99国产这里有精品视频,亚洲午夜无码AV毛片久久,狼人无码精华AV午夜精品

搜索

APP

起點(diǎn)課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導(dǎo)直播

12場專業(yè)技能直播

會員專屬社群

榮耀標(biāo)識

發(fā)布

注冊 | 登錄

數(shù)據(jù)的能力和價值你真的了解嗎？

戲說貓狗

2018-12-21

0 評論 12450 瀏覽 12 收藏

15 分鐘

當(dāng)前大家都在談?wù)撘粋€話題——數(shù)據(jù)，到底數(shù)據(jù)具有什么“魅力”，能讓無數(shù)人耗費(fèi)心血地去研究。

大數(shù)據(jù)是一個持久發(fā)熱的話題，而且熱火朝天的人工智能依賴于大數(shù)據(jù)的發(fā)展。大家都在討論數(shù)據(jù)能力，數(shù)據(jù)能力是一個很抽象的概念，那數(shù)據(jù)能力具體是什么？數(shù)據(jù)價值呢？

數(shù)據(jù)自身是沒有價值或者說微乎其微的，價值是被賦予的，就像黃金一樣，黃金的價值是他的應(yīng)用前景或場景。數(shù)據(jù)的價值就是數(shù)據(jù)能力體現(xiàn)出的收益，或者說投資回報率。

今天我們就來聊聊數(shù)據(jù)能力和價值。

說到大數(shù)據(jù)就不得不提數(shù)據(jù)倉庫，企業(yè)數(shù)據(jù)倉庫演化至最終階段或許會變?yōu)榇竽X中樞神經(jīng)，如果要支撐起整個復(fù)雜的大腦和神經(jīng)系統(tǒng)，需要一系列的復(fù)雜機(jī)制配合。

而這一套支撐體系在數(shù)據(jù)層面會形成大家口中長談的數(shù)據(jù)能力，而數(shù)據(jù)能力是什么？支撐體系又是什么？那具備了這些能力后的價值又是什么，如何應(yīng)用呢？

一、抽象的數(shù)據(jù)能力架構(gòu)

我把數(shù)據(jù)能力抽象概括為四個方向：傳輸能力、計算能力、算法能力和數(shù)據(jù)資產(chǎn)量級，后面會講述在這四個能力之上泛化出的數(shù)據(jù)應(yīng)用和價值。

圖1.1 抽象數(shù)據(jù)能力構(gòu)成

1. 數(shù)據(jù)傳輸能力

數(shù)據(jù)大部分的使用場景必然會涉及到數(shù)據(jù)傳輸，數(shù)據(jù)傳輸性能決定了部分應(yīng)用場景的實(shí)現(xiàn)，數(shù)據(jù)實(shí)時的調(diào)用、加工、算法推薦和預(yù)測等；而傳輸抽象出來的支撐體系是底層的數(shù)據(jù)存儲架構(gòu)（當(dāng)然非同機(jī)房的傳輸還要考慮到網(wǎng)絡(luò)環(huán)境等。單純的小數(shù)據(jù)量調(diào)用等一般不會涉及到這些，但數(shù)據(jù)量級大、高并發(fā)且對SLA要求非常嚴(yán)格的時候，就是對數(shù)據(jù)傳輸能力的考驗）。

從產(chǎn)品的角度我把數(shù)據(jù)傳輸能力分解為：底層數(shù)據(jù)傳輸效率和應(yīng)用層數(shù)據(jù)傳輸效率。

底層的數(shù)據(jù)傳輸效率是指數(shù)據(jù)源進(jìn)入后的預(yù)處理階段的傳輸效率，即加工為產(chǎn)品所需的數(shù)據(jù)交付物之前階段。

圖2.1 數(shù)據(jù)應(yīng)用鏈路

Ps:數(shù)據(jù)在可為產(chǎn)品所用之前需要很長的一段加工過程，應(yīng)用層數(shù)據(jù)產(chǎn)品基本不涵蓋底層數(shù)據(jù)加工環(huán)節(jié)，而數(shù)據(jù)產(chǎn)品會用到規(guī)定好的數(shù)據(jù)交付物（即已約定好的結(jié)構(gòu)化或標(biāo)準(zhǔn)化的數(shù)據(jù)），而利用此數(shù)據(jù)交付物再經(jīng)過產(chǎn)品對實(shí)際應(yīng)用場景的匹配和加工來提供數(shù)據(jù)服務(wù)。即使涉及底層數(shù)據(jù)管理的相關(guān)產(chǎn)品也是對Meta元數(shù)據(jù)、使用日志或?qū)懞玫膕hell等的調(diào)用。

底層數(shù)據(jù)加工計算所涉及到的傳輸效率，直接決定了支撐數(shù)據(jù)產(chǎn)品高性能、高可靠的自身需求；而應(yīng)用層的傳輸影響了用戶體驗和場景實(shí)現(xiàn)。傳輸機(jī)制和體系就像毛細(xì)血管一樣遍布全身錯綜復(fù)雜，但是流通速率直接決定了大腦供氧是否充足。

2. 數(shù)據(jù)計算能力

數(shù)據(jù)計算能力就像造血系統(tǒng)一樣，根據(jù)多種來源的養(yǎng)分原料進(jìn)行生產(chǎn)加工最終產(chǎn)出血液。而源數(shù)據(jù)通過高性能的底層多存儲的分布式技術(shù)架構(gòu)進(jìn)行ETL(抽取、轉(zhuǎn)換、裝載)清洗后產(chǎn)出的是數(shù)據(jù)中間層通用化的結(jié)構(gòu)化數(shù)據(jù)交付物。計算速度就像造血速度一樣，決定了供應(yīng)量。而計算速度直接決定了數(shù)據(jù)應(yīng)用的時效性和應(yīng)用場景。

目前最多最普遍的就是離線數(shù)倉，離線數(shù)倉大部分擔(dān)任著事后諸葛亮的角色，即沒辦法保證數(shù)據(jù)的及時性而延后了數(shù)據(jù)分析及應(yīng)用的產(chǎn)出，導(dǎo)致更多的是沉淀經(jīng)驗而難以做到實(shí)時決策。而實(shí)時數(shù)倉，甚至說對Data Lake（數(shù)據(jù)湖）的實(shí)時處理已經(jīng)逐步開放應(yīng)用多種場景。我們先不考慮越來越強(qiáng)烈的實(shí)時性要求帶來的巨大成本是否真的可以創(chuàng)造等值的收益。

強(qiáng)實(shí)時可以更接近一個“未來”的狀態(tài)，即此時此刻。這遠(yuǎn)比算法對未來的預(yù)測更有價值，因為把握眼前比構(gòu)造多變的未來對一個企業(yè)更有價值。甚至說當(dāng)數(shù)據(jù)過程快過神經(jīng)元的傳遞，那么從獲取到你腦電波的那一刻起，數(shù)據(jù)處理的驅(qū)動結(jié)果遠(yuǎn)比神經(jīng)元傳遞至驅(qū)動四肢要快。

是不是與兵馬未動，糧草先行的場景相似？當(dāng)然這是以數(shù)據(jù)計算能力的角度來看待這個問題。跳出來以我個人的觀點(diǎn)來說，整體數(shù)據(jù)能力強(qiáng)大到一定階段后，會從主觀改變個人的意愿，即通過引導(dǎo)你的大腦從而來控制或決定個人行為且不會讓你感知，所以可以理解為從主觀改變個人意愿。從人的角度來說，你并不知道或者直觀意愿去憑空決定下一步要做什么，因為大腦是邏輯處理器，當(dāng)然這又涉及到心理學(xué)，這些觀點(diǎn)就不在此贅述了，等往后另起一個篇幅來說數(shù)據(jù)應(yīng)用未來前景和假想。

3. 數(shù)據(jù)資產(chǎn)能力

都在說“大”數(shù)據(jù)，那么數(shù)據(jù)量級越大越好嗎？并不是，從某種角度來說大量無價值或者未探索出價值的數(shù)據(jù)是個負(fù)擔(dān)，巨大的資源損耗還不敢輕易抹滅。

隨著數(shù)據(jù)量級的急劇放大，帶來的是數(shù)據(jù)孤島：數(shù)據(jù)的不可知、不可聯(lián)、不可控、不可??；那么散亂的數(shù)據(jù)只有轉(zhuǎn)換成資產(chǎn)才可以更好的發(fā)揮價值。

什么是數(shù)據(jù)資產(chǎn)，我覺得可以廣泛的定義為可直接使用的交付數(shù)據(jù)即可劃為資產(chǎn)，當(dāng)然可直接使用的數(shù)據(jù)有很多種形式，比如meta元數(shù)據(jù)、特征、指標(biāo)、標(biāo)簽和ETL的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)等。

目前也在拓展Data Lake的使用場景，直接實(shí)時的使用和處理Data Lake數(shù)據(jù)的趨勢是一種擴(kuò)大企業(yè)自身數(shù)據(jù)資產(chǎn)范圍和資產(chǎn)使用率的方式。這有利于突破數(shù)倉模型對數(shù)據(jù)的框架限定，改變數(shù)據(jù)使用方式會有更大的想象空間。

數(shù)據(jù)資產(chǎn)的價值可以分兩部分來考慮：一部分是數(shù)據(jù)資產(chǎn)直接變現(xiàn)的價值；另一部分是通過數(shù)據(jù)資產(chǎn)作為資源加工后提供數(shù)據(jù)服務(wù)的業(yè)務(wù)價值。

第一部分比較好理解，就是數(shù)據(jù)集的輸出變現(xiàn)值，如標(biāo)簽、樣本和訓(xùn)練集等的直接輸出按數(shù)據(jù)量來評估價值；第二部分價值比如通過自身數(shù)據(jù)訓(xùn)練優(yōu)化后的算法應(yīng)用而提升業(yè)務(wù)收益的價值或依于數(shù)據(jù)的廣告投放的營銷變現(xiàn)等，甚至說沉淀出的數(shù)據(jù)資產(chǎn)管理能力作為知識的無形資產(chǎn)對外服務(wù)的價值。這些間接的數(shù)據(jù)應(yīng)用和服務(wù)的變現(xiàn)方式也是數(shù)據(jù)資產(chǎn)價值的體現(xiàn)并可以精細(xì)的量化。

4. 數(shù)據(jù)算法能力

其實(shí)無論是傳輸能力還是計算能力，都是相對偏數(shù)據(jù)底層的實(shí)現(xiàn)，而離業(yè)務(wù)場景最近的就是算法能力所提供的算法服務(wù)，這是最直接應(yīng)用于業(yè)務(wù)場景且更容易被用戶感知的數(shù)據(jù)能力，因為對于傳輸和計算來說用戶感知的是速度快慢，從用戶視角快是應(yīng)該的，因此用戶并不知道何時何地計算或傳輸。

而算法對業(yè)務(wù)應(yīng)用場景是一個從0到1，從無到有的過程。并且算法是基于數(shù)據(jù)傳輸、計算和資產(chǎn)能力之上泛化出的應(yīng)用能力，或者換句話說是三個基礎(chǔ)能力的封裝進(jìn)化。

而算法能力是把多元的數(shù)據(jù)集或者說獲取到盡可能多的數(shù)據(jù)轉(zhuǎn)化為一個決策判斷結(jié)果來應(yīng)用于業(yè)務(wù)場景。算法能力的強(qiáng)弱反映了三個數(shù)據(jù)能力是否高效配合，是否存在木桶效應(yīng)，更甚者木桶也沒有。當(dāng)然單純的算法也可以單獨(dú)作為無形資產(chǎn)的知識沉淀來提供服務(wù)。

對于數(shù)據(jù)能力架構(gòu)中的四大能力，傳輸、計算和資產(chǎn)是基礎(chǔ)能力，而算法是高級的泛化能力。而能力的輸出和應(yīng)用才能體現(xiàn)數(shù)據(jù)價值，數(shù)據(jù)能力的最大化輸出考驗著整個數(shù)據(jù)產(chǎn)品架構(gòu)體系的通用性和靈活性。因為需要面對的是各種業(yè)務(wù)演化出的多種多樣場景，對數(shù)據(jù)能力的需求參差不齊：可能是片面化的，也可能是多種能力匹配協(xié)調(diào)的。這對產(chǎn)品的通用性就是一個巨大的挑戰(zhàn)，想更好的應(yīng)對這個問題，可能就需要整個數(shù)據(jù)平臺的產(chǎn)品矩陣來支撐和賦能。

二、數(shù)據(jù)能力對應(yīng)數(shù)據(jù)價值的呈現(xiàn)

從數(shù)據(jù)應(yīng)用的角度，每個能力都可以獨(dú)立開放也可以組合疊加。如果把能力具象出來就會衍生到產(chǎn)品形態(tài)的問題，產(chǎn)品形態(tài)是對能力適配后發(fā)揮作用的交付物。說到產(chǎn)品形態(tài)我們可以想象一下應(yīng)用場景。

首先最基礎(chǔ)的應(yīng)用場景就是數(shù)據(jù)直接調(diào)用，數(shù)據(jù)資產(chǎn)的使用基本會基于特征、指標(biāo)、標(biāo)簽或者知識等交付形態(tài)。而對于使用方來說這些數(shù)據(jù)會作為半成品原料或依據(jù)來進(jìn)行二次加工應(yīng)用于業(yè)務(wù)場景中，如數(shù)據(jù)分析、數(shù)據(jù)挖掘、算法的訓(xùn)練與驗證、知識圖譜、個性推薦、精準(zhǔn)投放（觸達(dá)）和風(fēng)控等。數(shù)據(jù)資產(chǎn)可以統(tǒng)歸為在數(shù)據(jù)市場中通過構(gòu)建的一些OpenAPI進(jìn)行賦能。

而對于一個工廠來說，僅僅進(jìn)行原材料的加工（ETL）輸出即除了自身原材料（數(shù)據(jù)資產(chǎn)）的壁壘外核心競爭力很小，需要包裝一些上層的基礎(chǔ)服務(wù)來提升競爭力，那么數(shù)據(jù)計算的能力融合進(jìn)來對原材料進(jìn)行二次加工（聚合統(tǒng)計）。

計算的聚合統(tǒng)計能力加入進(jìn)來后可以滿足大部分的數(shù)據(jù)分析場景的支持，就不單單是原材料毫無技術(shù)含量的輸出，并可以以半成品的形態(tài)規(guī)避數(shù)據(jù)敏感。因為對于統(tǒng)計值來說，這是一個分析結(jié)果或結(jié)論，并不會涉及到自身敏感數(shù)據(jù)的輸出，因此你的核心資產(chǎn)不會泄露，而輸出的僅僅是資產(chǎn)的附加值。換句話說知識產(chǎn)權(quán)專利依然在你手中，通過控制專利泛化出的能力進(jìn)行投資回報。

融入計算能力后的一些分析場景如：人群的畫像分析、多維度的交叉分析、業(yè)務(wù)的策略分析和監(jiān)控分析等多種場景。

隨著時代的發(fā)展和業(yè)務(wù)場景的增多，這時工廠繼續(xù)需要產(chǎn)業(yè)變革，要深耕服務(wù)業(yè)逐步拋棄制造業(yè)形態(tài)，全面提升更高級的數(shù)據(jù)服務(wù)。這時算法能力的加入來更好的完善服務(wù)矩陣。

算法通過封裝了傳輸、計算和資產(chǎn)能力而進(jìn)行統(tǒng)一的更好理解的業(yè)務(wù)場景目標(biāo)預(yù)測和識別等。這樣對于企業(yè)來說可以更容易接受和低成本使用數(shù)據(jù)服務(wù)而不需要再涉及到數(shù)據(jù)加工鏈路中，而僅僅需要一個目標(biāo)結(jié)果，通過算法的決策作為參考來指導(dǎo)業(yè)務(wù)方向。像算法對一些業(yè)務(wù)場景的預(yù)測分析，甚至說一些人工智能場景的識別或?qū)W習(xí)思考，都可以通過算法賦能來實(shí)現(xiàn)。對于企業(yè)來說就是從無到有的突破，企業(yè)發(fā)展進(jìn)程甚至可能提升好幾年。

而貫穿以上能力應(yīng)用場景都是對數(shù)據(jù)傳輸能力的考驗。