当餐饮行业创新与变革遇到完全自治的云计算的时候

当前，全球新一轮科技革命和产业变革呈现多领域、跨学科突破的新态势，大数据、云计算、物联网、人工智能以及区块链等新技术不断涌现，数字经济正在深刻地改变着人类的生产和生活方式。

新思维、新管理、新业态、新流程和新模式，正在不断的涌现，各行各业都在主动的寻求创新和转型，而餐饮行业更是在积极的寻求敏捷创新与变革。

那么，为什么与其他行业相比较，餐饮行业在当下更迫切需要寻求敏捷创新与变革呢？其背后真正的动因与驱动力是什么呢？

宏观而言，餐饮行业增速最快，餐饮市场呈现稳步增长态势。

细节来看，餐饮消费结构升级，新餐饮成为餐饮行业创新主要动因。

新餐饮时代已经到来，面对这难得的蓬勃发展历史机遇以及稍纵即逝的市场机会，我们该如何应对？

不言而喻，实现敏捷创新与转型变革的不二法则，便是技术和数据；

技术，尤其新技术，是驱动行业敏捷创新与转型的手段；数据，尤其高质量的数据，是完成行业敏捷创新与转型所依托的基础。

那么，让我们通过梳理餐饮企业运营服务过程所涉及数据的流转，来找寻通过新技术实现企业敏捷创新与转型的可行性落地解决方案。

餐饮企业服务类型：线上服务、门店服务和集团管控服务
线上和门店服务流程：

通过梳理和分析餐饮企业的服务流程和服务内容，我们不难看出，餐饮企业日常运营所产生和涉及的数据主要分为以下三大类：

就餐客户消费行为数据：消费者就餐金额、菜品口味的偏好、就餐的时段等等；
餐饮企业经营管理数据：门店交易流水、菜品点击率、外卖以及团购情况等等；
市场营销推广活动数据：优惠券发放、公众号关注、积分打折、节假日促销等等。

我们对餐饮企业这三类业务数据的进一步汇总和归纳，可将其分为门店实时经营数据和集团分析经营数据。

门店实时经营管理数据：实现门店日常的经营管理和绩效考核，主要包括门店日常营业收入、经营状况、客流量、翻台率、线上消费情况、菜品服务评价以及团购外卖促销等等，实时地反映门店的经营情况和消费者的消费情况。
集团分析经营决策数据：实现餐饮企业战略经营决策、上市决策、品牌推广调整决策、连锁加盟决策以及O2O经营决策等。

不同业态餐饮行业的创新者们已深刻的认识到，数据是企业创新转型的基础，数据是企业发展前进的资源。

只有对餐饮企业日常运营所涉及到的这些相关数据，进行整合、探索和分析挖掘，餐饮企业才能够高效的实现精准营销，快速的捕捉商机，全面的洞察业务运营，从而助力企业快速实现创新和转型。

那么，我们需要通过什么样的技术步骤？什么样的技术实施手段？来帮助餐饮企业完成这业务的敏捷创新与转型呢？

思考一：如何实现餐饮数据的整合与治理？

面对餐饮企业日常运营所涉及到的这些经营管理数据，如何实现数据获取、数据整合以及数据治理，从而提供一个高质量的数据基础支撑？

如何整合集成餐饮企业在不同历史时期，基于不同业务需求，由不同应用开发商所构建的众多相对独立的不同应用系统？
如何整合和治理业务应用系统所涉及的纷繁复杂各类数据源，不同的硬件平台、不同的操作系统、不同的数据类型和不同的数据库？
如何连接这些纷繁复杂的应用系统？如何从这众多的异构系统、异构平台，面对结构化数据源和非结构化数据源，实现数据源连接、数据获取、数据过滤、数据清洗、数据转换、数据迁移、数据整合和数据局治理？
如何实现餐饮企业线上的广告宣传、活动推送、外卖团购、菜品喜好等内容，与线下的门店点餐、积分减免、店庆促销等信息相融合？

思考二：如何实现餐饮数据的自治管理？

面对餐饮企业日常运营所涉及到的这些经营管理数据，如何能够做到智能化的完全自治，即自治安装部署、自治优化调整、自治运维管理，从而敏捷应对餐饮市场瞬息万变的商机？

如何敏捷实现数据集市、数据仓库，甚至是全数据平台的快速部署和服务的上线开通？
如何最大化的减少餐饮行业从业人员对于相关数据平台日常维护和管理工作的复杂度，从而把他们从繁琐机械的运维工作中解放出来，确保有更多的精力从事业务的创新？
可否透明的利用到ML机器学习以及AI人工智能算法，从而智能化的帮助餐饮企业实现业务系统的自动优化，最大化的提升系统的性能，为消费者提供最佳的服务体验?

思考三：如何通过餐饮数据进行洞察探索与分析决策？

面对餐饮企业日常运营所涉及到的这些经营管理数据，传统的数据信息存储和简单静态的报表处理，已经远不能满足新餐饮时代对于数据处理的客观要求，取而代之的业务需求是实现对于这些数据的深入分析和挖掘，去洞察商机、寻获灵感，为企业的决策提供支持。

如何灵活的实现丰富格式的数据可视化？
如何在众多的数据集合中探索数据、洞察商机、寻获商业创新灵感？
如何对所处理的数据进行数据二次加工，构建出探索商机的数据内容？
如何实现客户画像和精准营销，实时掌握和洞察业务运营状况?
可否零编程、通过简单的拖拽形式，快速DIY所期待的业务分析图表？
如何实现业务预测以及业务趋势前瞻等智能化的工作？

大道至简，智驭未来；擎云拓路，创新赋能

凭借Oracle统一的、加持了AI人工智能以及ML机器学习算法的完全自治的云服务平台，餐饮行业信息化从业人员通过三步敏捷的操作，便可快速打造出餐饮行业创新与变革新体验。

第一步：通过Oracle Data Integration Platform Cloud 实现数据整合与治理

借助Oracle Data Integration PlatformCloud 统一数据整合云服务，实现数据理解、数据获取、数据校验、数据审计、数据转换、数据同步、数据复制、大数据整合、数据清洗以及数据治理工作；

什么是Oracle Data Integration Platform Cloud？

Oracle Data IntegrationPlatform Cloud简称 Oracle DIPC，是一个基于云计算的统一平台，主要用于数据理解、批量数据转换、大数据整合、实时数据复制以及数据治理。
Oracle DIPC 将Oracle数据整合产品家族中最好的精品，即Oracle Golden Gate、Oracle Data Integrator和Oracle Enterprise Data Quality，有机地集成到一个统一的云平台中。
Oracle DIPC能够实现OP to Cloud、OP to OP、Cloud to Cloud以及Cloud to OP的数据整合功能。

OracleData Integration Platform Cloud的体系架构：

DIPC Host：构建部署在Oracle Cloud Infrastructure基础架构之上，Oracle Data Integrator和Oracle Enterprise Data Quality则安装部署在DIPC Host之上，用于实现批量数据转换和数据治理工作。
DIPC Repository：被安装在嵌入式的Oracle Database Cloud Service中，也一样被部署在Oracle Cloud Infrastructure基础架构之上，用于存放整个统一数据整合服务所涉及的所有相关元数据，比如：Connection、Agent、Task以及Job等对象的详细信息。
DIPC Agent：一组多线程的Java程序，用于建立DIPC Host与数据源之间的通讯，并编排执行针对其所关联数据源的各种任务，可随时从DIPC Console 中下载并安装部署。

Oracle Data Integrator的功能和特性：

Oracle Data Integrator简称ODI，Oracle DIPC标准版便包含有这一产品服务功能。

ODI主要用于批量数据的迁移和多种数据源的E-LT数据转换。
ODI E-LT数据转换，是指省去传统中间ETL服务器高成本、低效率的数据传送和转换工作，取而代之，将数据的加载和转换通过目标数据库的引擎来完成，从而降低成本并提高效率。
ODI能从不同的数据源抽取数据、重新格式化数据、清洗数据和转换数据，并把它们加载到目标数据存储中。
ODI 缺省能够完成众多的数据转换工作，如：数据聚合、数据唯一值、表达式、数据过滤、数据连接、数据排序、数据拆分等功能。
ODI 预先内置了一系列的用于数据转换任务的知识模型，使用这些模型能够极大的降低数据转换工作的定义编排复杂度，从而提高数据转换工作的效率。
ODI 预先内置的知识模型主要包括有：LKM针对数据加载任务，用于定义源数据服务器与目标数据服务器之间，数据如何被传送加载；IKM，针对数据整合任务，用于定义源和目标之间，数据实际如何执行转换和加载。CKM用于在数据转换过程期间，执行对各种错误的检查。

Oracle Golden Gate主要功能和特性：

Oracle Golden Gate简称OGG，Oracle DIPC企业版和治理版包含有这一产品服务。
OGG主要用于实现数据实时复制、大数据整合、数据同步、零宕机迁移和流数据处理。
OGG不仅支持同构平台间的数据复制传输，更擅长跨整个企业不同异构平台间的数据复制传输。
OGG 通过传输复制Redo Log中已经提交的事务的方式，来实现源端和目标端数据同步传输工作，而对未发生修改变化的内容则不做复制传输工作，因此极大的提升了数据复制传输的性能和效率。

Oracle Enterprise Data Quality主要功能和特性：

Oracle Enterprise Data Quality简称EDQ，只有Oracle DIPC治理版才包含有这一产品服务。
EDQ提供了一个综合全面的数据质量管理环境，主要用于实现数据理解、数据验证、数据匹配、数据合并以及数据清洗等一系列数据治理工作。
EDQ通过提供灵活的、易用的以及广泛的企业数据治理工具面板，极大地方便了数据治理从业人员的工作难度和复杂度，极大的满足了企业进行数据治理的要求。

EDQ提供的主要工具面板

EDQ提供的主要工具面板包括：数据概要分析、数据审计、数据转换、数据清洗、数据匹配、数据合并以及数据标准化等工具面板。

数据概要分析工具面板：用于理解数据，即广泛探索和全面了解所要治理的数据的特点，比如：数据类型特点、数据的长度、数据的最大值和最小值、使用的频度等等，从而发现和标识有问题的、不适合企业业务要求的数据，最终形成企业业务规则，进而为未来的数据审计打好基础。

数据审计工具面板：用于数据审计，即基于企业所制定的数据业务规则，对所针对的数据进行审计，找出不合理的有问题数据，主要审计包括有：数据类型检查、数据格式检查、数据长度检查、空值检查、重复值检查、不可信数据值检查以及企业规则检查等等。

数据转换工具面板：用于数据转换，实现将来自众多纷繁复杂数据源，且又具有不同数据格式的数据，转换为目标端企业所要求必须依从的数据格式的数据。实现的方式包括：字符替代、增加数据属性、降噪、日期转换为字符串、数字转换为日期以及首字母大写等等。

数据匹配工具面板：用于数据匹配，即基于企业业务规则的要求，通过数据匹配过程实现数据去重操作。比如：通过数据匹配消除企业合并重组之后所导致的数据信息重复的问题；通过匹配所信任的数据参照集合来提高数据的质量；通过数据匹配实现数据自动匹配处理后的输出结果等。

数据合并工具面板：用于数据合并，即通过数据匹配过程的执行，找到相关匹配的数据内容，然后将其合并重建为新的“最合适”数据内容。

Oracle Data IntegrationPlatform Cloud一键式快速安装部署：

通过点击QuickStart Data IntegrationPlatform Cloud，并只需简单回答几个问题，便可以一键式、完全自动化的快速实现Oracle DIPC实例的创建和部署。

该创建部署过程消除了传统手动安装部署所需要的大量繁琐操作，且通过该方式所创建Oracle DIPC实例，完全由Oracle 管理。

点击QuickStart按钮，开始智能化自治安装

键入 Instance Name名称

选择DIPC版本，以及数据处理的容量，点击Confirm，系统自治安装部署

第二步：通过Oracle Autonomous Data Warehouse Cloud实现数据自治管理

通过借助基础架构层中Oracle Exadata数据库一体机所提供的卓越数据仓库处理能力，以及加持了AI人工智能以及ML机器学习的Oracle Autonomous Data Warehouse Cloud完全自治数据仓库云平台，轻松助力餐饮企业，敏捷地构建创新应用，迅速地响应市场的变化，灵活地根据自身实际的业务拓展需要，低成本的在无需人工调整和优化的前提下，分钟内完成基于业务主题的数据集市，或者全面覆盖整个企业的数据仓库的构建。

什么是Oracle Autonomous Data Warehouse Cloud?

Oracle Autonomous DataWarehouse Cloud简称Oracle ADW，是世界上第一个推出的完全自治数据库，是数据库的一次历史性革命，实现对整个数据库服务生命周期中所有任务的完全自治。
Oracle ADW构建在Exadata数据库一体机基础架构层之上，采用Oracle Autonomous Database 18C，加持了AI人工智能以及ML机器学习，提供完全自治的数据仓库云服务，实现自治驱动，自治安全，自治修复。

OracleADW提供数据库全生命周期完全自治服务：

Oracle ADW提供数据库全生命周期完全自治服务，即整个Oracle ADW系统的创建、部署、优化、运维以及管理等工作，全都不再需要专门的系统运维管理人员来实施，而完全通过其自身来自治实现。

服务开通：无需数据库专家繁琐复杂的安装、部署、调试和优化，取而代之的是，分分种内完全自治地快速创建和部署，且已被自动优化调整好的，适用于关键性业务所依赖的完全自治数据集市或数据仓库。
自治安全：保护数据免受所有来自系统外部以及内部的安全威胁，加密所有数据，阻止管理员窥探，持续实现对于安全威胁的侦测，自治完成整个系统在线安全更新。
自治管理：无需数据库系统管理员值守，无需DBA参与，所有系统运维管理的相关任务工作，完全由OracleADW自治实现。
自治保护：自治实现系统的备份和恢复，自治完成错误故障诊断和修复。在确保数据库应用连续性的前提下，无需停机，实现任何故障的恢复。
自治伸缩：真正实现在线工作状态下，按需灵活地扩展资源或缩减资源，而更为显著的是，OracleADW可以分别针对计算处理CPU资源以及数据存储资源，进行各自独自的扩展和缩减。
自治优化：无需人工指导和干预，完全自治地优化和调整运行在Oracle ADW之上的每一个相关工作负载。比如：索引的自治优化调整、处理并行度的自治优化调整、数据存放格式的自治优化调整等等，从而极大的降低了数据库系统管理员日常优化调整的难度，极大的提升了系统的性能，带来了应用系统的最佳体验。

Oracle ADW 价值主张：

无需懂得Oracle RAC如何安装部署，无需精通Oracle数据仓库系统参数如何配置优化，更无需为日常繁琐和复杂的运维操作而苦恼，Oracle ADW在无需人工调整和优化前提下，分钟内部署完成已经优化好的数据集市或数据仓库实例，并提供完全自治的运维管理服务。

简单：无需人工调整和优化，分钟内完成数据集市或数据仓库实例的部署
极速：基于Oracle Exadata数据库一体机，实现卓越数据仓库性能支撑
弹性：根据业务实际需求灵活订阅和适配所需资源

Oracle ADW 一键式敏捷安装部署：

通过简单键入数据库名称、CPU数量、存储空间容量以及Admin密码，便可分分钟内，一键式安装部署已完成参数优化配置的Oracle ADW数据库、数据集市或数据仓库。

点击Create Autonomous Database按钮，开始智能化自治安装

键入Database Name名称，CPUCore Count数量，Storage (TB)容量，以及Administrator Credentials密码，点击Create Autonomous Database按钮，完成创建部署

第三步：通过Oracle Analytics Cloud实现数据探索洞察和分析决策

利用Oracle Analytics Cloud分析云，实现数据准备、数据探索、数据可视化、数据洞察、数据分析，全面洞察业务运营，360度立体可视化数据，赋能餐饮企业敏捷实现创新和转型。

什么是Oracle Analytics Cloud？

Oracle Analytics Cloud 简称OAC，用于帮助个人、工作小组以及整个企业，针对其所涉及、所关注的任何类型的数据资源，如：在线应用数据、数据库中的数据、离线文件中的数据，以及数据湖中的任意数据等，实现数据关联、数据准备、数据二次加工处理、数据探索、数据可视化、数据洞察以及数据分析等工作。

Oracle Analytics Cloud的功能特性：

OAC提供丰富的数据连接接口和连接适配器，轻松实现对于异构环境、异构数据源、跨项目、多应用系统关联场景下，对于任何数据源的连接，轻松访问任何数据源。

OAC提供快捷方便、灵活易用，启发式、智能化的数据准备、数据探索和数据二次加工优化功能，从而洞察全局，获得灵感，捕捉商机，为后续全面数据分析和精准数据展示，准备好必要的高质量数据基础。

OAC提供广泛丰富的数据可视化模板，基于后台机器学习ML算法，能够一键式智能化推荐最为适合的数据可视化展示。同时，也可以通过简单拖拽，在无需编程的情况下，零编码实现数据的可视化定制。

OAC通过后台机器学习ML算法，智能化的对所处理的数据进行多维度的自动化分析和解释，并生成相应的数据可视化图表，从而帮助数据分析人员快速实现对数据的理解，获得启发，实现客户画像的精准智构。

OAC通过K-means、Hierarchical、Polynomial、Forecast等后台机器学习ML算法，无需编程，一键式实现数据聚类，非正常值发现，参照基准线比对，以及对趋势走向前瞻性了解和对未来的预测。

面对企业管理人员、市场人员、行政人员以及销售人员，OAC提供了更为易用、更为智能化和移动化的数据探索、数据洞察、数据可视化功能，使得业务从业人员随时随地，通过任何移动智能设备，通过自然语言询问的方式，轻松了解企业经营状况。

BI Ask – 通过自然语言模糊查询方式，轻松获取数据可视化分析结果

Day by Day：通过语音询问方式，随时随地在移动设备上获取数据可视化分析结果

Oracle Synopsis：直接在移动设备上处理Excel / CSV文件，迅速生成可视化分析结果

总结和成功案例：新餐饮时代已经到来，面对这难得的蓬勃发展的历史机遇以及稍纵即逝的市场机会，越来越多的餐饮企业，凭借Oracle统一的、加持了AI人工智能以及ML机器学习算法的完全自治的云服务平台，实现了自身敏捷的创新与变革。

越来越多的餐饮企业，像美心餐饮集团一样，借助Oracle完全自治的云服务平台在成功的赋能本企业的创新与变革。

越来越多的餐饮企业，也正如美心餐饮集团所感受的那样：凭借Oracle Autonomous Data Warehouse，通过其智能化的自治能力，降低了成本，提高了数据安全性，极大的提升了集团整体的市场竞争力。

编辑：殷海英

更多相关文章

随机推荐