日韩av黄I国产麻豆传媒I国产91av视频在线观看I日韩一区二区三区在线看I美女国产在线I麻豆视频国产在线观看I成人黄色短片

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 >

大数据形势下的三种数据融合方式:组合、整合和聚合

發(fā)布時間:2024/9/19 63 生活家
生活随笔 收集整理的這篇文章主要介紹了 大数据形势下的三种数据融合方式:组合、整合和聚合 小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.

一、 跨行業(yè)數(shù)據(jù)合作背景

國務院副總理馬凱,曾經在2015貴陽國際大數(shù)據(jù)產業(yè)博覽會中提到:

融合是大數(shù)據(jù)的價值所在,應大力推動大數(shù)據(jù)與產業(yè)融合,面向工業(yè)、交通、物流、商貿、金融、電信、能源等數(shù)據(jù)量大的行業(yè)領域,開展數(shù)據(jù)開發(fā)和交易,充分挖掘大數(shù)據(jù)的商業(yè)價值,促進產業(yè)提質增效升級。

另外,《大數(shù)據(jù)時代》的作者舍恩伯格,在該書中也提到一個觀點:“大數(shù)據(jù)不是隨機樣本而是全體數(shù)據(jù)”。

無論是從國家政府部門還是領域專家都不約而同的提到數(shù)據(jù)需要融合,數(shù)據(jù)融合才有價值。

二、 為什么需要數(shù)據(jù)融合?

其中最重要原因是用戶數(shù)據(jù)的割裂性,無法全面勾勒用戶全貌。比如你的購物數(shù)據(jù)在京東天貓、通話數(shù)據(jù)在移動電信、交易數(shù)據(jù)在銀行金融、社交數(shù)據(jù)在騰訊微信、搜索數(shù)據(jù)在百度等等。

數(shù)據(jù)的割裂性導致對用戶的認識比較片面,可能做出錯誤的決策。比如:現(xiàn)在京東與頭條的“京條計劃”就是數(shù)據(jù)合作的一個案例,就是你在京東搜索的物品,會不定時在瀏覽今日頭條中呈現(xiàn),增加購買率。這里有個缺陷是如果已經在淘寶購買的物品,但還是會出現(xiàn)頁面,導致用戶體驗感知下降。

數(shù)據(jù)融合的另一個價值就是新規(guī)律新價值的發(fā)現(xiàn)。比如以前用戶信用主要基于是否有歷史借貸違約,但很多人無借貸關系數(shù)據(jù),如何評定。芝麻信用就創(chuàng)新的融合上網數(shù)據(jù)、身份特征、行為偏好、社交關系等生活屬性數(shù)據(jù),來側面刻畫用戶的信用。這就是數(shù)據(jù)融合價值。

不同行業(yè)數(shù)據(jù)的融合,具有互補性和完整性,將有效提升數(shù)據(jù)內涵價值。

三、 數(shù)據(jù)融合的三種方式

數(shù)據(jù)融合的方式從交互程度來講,可分為數(shù)據(jù)組合、數(shù)據(jù)整合和數(shù)據(jù)聚合等三個層次,由低到高,逐步實現(xiàn)數(shù)據(jù)之間的深度交互。

層級一:數(shù)據(jù)組合由各方數(shù)據(jù)的簡單組合形成,能夠全貌客戶用戶特征。該數(shù)據(jù)融合產生的是物理反應,數(shù)據(jù)屬性本質沒有改變。如一份征信報告,有交易數(shù)據(jù),有通信數(shù)據(jù),有購物數(shù)據(jù)等,簡單的拼裝而成。如下圖:

層級二:數(shù)據(jù)整合由多方的數(shù)據(jù)共同存在才能夠實現(xiàn)產品價值。該數(shù)據(jù)的融合產生的是化學反應,有價值產生。如:黑名單,通過金融數(shù)據(jù)和通信行業(yè)數(shù)據(jù)共同才能判斷是否黑名單。如該用戶有異常金融行為,在加上該用戶頻繁換手機和停機次數(shù)多,基本可判斷黑名單用戶。

層級三:數(shù)據(jù)聚合(核反應)由雙方數(shù)據(jù)聚合孵化產生出新的產品,新模式。如:分期貸款。通過大數(shù)據(jù)風控能力,不僅減少審核流程,而且也能進行貸中監(jiān)控和貸后管理,還能夠對失聯(lián)用戶進行定位和催收,是一攬子計劃。

四、 面臨需要解決的問題

同樣數(shù)據(jù)融合并不是一件容易的事情,需要解決數(shù)據(jù)壁壘,數(shù)據(jù)標準,數(shù)據(jù)安全等問題。其中較重要的三個問題是:

問題1:數(shù)據(jù)安全問題

如何保證數(shù)據(jù)安全,保護客戶隱私?客戶知情權。如何保障符合集團或公司規(guī)定的數(shù)據(jù)變現(xiàn)要求?數(shù)據(jù)不出庫。

問題2:市場定價

市場定價市場價格如何確定?基于成本OR基于需求?市場的最終定價權由誰主導?多方數(shù)據(jù)提供者,聽誰的話?

問題3:利益分配

利益分成如何界定各方數(shù)據(jù)價值和分層比例?

這些都是數(shù)據(jù)融合時遇到的實際問題,也是在數(shù)據(jù)創(chuàng)新時必須要解決的。

總結

以上是生活随笔為你收集整理的大数据形势下的三种数据融合方式:组合、整合和聚合的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。