這是傅一平的第264篇原創(chuàng)
作者：傅一平
個(gè)人微信：fuyipingmnb
2018年就要過(guò)去了，這一年自己大概寫了50篇原創(chuàng)文章，為了方便您的選擇，筆者給出了每篇文章的中心思想和訪問(wèn)鏈接，共分三篇，這是第一篇，點(diǎn)擊標(biāo)題鏈接可以直接查看原文。
所謂數(shù)據(jù)中臺(tái)，即實(shí)現(xiàn)數(shù)據(jù)的分層與水平解耦，沉淀公共的數(shù)據(jù)能力，企業(yè)只有數(shù)據(jù)規(guī)模和數(shù)據(jù)服務(wù)達(dá)到一定程度的時(shí)候，才有必要去提中臺(tái)，比如阿里，數(shù)據(jù)中臺(tái)講究個(gè)規(guī)模效應(yīng)，數(shù)據(jù)中臺(tái)也不是頂層設(shè)計(jì)，演化出來(lái)的比較靠譜。
2、《深度 | 從變現(xiàn)的角度重新認(rèn)識(shí)運(yùn)營(yíng)商大數(shù)據(jù)的價(jià)值》
為了提升運(yùn)營(yíng)商大數(shù)據(jù)變現(xiàn)能力，其位置數(shù)據(jù)要進(jìn)一步提升精度，上網(wǎng)數(shù)據(jù)要多做研究，不要糾結(jié)于https，通話、短信等數(shù)據(jù)則要重新挖掘潛力，總體來(lái)講，運(yùn)營(yíng)商大數(shù)據(jù)并不是低垂的果實(shí)。
取數(shù)技能可以分解成業(yè)務(wù)理解、數(shù)據(jù)理解、系統(tǒng)理解、業(yè)務(wù)與數(shù)據(jù)映射、人際溝通、代碼編寫、工具使用、輸入輸出等組成部分，只有針對(duì)每個(gè)環(huán)節(jié)進(jìn)行反復(fù)的練習(xí)，針對(duì)不足之處進(jìn)行專項(xiàng)提升，才能建立起強(qiáng)大的心理表征能力。
4、《數(shù)據(jù)挖掘師，要從一個(gè)人活成一支隊(duì)伍》
數(shù)據(jù)挖掘師的的實(shí)際水平絕對(duì)不是掌握了幾個(gè)算法、幾個(gè)工具所能代表的，我們往往關(guān)注“看得見”的專業(yè)能力，而忽視了“隱形”專業(yè)能力的培養(yǎng)，對(duì)于大多數(shù)企業(yè)來(lái)講，自己的數(shù)據(jù)挖掘師其實(shí)并不”專業(yè)”，數(shù)據(jù)挖掘師需要具備跨領(lǐng)域的專業(yè)知識(shí)才能真正的干成事。
5、《數(shù)據(jù)建模者，對(duì)算法要“知其所以然”》
當(dāng)初自己以貝葉斯為例子來(lái)闡述這個(gè)道理，現(xiàn)在看來(lái)犯了確認(rèn)偏誤，就好比大數(shù)據(jù)比較側(cè)重相關(guān)一樣，對(duì)于算法師來(lái)講，也許需要知其所以然，但對(duì)于大多數(shù)建模者來(lái)講，要解決的往往是個(gè)工程問(wèn)題，當(dāng)算法基礎(chǔ)設(shè)施原來(lái)越好的時(shí)候，“知其所以然”這個(gè)必要性實(shí)際降低了。
筆者學(xué)習(xí)貝葉斯也是東看看，西看看，看了忘，忘了看，這次寫成一篇還算易懂的文章，算是了卻一個(gè)心愿，但很多算法不是這樣，公式的推導(dǎo)就已經(jīng)讓人發(fā)瘋，更別提搞懂來(lái)龍去脈甚至用業(yè)務(wù)的語(yǔ)言進(jìn)行表述，從歷史上看，牛人一般也只愿意show 結(jié)果，而不愿意把思考過(guò)程寫下來(lái)，比如費(fèi)馬定理的證明，這個(gè)非常遺憾。
7、《企業(yè)如何打造數(shù)據(jù)人才成長(zhǎng)的環(huán)境？》
存量人才的底蘊(yùn)、學(xué)徒制、培訓(xùn)體系、新人成長(zhǎng)表是當(dāng)前轉(zhuǎn)型DT的企業(yè)必須要打造的東西，否則就會(huì)面臨招不到人，招到了也培養(yǎng)不好，培養(yǎng)成了也會(huì)跑的局面。
8、《為什么數(shù)據(jù)從業(yè)者要學(xué)點(diǎn)產(chǎn)品思維？》
最近的大數(shù)據(jù)變現(xiàn)讓筆者發(fā)現(xiàn)數(shù)據(jù)團(tuán)隊(duì)有很大的短板，即就數(shù)據(jù)論數(shù)據(jù)，在直面商業(yè)客戶時(shí)，這種狹隘的認(rèn)識(shí)只會(huì)讓他們手足無(wú)措，《梁寧-產(chǎn)品思維30講》讓筆者眼前一亮，取數(shù)報(bào)表者、數(shù)據(jù)建模者、數(shù)據(jù)管理者都可以從中受益。
9、《如何清晰的實(shí)施“大中臺(tái)，小前臺(tái)”大數(shù)據(jù)運(yùn)營(yíng)策略？》
數(shù)據(jù)中臺(tái)的概念筆者在《數(shù)據(jù)中臺(tái)到底是什么》有過(guò)解釋，但企業(yè)光有數(shù)據(jù)中臺(tái)是遠(yuǎn)遠(yuǎn)不夠的，更需要打造基于數(shù)據(jù)中臺(tái)的運(yùn)營(yíng)框架，這才是“大中臺(tái)，小前臺(tái)”的精髓，任何希望用大數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新業(yè)務(wù)發(fā)展的公司，都應(yīng)該好好研究一下，其實(shí)數(shù)據(jù)中臺(tái)完成建設(shè)才是大數(shù)據(jù)運(yùn)營(yíng)真正的開始，后面還有更艱辛的挑戰(zhàn)。
10、《大數(shù)據(jù)建模的自主和外包，邊界到底在哪里？》
科斯說(shuō)，是交易成本與管理成本的對(duì)比，確定了企業(yè)的邊界，交易成本越低的事情，越應(yīng)該外部化，管理成本越低的事情，越應(yīng)該內(nèi)部化，基于這個(gè)原則，數(shù)據(jù)倉(cāng)庫(kù)模型、傳統(tǒng)業(yè)務(wù)的數(shù)據(jù)挖掘就不要外包，創(chuàng)新型業(yè)務(wù)、培訓(xùn)和運(yùn)營(yíng)則可以外包，而外包團(tuán)隊(duì)的選擇又至關(guān)重要。
11、《從大數(shù)據(jù)變現(xiàn)出發(fā)，如何清晰的理解新零售？》
新零售的本質(zhì)是為了提高效率，從商業(yè)三流看，信息流、資金流、物流都貢獻(xiàn)了大數(shù)據(jù)，信息流留下的是客戶行為，資金流留下的是消費(fèi)能力，物流留下的的是物的流轉(zhuǎn)信息，這些數(shù)據(jù)是新零售效能提升的基礎(chǔ)；從用戶角度看，大數(shù)據(jù)可以驅(qū)動(dòng)引流，把目標(biāo)用戶引過(guò)來(lái)或者到目標(biāo)用戶的地方去，也驅(qū)動(dòng)了轉(zhuǎn)化率的提升，是當(dāng)前互聯(lián)網(wǎng)數(shù)字廣告體系的基石，同時(shí)，大數(shù)據(jù)各類分析已經(jīng)在提升客單價(jià)方面發(fā)揮重要作用，比如協(xié)同過(guò)濾；從供應(yīng)鏈角度看，大數(shù)據(jù)為個(gè)性化設(shè)計(jì)，工業(yè)制造4.0，智能物流賦能，圍繞供應(yīng)鏈的各種商業(yè)模式層出不窮。
12、《如何清晰的理解從神經(jīng)網(wǎng)絡(luò)到人工智能這個(gè)概念？》
筆者至今也沒辦法在15秒的電梯時(shí)間用業(yè)務(wù)語(yǔ)言把神經(jīng)網(wǎng)絡(luò)的概念清晰的表達(dá)出來(lái)，但總想著嘗試寫出來(lái)，最好不用一個(gè)公式，就好比小學(xué)的時(shí)候不用方程式而用邏輯解題一樣，這符合一般的思考過(guò)程，這篇文章是個(gè)嘗試，希望能比大多數(shù)網(wǎng)上的文章表達(dá)的要清楚。
13、《冷靜看待人工智能，企業(yè)如何從人工智能產(chǎn)業(yè)中受益？》
總結(jié)了關(guān)于人工智能的七個(gè)觀點(diǎn)： 人工智能不存在需不需要的問(wèn)題、人工智能的使用不是所見即所得、人工智能呼喚產(chǎn)業(yè)革命的崛起、開發(fā)人工智能應(yīng)用的方向選擇、自主研究算法不再有必要、數(shù)據(jù)成為差異化競(jìng)爭(zhēng)力。
14、《談?wù)劥髷?shù)據(jù)時(shí)代的《別被算法困在“信息繭房”》》
我們一方面在提博雅教育、通識(shí)教育，希望能開闊年輕人的眼界，提升素質(zhì)，另一方面，媒體的算法卻越來(lái)越擅長(zhǎng)投其所好，移動(dòng)互聯(lián)網(wǎng)+大數(shù)據(jù)本來(lái)是為了讓信息傳遞變得更為透明便捷，現(xiàn)在也帶來(lái)了副作用，巨頭的算法+高度集中的媒體是否成為了另一種禁錮？
15、《傳統(tǒng)企業(yè)的模型最佳實(shí)踐為什么很難復(fù)制推廣？》
傳統(tǒng)企業(yè)的模型復(fù)制由于業(yè)務(wù)環(huán)境、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、算法選擇、模型訓(xùn)練、測(cè)試驗(yàn)證、生產(chǎn)應(yīng)用、迭代提升等方面的原因容易造成水土不服，長(zhǎng)期來(lái)講，最佳模型推廣一要靠業(yè)務(wù)的真正統(tǒng)一，二要靠系統(tǒng)化，自動(dòng)化的復(fù)制手段，否則很容易曇花一現(xiàn)。
16、《【圖文】如何清晰的理解物聯(lián)網(wǎng)這個(gè)概念？》
從智能手環(huán)、智能手表、VR、AR、MR、共享單車再到無(wú)人駕駛，物聯(lián)網(wǎng)將會(huì)徹底顛覆我們的生活，《圖解物聯(lián)網(wǎng)》這本書對(duì)物聯(lián)網(wǎng)以及相關(guān)技術(shù)做了很透徹的解讀。
很多傳統(tǒng)企業(yè)里數(shù)據(jù)挖掘有點(diǎn)像奢侈品，因?yàn)閿?shù)據(jù)挖掘的過(guò)程一般較長(zhǎng)，總體來(lái)講性價(jià)比不高，規(guī)則取數(shù)往往成為了企業(yè)數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)的主流，筆者從打造全流程挖掘引擎、降低變量準(zhǔn)備時(shí)間、選對(duì)模型提升的方法、快速迭代及時(shí)止損、通過(guò)運(yùn)營(yíng)保有挖掘資產(chǎn)五個(gè)方面來(lái)闡述了自己的敏捷數(shù)據(jù)挖掘方法論。
18、《業(yè)務(wù)系統(tǒng)的數(shù)據(jù)資產(chǎn)管理為什么這么難？》
OLTP和OLAP是企業(yè)內(nèi)兩大典型系統(tǒng)，OLTP以流程為核心，側(cè)重于生產(chǎn)，OLAP以數(shù)據(jù)為核心，側(cè)重于分析，因此一般在OLAP系統(tǒng)更強(qiáng)調(diào)數(shù)據(jù)資產(chǎn)管理，本文闡述了OLTP系統(tǒng)數(shù)據(jù)資產(chǎn)管理的難點(diǎn)，并從策略、流程、系統(tǒng)三個(gè)層面給出了實(shí)施建議。
19、《大數(shù)據(jù)洞察類產(chǎn)品如何才能規(guī)模變現(xiàn)？》
大數(shù)據(jù)洞察類產(chǎn)品的低頻使用、距離一線生產(chǎn)端過(guò)遠(yuǎn)以及無(wú)法替代企業(yè)的經(jīng)驗(yàn)決策決定了它有限的商業(yè)價(jià)值，只有將洞察的能力+觸達(dá)的能力有機(jī)結(jié)合起來(lái)，才能讓產(chǎn)品有持續(xù)的生命力。
20、《數(shù)據(jù)建模師的起跑線，從踏上工作崗位那一刻開始》
談了數(shù)據(jù)新人進(jìn)入企業(yè)后快速成長(zhǎng)的五個(gè)要點(diǎn)：包括主動(dòng)積極、學(xué)會(huì)反思、及時(shí)反饋、講究邏輯、刻意練習(xí)，特別是，新人入門不要一上來(lái)就去學(xué)什么花哨的工具和高大上的算法，要用常識(shí)去理解事物，先盡可能的去理解企業(yè)的業(yè)務(wù)和數(shù)據(jù)，而算法和平臺(tái)在未來(lái)將如水電煤一樣普及，很難形成自己獨(dú)特的競(jìng)爭(zhēng)力。
未完待續(xù)，感謝您2018年的陪伴，2019年會(huì)更精彩！
完
聯(lián)系客服
