从2018年开始，随着资本杠杆和政策红利的削弱，中国地产业开始出现焦虑。在这种大环境下，不同地产商的反应各异。其中一部分开始撕掉“地产”的标签，转而将触角伸向新的领域，如人工智能、新能源。还有一部分仍旧以地产为核心，在科技的加持下不断提升既有住宅业务的竞争力，同时拓宽新的业态类型，如商业地产、养老地产。

然而，相较于以往面向C端业主的住宅，以商业地产为典型代表的新业态更偏向B端市场，这对地产商的精细化运营和服务能力提出了更高要求。这时科技和数据成为地产企业转型过程中关注的重点。以近两年快速发展的头部商业地产企业为例，大家纷纷将数据化运营作为开辟增量市场、实现降本增效的重要手段。

一、商业地产快速发展的背后

数据化运营，颠覆式创新的实现得益于商业地产对科技的支持和投入，而技术团队对数据的深入理解与有效利用，是业务运营背后的强力支撑。

1.对内优化管理流程，提升工作效率

面向管理

对于运营管理而言，实时动态掌握商场的客流情况、交易情况变化，全面及时了解运营状况，实现快速精准的决策是数字化运营的首要要求。

技术团队作为承接企业数字化管理目标落地的最后一环，借助DataPipeline数据融合平台将来自不同渠道的交易、客流、商铺等数据进行整合、汇集、清洗、计算、分析，最终将数据提供给运营管理团队。

面向员工

随着企业各部门对数据应用需求的不断提升，技术部门希望用智能化、平台化、柔性化的方式更好地赋能员工，以促进业务的发展。

员工信息作为公司重要的主数据，其源头系统为HR系统。为及时准确获取员工的入职、调转等日常变动信息，某地产企业引入DataPipeline作为主数据管理平台，监听主数据源头的HR系统，当员工在HR系统完成信息录入后，可实时捕捉数据变化，实时处理，并实时同步至下游的财务、安保、绩效管理等全部下游业务系统。使员工迅速进入工作状态，提升员工身份认同与获得感。

2. 对外赋能商户，提供决策支持

整体出租率、品牌同步开业率是考察商业地产企业是否健康发展的重要指标。租户作为商业地产商的重要合作伙伴，双方是合作共赢的关系。为能帮助商家及时响应消费者需求，提升运营效率。商业地产企业会通过会员平台积累消费者数据，助力精细化运营。

例如，消费者可通过商业地产企业旗下任意一个项目的微信公众号注册成为会员（或线下办理），一旦在商铺中完成消费，便可获得相应积分。此时，会员系统在租户端扮演了营销工具的角色，租户可以清楚地了解客户需求与喜好，通过会员系统自主完成发券与核销，实现精准营销。而消费者也可以借助积分完成积分停车支付、线上换礼、活动报名等动作。

基于上述一系列流程，商业地产企业的技术团队可通过DataPipeline从商场的各个数据源收集相关运营数据，进而在经过各种计算、交叉分析后提供给入驻商家，方便商家实现更加细致的经营洞察和运营服务。

二、直面挑战、助力发展

上述一系列举措的背后是商业地产企业对原有系统不断升级革新的结果。然而放眼整个商业地产行业，数据化的推进之路并不顺利。

1. 业务系统繁多，建设标准不一

商业地产企业的业务系统繁多，且建设标准不一，所以在获取增量数据、整合增量数据时十分困难。以会员系统和租赁系统为例，与商业地产企业签订租赁合同的商铺可以通过会员系统进行积分。在此过程中商场会面临租户无法按时入驻、提前撤场、延迟撤场、解约等情况。

然而以上这些租赁信息仅存在于租赁系统，一旦租赁系统信息发生变化，服务商铺的系统无法实时跟进，例如会员系统。诸如上述这些看似很小的场景，其实背后承载着较为复杂的实现逻辑。

面对上述情况，如果想要对原有的租赁系统和会员系统进行重构。商业地产企业需要综合考虑旗下所有商场的会员系统，若对其中2个商场的会员系统进行切换还需考虑：对于会员而言，其会员权益不能仅限在这2个商场，还可在其它商场进行消费，所以系统间的数据需要保持实时同步。

2. 传统的系统架构，面临高扩展和高性能挑战

目前，一些商业地产企业使用的传统数据融合工具，多采用集中式架构体系，不支持分布式计算和读写分离，通过文件或接口交互的方式定时同步数据。随着业务的快速扩张，一旦遇到促销，当单据量增多时，经常会发生处理缓慢甚至系统崩溃等问题。

当遇到系统容量无法应对突发的处理需求，基于传统的系统架构进行扩容时，通常需要停机、升级单节点配置。如果节点配置无法扩展，就需要进行任务和数据迁移，造成业务较长时间中断。

3. 人工开发、运维成本高

随着业务的发展，源端的数据表结构会做对应的调整，为保证数据的准确性和一致性，目的端也需要能够及时做响应。传统的数据融合工具很难实现源端数据表结构变化的自适应。如果要维护变化的数据结构，需要耗费大量的沟通和实施时间。

另外，一些传统的数据融合工具对操作人员的能力要求较高，如果需要2个实施人员，每年在人力投入上至少要投入几十万，后期运营维护成本较高。例如，任务的创建基于复杂的数据流图，数据的ETL逻辑基于脚本。当任务数达到数百甚至上千量级时，对于任务管理维护和debug就成为一个耗时巨大的工作。

面对业务和技术带来的挑战，同时考虑到自研的效率和成本，技术团队会基于开源产品和闭源的商业产品进行选型。然而，选择开源框架意味着会有大量定制化开发的工作量，在对企业内部的开发和运营能力提出要求的同时，性能和稳定性也难以保证。如果选择国外传统的数据集成工具，更新迭代较慢且需手动配置schema mapping。学习成本较高，一般需要受过专业培训的工程师才能使用。

在综合考虑产品的稳定性、易用性以及实施运维服务后，某地产企业的技术团队选择DataPipeline作为实时数据融合平台。

三、新型数据融合平台实现破局

面对数据共享中普遍存在的问题，DataPipeline从以下几点帮助商业地产企业实现破局：

1.保证数据实时性

数据从源端产生，到被采集到数据汇集层的时间尽可能短，至少做到秒级延迟，这样商业地产企业的中台数据模型更新才可能做到近实时，构建在中台之上依赖实时数据流驱动的应用才能够满足业务的需求。

为此，DataPipeline将数据传输效率的自定义化进行了开放，供客户针对自己的业务系统定制合适的传输任务，对于不同种类数据库的传输进行优化和调整，保证数据传输的高效性。

2.保证数据质量和稳定性

DataPipeline数据质量平台整合了数据质量分析、质量校验、质量监控等多方面特性，以保证数据质量的完整性、一致性、准确性及唯一性。帮助商业地产企业解决在数据融合过程中遇到的数据质量的相关问题，为高效、准确地进行业务分析打下坚实基础。

尽管数据质量和稳定性的提高难以量化，但如果无法得到保证，会容易收到其他业务部门的投诉。一旦解决，则会帮助IT人员更容易赢得业务部门的信任。

3.解决多源异构数据打通问题

传统的数据融合工具，对于支持非结构化数据库方面偏弱，导致许多商业地产企业在打通异构数据源时，需要使用多套产品解决异构数据源打通的问题。这样不仅增加成本开销，也为运维增加了难度。

DataPipeline设置了各类型数据源接口，统一接入企业内外部各类数据源，还有目的地的自动化数据交换，既可以满足企业内外所有异构数据的接入需求，也可通过解析数据库的复制日志捕获数据与数据定义的变化，让数据同步任务能够做到实时自适应。

4.可视化界面，高效敏捷易用

DataPipeline采用可视化的界面，无专业大数据技术背景的数据从业人员，可以通过可视化的用户界面自主配置一条数据管道。

通过可视化运维看板（数据任务看板、速率进度信息、报表统计、日志审计），从业人员可以看到数据同步的状态、数据的来源与结构，也能及时了解数据的接入、交换，数据流向。当数据同步出现问题时，基于完善的纠错机制与系统状态监控，可第一时间找到数据源并进行处理。

某商业地产技术团队基于以上考虑，利用DataPipeline批流一体数据融合平台提供的多源异构数据标准映射、元数据结构变化自动感知等核心功能高效解决了业务系统时常变化，数据结构时常调整，增量数据获取困难等问题。“在增量识别上彻底不用关心EL的部分，专心在T和数据的治理上。”是该技术团队的反馈。

四、基于当下，着眼未来

随着商业地产市场竞争的日趋激烈，最大化实现数据变现是商业地产数据团队工作的重点。未来，商业地产企业在高品质扩张规模的同时，如何借助数据在业态引入、营销推广、客户服务等各个环节提升客户场景体验的满意度，值得我们期待。

DataPipeline，本着“为客户连接一切数据、应用和设备”的理念，将与商业地产企业一起，用数据赋能商业，改善城市生活。