大資料背景下的資料融合

為什麼需要資料融合？

• 最重要的原因是使用者資料的割裂性，無法全面勾勒使用者的全貌，比如你購物的資料在京東天貓、通話資料在移動電信、交易資料在銀行金融、社交資料在騰訊微信。
• 資料的割裂性導緻對使用者的認識比較片面，可能做出錯誤的決策。比如：現在京東與頭條的”京東計劃“就是資料合作的一個案例，就是你在京東搜尋的物品，會不定時在浏覽今日頭條中呈現，增加購買率。這裡有個缺陷是如果已在淘寶購買的物品，再次出現會導緻使用者體驗感下降。
• 教育行業的資料同樣是割裂狀的，産品的資料支援需要更好的資料融合解決方案，來聊聊這次的，千鋒學習提升系統
• 在客戶拿到一份學生的考試成績時，她會想比較一下自己的幾次考試，或者想要簡單對比自己跟班級其他學生的成績，給自己找一個定位，看一下自己屬于班級的什麼層次，你隻需要把他的成績放在班級成績劃分的不同成績段中，這些都是第一次元的資料組合便可以完成的，資料組合由各方資料的簡單組合形成，能夠全貌客戶使用者特征。該資料的融合産生的是實體反應，資料屬性本質沒有改變。隻是資料的簡單拼裝而成。
• 而當他知道自己的定位後，他便會尋找自己進步的空間，這時他需要拿到比他優秀的那批同學的資料來比對，為自己制定目标。該怎麼做？你要去拿到這些同學的資料組合，比如，比他優秀同學的自我比對結果，看看他成績發生波動時的原因：可能是難題做的多了，中等題做的少了，導緻成績下降，中等簡單的題做的更加熟練，成績上升，因為得分水準的決定因素往往是中等簡單題的得分，看看産生這些成績波動時，這類優秀學生是怎麼調節學習方案的，進而規劃自己的學習。這個過程，資料就産生了價值，這便是第二次元的解決方案，資料整合；資料整合由多方的資料共同存在才能夠實作産品價值。該資料的融合産生的是化學反應，比如：黑名單，通過金融資料和通信行業資料共同才能判斷是否黑名單。如該使用者有異常金融行為，在加上該使用者頻繁換手機和停機次數多，基本可判斷黑名單使用者。
• 當他拿到這些優秀學生的種種方案後，我們該怎麼推薦給他一套方案？因為在大量資料背景下，可能經過篩選後優秀學生的方案依舊很龐大，我們不能都推薦給使用者，這個時候，我們就需要 資料聚合，由雙方資料聚合孵化産生出新的産品，新的模式，将個性化方案推薦給學生。（深度學習解決？制定一套函數？不斷計算求得方案？）如：分期貸款。通過大資料風控能力（風控系統的資料從網際網路公司，金融公司，通信公司），不僅減少稽核流程，而且也能進行貸中監控和貸後管理，還能夠對失聯使用者進行定位和催收，是一攬子計劃。
• 資料融合并不是一件簡單的事，需要解決技術壁壘，資料标準，資料安全等問題，如何保證資料安全，保護客戶隐私？客戶知情權？都是生産過程中需要解決的。