不僅僅是用戶畫(huà)像，深挖數(shù)據(jù)背后被忽略的價(jià)值

來(lái)源：數(shù)據(jù)觀-企業(yè) 時(shí)間：2017-02-06 16:54:38 作者：Talkingdata

?

?大數(shù)據(jù)作為當(dāng)今熱門的話題，但直至今日，很多人還是會(huì)提出這樣的疑問(wèn)，大數(shù)據(jù)到底是什么，能夠給我們帶來(lái)怎樣的價(jià)值呢？其實(shí)基于特定場(chǎng)景，結(jié)合海量的運(yùn)行信息，最終結(jié)果就是大數(shù)據(jù)。盡管運(yùn)行記錄不是大數(shù)據(jù)的全部，但卻是大數(shù)據(jù)的重要組成部分。目前我們看到的金融、電信、航空、電商、零售渠道等領(lǐng)域中的大數(shù)據(jù)，多數(shù)也都是運(yùn)行記錄信息。

?大數(shù)據(jù)具有未知的采集過(guò)程價(jià)值、全面、即時(shí)、系統(tǒng)性并發(fā)的記錄方式以及主受體統(tǒng)一的特征，這些特征決定了發(fā)揮大數(shù)據(jù)價(jià)值的方式與形式。

?記錄

?情景輔助，操作基礎(chǔ)

?數(shù)據(jù)本身被記錄下來(lái)，并非全部是為了長(zhǎng)遠(yuǎn)的利益所用。很多記錄其實(shí)發(fā)揮的作用是一種操作的基礎(chǔ)環(huán)境，脫離了記錄，后續(xù)的操作將難以進(jìn)行。這點(diǎn)與人類的大腦的作用有點(diǎn)相似。我們每個(gè)人在做一個(gè)即時(shí)操作的同時(shí)，大腦都會(huì)加以記錄。然后依據(jù)這些記錄快速?zèng)Q定下一步怎么做，即時(shí)的這些記錄僅僅是一種情景輔助的作用。

?舉個(gè)栗子

?比如我們進(jìn)行量化交易時(shí)，我們制定交易策略模型就會(huì)利用往日的海量數(shù)據(jù)進(jìn)行回測(cè)，檢驗(yàn)?zāi)Ｐ驮趯?shí)際的運(yùn)行過(guò)程中產(chǎn)生的問(wèn)題，并加以調(diào)整其中的參數(shù)。如果沒(méi)有往日被記錄下來(lái)的海量數(shù)據(jù)，我們將無(wú)法校驗(yàn)我們的模型準(zhǔn)確性。

?備份&監(jiān)督

?情景復(fù)原，責(zé)任追究

?數(shù)據(jù)記錄也是對(duì)以前操作過(guò)程的一個(gè)備份形式，記錄了多方不同的操作過(guò)程動(dòng)作及次序，乃至不同環(huán)節(jié)的具體操作內(nèi)容。這樣一種作用可以看作是記錄本身最被認(rèn)可的初始價(jià)值。記錄讓操作進(jìn)行時(shí)的當(dāng)時(shí)情景有了復(fù)原的可能性，哪怕只是一種具有針對(duì)性非完整的復(fù)原。但這種復(fù)原除了紀(jì)念意義外，還有一個(gè)重要價(jià)值就是事后的責(zé)任劃分與追究，是獎(jiǎng)懲的基礎(chǔ)。這樣一作用看似很微小，但卻是人類社會(huì)運(yùn)作的基礎(chǔ)。尤其是在互聯(lián)網(wǎng)時(shí)代的今天，不同主體之間的越來(lái)越多的不同形式的交互不斷加劇，情景復(fù)原會(huì)讓每個(gè)主體對(duì)自己的操作更為負(fù)責(zé)，讓各種有效的互聯(lián)成為一種可能。隨著互聯(lián)網(wǎng)與線下實(shí)際經(jīng)濟(jì)行為的日益融合，一次click有可能代表著重大的利益轉(zhuǎn)移，結(jié)合網(wǎng)絡(luò)協(xié)議的操作記錄成為了大家網(wǎng)上操作時(shí)承擔(dān)對(duì)應(yīng)責(zé)任的依據(jù)。（比如炒股的都會(huì)記得8·16光大證券烏龍指事件）

?又舉個(gè)栗子

?淘寶網(wǎng)鼓勵(lì)買家與商家在旺旺上聊天時(shí)將聊天記錄保存下來(lái)。在具體的申訴環(huán)節(jié)，上傳聊天記錄可以作為一種證據(jù)去為自己辯護(hù)。其中內(nèi)容包含但不限于中間買方下單，支付款項(xiàng)，賣家發(fā)貨，快遞公司名稱、運(yùn)單號(hào)，甚至包括該單在快遞過(guò)程中的狀態(tài)，流轉(zhuǎn)時(shí)間，甚至有些公司將具體快遞員的姓名、電話也記錄在內(nèi)，簽收方式也被詳細(xì)的記錄下來(lái)。所有這些記錄發(fā)揮了一種情景復(fù)原以及事后追究責(zé)任的作用，從而確保了相關(guān)人的權(quán)益被保障，交易得以正常進(jìn)行。

?導(dǎo)引

?情景指引，方向微調(diào)

?一個(gè)系統(tǒng)在運(yùn)行過(guò)程中，有些時(shí)候也會(huì)出現(xiàn)一些跟平常不一樣的數(shù)據(jù)波動(dòng)。當(dāng)這種數(shù)據(jù)波動(dòng)所代表的數(shù)據(jù)通過(guò)閾值、平均值等各種方式體現(xiàn)出來(lái)的時(shí)候，系統(tǒng)本身的原有平衡可能會(huì)被打破，內(nèi)部各方面的環(huán)節(jié)或資源就有可能跟不上。這個(gè)時(shí)候適當(dāng)?shù)耐饬⑴c很有必要，以免出現(xiàn)系統(tǒng)運(yùn)轉(zhuǎn)問(wèn)題。

?再舉個(gè)栗子

?比如情景指引中，最著名的就是豐田的精益化生產(chǎn)理念。拿流程型行業(yè)和離散型行業(yè)來(lái)說(shuō)，流程型行業(yè)比如化工、醫(yī)藥、金屬等一般偏好設(shè)備管理如TPM，因?yàn)樵诹鞒绦托袠I(yè)需要運(yùn)用到一系列的特定設(shè)備，這些設(shè)備的狀況極大的影響著產(chǎn)品的質(zhì)量；而離散型行業(yè)比如機(jī)械，電子等，生產(chǎn)線的排布以及工序都是影響生產(chǎn)效率和質(zhì)量的重要因素，因此離散型行業(yè)注重標(biāo)準(zhǔn)化，JIT，看板以及零庫(kù)存。

?一個(gè)企業(yè)的產(chǎn)供銷系統(tǒng)，一個(gè)城市的交通系統(tǒng)，甚至一個(gè)國(guó)家的人口政策，資源利用等都可以通過(guò)這樣一種方式來(lái)進(jìn)行微調(diào)，從而確保系統(tǒng)的良性運(yùn)行，降低成本提高利潤(rùn)率?；诟鞣N數(shù)據(jù)及需求的不斷變化，適當(dāng)?shù)剡M(jìn)行策略調(diào)整已經(jīng)變成一種必須。但具體怎樣調(diào)整，則需要根據(jù)數(shù)據(jù)來(lái)說(shuō)話。

?預(yù)測(cè)

?情景研究，系統(tǒng)優(yōu)化

?對(duì)未來(lái)的預(yù)測(cè)功能是目前業(yè)界對(duì)大數(shù)據(jù)最看重的價(jià)值之一。（敲黑板！）基于之前記錄下來(lái)的各種數(shù)據(jù)的深入研究，發(fā)現(xiàn)其中的規(guī)律特征，從而進(jìn)行系統(tǒng)優(yōu)化迭代。如果前面說(shuō)到的引導(dǎo)只是一些相對(duì)較小的策略調(diào)整優(yōu)化，那么基于預(yù)測(cè)的情景研究和系統(tǒng)優(yōu)化，則是相對(duì)較大的戰(zhàn)略變動(dòng)。這種基于預(yù)測(cè)的價(jià)值實(shí)現(xiàn)對(duì)系統(tǒng)（包括個(gè)人、企業(yè)機(jī)構(gòu)，也包括各種App）的長(zhǎng)遠(yuǎn)運(yùn)行來(lái)說(shuō)價(jià)值重大，其決定了一個(gè)系統(tǒng)是否具有長(zhǎng)期的成長(zhǎng)性和進(jìn)化能力。

?一個(gè)主體（系統(tǒng)）不但要考慮即時(shí)的運(yùn)行，以及下一步的正確操作，更需要考慮長(zhǎng)遠(yuǎn)的運(yùn)行可能。就如阿爾法狗，進(jìn)行對(duì)弈時(shí)計(jì)算的不僅僅是當(dāng)前的三步棋，可能要考慮到361個(gè)位置的每一個(gè)可能。尤其是在競(jìng)爭(zhēng)激烈的今天，各種企業(yè)、機(jī)構(gòu)之間的競(jìng)爭(zhēng)非常殘酷。如何基于以往的運(yùn)行數(shù)據(jù)，對(duì)未來(lái)的運(yùn)行模式進(jìn)行預(yù)測(cè)，從而提前進(jìn)行準(zhǔn)備或者加以利用、調(diào)整，對(duì)很多企業(yè)機(jī)構(gòu)其實(shí)是一種生死存亡的問(wèn)題。這樣一種情況同樣適用于國(guó)家級(jí)別。正因?yàn)檫@一點(diǎn)，目前無(wú)論是在企業(yè)還是國(guó)家都開(kāi)始研究、部署大數(shù)據(jù)。

?最后舉個(gè)栗子

?不說(shuō)什么預(yù)測(cè)人類因?yàn)樘鞛?zāi)人禍滅絕的時(shí)間或者精準(zhǔn)天氣預(yù)報(bào)，咱們就說(shuō)說(shuō)電商?，F(xiàn)在在京東、易迅、亞馬遜等看到的主流推薦算法，一般都是基于物品自身相似性（不過(guò)分依賴于用戶數(shù)據(jù)，沒(méi)有冷啟動(dòng)的問(wèn)題）、基于用戶瀏覽、喜歡、購(gòu)買等數(shù)據(jù)的協(xié)同過(guò)濾推薦（用戶緯度和商品緯度）?！笇?duì)推薦算法感興趣的，可以具體看看這個(gè)亞馬遜的基于物品的協(xié)同過(guò)濾算法的論文，我就簡(jiǎn)單說(shuō)兩句。 http://www.21jieyan.cn 」

?總結(jié)

?通過(guò)對(duì)大數(shù)據(jù)的深入挖掘，我們將會(huì)了解企業(yè)（系統(tǒng)）的不同環(huán)節(jié)、不同參與主體是如何相互協(xié)調(diào)運(yùn)作的，同樣也可以通過(guò)對(duì)他們的了解去控制、預(yù)測(cè)參與主體的下一個(gè)動(dòng)作，甚至長(zhǎng)遠(yuǎn)的維護(hù)和優(yōu)化?；诖髷?shù)據(jù)，個(gè)體之間相互連接有了基礎(chǔ)，相互的交互過(guò)程得到了簡(jiǎn)化，各種交易的成本減少很多。廠家等服務(wù)提供方可以基于大數(shù)據(jù)研發(fā)出更符合消費(fèi)者需求的服務(wù)，機(jī)構(gòu)內(nèi)部的管理也更為細(xì)致。

?

?點(diǎn)擊進(jìn)入 TalkingData 在數(shù)據(jù)觀的企業(yè)欄目>>>

責(zé)任編輯：陳近梅