時間：2015-12-07 11:28:05 點擊：次
來源：湛廬文化廬客匯 作者：吳明輝

條評論打印收藏

今天很多互聯(lián)網(wǎng)公司都是擁有大量數(shù)據(jù)的,，中國最大的三巨頭BAT都擁有海量消費者網(wǎng)名數(shù)據(jù)。百度云每天一個人搜索數(shù)據(jù),，阿里擁有每個人每天購物的瀏覽數(shù)據(jù)和下單采購數(shù)據(jù),，騰訊就不用說了，他有我們每個人的聊天記錄,、通信記錄,。他們擁有的數(shù)據(jù)都是非?？膳碌?。這些數(shù)據(jù)有一個很主要的工作在清洗過程中,，就是需要把數(shù)據(jù)的唯一用戶標識進行統(tǒng)一，因為很多的數(shù)據(jù)是散落在不同的子平臺上的,，在不同的平臺上的可能會有不同的唯一標識,，在有的情況下一個網(wǎng)名是處于登陸狀態(tài)，而有些情況下是處于沒有登錄的情況,。如何把不同的數(shù)據(jù)都打到同一個標簽上是很多公司正在做的事情,。

像我最近在跟幾個阿里包括車老師，還有騰訊的人聊,，他們自己內(nèi)部都有一個類似于叫自然人計劃的項目,，這是公司的核心項目。這個項目工作就是把整個集團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,，把消費者行為最后標到一個真正的可以看出來的一個自然人身上。比如說像我在阿里體系里不僅是有購物行為,，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有登錄的，那在阿里體系里面他就需要通過一些算法的猜測,，而這個人使用地圖的具體行為可能正好也就是這個人使用的支付寶賬號的信息,，他們通過一個算法是可以關(guān)聯(lián)起來的。實際上這個關(guān)聯(lián)并不難,，因為我這兩個行為都是落在同一個手機上的,，他可以通過手機的ID就可以把我的行為連起來了，最后得出結(jié)論就是吳明輝的,。

所以前面我也反復(fù)提到過好多次,，數(shù)據(jù)實際上是每一個人、每一個個體,、每個機器,、每天日常的各種人的行為的一些記錄。因為程序的能力,，可以把數(shù)據(jù)及行為記錄下來,，這就產(chǎn)生數(shù)據(jù)。但是任何一個商業(yè)公司也好,，甚至是國家也好,，都沒有能力去記錄一個個體、一個人一天二十四小時所有的行為,，這是不可能的,。每個人只能記錄一個片段，所以數(shù)據(jù)清洗的過程還有一個很重要的工作就是想辦法把一個人的所有行為進行補全,，甚至對你的未來行為進行預(yù)測,。

這就好比平時用數(shù)碼相機照相,，平時看到一張照片是一百萬像素、五百萬像素還是一千萬像素的,，事實上大家可以理解整個世界的像素是無窮的,。但是我們最后把拍照存下來的時候肯定是有限制的，如幾百萬或者一千萬,，最高可能有幾千萬像素的相機,。但實際上拍下來，真正數(shù)碼化存下來的時候,，他已經(jīng)是一個采樣的過程,，就是把真正分辨率極高的這個真實世界里面的一部分信息抽樣存下來，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 上一頁 1 2 3 4 5 下一頁 尾頁