自2015年阿里提出中台战略以来,“中台”概念便成为互联网讨论的热点;现在中台战略常被简单地概括为“大中台、小前台”,其主要含义将企业的核心业务能沉淀和聚集到业务中心组成的中台层,前台应用以中台为支撑,向轻量化、敏捷化转变。今天企业的IT生态可以自然地分为应用和数据两大部分,前者指的是各类业务应用系统,后者指的是数据仓库、数据湖等中心化的数据平台。由于这两类系统的设计思想和实现技术有着很大的差别,所以中台架构顺势分成了业务中台和数据中台两部分。数据中台的定位是中心化的企业数据处理平台,企业所有的数据需要输送至数据中台,由数据中台统一进行收集、清洗和转换并集中存储,然后经过数据仓库体系的层层治理将数据按业务主体重新组织,为前台业务提供数据集,主要模块包括采集、数仓存储、数据管理与数据服务。伴随着市场的快速发展,需要企业能够根据市场的变化快速做出响应。特别是当前的电商行业,业务需求的数据变得多样,业务需求迭代更新速度加快等问题,促使企业越来越重视实时数据分析,同时对数据分析也提出了更高的需求,在数据挖掘及机器学习等诸多领域都有迫切的需求。通过实时数据处理可以将业务情况实时地反馈给业务用户,极大的缩短了业务用户的等待时间,数据挖掘不仅能挖掘数据中的商业价值同时对业务决策的支撑作用也至关重要,传统的数据仓库系统都是基于关系型数据的离线处理,主要服务于结构化数据的处理和计算。所以现在迫切需要一种能够在当前数据中台架构上满足实时计算和数据挖掘的需求。针对上述问题,本文根据当前数据中台主要架构,设计了一种多模式数据处理模块,丰富了数据中台架构,使得对数据计算、数据挖掘提供更好的支撑;结合所建数据中台通过使用多模式数据处理模块数据计算和数据挖掘功能对客户价值细分进行了研究。主要工作分为三部分:第一、分析了数据中台总体数据流程,针对数据流程并结合当前前台业务的特点提出了多模式数据处理模块,首先确定了多模式数据处理模块的基本需求并根据需求进行了功能设计。该模块是基于数据中台数据存储区域设计,通过使用数据存储区域的数据进行快速的数据开发和挖掘工作,以便向前台提供类型更丰富的数据。第二、结合某电商业务构建了一种具有多模式数据处理的数据中台架构,并基于该架构进行了数据中台各模块建设。主要包括多格式自动化数据采集、数据模型与计算、多模式数据处理模块、数据管理以及数据服务等。第三、针对当前电商系统中客户细分的需求,基于所建数据中台进行了客户价值挖掘研究。在细分方法中首先针对CRM中常用的RFM模型的单向性和静态性问题提出一种具有多向且动态的VRFMS模型,以识别和区分线上消费者的不同消费习惯和偏好,在方法上使用了层次分析法和K-Means算法进行数据挖掘研究,以提高挖掘结果的准确性,在实现上主要使用多模式数据处理模块进行相关数据计算和数据挖掘工作。通过客户细分的挖掘研究进一步证实了多模式数据处理中台架构的可行性。