石基昆仑的KDI（Kunlun Data Insight）数据平台实际上推出已经有一段时间了。当时我们决定做这个产品，最大的初衷，就是希望能够帮助酒店集团在数据驱动运营和精细化管理的进程上，更进一步。

· 如何把酒店业务数据实现整合？
· 酒店集团如何通过数据分析提升管理服务效率？
· 如何通过数据来支持管理决策？
· 如何把CRS数据和PMS数据集中化治理并实现可视化输出展示？
· ……

这些都已经是近年来老生常谈的话题了。对于酒店酒店而言，数据平台的概念也不再陌生。那么，数据平台究竟能够帮助酒店实现哪些转化呢？从零开始构建一个数据平台有哪些必须了解的关键点呢？

自KDI在多家酒店集团落地后，我们特别邀请石基昆仑数据产品总监Elle，聊一聊她的一些经验和心得。

在过去的几年里，我们为多家酒店集团定制服务了数据平台的构建和BI分析的输出。从去年开始，我们越来越觉得， “数据服务”“数据驱动决策”是一个普遍的需求，尤其是在酒店集团的层面，于是我们推出了面向酒店/酒店集团业务的KDI数据应用产品。同时，基于石基的SDP BI 平台，让我们拥有了能够更加高效和快速将数据智能分析应用和服务落地的能力。

如今，大多数国内酒店管理集团是用Excel来管理报表的。一般来说，每个部门都会有一张关键指标的模版Excel报表，用于每次的部门会议或者汇报会议。 而这些数据有两个来源，一个来源是从系统中导出的，另一个来源则是相关同事和各个酒店手工填报上来的。

制作这张报表的同学一般也都是Excel高手。因为在这张表格里面除了大量的客观数据，还要计算同比、环比、区域汇总、渠道产量等等，混合了各种计算公式。

一旦一个数字填错，就全盘皆输，需要重新来过。数据越多，Excel的传输就会变得越慢，传过来还有可能出现公式不兼容的情况，造成数据分享的麻烦。

Chapter1  通过数据平台，酒店管理集团能够做到什么呢？

01.打通业务信息孤岛 – 建立统一的数据整合分析平台

简单来说，数据平台就像是一个标准化的中央厨房。之前如果你要做一盘宫保鸡丁，需要去不同的地方取来油盐酱醋，按照比例入菜。而现在中央厨房会为你调制好一份标准化的酱汁，只需盛出来一勺直接用就行了。

放到酒店数据上来讲，以前单独从每个罐子里取调料其实就相当于从每个独立系统里拿数据，而调配好的酱汁，就相当于把系统打通之后，实现了数据之间的整合和联动。

02.建立指标标准化体系 – 强化数据治理体系

统一配好的“酱汁”，是酒店集团建立标准化指标体系的重要环节。而在调配酱汁汁的时候，为了确保出品的标准化和统一，首先需要明确各种调料的品牌和用量。这是在源头上统一数据分析口径的过程。如果口径不统一，会直接造成分析结果失准，也将影响到最终的判断和决策结果。

03.建立面向管理和战略目标的整体业务分析框架

就像先统一酱汁，能够方便厨师更好的做出标准统一的宫保鸡丁一样，建立面向管理和战略的整体业务分析框架，是为了提高业务部门运营效率。具体来说，就要从公司整体的盈利性、营业成本，目标市场人群的需求等方面出发做出决策，实现跨部门合作的利益最大化。

而要实现这个目的，就需要结合更多的内外部数据进行综合考虑了。这就尤其考验数据平台的算法能力和数据平台提供者对业务和战略的综合理解能力，结合自身在行业累积的经验，让平台与战略思想落地结合的更紧密，更具前瞻性。

Chapter2  如何构建一个数据平台呢？我们要重点思考哪些要素呢？

首先，是数据平台的使用对象。

不同级别的用户，因其决策方向和内容是不一样的，所需要的数据分析也是不同的。大概可以分为两类：领导层和操作层。

领导层

领导层最为关心的是业绩的整体表现情况以及是否符合预期。如果不符合预期，是哪里出了问题，解决方案是什么。 因此在领导层面上，不需要放颗粒度太细的数据，而是要能集中回答以下几个问题：

◆ 集团整体收入和利润表现状况？
◆ 酒店整体收入和利润表现状况（分区域，分品牌，分级别）？
◆ 是否达到预算？
◆ 离预期还有多少差距，哪部分差距最大，原因是什么？
◆ 可以挖掘哪些潜在收入？
◆ 可以避免哪些潜在收入流失？
◆ 下一步行动计划和解决方案？

操作层

操作层涉及若干不同的部门，不同的部门关注的数据和指标是不一样的。

运营部门：比较关心酒店的舆评指数、整体满意度、餐饮收入和盈利状况、品类分析、翻台率、客单价等核心数据；会员管理部门则比较关心客户相关的各项指标，如会员发展数量和新增（各酒店）、会员忠诚度指数、会员活动的产量效果、会员黏性分析等；

营销部门：比较关心整体的营销和渠道效果，包括各个渠道的渠道产量数据、行业对标数据、各店的销售情况和预算完成情况等；

后台部门：可能会关心的则是人工成本分析，人房比数据、采购、成本和库存分析等等。

KDI就是要把这些数据打通，从而给用户呈现结构化的数据，准确的数据。

其次，数据的标准化治理。

数据的标准化治理是构建数据平台非常关键的一步，当然这跟酒店集团当前的运营流程标准化程度有密切关系。如果酒店集团的系统信息化建设标准化程度比较高的话，那么我们在构建数据平台的时候，就会比较顺利。如果集团标准化程度不高或者没有运营标准化要求的话，我们在数据标准化治理这个环节就需要花费非常大的功夫。

比如，集团要做市场渠道类分析，涉及到市场分类，渠道分类，客源结构分类等等，那么每个旗下酒店的这些系统设置是不是标准化的？标准化的程度如何？再比如说统计口径，对某个指标的统计口径定义是否一致？为什么有差异？差异将会影响什么等，这都是涉及到数据标准化治理的工作。

最后，梳理集团分析需求，梳理标准化指标和分析维度，建立数据维护机制,追踪长效表现。

收集集团期望输出的数据内容，梳理这些分析所涉及到的业务指标及其分析维度，这是我们在数据平台上进行数据模型构建的第一步，这一步将指导接下来的数据整合和标准化治理的方向与目标。

数据的维护机制主要解决的是如何跟进指标变化以及统计分析维度变更的问题，当然也包括数据的完成度，冗余度等维护。集团和下属酒店之间也要建立好沟通和维护机制。比如，当个体酒店变更了指标的分析维度的时候，需要通知集团并在数据平台进行更新，这样才能保证数据的准确性。

基于之前的项目，我们已经建立了比较完善的数据指标体系以及其维护机制，协助集团管理数据标准化，在数据分析方面也形成了可以标准化输出的业务数据分析模型及其相关的数据标准化治理指导文件，涉及运营分析、客户分析、财务分析、营销和市场分析以及后勤管理分析多个方面，后续我们也会不断完善数据产品的应用。

我们认为BI是业务驱动的，反过来再推动业务决策升级。而业务数据模型的构建，也不是一成不变的，模型是随着业务分析的需求而长大的。需求梳理是我们在建立数据平台时最重要的工作之一，这也是我们与客户花费最多的时间一起探讨和研究的环节。确定需求、分析指标，分析维度之后，我们才开始着手进行数据清洗和建模的工作。

延伸阅读：

数据平台是酒旅企业数字化转型突出重围的最优解吗？

Chapter3  从数据模型来看业务分析多维性 

这里举两个例子，来看下我们的数据模型。

01.业务之间的联动多维度交叉分析。

以能耗分析为例，能耗量就需要能够与酒店总收入、客房收入、餐饮收入、客房出租间夜数、入住人数、用餐人数等数据进行交叉分析，才能够方便管理者以更加立体的角度洞察酒店成本构成，以达到节能减耗的目的。

02.单个业务引入更多维度的分析。

以餐饮分析为例，我们可以将数据颗粒度精细到按天计算，就某一个餐饮促销活动进行分析。分析维度可以包括日、节假日、所属酒店、活动类型以及收入类别；指标值则可以包括促销分析和整合分析两类。

其中促销分析包括预付收入、预购率、活动营业收入、用餐人数、每单平均、翻台率、活动贡献率、会员客人占比等；整合分析则包括促销期间销售额增长率、用餐人数增长率、每单平均增长率、同期比收入、利润增长率等等。

在KDI数据平台上，数据分析的一个重要环节是ETL（Extract -Transform- Load）。ETL是将数据从各个业务系统中加载到数据存储中心，在这里进行数据的清洗和部分预处理。石基昆仑团队在深刻理解酒店业务的基础上，自研发的ETL程序是非常专业的，我们在数据的ETL方面积累了非常多的经验，以及一套高效适用于酒旅行业的方法论。

ETL是一个非常繁复工作，但同时也是非常考验业务的专业性的，提取哪些数据以及如何确保最终数据的准确性，这是我们ETL要思考清楚的关键环节。酒店系统累计的是亿万级的海量数据，我们需要能够从庞大的数据中提取所需的数据，经过清洗、转化并加载到数据仓库中并实时监控数据的时效性，然后根据业务分析主题的需求，输出给BI平台。

除此以外，选择合适的BI工具进行数据呈现也是非常重要的。而KDI是基于石基自主研发的BI平台，研发构建适用于酒店集团/酒店/目的地旅游等酒旅行业的数据分析应用，客户的定制化需求也可以在此基础上得到更快速高效的落地。当然，客户也可以选择其他的BI平台进行数据平台的落地，比如市场上目前通行的Power BI、Tableau等工具。 

总的来讲，数据平台提供了数据应用的更多能力。数据分析从海量数据，分散信息到知识化的过程，它需要对数据的分析理论，行业经验以及数据建模工具等3方面良好结合，才能够输出有价值的数据资产。

从业务理解->数据理解->数据准备（含标准化）->建立模型->优化模型->输出应用，每一步都需要基于实施经验以及适用行业的方法论说实施流程的支撑。我们希望在此领域能够做出更多贡献，帮助酒店更好地利用数据，把数据变成有价值的资产，实现数字化运营，数字化决策。