時(shí)間：2015-12-07 11:28:05 點(diǎn)擊：次
來(lái)源：湛廬文化廬客匯 作者：吳明輝

條評(píng)論打印收藏

今天很多互聯(lián)網(wǎng)公司都是擁有大量數(shù)據(jù)的，中國(guó)最大的三巨頭BAT都擁有海量消費(fèi)者網(wǎng)名數(shù)據(jù)。百度云每天一個(gè)人搜索數(shù)據(jù)，阿里擁有每個(gè)人每天購(gòu)物的瀏覽數(shù)據(jù)和下單采購(gòu)數(shù)據(jù)，騰訊就不用說(shuō)了，他有我們每個(gè)人的聊天記錄、通信記錄。他們擁有的數(shù)據(jù)都是非常可怕的。這些數(shù)據(jù)有一個(gè)很主要的工作在清洗過(guò)程中，就是需要把數(shù)據(jù)的唯一用戶標(biāo)識(shí)進(jìn)行統(tǒng)一，因?yàn)楹芏嗟臄?shù)據(jù)是散落在不同的子平臺(tái)上的，在不同的平臺(tái)上的可能會(huì)有不同的唯一標(biāo)識(shí)，在有的情況下一個(gè)網(wǎng)名是處于登陸狀態(tài)，而有些情況下是處于沒(méi)有登錄的情況。如何把不同的數(shù)據(jù)都打到同一個(gè)標(biāo)簽上是很多公司正在做的事情。

像我最近在跟幾個(gè)阿里包括車?yán)蠋煟€有騰訊的人聊，他們自己內(nèi)部都有一個(gè)類似于叫自然人計(jì)劃的項(xiàng)目，這是公司的核心項(xiàng)目。這個(gè)項(xiàng)目工作就是把整個(gè)集團(tuán)下屬的所有公司的數(shù)據(jù)收集到一起，把這些數(shù)據(jù)連到一塊兒，把消費(fèi)者行為最后標(biāo)到一個(gè)真正的可以看出來(lái)的一個(gè)自然人身上。比如說(shuō)像我在阿里體系里不僅是有購(gòu)物行為，還有在高德地圖上的瀏覽的行為，而且我在高德地圖上是沒(méi)有登錄的，那在阿里體系里面他就需要通過(guò)一些算法的猜測(cè)，而這個(gè)人使用地圖的具體行為可能正好也就是這個(gè)人使用的支付寶賬號(hào)的信息，他們通過(guò)一個(gè)算法是可以關(guān)聯(lián)起來(lái)的。實(shí)際上這個(gè)關(guān)聯(lián)并不難，因?yàn)槲疫@兩個(gè)行為都是落在同一個(gè)手機(jī)上的，他可以通過(guò)手機(jī)的ID就可以把我的行為連起來(lái)了，最后得出結(jié)論就是吳明輝的。

所以前面我也反復(fù)提到過(guò)好多次，數(shù)據(jù)實(shí)際上是每一個(gè)人、每一個(gè)個(gè)體、每個(gè)機(jī)器、每天日常的各種人的行為的一些記錄。因?yàn)槌绦虻哪芰Γ梢园褦?shù)據(jù)及行為記錄下來(lái)，這就產(chǎn)生數(shù)據(jù)。但是任何一個(gè)商業(yè)公司也好，甚至是國(guó)家也好，都沒(méi)有能力去記錄一個(gè)個(gè)體、一個(gè)人一天二十四小時(shí)所有的行為，這是不可能的。每個(gè)人只能記錄一個(gè)片段，所以數(shù)據(jù)清洗的過(guò)程還有一個(gè)很重要的工作就是想辦法把一個(gè)人的所有行為進(jìn)行補(bǔ)全，甚至對(duì)你的未來(lái)行為進(jìn)行預(yù)測(cè)。

這就好比平時(shí)用數(shù)碼相機(jī)照相，平時(shí)看到一張照片是一百萬(wàn)像素、五百萬(wàn)像素還是一千萬(wàn)像素的，事實(shí)上大家可以理解整個(gè)世界的像素是無(wú)窮的。但是我們最后把拍照存下來(lái)的時(shí)候肯定是有限制的，如幾百萬(wàn)或者一千萬(wàn)，最高可能有幾千萬(wàn)像素的相機(jī)。但實(shí)際上拍下來(lái)，真正數(shù)碼化存下來(lái)的時(shí)候，他已經(jīng)是一個(gè)采樣的過(guò)程，就是把真正分辨率極高的這個(gè)真實(shí)世界里面的一部分信息抽樣存下來(lái)，然后分辨率越高，就是抽樣的比例越高。分辨率越低，抽樣的比例越低。

 3/5   首頁(yè) 上一頁(yè) 1 2 3 4 5 下一頁(yè) 尾頁(yè)