伴隨著近兩年O2O熱潮的持續(xù)升溫，互聯(lián)網(wǎng)O2O的觸角幾乎延生到了所有行業(yè)。其實，O2O并沒有那么高大上，它的紐帶無非是企業(yè)借助互聯(lián)網(wǎng)轉型，滿足消費者不斷更迭的需求，打造***的用戶體驗。

缺失了大數(shù)據(jù)分析能力就談不上真正的O2O。對從互聯(lián)網(wǎng)中獲取的海量用戶信息進行分析的挖掘，利用標簽來進行識別和精細化運營，成為走出O2O迷霧的突破口。那么大數(shù)據(jù)與O2O怎樣才能實現(xiàn)更好的融合呢?在信息質(zhì)量不高的前提下，如何提高O2O基礎信息的精準度，使用戶獲得更好的體驗呢?

帶著這些問題，51CTO記者采方到美團網(wǎng)高級經(jīng)理任化偉，從技術的角度一一進行解讀。

任化偉，2006年西安交通大學畢業(yè)，早期創(chuàng)業(yè)做汽車領域的搜索引擎，后續(xù)經(jīng)歷了12530的音樂搜索和百度的圖片搜索服務，在垂直搜索領域積累了豐富的經(jīng)驗;離開百度后在品眾互動做了2年的技術總監(jiān)，對廣告領域也有較深認識；目前在美團網(wǎng)負責商家數(shù)據(jù)中心的建設。

020的核心是為消費者提供便利

任化偉告訴記者，O2O 不僅僅是團購，但團購可以說是發(fā)展最為成熟，人們接受度***的O2組成部分。從“貓眼電影”到“美團酒店”再到“美團外賣”，在團購業(yè)務的積淀下，美團網(wǎng)開始全面進軍O2O市場。

互聯(lián)網(wǎng)時代，O2O模式之所以能夠成為下一個掘金點，是因為利用互聯(lián)網(wǎng)進行更加充分、完善信息溝通，相較于傳統(tǒng)電B2C/C2C的平臺架構設計，O20的進步體現(xiàn)在它不僅非常重視線下團隊和商家的接觸，還需要將系統(tǒng)資源進行有效整合，打通“人-店-商品”間的數(shù)據(jù)關聯(lián)，形成線上線下的交易閉環(huán)這種方式，使消費者和商家所獲得的信息實現(xiàn)***程度的對等，從而為消費者提供便利，并刺激其持續(xù)消費，使商家盈利。

大數(shù)據(jù)技術讓O2O基礎信息更靠譜

基礎數(shù)據(jù)的準確性直接影響著消費者的體驗。任化偉說：“我自己也被地圖導航坑過。一次我根據(jù)導航來到約定的聚餐地點，卻怎么也找不到商家，***在朋友的電話指揮之下才找到地方，這種情況對用戶的傷害還是很大的”。

基礎數(shù)據(jù)的準確性是非常重要的，提升基礎數(shù)據(jù)質(zhì)量的道路是艱難的;比如評估一個數(shù)據(jù)源的質(zhì)量只有80%，但是上線的質(zhì)量要求是95%;事實上因為標準非常嚴苛，95%是經(jīng)過培訓之后運營同學清洗之后所能達到的質(zhì)量標準;在這種情況下，為了上線這批數(shù)據(jù)，就需要人工全部清洗一遍數(shù)據(jù);也就是說為了提升15%的數(shù)據(jù)質(zhì)量，需要付出100%的運營資源，而其中80%的工作是不必要的。

在這種情況下，研發(fā)同學提出了自動化校準的思路，當然前提條件是達到和運營同學清洗后一樣的質(zhì)量效果;具體的過程，和大家通常判斷一個信息是否正確地思路是類似的，會經(jīng)過信息收集、信息清洗、信息關聯(lián)、信息決策這幾個步驟；不同的是，我們面臨的是判斷海量信息的正確性。

信息校準是一個持續(xù)不斷的過程

大數(shù)據(jù)技術不是***的，在信息不完整時，人工也很難判斷。比如你從不同渠道獲取了兩條門店信息，兩條信息的門店名稱是一樣的，地址是兩個相鄰的街道，距離偏差一千米;你是愿意相信其中一個渠道的信息搞錯了呢，還是愿意相信物理世界上是存在兩家門店呢?如果是五***大酒店，相信大家都會判斷其中一個信息錯了，如果是沙縣小吃呢?如果不到實地勘察一下，估計很難判定。

如果我們獲取了更多信息，比如我們獲取了上述例子中門店的遷址信息，并且地址也能匹配上，就可以對兩條信息給出一個明確的判斷;所以校準是隨著信息不斷完善而逐步迭代的過程;另外客觀上也存在著商家不斷開展、遷址、倒閉的過程，所以信息校準也是一個持續(xù)不斷追求和物理世界保持同步的過程。

WOT大數(shù)據(jù)技術峰會上將分享我們踩過的那些“坑”

外行人在看待技術時，往往會產(chǎn)生一種高大上的“錯覺”，而實際上，真正涉及到業(yè)務層面的流程和機制設計時，往往是非?，嵥榈?，而且在沒有經(jīng)驗的前提下，很難做出一些有價值的思考。

在11月28-29日由51CTO主辦位于深圳的WOT大數(shù)據(jù)技術峰會上，任化偉將和大家分享他們在依托大數(shù)據(jù)技術進行信息自動化校準中的過程中的經(jīng)驗，特別是在數(shù)據(jù)質(zhì)量不高的前提下，他們都踩過哪些坑，解決方案是什么，最終達到了什么樣的效果，希望給大家?guī)硪恍﹩l(fā)。