[[182029]]

這估計《從0到1構(gòu)建數(shù)據(jù)生態(tài)系列》的***一篇，主題是數(shù)據(jù)價值。

在之前，我們所有做的一切一切，都是基礎(chǔ)，那么其最終的目的是什么?

當(dāng)然，結(jié)果很明顯，就是數(shù)據(jù)價值，那么，作為數(shù)據(jù)生態(tài)的最上層，所謂的數(shù)據(jù)價值又是以什么形式體現(xiàn)的呢?

BI體系

在 大數(shù)據(jù)職位畫像–看看你是不是白混了賊多年 這篇對于大數(shù)據(jù)職位分析的文章中，我們知道，大數(shù)據(jù)中很大一部分人的角色定位就是“數(shù)據(jù)分析”。

對應(yīng)的職位崗位的名稱也多樣，“數(shù)據(jù)分析師”，“大數(shù)據(jù)分析師”，“BI數(shù)據(jù)分析”，“BI工程師”等等，五花八門。

這些崗位對應(yīng)所創(chuàng)造的最上層數(shù)據(jù)應(yīng)用價值就是，意圖通過數(shù)據(jù)分析的手段，來帶數(shù)據(jù)化的運營監(jiān)測，數(shù)據(jù)化的決策指導(dǎo)，以及趨勢性的預(yù)測等等。

對于前一點，即數(shù)據(jù)化的運營，這是最常規(guī)的應(yīng)用手段，通過數(shù)據(jù)的反饋情況，進(jìn)行運營策略的動態(tài)修正，以期獲取***化運營效果。

對于上層來說，他需要把控公司企業(yè)整體的事態(tài)走向，來制定未來的戰(zhàn)略規(guī)劃，這也是數(shù)據(jù)分析帶來的好處。

通常，我們在構(gòu)建起數(shù)據(jù)生態(tài)鏈路之后，***需要支撐的就是BI分析體系，用于運營以及決策。

此外，結(jié)合分析以及深化一些的數(shù)學(xué)模型，我們還可以做到一些趨勢性的預(yù)測，對于未來的策略做更進(jìn)一步的指導(dǎo)，這就屬于BI體系更深入的應(yīng)用了。

畫像體系

除了BI體系之外，畫像體系是上層應(yīng)用的重要核心支持，在此之上可以演變各種有效的實際業(yè)務(wù)應(yīng)用。

所謂畫像體系，即一方面是指針對于公司用戶構(gòu)建起能夠全面描述用戶特征的用戶畫像，另一方面，對于實體目標(biāo)，即除了用戶之外的實體，我們同樣可以構(gòu)建起畫像，例如品牌畫像，內(nèi)容畫像，產(chǎn)品畫像等等。

基于這些畫像，我們其實是可以做很多事的。

例如針對于電商，我們可以結(jié)合推薦系統(tǒng)，做更個性化的商品推薦;結(jié)合活躍時段，地域，購物特征等，進(jìn)行更加個性化的推送服務(wù)，以及做個性化的EDM等;又諸如品牌畫像，可以更好的為品牌進(jìn)行制定推廣策略;針對產(chǎn)品畫像，剖析產(chǎn)品結(jié)構(gòu)，優(yōu)化產(chǎn)品內(nèi)部邏輯，指導(dǎo)產(chǎn)品快速迭代等等。

畫像是基石，在基石之上可以做更多可擴(kuò)展性的實際應(yīng)用，當(dāng)然，前提是你的畫像維度足夠豐富，屬性足夠準(zhǔn)確。

并且，需要注意的一點就是，我們在構(gòu)建畫像體系的時候，對于畫像維度進(jìn)行分層次的拆解，有助于我們填充畫像屬性，以及更好的實用指導(dǎo)。

至于說如何填充畫像的屬性，其實方法就很多了，部分是很明顯的屬性，部分是統(tǒng)計維度的屬性，部分是需要通過機器學(xué)習(xí)以及挖掘的手段進(jìn)行獲取。

當(dāng)然，更多的細(xì)節(jié)我們就不放在這里討論了。

推薦系統(tǒng)

在網(wǎng)絡(luò)興起之前，用戶能夠接觸到的信息實體(所謂信息是泛指，商品之類的也算)都是通過線下的實際展示，能夠直接獲取的范圍有限。

在網(wǎng)絡(luò)興起之后，虛擬空間的概念興起，信息實體可以放在虛擬空間中，這意味著實體(包括商品等一系列相關(guān)實體)的數(shù)量可以***擴(kuò)充。

在很早之前，用戶獲取信息的主要手段有兩種：結(jié)構(gòu)化的目錄導(dǎo)航，搜索。

但在虛擬空間的興起之后，隨著海量實體的增長，這種以用戶主動觸發(fā)為主的獲取實體模式弊端越來越大：篩選時間變長、可選項增大帶來選擇困難現(xiàn)象。

在時間成本越來高的現(xiàn)在，必然追求更加高效的實體信息獲取方式，最本質(zhì)的目的是：縮短用戶與目標(biāo)實體之間距離，減少無效信息的獲取，以及提升效率。

所以，以個性化被動信息推動為模式的推薦系統(tǒng)則受到了歡迎。

而推薦系統(tǒng)，在是建立在數(shù)據(jù)的基礎(chǔ)上，融合適應(yīng)場景的各種模型算法，最終以精準(zhǔn)信息推送為目的，提升用戶的點擊轉(zhuǎn)化，或者其他更明確的商業(yè)目的。

推薦系統(tǒng)是數(shù)據(jù)得以應(yīng)用的最常見的方式之一，也算是在國內(nèi)應(yīng)用的相對成熟的場景。

數(shù)據(jù)時代的搜索引擎

就信息檢索來說，搜索引擎早就存在，而且一直存在，但早期的搜索引擎只有一個目的，那就是檢索與檢索詞相關(guān)的信息。

這里所說的相關(guān)，純屬于信息實體屬性相關(guān)。當(dāng)然，這樣做當(dāng)然是無可厚非的，信息檢索的本質(zhì)本來就是檢索相關(guān)的信息。

但隨著數(shù)據(jù)進(jìn)一步應(yīng)用，以及機器學(xué)習(xí)等技術(shù)的推廣，搜索引擎的模式也在悄然發(fā)生改變，只是你或許并沒有過多關(guān)注而已，只是感覺搜索越來越好用了。

我們知道，中文博大精深，一句話，稍微改動一下，或者說重新組織一下，意思都可能發(fā)生巨大的變化，甚至是相同的一個詞，理解的角度不同，其意義都是不相同的。

在過去，這種情景是很難處理的，而如今，隨著對數(shù)據(jù)的進(jìn)一步應(yīng)用，以及算法模型的進(jìn)一步開發(fā)，搜索意圖識別已經(jīng)算是“正經(jīng)”搜索引擎的標(biāo)配了。

除此之外，還有諸如搜索糾正，相關(guān)搜索推薦等基本的優(yōu)化點，用于提升用戶的體驗。

***的改變在于，過去的搜索是一個“點”，而現(xiàn)在的搜索結(jié)果是一個“面”。

所謂的“點”即是你所搜索直接關(guān)注的目的，也就是信息本身，而“面”則是一個多維結(jié)構(gòu)，在你關(guān)注的點的同時，擴(kuò)散所有的相關(guān)信息。

這就是知識圖譜在搜索中的應(yīng)用，產(chǎn)生的搜索結(jié)果是一整個相關(guān)的知識圖譜結(jié)構(gòu)。

實現(xiàn)業(yè)務(wù)的數(shù)據(jù)化、自動化、智能化

相對于上面描述的幾個相對明確的數(shù)據(jù)價值應(yīng)用，這里描述的就相對于偏業(yè)務(wù)層，并沒有說具體涉及到某種模型，具體的算法，而是一種業(yè)務(wù)驅(qū)動模式。

我們希望通過數(shù)據(jù)，能夠構(gòu)建起業(yè)務(wù)驅(qū)動的自動化流程，并且這整個業(yè)務(wù)流程是可數(shù)據(jù)化觀測的，然后在一些關(guān)鍵環(huán)節(jié)是可以智能化運作的，這樣就能夠提升業(yè)務(wù)的精準(zhǔn)性。

當(dāng)然，更重要的是提升商業(yè)轉(zhuǎn)換價值。

期間，我們可以利用各種統(tǒng)計分析的手段，讓業(yè)務(wù)流轉(zhuǎn)是可以數(shù)據(jù)可觀測的，也可以通過諸如畫像屬性的進(jìn)一步業(yè)務(wù)化，也可以使用諸如推薦、預(yù)測等相關(guān)相對底層的技術(shù)，甚至是可以利用更復(fù)雜的神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)等自動學(xué)習(xí)、自動優(yōu)化的手段。

關(guān)鍵在于使用數(shù)據(jù)，再結(jié)合機器學(xué)習(xí)的手段來優(yōu)化整個流程，這才是我們所需要的。

結(jié)語

***，隨著數(shù)據(jù)的價值在逐漸被挖掘，上層將會越來越多的應(yīng)用模式被探索出來。

但可以預(yù)見的是，數(shù)據(jù)價值的使用，必然會從單純的數(shù)據(jù)本身價值，逐漸延伸到更多的其他方面，而作為數(shù)據(jù)價值探索的手段，機器學(xué)習(xí)相關(guān)的技術(shù)和數(shù)據(jù)的結(jié)合也會越來越緊密。