）基于已确认的企业关联关系，完成数据操作后台的企业及项目框架确认（完成）
3.住宅底商/写字楼底数据建设，基于研究结论，再进行数据建设维度的深入探索;（完成）
4.申报购物中心相关团体标准事宜推进：与中商联完成可申请行业标准的项目确定，并制定相应的推进计划（未完成，7月跟进）
5.城市商业线级综合评价模型对内发布；并制定该数据推广计划；（完成模型确认，推广计划在7月完成）
6.品牌业态结构分类方法优化：1）与内容团队和产品团队沟通确定优化内容；2）基于反馈优化业态结构（完成）
7.新兴品牌稿件发布，并规划品牌端另一个研究课题（完成）
8.城市宏观数据建设：1）2020年1-4线城市中宏观经济和人口数据收录（完成）
9、五月土地招拍挂数据清洗入库（完成）
10、广百大湾区城市数据需求评估（完成）
11、场所端常规建设：6月拟开业项目核实（完成）；批量更新删除项目失效联系方式（完成）；完成6线28个城市商圈的更新（完成）；新项目轮廓补充（完成）；收录招蛇项目调研租金（完成） |

PS:Q2季度会上业务部门表达了对数据部的肯定（零售商业事业部、新媒体事业部）

7月数据部的建设计划

| | | 六、数据采购及爬虫项目统筹 | | 1.数据供应商和现有数据采集能力信息同步-7月培训；
2.基于客流完成与BAT年度合作方式确认
3.跟进大众点评爬虫实现
4.跟进中国土地市场网爬虫实现
5.开发商、运营商溯源方案实现
6.大众点评更多功能点或可用维度发掘及实现（暂有搜索爬虫、分类爬虫）
7.及刻数据持续沟通
8.crawlab小批量爬虫部署，实现定时自动化增量爬取 | | 七、场所及品牌端数据建设及研究 | | 1.品牌常规数据建设：围绕后续区域活动/沙龙所在城市，以及重点市场深耕城，7-8月份重点跟进海南、广西、安徽三个省份*；
2.门店数据清洗：线下踩盘2季度、半年度数据入库；大众点评2季度数据入库以及挖掘；
3.2季度品牌热搜榜测评、发布；
4.2季度项目热搜榜测评、发布；
5.新兴品牌稿件第2篇：新兴品牌业态迭代趋势研究；
6.品牌拓展计划模型1.0确定；
7.2021Q2地铁站点及出入口数据更新入库；
8.六月土地招拍挂数据清洗入库；
9.企业库数据建设：企业库与项目对接关联，完成购物中心和百货持有方、运营方、开发商所属集团的匹配
10.独立百货所属建筑物及其开发商名称建设（预计需40人日，80%独立百货获取建筑持有方企业名称）
11.其他商业类型数据建设:社区商业、写字楼配套、商超、文旅商业。对已收录项目补充项目基础维度指标；对未收录项目在已有基础指标基础上，建设商业配套维度；根据样本建设结果，梳理项目建设抄作指引文档，招聘兼职进行商业配套维度建设；
12.购物中心城市进入饱和度四象限模型研究；
13.对数据库的表及字段添加面对产品经理的说明（进行中）
14.推进选址产品在使用中的高德天启接口数据读取位置由产品自建的表切换到读取数据源表（进行中）
15.飞机场和高铁站配配套项目poi匹配，梳理待建设清单并规划评估可建设维度。 | | 八、数据实力推广-赢商大数据品牌推广 | | 1.基于赢商大数据的整体能力进行整体策划方案，并与市场部沟通确定。包括内容要点以及呈现形式、执行计划、人员分工等细则的确认
2.7月份至少启动一期数据能力的海报发布 | | |

最后再强调几个观点：
1.相对进步速度
我们是服务型公司，我们如果进步速度不比客户快50%，我们怎么能让对方买单？
如果公司进步速度每年快50%，你进步速度低于50%，那即便进步，也叫没跟上公司进步速度
思维方式和动作不变，事情不会发生本质变化。

2.体谅业务压力
站在一线的业务团队同事，面临的市场压力比我们大得多，他们承担着业绩指标的压力，以及面临着客户的质疑及刁难；所以咱们尽量提供更完善数据让他们销售更有信心，以及减少咱们出错的概率，减少他们挨骂的次数

3.低头种粮，抬头卖货
数据部容易陷入机械的数据建设中；要时刻提醒自己，基于目的反推建设过程和数据提交方式，
持续寻求降本增效提质的方法，不能盲目听从指挥和机械执行任务。

4.越付出，越得到
分享自己擅长的技能和方法
分享数据建设成果和工作内容
分享自己阶段性成果心得以及项目复盘

最后，
大家一起努力
让全世界使用的食材，都是从咱们超市买的

made in 赢商tech