从数据架构看生鲜电商的数据价值

目前，数据的价值已经从简单的啤酒尿布数据挖掘、决策分析、决策支持和商业分析发展到数据资产和生产力数据。

新鲜电子商务作为电子商务的垂直领域，是一个数据战场。通过推荐算法和大数据杀死策略，收集完整的定价轨迹和用户偏好，构建全面的用户肖像，开展准确的用户操作活动。

对于一个企业而言，从企业架构视角，一个是数据集成的价值，基于数据集成的企业内部IT系统集成；数据分析的另一个价值，以商业分析、大数据分析、数据建模为代表的数据操作，数据操作模式逐渐从内部管理操作向外扩展，形成了对客户、用户和供应商的系统操作分析。其中，数据集成对应于古代SOA体系的ESB和ETL工具现在更多地被称为数据平台；数据分析（和数据挖掘）对应于以前的数据仓库和当前的大数据平台。新电子商务只不过是这两个方面的数据价值。

一、生鲜电商的数据架构

在阐述生鲜电子商务的数据架构时，首先要达成以下概念的一致性。基本概念来自百度百科全书，但最后一句添加了我的解释。

l 数据架构：描述企业的主要数据类型、数据源、逻辑数据资产、物理数据资产、数据管理资产的结构和交互

l 数据主题域：通常与数据主题密切相关的 ** 。包含大量的数据主题，可以根据业务的重点将这些数据主题划分为不同的主题领域。主题领域在数据仓库中更为常见。为了分析主题领域，您可以处理数据市场，主题领域由最终用户和数据仓库的设计师共同完成。您可以比较以前文章中的业务领域和应用领域

l 数据主题：是逻辑数据模型的再抽象分类。数据主题包含多个概念数据模型。在数据主题域中，可以参与数据仓库的分析主题。它是主题域下数据的再细分，一般包括一级主题域和二级主题域。它可以对应前一篇文章中的业务能力和应用程序。详细的数据主题域和数据主题概念内容可以找到企业架构图书，而不是数据仓库图书。

l 概念数据模型：面向数据库用户的现实世界模型，主要用于描述世界的概念结构，使数据库设计师摆脱计算机系统和DBMS具体的技术问题，重点分析数据和数据之间的联系，以及具体的数据库管理系统（DBMS）没关系。我的解释是概念数据模型是E-R，为了让产品经理(开发人员)与业务方有效沟通数据关系。

l 逻辑数据模型：是一种图形显示模式。一般采用面向对象的设计方法，有效组织各种来源的业务数据，用统一的逻辑语言描述业务。

l 物理数据模型：指提供系统初始设计所需的基本元素和相关元素之间的关系。只有开发人员（主要是DBA）在数据库表中描述计算机物理世界的数据关系。

二、数据集成的价值

首先是新鲜电子商务的数据主题视图，包括下图中的数据主题域和数据主题。如果您有任何问题，请联系我。这张图仍然需要一点数据背景。

图1数据主题域示意图

二是生鲜电子商务概念数据模型视图、逻辑数据模型和物理数据模型视图，仅供参考IT系统的数据库表结构。下图中概念数据模型的信息系统来自上一篇文章《从应用架构上看新鲜电子商务信息化建设》。如果你不能再放一张图片，你可以放两张图片。

图2-生鲜电商概念数据模型视图一（含集成关系）

这个概念数据对象的集成关系图，包括思考和绘图，花了三个小时，检查了好几次。有些内容已经到了无法自查的地步。因此，如果您发现违反了数据中的第三种范式，请及时留言帮助我纠正。

总共有六篇文章将生鲜电商的企业结构串联起来，到此也就分享完了，传输门如下：

《2.1从企业结构的角度来看，生鲜电商

《2.2从业务结构上看，生鲜电商核心业务

《2.3生鲜电商核心业务示例-损失业务流程详解

《2.4生鲜电商信息化建设从应用架构上看

《2.5从技术架构上看，塑造生鲜电子商务的核心技术能力

《2.6从数据架构上看，生鲜电商的数据价值(即本文)

后来，我们将介绍一些有趣的农业模式，首先是昆明花卉市场的招标模式。我已经圈出了这些特殊的东西（如图4所示）。如果你想知道更多，你可以在小组中提问。我没有一个接一个地描述它们。我用手机备忘录写了将近40分钟。写完这篇文章后，我不想再用手机打字了。数据集成的许多内容类似于传统行业。毕竟，有特殊的逻辑数据模型（如果您匆忙绘制时间，并且违反了第三种范式，请提示）：

u 竞价:讨论农产品供应商的竞价体系。这是一个有趣的例子。

u 收获:与农业管理系统的数据集成关系。

u 质量：包括供应商的供应质量、采购质量、生产加工质量、退货质量要求、冷却质量等。

图4-生鲜电子商务独特的概念数据模型

三、数据分析的价值

对于电商最有价值的数据分析点如下。

对于生鲜电子商务来说，数据分析的价值如下。事实上，许多纬度仍然重叠，而不是单一的相互排斥关系。

图5-新鲜电子商务数据分析的价值

1、定价

农产品价格一直在波动，振幅仍然很大，可以找到减少的规则，现在所谓的农业价格大数据只是从几个国家指定的农业批量市场公开的价格，加工农贸市场的价格，以及他们自己的收藏家收集的价格。对于真正的电子商务来说，这些数据是有限的和扭曲的。新的电子商务需要知道两端的价格。包括批发市场和农贸市场，一个是 ** ，一个是销售价格，当然，这可能是某一时期某一批农产品的价格。目前，许多新鲜电子商务的定价直接指农贸市场或竞争对手，但忽视了规格和质量、成本、企业规模和效益、相关商品组合价格的不一致。首先，我们需要从多个来源收集价格数据，包括原产地批发、土地销售批发、农贸市场、大型超市和新鲜电子商务竞争对手，然后进行有效的相关分析，为商品组合价格提供支持，为活动运营服务。同时，我们不能只销售，无论采购和生产能力，采购也可以给出指导价格，生产能力也会影响定价。

2、活动运营

一般互联网公司的数据分析将对活动、用户进行操作分析（业务分析），特别是对于订单实现、活动、用户活动，一般电力平台将做好数据埋点，收集上述数据，用于数据操作，这是一个大话题，以后有时间介绍，或以直播的形式。

3、用户画像

在这个千人千面概念已经烂大街的当下，不做用户画像，都不好意思说自己是电商，这个和活动运营一样需要埋点和分析，最主要的是需要有模型，一旦没有模型，用户画像也就只是一个摆设的后台管理功能。但是还真有很多电商只做了性别、年龄、地域、消费习惯等纬度的建模，消费习惯还只是自己平台的，这是很不合理的，需要购入更多的外部数据，或者在活动中获取更多的个人信息。对于生鲜电商用户画像模型中。占比较高的应该是职业，家庭地址，消费习惯与结构，年龄，婚姻状况，居住人数，有无小孩，家庭附近生鲜小店情况等。

4、电商推荐

电子商务推荐算法也是与用户肖像相同的电子商务标准。您可以利用用户肖像 浏览习惯和建模分析，通过成千上万的应用程序，为不同的用户提供不同的建议。

5、供应商管理

供应商管理将带来无限的消费场景。生鲜电子商务供应商提供的原材料质量是供应商评估和支付的基础。供应商可以在该地区寻找源头，货比多家，降低运营成本和风险。根据数据管理供应商的供应资格是生鲜工厂的剥削杀手。

6、销售指标

销售指标也是根据区域划分的销售区域（许多公司喜欢称之为战区，但也与军事委员会的五个战区进行比较）、省级公司、市区域甚至小时交易数据的统计和分析，奖励top销售和销售团队，鼓励甚至淘汰落后的销售和销售团队，最大限度地发挥人们的潜力，给公司带来更大的利益。2B生鲜电商尤其严重，是真正的客户销售。2C生鲜区，这是区域运营团队KPI/OKR。

数据分析的应用场景不仅仅是上述内容，而且篇幅有限。我不会一一列举。