首家大数据培训挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

刘译璟:百分点大数据理念和实践(图文+PPT下载)

于2017-04-01由小牛君创建

分享到:


3月6日下午14:00,由大数据培训,就上小牛学堂主办『大数据应用与实践』主题沙龙在北京中关村创业大街3W咖啡成功举行。来自国内外上百家大数据企业代表参加了本次活动,并针对大数据商业应用问题展开了激励的讨论。

百分点技术副总裁刘译璟先生在此次沙龙中,提出了一个“云大物移社”的新议题。他说,“Big Data”之“BIG”其实指的是无处不在的数据。大数据是一个强技术的概念,与Hadoop技术密不可分。在DT时代,云计算是骨骼,物联网是感官,大数据是大脑,移动化是策略,社会化是灵魂。他强调,百分点的核心是将消费者数据化,驱动智能经营。大数据可以深刻把握顾客需求,直面顾客,以顾客为中心,追逐ARPU值。另外,刘译璟还在会上为大家分享了百分点大数据解决方案以及如何为企业做用户画像。

百分点大数据

刘译璟在现场与观众亲密互动

百分点大数据

百分点技术副总裁刘译璟先生的精彩分享

下面是现场的演讲图文直播,另外,我们将在位置末尾放出演讲PPT的下载:

百分点技术副总裁刘译璟上场先做了一个调研,他说:“我想先问一下大家,有多少人是了解百分点的?我现场采访一下,百分点是做什么的?”台下有观众回答:我刚接触百分点的时候是,我首先看到百分点大数据分享的PPT,从中慢慢了解到的。

百分点大数据

百分点技术副总裁刘译璟先生:

你认为百分点是做什么业务的吗?看起来大家听过这个名字,但是根本不知道百分点做的是什么事,今天我重点跟大家分享就的是在大数据领域里面,我们盯的是哪个方向,具体做什么样的业务。

百分点大数据

首先我想跟大家分享一下百分点对大数据的看法,这上面有三个大数据定义,如果各位去互联网查的话都可以查到,第一个说大数据应该是大量的数据、海量的数据,体量非常大的数据。第二个是指大量数据做的那些事情。第三个强调的是数据源或者是多元异构的数据。我们并不太认可这三种定义,因为三种定义说的是这三方面。首先我介绍一下百分点是怎么看待大数据这件事的。

百分点大数据

Data大家都知道这个词,BIG是什么意思呢?

这个词在英语里面往往会有贬义的意味,我用三个词来描绘或者来讲,第一个次是《1984》这本书里面的Big Brother,1984年的时候世界上有三个国家,其中一个国家叫大西洋国,这个国家里面有唯一的一个政党,这个政党里面有唯一一个领袖,这个领袖就叫Big Brother,一旦你说一些很敏感的问题,老大哥在看着你,你会被真理部抓过去,老大哥无处不在。

第二词是大政府、小政府,我们知道中国是典型的大政府,政府任何的政策都可以下到我们每一个人身上。但是同等体量的美国相当于一个小政府,它的问题是政府跟市场之间到底是什么关系,美国有很多政府并不一定能影响到每个人,这是大小政府。第三个词是上世纪六十年代类似于中国的三桶油,原因是我们生活中到处都可以遇到这些企业,你是绕不过去的。

百分点大数据

简单来说BIG跟这三个词一样,并不是指体量非常大,而是到处都是,无处不在。如果用最简单的语言来说,它就是指无处不在的数据。描述一下从传统的IT时代到DT时代,或者是到数据时代到底产生了什么变化。左边是传统做IT系统的想法,首先是现实中会有一些业务,这些业务可能做的已经非常复杂,人力无法承担,做的很不规范。我们要构建一些业务系统,这个系统让整个业务变的更加自动化,核心强调的是自动化。在系统运作过程中会存在相当多的数据,这是我们最早的数据来源。

我们能看到数据在下沉,从最高的一个结果变到中间,这跟今天我们倡导的互联网+是异曲同工的。现在很少有人自己标榜我是互联网企业,比如说我是O2O或者是金融企业,都在做这样的事。我想在未来两三年后,也没有人会标榜自己是大数据的企业,因为数据也变成了一种背景,大家都在这个背景里面做自己最传统的业务而已,数据会变成非常稀松平常的事情,就像上世纪九十年代计算机刚刚进入生产生活中,很多单位里面可能有个信息处,有个计算机室,今天每个人都会操作计算机。再过一段时间每个人都会用数据分析的方法,因为大家都需要做这样的事情,这是我们对大数据它到底做什么事情很重要的观点。我下面所有的东西都是围绕这张片子展开的。

百分点大数据

从这个角度来讲,大数据只不过是信息化时代上非常小的点而已,这个词的出现有它的偶然性。我只介绍几个关键时间点,第一个关键时间点大家看到是1960年,在1963年日本的学者提出了信息化的概念,他当时讲随着计算机技术的发展,我们日常生产生活中到处会被这样的计算设备、信息化的手段占据。整个社会结构会产生很大的变化,这是1960年人们提出的梦想。

1978年的时候有一本书叫做《第三次浪潮》,这本书跟中关村诞生是非常相关的。中关村那些领导们拿着这本书,最后决定有这么一个试点。这本书是美国的未来学家写的,他把人类文明分成三个阶段,第一次是农业文明,第二次是工业文明,第三次是信息文明。今天大家可以看到很多关于大数据方面的书,《第三次浪潮》非常重要,如果大家有兴趣可以看一下。

从04年到06年Google发表数据处理的“三架马车”,这个技术的提出,第一次让我们发现,我们有足够便宜的手段去实现六十年代提出的梦想,实际上Hadoop这种技术并不是新的。所以在08年的时候,那时候邀请了非常多的专家论证,随着我们生活中越来越多的智能应用,世界会变成什么样的,再往后看会发生什么事。一个叫做《黑客帝国》,一个是《终结者》,信息文明跟人类文明到底是什么关系。

百分点大数据

百分点怎么定义大数据呢?第一个方面是关于理念层次,它首先是数据化的理念,我们要把现实世界看成是可以量化,可以测量,可以数据化,可以收集起来的,这是一个理念。而且在做数据的时候,不要只盯着具体的一个业务,我盯着的是整个世界。

比如说电商网站,对它来说业务最重要的数据,其实就是订单系统,对他来说把订单做好足以了。但是现在越来越多的电商做的不仅仅是这件事情,他要分析用户的行为,你要把整个人或者是业务的流转,人的整个轨迹全部定下来,用数据的方式了解消费者,这是它能做业务的核心。第一个是大数据的理念,这个理念会带来相当多技术的结果。我不仅仅要有梦想,还要有现实。我如何把梦想实现,要有相当多的技术手段。我们要采集数据,我们要存储、分析、挖掘,以至于产生一些应用。大数据这个词或者这个定义至少包含了理念以及实现这两个方面的内容。

百分点大数据

从这个定义里面非常容易导出,无论是大家讲的三个V、四个V、六个V、八个V,这些V只是大数据的特点,从来没有人说是它的定义。从我刚才讲的定义里面很容易导出这几个特点,我只讲其中的一个例子。比如说为什么说在大数据里面我们非常强调数据的实时性,当你把数据看成资源的时候,你把发现资源是不可再生的,这一秒钟你不收集,下一秒钟就没有了。如果你不把信息利用到业务场景里面,下一步就没有了,所以很容易推导出大数据的特点,这是我们对大数据本身的思考。

百分点大数据

接下来我想讲的是大数据有很多跟它相关的技术或者是信息化的趋势,我这里用五个字来表示就是“云大物移社”,它们是什么关系呢?这是我们要区分百分点在细分化行业里面到底做什么样的业务。大家可以看到这里面有两朵云,我们首先第一个观点是未来所有的信息化应用,它都会在云上,云是整个信息世界的边界。物联网是做什么的呢?物联网是连接现实世界跟信息世界的接口。物联网做的事情甚至一些智能的机器人,他做的事情是把现实中的种种情况转化成信息世界的数据,然后对这些数据进行处理,把数据转化成信息,把信息转化成知识,然后把这些信息或者是知识通过物联网再一次运用到现实世界中。并且这是一个不断的反馈,不断的学习机制。

百分点大数据

前面几位老师其实也都提到了,整个数据运营需要持续不断的进行迭代,原因就是大数据一开始的时候,大脑真的是一片白纸。我们需要不断的学习跟现实进行交互才可以,这是云大物之间的关系。

移动化解决什么问题呢?移动化是解决资源重新分配。因为现在我们的生活节奏越来越紧张,很多人的资源或者是停车场这样的资源越来越紧张。但是很多时候它是没有被充分利用的,移动化就解决这样的问题。比如说我上知乎就那么一点点时间可以学习一些知识,其实我在很短的时间内可以进行一些交易,他解决这些问题。比如说我是程序员,我需要一个小时研究这个问题,你让他到移动端上有点可笑,因为他不是这针对这个做的。

社会化是什么,因为说到底人是社会化的问题,最后我们会人以群分物以类聚,数据会变成一个背景,真正产生价值一定是在行业应用里面。所以我画两朵云,当然在这中间未必了,我们需要经过一些简单的数据交互,这些事情足以完成。在金融里面我需要了解一些这个人的消费偏好,以便于我评估风险,这是我们对五个方面的理解。

如果用一个人来比喻五个趋势,我想这样比喻。云计算它是骨骼,未来所有的信息技术都在云上。物联网是我们的感官,我把现实世界跟信息世界拉通起来,大数据是大脑,中间处在核心位置处理这些数据,产生价值最关键的一环。移动化是我们在业务上重新分配资源的策略,我们的价值一定产生在垂直的行业应用里面去,泛泛的技术或者是泛泛的技术,它最后的价值会越来越低。这是我们对大数据和相关数据的看法,接下来我重点介绍一下百分点到底做什么样的事情。

百分点大数据

我们看到整个大数据的产业里面,如果再细分的话分成这四个方面,这是整个链条里面必须具备的四个环节。第一个环节是基础,我们要实现自己梦想是实现数据价值最基本的硬件或者是软件的条件,这是基础。第二个是分析,当我有了基础条件以后,我如何把业务问题转化成真正的数学问题或者是转化成数据问题。第三个是我真的要把分析的结果或者是建出来的数据模型应用到现实的应用中去,针对某一个扁平的应用点做出价值来。最后一个环节是任何一个环节中,我们都需要有数据或者是我自己产生的数据或者是找合作伙伴的数据,每一个环节都需要用到数据。从基础到分析、应用、数据,这是大数据整个产业里面必备的条件,任何一个环节的缺失可能整个数据或者是信息的价值都无法产生。

我们百分点看到了这些环节以后,我们盯的应用场景或者是业务环节在哪里呢?如果百分点业务用一句话描述的话,我们做的事情就是把消费者数据化,这是百分点做的最核心的事情,我们不是把汽车数据化、罪犯数据化,我们把消费者数据化,进而驱动数据化的运营。最后实现的是让一个企业,特别是传统企业从经营产品到经营用户的转型,这是最核心的一件事情。我为什么看到这点呢?因为大家看到整个业务的趋势C2B的趋势越来越明显,传统的以产品为中心,它的经营模式和核心其实是追逐产品的毛利,我制造产品、销售产品。传统的方法,一个企业往往不是从用户的角度出发。

百分点大数据

我举个例子,比如说保险那些业务员,以及公司之间他其实是相当的耦合。保险用户最终不是掌握在保险公司手里,而是掌握在客户经理手里。在这种情况下,保险公司实际上他不能了解到用户所有的信息,甚至会出现多个业务员都跟一个用户沟通,这个公司事实上掌握不到这个消费者。在这种情况下,企业很难为客户做到最满意的服务,为什么?大家可以看左边这个图,因为消费者他的需求最终是多种多样的,事实上在现实中的情况,所有的企业只能提供标准的产品和服务,比如说以保险为例,大概有上千种险种,虽然已经非常多了,但是对保险的要求或者对权益的要求非常多。

而在这种情况下,企业又不完全掌握到消费者的情况,有零散的业务员掌握,这些业务员处在割裂的状况。比如说银行里面也是,柜面跟电子渠道不同,电子渠道跟客户经理不同,所有的信息不是连通的。企业不是作为整体跟客户打交道的,这样的话显然没有办法做到最好的为客户服务。最终我们想做到什么呢?以客户为中心,实现客户持续的价值变现,这里面我们要做到的,消费者多样性是不会改变的,我们做到针对不同的消费者提供终极解决方案。比如说任何一个业务员都能把所有的产品和个性化的组合给一个消费者,这是终极的解决方案,怎么做这件事情呢?首先要真的了解消费者深刻把握他们的需求。在了解消费者需求的情况下,我们快速的满足它的需求,这里面任何一点都需要借助大数据的技术。百分点核心的业务,就是围绕这个开展的。

百分点大数据

刚才也介绍过了,整个大数据产业里面或者是大数据生态里面,至少会有三层,技术层、分析层、应用层。百分点整个产品或者是解决方案,就是围绕这三层开展的。我们说话会有自己的技术解决方案或者是产品。中间有数据管理这层相关的产品,最上面是支撑典型的业务应用。这张图是我们做的最核心的,刚才讲过了,我们所有的事情都是围绕消费者做,是用数据建模的方式描述消费者。我们经常说的用户画像,我举一个例子,这是我们给银行做的局部的用户画像。大家看到至少包含了三个纬度,第一个纬度是按业务层次划分的。第二个是在业务深度里面,我们需要分更细的纬度。第三个层次按照不同的建模手段去开展,这是三维的标签空间,我们通过这样一个方式描述消费者。

我可以举一个例子来跟大家说一下百分点的用户画像,现在我们大概有全国70%消费者的轨迹,其实我们跟新浪微博做过一个匹配,新浪微博76%的消费者都可以在我们这里找到它的轨迹我们消费端用户端的画像大概有185万个纬度。整个百分点的产品或者我们做的事情,实际上就是围绕用户画像展开的,这是我们整个产品的全景图,这张图作为今天最后介绍的结尾,我们为什么按照这个层面展开。大家可以看到中间这层就是大数据管理,事实上是我们最核心的事情,这一层它的重点是两个系统,一个叫做用户标签管理系统,一个商品标签管理系统。用户标签管理系统就是用户画像,它是整个数据管理的环节。首先我们要采集方方面面的消费者数据,比如说我们讲的第一方的数据、第二方的数据和第三方的数据采集过来。在这上面需要做很多清洗方面的工作,清洗完了以后我们要做两件很重要的标准化的工作,我把这两个工作先介绍一下。

第一个是把用户整个ID归一,比如说我的手机号,假设我有好几个手机号,我有微信等等。我怎么辨识出来哪些ID是一个人,我很难把一个人整合在一起看待,这是第一个要解决的问题,我要识别出消费者散乱在整个数据空间中所有的信息。消费者行为会涉及到很多的内容和产品,我怎么知道这些产品是同一个东西呢?还要以电商为例,同样的产品,比如说iPhone手机,如果你不能把这些东西识别成同一件产品,你很难无法了解消费者,这要用到机器学习的方法解决。

百分点大数据

右键点击可放大

 

当解决这个问题以后,我们用更多的数据模型描述小。中间这层是最重要的,为了做这件事情,为了做数据链,我们必须要有一些底层去支持这件事情,支持这个活动。而这个活动,百分点从09年成立的,我们到现在大概六年多的时间,我们积累了很多大数据处理方面的底层技术和相关的经验,我们把所有的经验打包成产品叫做大数据操作系统。为什么?原因是我们把整个系统定义成它是人跟数据打交道的一层接口,它不是计算机的接口,我把它定义成人跟数据交互的层面,这个层面至少包含若干方面的特征,最重要的一方面是整个数据生命周期的管理。包括数据采集、清洗、整合、挖掘、应用等等方方面面的工具,以及一些方法,这是我们在去年9月8号发布的产品大数据操作系统。

百分点大数据

右键点击可放大

 

有了底层,我们就可以铲除中间这层的用户画像,它一定要应用到行业里面才能产生最重要的价值,这是我前面讲过的。我们做什么样的行业应用呢?百分点有三类应用,大家可以看到最上面第一层是服务型的应用,我用最简单的方式描述,消费者跑到我的阵地上,比如说我的一个APP或者是网站,我挑最好的东西或者是客户最满意的东西给它呈现出来。第二类是营销,手上有一些东西、产品或者是信息服务,我要找到可能喜欢这些产品或者是服务的人,大家注意这两个方向,它都涉及到如何数据化产品和数据化消费者。第三类应用是分析的人,在整个运营的过程中,我要了解业务运作情况是怎么样,消费者对我的感受是什么样的,他是比较喜欢我,还是不喜欢我,这些都需要通过数据的方式来描述,这是百分点在整个大数据里面做的事情。

百分点做的事情最重要的或者是核心,就是用数据的方法描述消费者,然后支撑一些数据化的运营,这是我们做的事情,我的分享就到这里,谢谢大家。

完整版PPT下载:百分点大数据理念和实践_20160305.pdf

End.