购物中心运营数据管理决策系统及方法与流程

本发明涉及零售管理领域，特别涉及一种购物中心运营数据管理决策系统及方法。

背景技术：

在新零售时代，如何高效实现购物中心转型升级，成为摆在行业面前的至关重要的课题。每个企业都迫切需要数据化运营，继而为消费者带来更加优质的体验。传统的购物中心的管理决策更多的依靠营运方的“人脑”经验判断，但是面对当前市场的复杂情况，单靠“人脑”的经验很难达成精细化管理。

随着信息化的发展，购物中心都会建设各类业务系统，如客流系统，wifi系统，pos支付系统、停车场系统、crm系统等。营运人员在各个业务系统中看到的都是该系统提供的基于本系统所生成的数据报表或图形报表。对于购物中心的日常运营，各系统之间数据不互通，系统间形成的数据孤岛，看不见数据的动态变化，无法充分挖掘数据价值。各系统产生的数据之间深层次的业务关联逻辑无法洞察。传统的数据报表和图形报表展示不直观、专业性强、无法和其它业务系统协同分析。以上购物中心运营和it系统建设痛点，已经极大的影响了购物中心行业的转型升级。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种将业务与数据巧妙结合，帮助购物中心实现数字化、精细化运营，助力购物中心经营管理，有效彰显购物中心的数字化运营形象的购物中心运营数据管理决策系统及方法。

本发明解决其技术问题所采用的技术方案是：构造一种购物中心运营数据管理决策系统，包括从下到上依次设置的数据源、数据资产和数据大屏，所述数据源是购物中心所建设的各个业务系统，提供所述数据大屏各业务场景的数据来源，所述数据资产将所述数据源获取的数据进行统一存储和管理，并根据业务范围进行数据加工、数据的萃取、数据间关联形成统一id标识和数据的服务，以用来为企业提供数据资产服务，所述数据大屏根据所述数据资产提供的数据服务将数据打通、关联和洞察业务逻辑后，进行实时和半实时的可视化呈现；

所述业务系统至少包括视频客流系统、wi-fi探针、人脸识别系统、pos系统、停车场系统、官方微信公众号、crm系统、财务系统、erp系统、第三方大数据和互联网数据中的任意一种或几种，所述数据大屏至少包括数据首屏、交易屏、风控大屏、客流屏、车流屏、品牌转化屏、会员画像屏、人像扫描屏、商户贡献屏、商户大屏、吃喝玩乐最最屏和租控大屏中的任意一种或几种。

在本发明所述的购物中心运营数据管理决策系统中，所述视频客流系统、wi-fi探针和人脸识别系统提供客流信息来源，所述pos系统提供支付信息来源，所述停车场系统提供车流信息来源，所述官方微信公众号和crm系统提供会员粉丝信息来源，所述crm系统、财务系统和erp系统提供业务信息来源，所述第三方大数据提供任务画像数据标签，所述互联网数据提供网络爬虫数据。

在本发明所述的购物中心运营数据管理决策系统中，所述数据首屏用于实时聚焦购物中心关键指标，所述交易屏用于实时监测应收额流水及是否达标，所述风控大屏用于研究多维度预警指标，判断健康状况，所述客流屏用于实时追踪客流趋势及行走动线，所述车流屏用于实时车位监控，多维度挖掘停车场数据价值，所述品牌转化屏用于挖掘品牌关联，联合营销，提高流量的利用率，所述会员画像屏用于利用漏斗法层层筛选，了解客流层级间转化，顾客向会员转化预识别，所述人像扫描屏用于顾客画像智能在线化，监测不同顾客动态，所述商户贡献屏用于多维度计算购物中心商户的贡献度，挖掘高低价值商户，所述商户大屏用于助力该商户实现经营优化，不断提升精准营销的能力，所述吃喝玩乐最最屏的使用对象为购物中心顾客提高购物中心与顾客互动性及趣味性，所述租控大屏用于进行商铺租赁可视化，帮助商业综合体实现商铺资产数据化、可视化和实时化管理。

本发明还涉及一种购物中心运营数据管理决策方法，应用于上述购物中心运营数据管理决策系统，包括如下步骤：

a)将业务系统产生的业务或者采集的数据按一定的标准进行抽取，并传输到数据中台，即进行数据集成；

b)通过所述数据集成抽取的源系统数据，将其通过所述数据中台进行数据存储和加工；

c)对加工后的数据通过restfulapi的方式提供给数据大屏进行呈现。

在本发明所述的购物中心运营数据管理决策方法中，所述数据集成使用依赖各个业务系统提供的api接口、业务系统提供的消息推送服务、开放的数据源供抽取数据和文件系统对接。

在本发明所述的购物中心运营数据管理决策方法中，通过所述数据集成抽取的源系统数据以一定的格式存放在数据模型中；所述数据模型的架构按层次包括ods层、cdm层和ads层，所述cdm层包括dwd层和dws层。

在本发明所述的购物中心运营数据管理决策方法中，将业务过程或者维度进行抽象的集合构成数据域，所述数据域包括客户域、商户域、商场域、营销域、运营域、财务域、订单域和公共域。

在本发明所述的购物中心运营数据管理决策方法中，所述加工包括etl的开发、任务调度和数据萃取。

在本发明所述的购物中心运营数据管理决策方法中，所述数据大屏的呈现方式包括使用基于echarts的前端定制的图表显示组件、基于购物中心实际cad图的描点以及基于高德地图的购物中心3d建模。

实施本发明的购物中心运营数据管理决策系统及方法，具有以下有益效果：由于设有数据源、数据资产和数据大屏，本发明针对购物中心的业务场景，如交易、客流、车流、会员、商户、消费者、租控等，以大数据技术为核心，将业务与数据巧妙结合，帮助购物中心实现数字化、精细化运营，为购物中心设计多套标准化数据大屏模板，监控购物中心整个运营生态链，从全局的数据首屏，再到交易屏、客流屏、车流屏、风控大屏、品牌转化屏、会员画像屏、商户贡献屏、人像扫描屏等主题大屏，助力购物中心经营管理，有效彰显购物中心的数字化运营形象，因此本发明将业务与数据巧妙结合，帮助购物中心实现数字化、精细化运营，助力购物中心经营管理，有效彰显购物中心的数字化运营形象。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明购物中心运营数据管理决策系统及方法一个实施例中系统的结构示意图；

图2为所述实施例中购物中心的各业务系统提供的业务数据的示意图；

图3为所述实施例中数据大屏呈现的示意图；

图4为所述实施例中数据存储、加工和呈现过程的示意图；

图5为所述实施例中方法的流程图；

图6为所述实施例中购物中心模型域的列表图；

图7为所述实施例中cad图描点显示的示意图；

图8为所述实施例中购物中心的3d效果示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明购物中心运营数据管理决策系统及方法实施例中，其购物中心运营数据管理决策系统的结构示意图如图1所示。图1中，该购物中心运营数据管理决策系统包括从下到上依次设置的数据源、数据资产和数据大屏，其中，数据源是购物中心所建设的各个业务系统，这个业务系统提供了数据大屏各业务场景的数据来源，包括：交易、客流、车流、会员、商户、消费者、租控、物联网设备采集的数据。数据资产是将数据源获取的数据进行统一的存储和管理，并根据业务范围进行数据加工、数据的萃取、数据间关联形成统一id标识和数据的服务，以用来为企业提供数据资产服务，数据大屏是根据数据资产提供的数据服务将数据打通、关联和洞察业务逻辑后，进行实时和半实时的可视化呈现。

图2为本实施例中购物中心的各业务系统提供的业务数据的示意图。图2中，业务系统至少包括视频客流系统、wi-fi探针、人脸识别系统、pos系统、停车场系统、官方微信公众号、crm系统、财务系统、erp系统、第三方大数据和互联网数据中的任意一种或几种。其中，各种业务系统可通过api接口和数据集成工具将数据接入到数据中台，对接第三方大数据以及网络爬虫数据接入到数据中台。视频客流系统、wi-fi探针和人脸识别系统提供客流信息来源，pos系统提供支付信息来源，停车场系统提供车流信息来源，官方微信公众号和crm系统提供会员粉丝信息来源，crm系统、财务系统和erp系统提供业务信息来源，第三方大数据提供任务画像数据标签，互联网数据提供网络爬虫数据。

图3为本实施例中数据大屏呈现的示意图。图3中，数据大屏至少包括数据首屏、交易屏、风控大屏、客流屏、车流屏、品牌转化屏、会员画像屏、人像扫描屏、商户贡献屏、商户大屏、吃喝玩乐最最屏和租控大屏中的任意一种或几种。

其中，数据首屏用于实时聚焦购物中心关键指标，交易屏用于实时监测应收额流水及是否达标，风控大屏用于研究多维度预警指标，判断健康状况，客流屏用于实时追踪客流趋势及行走动线，车流屏用于实时车位监控，多维度挖掘停车场数据价值，品牌转化屏用于挖掘品牌关联，联合营销，提高流量的利用率，会员画像屏用于利用漏斗法层层筛选，了解客流层级间转化，顾客向会员转化预识别，人像扫描屏用于顾客画像智能在线化，监测不同顾客动态，商户贡献屏用于多维度计算购物中心商户的贡献度，挖掘高低价值商户，商户大屏用于助力该商户实现经营优化，不断提升精准营销的能力，吃喝玩乐最最屏的使用对象为购物中心顾客提高购物中心与顾客互动性及趣味性，租控大屏用于进行商铺租赁可视化，帮助商业综合体实现商铺资产数据化、可视化和实时化管理。

本发明的系统针对购物中心的业务场景，如交易、客流、车流、会员、商户、消费者、租控等，以大数据技术为核心，将业务与数据巧妙结合，帮助购物中心实现数字化、精细化运营，为购物中心设计多套标准化数据大屏模板，监控购物中心整个运营生态链，从全局的数据首屏，再到交易屏、客流屏、车流屏、风控大屏、品牌转化屏、会员画像屏、商户贡献屏、人像扫描屏等主题大屏，助力购物中心经营管理，有效彰显购物中心的数字化运营形象，因此本发明的系统将业务与数据巧妙结合，帮助购物中心实现数字化、精细化运营，助力购物中心经营管理，有效彰显购物中心的数字化运营形象。

图4为本实施例中数据存储、加工和呈现过程的示意图，其具体实施分为三个阶段：数据的集成、数据的存储和加工、数据大屏的呈现。

本实施例还涉及一种购物中心运营数据管理决策方法，购物中心运营数据管理决策方法应用于购物中心运营数据管理决策系统。该购物中心运营数据管理决策方法的流程图如图5所示。图5中，该购物中心运营数据管理决策方法包括如下步骤：

步骤s01将业务系统产生的业务或者采集的数据按一定的标准进行抽取，并传输到数据中台，即进行数据集成：该步骤主要实现数据的集成。具体而言，对接各个业务系统，如图2购物中心各业务系统能提供的业务数据。将业务系统产生的业务或者采集的数据，通过本发明的方法传输到数据中台统一存储和加工，此该数据的传输过程即为数据的集成。数据集成目前使用的技术包括：依赖各个业务系统提供的api接口、业务系统提供的消息推送服务、开放的数据源供抽取数据、文件系统对接等。

对于api接口而言，由数据对接服务通过restful接口或者webservice接口对接，对接后的数据按需存放在相关数据库中，适用数据量小，实时度要求不高的系统数据对接。

对于消息推送服务而言，主要用来接收业务系统传送的实时数据。例如：人脸识别信息、消费者和会员支付信息、物联网设备推送的物联网采集信息。适用数据量小，实时度要求较高的系统数据对接。

对于开放的数据源而言，提供数据库只读账号的方式，由数据集成工具抽取相关数据库表。常使用的数据集成工具例如：dts阿里云数据传输服务、datax开源数据同步工具、阿里云数据集成产品。适用对接老旧系统，考虑对业务系统可能存在抽取压力，通常只做增量数据同步。

对于文件系统而言，文件系统对接双方约定的文件格式或模板，以及约定的文件存储的ftp或者阿里云对象存储oss中，由数据集成方接收并解析然后将数据按需存放。适用集团、公司对数据安全性有一定要求的系统。

总之，数据集成要解决的是将数据按一定的标准抽取到数据中台中存放，为后续的数据处理做好准备。业务系统的数据报表和图形报表往往只关注自己系统内的数据，所以数据集成的难度较小，通常只考虑系统自身数据的再迁移处理和存储优化。而数据大屏的数据集成，对接的系统多、数据来源复杂、各个系统软硬件千差万别、数据存储各有特点，对集成工具的稳定性和性能、以及采用技术要求更高，并且更加复杂。

步骤s02通过数据集成抽取的源系统数据，将其通过数据中台进行数据存储和加工：该步骤中，对于数据存储而言，通过数据集成抽取的源系统数据，需要进入大数据平台进行数据存储。购物中心各业务系统，尤其是wi-fi探针、视频客流系统、人脸识别系统、停车场系统、物联网系统，部署的采集设备数量越多产生的数据量也越大，例如10万平米体量人流较为密集的购物中心，如果部署100个人脸识别设备，每天所有设备人脸识别的信息数量在40万条数据。如此大的数据量，数据中台必须支持tb级的数据存储和无感知、无中断服务的存储扩容。本发明采用基于阿里云的大数据平台，依托成熟的大数据存储和计算能力，能够降低大数据平台的运维和开发难度。

各业务系统的数据存储，目前大都还在使用关系型数据库或者基于开源hadoop的数据平台。数据存储如果以关系型数据库存储，会带来的扩容困难，不适合结构化数据存、存储的效率不高等问题。hadoop数据平台运维需要专业人士，也依赖平台的硬件扩容。所以使用基于阿里云的大数据平台可以切实的保障运维和存储。

通过数据集成抽取的源系统数据，必须以一定的格式存放在数据模型中。数据模型是抽象描述现实世界的一种工具和方法，是通过抽象的实体及实体之间联系的形式，来表示现实世界中事务的相互关系的一种映射。数据模型表现的抽象的是实体和实体之间的关系，通过对实体和实体之间关系的定义和描述，来表达实际的业务中具体的业务关系。

数据模型的架构按层次包括ods层(操作数据层)、cdm层(公共维度模型层)和ads层(应用数据层)。

ods层：即操作数据操作(operationaldatastore)层，它是从业务系统过渡到数据中台核心层的操作数据的模型，ods模型的数据结构与业务系统基本保持一致。

cdm层划分为dwd层和dws层，分别是明细宽表层和公共汇总数据层，采取维度模型方法基础，更多采用一些维度退化手法，减少事实表和维度表的关联，容易维度到事实表强化明细事实表的易用性；同时在汇总数据层，加强指标的维度退化，采取更多宽表化的手段构建公共指标数据层，提升公共指标的复用性，减少重复的加工。

dwd层：datawarehousedetailmodel是cdm层中的明细宽表层，用于存放完整详细历史数据。面向业务过程建模，紧紧围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量。其设计目标是为后续的datawarehousemodel提供灵活性和扩展性的基础，同时可以在dw层无法支持需求时直接为应用层提供数据。dwd层由于与业务系统耦合程度较高，其稳定性会受到业务系统的影响。

dws层：存放详细历史数据的公共汇总数据层，面向分析主题建模。dws层是核心层，设计目标是为应用层提供足够的灵活性和扩展性的基础。同时，由于cdm层包含了整个数据中台的大部分数据，是数据中台的基础，所以保证该层数据健壮性是首要的。

ads层：即应用数据层，主要功能包括：1)个性化指标加工：不公用性；复杂性(指数型、比值型、排名型指标)；2)基于应用的数据组装：大宽表集市、横表转纵表、趋势指。

本实施例中，可以将业务过程或者维度进行抽象的集合构成数据域，数据域是指面向业务分析，将业务过程或者维度进行抽象的集合。其中，业务过程可以概括为一个个不可拆分的行为事件，如消费者注册、登录、收藏、分享等。为保障整个体系的生命力，数据域需要抽象提炼、并且长期维护和更新的，但不轻易变动。在划分数据域时，既能涵盖当前所有的业务需求，又能在新业务进入时无影响的被包含进已有的数据域或者扩展新的数据域。

各个行业数据模型域各不相同，本发明的最重要的技术成果是构建针对购物中心行业的数据域模和模型，购物中心模型域的列表图如图6所示。图6中，数据域包括客户域、商户域、商场域、营销域、运营域、财务域、订单域和公共域。

而购物中心的业务系统基本没有数据域的概念，因为传统数据报表和图表报告更多只关注少量数据的查询和统计，业务系统没有打通所有数据关联的需求和要求，所有不会涉及业务业务域的概念。

对于数据处理而言，通过阿里云dataphin(智能数据构建与管理平台)对各个数据域模型中存储的数据进行加工。加工主要包括：etl的开发(抽取转换加载)、任务调度和数据萃取(将各种数据关联为特定数据打上标签)。数据在各层的模型中加工流转，最终输出满足营运和数据应用的各种指标。

由于每个行业指标都不相同，梳理出适合购物中心的指标体系非常重要。本发明根据行业经验和项目实施经验的积累、以及基于onedate方法论构建适用购物中心行业的指标体系。

对于数据服务而言，将处理后的数据以restfulapi的方式提供给数据大屏展示，提供的接口包括鉴权、服务说明等。

步骤s03对加工后的数据通过restfulapi的方式提供给数据大屏进行呈现：本步骤中，数据大屏的呈现包括使用基于echarts的前端定制的图表显示组件、基于购物中心实际cad图的描点、基于高德地图的购物中心3d建模。

对于基于echarts的定制的图表显示组件，具体而言，为了达到更炫酷的效果，本发明对前端显示组件进行了定制，可以附件更加炫酷的视觉效果，例如商户大屏组件叠加视频，让显示效果更加炫酷。

对于cad图的描点，具体而言，根据商场cad图，例如车流大屏。对车位依据比例描点，本发明专门开发了基于cad图形和大屏坐标系转换描点工具进行图形描点显示，图7为本实施例中cad图描点显示的示意图。

对于基于高德地图的购物中心3d建模，具体而言，根据购物中心的实际3d效果建模，可以在集团屏上显示各个购物中心的3d效果。

总之，对比传统的数据报表和图形报表，本发明在底层打通了各个业务系统的数据，对数据进行了适合购物中心行业的数据再加工，形成了适合购物中心运营的指标和数据服务体系。以更直观的方式指导购物中心运营。本发明目前已经在广州正佳、东莞百花时代、北京中泰、东莞海德等企业得到很好的应用，直接提升了客户的营运水平。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。