큰 데이터 코트 고 큰 데이터 딜레마에서

"엔터프라이즈 관찰자" 기자 Jianwen

지난 2 년 동안에는 미디어에 나타나는 최고 10 뜨거운 단어를 선택 하려면 어떤 놀라움 없이 큰 데이터 선택 됩니다.

그러나, 그것은 보인다 모두 큰 데이터의 힘을 알고는 있지만 큰 데이터를 사용 하는 방법을 찾을 수 없습니다. 그것은 사업, 정부 또는 다른 지역 사회 조직, 큰 데이터는 너무, 하지만 지금까지 멀리.

"빅 데이터에 대해 얘기 하는 사람들이 있지만 사람들이 필요가이 거 대 한 기능을 변경, 몇 가지 언급에 대 한 뜨거운 단어 되 고 수많은 기업과 개인 '계산' 하는 것을 잊지." "

알리바바 그룹의 부사장으로 비즈니스 인텔리전스 부서, 데이터의 풍부한 경험의 10 년 이상의 국내 큰 데이터 연습 및 데이터 관찰자의 전신인 전투, 아마도이 질문에 가장 적합 한 사람 큰 데이터를 사용 하는 방법에 대 한 국내.

"미래는 빅 데이터 시대, 미래의 경쟁 데이터 경쟁, 아마도, 그 화려한 소음 잊어서는, '참조' ' 사용 ', 정말 라이브에서 정말 큰 데이터." "

게 큰 데이터를 사용 하는 방법은 더 많은 사람들이, 자동차 제품 쓰기 "결정적인 전투 데이터" 책을 느낀다. 책에서는, 그는 그가 이해 하는 큰 데이터 및 회사 "" 큰 데이터를 사용 하 여 문제를 얻을 하는 방법의 특성을 표시 하려고 시도 합니다.

"사람으로 서는 10 년 이상에 대 한 데이터 처리 하고있다, 난 깊이 '보고'에서 복잡 한 과정 다는 것 '사용' 및 '사용'을 '유지' 데이터를." 우리는 순간에 무엇을 해야 큰 데이터의 개념을 잊지 것입니다. "

"빅 데이터의 '안개'의 실용적인 관점에서 시작 하 고 모두에 게 큰 데이터의 세부 사항 이어야 한다 우리가 원하는 데이터의 양을 그러나 아니다 양의 '품질',이 책의 중요 한 목적 이다. "

큰 데이터 코트를 벗어

연구, 대용량 데이터에 대 한 자동차의 몇 년 동안 큰 데이터의 연습 자체 독특한 플레이 하고있다. 그의 보기에서 큰 데이터는 킹의 새 옷 처럼: 모두 아름 다운 단어, 말은 하지만 아무도 드레스를 보았다.

"빅 데이터에 대 한 이야기는 웹에 사람들이 많이 있다 하지만 그들은 단지 이야기 그리고 그들은 하지 않습니다." 소위 큰 데이터 전문가 적 해졌다. "

이유로 할 수 있는 좋은 방법은 없습니다, 왜 자동차 제품 의미 "큰 전투 데이터"도 서 말했다: 데이터 가진 사람들이 큰 데이터는 어디에서 오는, 알지 어떻게 큰 데이터를 사용 하는 데이터.

"그것을 사용 하는 사람들은 큰 데이터의 신뢰성 때문에 그것을 사용 하 여 두려워; 사람들을 큰 데이터의 복잡성 때문에 사용 하는 방법을 모른다." 이 문제 결과 데이터의 볼륨 더 큰 되 고는 점점 사용할 수 없습니다. "

"빅 데이터 결코 공짜, 그리고 큰 데이터 붐의 도래와 함께 큰 데이터-큰 거짓 정보 데이터 혼합, 큰 데이터 소스는 여러 채널에 대 한 질문을 많이 있을 것입니다, 그리고 바이어스, 임의의 항상 오류가..."

위의 문제를 제외 하 고는 재능의 잘못 큰 데이터에 의해 직면 하는 가장 심각한 문제입니다.

"지금, 수집 데이터는 현재 데이터의 큰 생활, 미래에, 데이터를 사용 하는 사람들을 어떻게 해야할지 모르는 사람들" 이라고 말했다. "

Cheping 설명 합니다 그 때 큰 데이터를 사용 하 여, 우리의 평소 연습 먼저, 데이터를 수집 하 데이터 미래에 도움이 될 수 있습니다 때문에. 그러나, "미래는 유용한 수 있습니다" 수집 데이터 데이터와 함께 앞으로 어떻게 해야할지 모르는 문제는 사람들 인상 운명입니다.

"이 시점에서 더 나은 데이터를 수집 하는 방법을 데이터 수집기를 요구 하는 경우 다음 데이터를 사용 하 여 무너질 것 이다 죽은 루프에." "

그가 쓴 책, 그의 단언을 지원 하기 위해 감기 약에 대 한 검색의 자동차의 의미: 예를 들어 어딘가에 장소 인플루엔자 할 수 있습니다 그래서 "감기 약" 매우 높은 주파수에 대 한 검색에 검색 엔진에서 발견. 그러나이 큰 데이터를 사용 하는 올바른 방법은?

대답은 안 된다야. 따라서, 데이터를 생산 하는 사람이 주지 않는다 사용자 일부 매개 변수가이 데이터에 대 한 Cheping 있다, 그리고 사용자 사용 후 효과가 좋은 경우 손실을 직면할 것 이다. 그리고 이러한 정보 비대칭, 이며 그것은 궁극적으로 손상 된 데이터를 사용 하는 사람들.

질문 답변입니다.

자동차 제품의 의미에서 정말 큰 데이터를 사용 하려는 경우 얼마나 큰 데이터, 기업의 가치를 가져올 수 있다 볼 필요가 그리고 그 본질은 무엇.

"당신이 그것을 이해 하지 않으면 당신은이 문제를 돌아갈 때 다음 경우에 더 많은 데이터를가지고 있습니다만 하지 준비 됩니다." "

그래서, 어떤 종류의 가치 큰 데이터 가져올 수 기업? 빅 데이터의 본질은 무엇? "큰 전투 데이터" 책에서 자동차 제품 느낌 자체 이해 제공: 대용량 데이터 기업 리소스를 합리적으로, 할당으로 더 나은 사용자 경험을 제공할 수 및 사용자의 실제 요구를 복원 하는 큰 데이터.

"데이터 수집 enterprise 자원, 예를 들어 할 더 나은, 더 많은 사용자가 기업에 대 한 더 큰 경제적 혜택을, 상품의 구매 율을 개량 하기 위하여 그들이 원하는 상품을 찾을 수 더 높은 확률을 가질 수 있도록 추천 시스템의 합리적인 배분 실현; 데이터 컬렉션은 또한 고객 경험의 승진 등 편리한 검색 엔진 쉽게 찾을 그들을 위해 그들이 필요 하 고 더 나은 쇼핑을 만드는 상품 경험을 고객에 대 한. "

큰 데이터의 특성의 판단에 대해서는 책에서 차량 인식 게 다음 어설션: "복원 하는 데이터의 본질은,이 방법은 키의 메타 데이터를 수집,이 개념 없이 미래에 필요한 데이터를 알고 하지, 덜 중요 한 데이터는 이해, 끝에만 점점 더 알 수 없는 데이터를 생산할 예정 이다. "

의미에서 차량, 데이터의이 감소는 광경, 목표로 소비자의 쇼핑 행동, 그리고 데이터의 형태로 기록 비슷합니다.

"어떻게 더 나은 다른 시나리오에서 사용자의 다양 한 요구를 이해, 더 나은 데이터 융합의 가치를 이해 하는 방법 모든 기업에서 미래 사업 문제를 고려해 야 될 것입니다." "

알리바바의 비밀

알리바바 그룹 및 데이터 위원회의 회장의 부사장, 차량 품질 인식 DT 전략 (빅 데이터 전략) 전략에서 Alibaba의 전환에 결정권을가지고 몇 사람 중 하나입니다. "큰 전투 데이터" 책에서 그는 Alibaba의 경험 공유 하는 후속 DT 전략의 구현에서 정리.

"그것은 알리바바의 데이터 작업에 관해서 라면, 나에 대해 생각 하는 첫번째 것은 '사람', 그리고 우리가 우리가 어떻게 해야에 대 한 얘기 너무 많은 시간을 할애 하지만 우리 거의 데이터 작업으로 땅에 떨어지면, 그것은 '사람'으로 시작 하는 생각에. "

따라서, "결정적인 전투 큰 데이터"에서 책, 독자 몫으로 먼저 Cheping 알리바바 데이터 작업의 내부 강도-"믹스", "통과", "느끼고"이이 방입니다.

소위 "혼합" 어울려 사업부 관리 데이터 분석가를 의미 합니다. Cheping, 데이터 분석가 서 비즈니스, 혼합 하지 마십시오 당신이 모르는 경우 비즈니스 단위는 하 고, "비즈니스 감도 '혼합' 그리고 그것은 당신 앞에 나타나지 않습니다." "

"상업적으로 중요 한 데이터 분석가를 사용 하 여 드라이브 회사 그들의 비즈니스 목표를 달성 하기 위해 어떤 데이터를 알게 될 것 이다 그리고 지금 회사에서 내가 보고 싶지 않아 데이터 분석 교사 그들의 위치에 앉아 고 오히려 그들을 볼 것 이라고 기업 들으로 혼합." "

그리고 소위 "패스", 그것은 기업 인지 데이터 귀중 한 능력,이 경우, 그것은 "통"를 완료 했습니다 확인.

"데이터를 관찰 하거나 관찰 데이터를 모두 민감한 비즈니스 '패스'를 달성 하는 비즈니스 문제 집착, 귀중 한 데이터 인지 확인 하는 아주 짧은 시간에 어떤 사람들은 때문에 '혼합'." "

하지만 데이터를 얻을 쉽지 않다. 책에서 자동차의 감각 데이터를 세 가지 핵심 포인트 발생: 첫 번째는 회사 내에서 다른 위치에 있는 직원 다른 데이터를 볼 수 및 다음 다른 부서 들의 데이터 표준을 통합, 그래서 회사의 내부 데이터는 통합 인터페이스를 혼동을 피하기 위해, 마지막으로, 다른 부서에서 데이터를 상호 연관 되도록 데이터 보안의 좋은 일을 할 분야를 넘어 확산 데이터 작업에 대 한 기회를 만듭니다.

알리바바 하 고 데이터, 데이터를 "건조"입니다. "'일' 데이터 수준에 그것은 종종 데이터를 이러한 질문에 대답: 좋은 또는 나쁜 비즈니스, 데이터 변경, 도움이 기회를, 기업 데이터를 사용 하는 방법을 더 나은 비즈니스를 만들 수 있습니다 하는 방법, 심지어 새로운 비즈니스 가치를 생성." "

"혼합", "통", ""이 방은 알리바바 큰 데이터 전략, 핵심 마법 무기의 구현에서 Cheping 말했다: "그들은 실제로 데이터 방법론 및 사람들의 경작, 그래서 그 데이터를 모두 데이터 분석 될 수 있도록 단계별 데이터 성장을 사람들 일을 빌려 할 수 있다.

물론,이 방 단지 알리바바의 빅 데이터 전략의 커널 부분입니다. 책에서 그것 또한 빅 데이터 전략을 구현 하는 데 필요한 확장 전략을 언급 하 고 큰 데이터를 실현 하는 가장 좋은 방법은 결정적인 전투의 큰 데이터를 직접 읽는 것 이다.

5 데이터의 가치

01. 인식과 시리즈 값

데이터 관계와 정체성을 구별 하는 가장 중요 한, 저장 한다이 데이터의 얼마나 많은 절대 포기. 대용량 데이터 시대에 더 많은 사용자의 실제 id를 복원할 수 있습니다 그리고 데이터, 더 많은 수의 실제 동작 전략적 우위를 유지 하기 위해 큰 데이터 경쟁에서 기업.

02. 설명 값

매출, 거래, 사이트 트래픽, 트래픽의 세부 정보 웹 사이트의 수, 판매자, 등, 수를 포함 하 여 비즈니스 데이터의 설명 우리는 트랜잭션 활동 정상 인지 관찰 하 사업 설명에 대 한 데이터를 통해 할 수 있다.

03. 시간 값

데이터의 시간 값이 큰 데이터 응용 프로그램의 가장 직접적인 구현 하 고 시간 분석을 통해 그것 수 있습니다 잘 정리해 현장에 대 한 사용자의 기본 설정.

04. 예측 값

데이터의 예측된 값 두 부분으로 나누어져, 첫 번째는 단일 제품의 예측, 두 번째는 운영의 예측, 즉, 회사의 전체 작업의 예측 그리고 예측의 결론으로 회사의 사업 전략을 가이드 수 있습니다.

05입니다. 출력 데이터의 가치

데이터의 가치 측면에서 많은 데이터의 특정 의미에 있지, 하지만 여러 데이터는 그룹화 또는 데이터 통합, 후 새 값 만들어집니다.