最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

阿里数据技术及产品部高级产品专家邓中华:大数据产品之道

[复制链接]
跳转到指定楼层
楼主
发表于 2015-7-24 10:13:31 | 只看该作者 |只看大图 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
 2015中国互联网大会大数据应用论坛中,阿里巴巴数据技术及产品部高级产品专家邓中华与参会者分享了如何做大数据产品的精彩观点。

 
 (图为阿里数据技术及产品部高级产品专家邓中华)

大数据能力和顶层思考

  大数据的能力可以分为四层:第一层是骨骼,硬件和存储的计算能力,相当于我们如何把数据的计算、存储、服务等处理好;

  第二层是血液,数据建模和管理能力,包括数据如何进行采集、如何进行建模,以及如何最快的计算和最高效的存储等等;

  第三层是思想,业务理解和算法能力,很多算法工程师、科学家用大数据的时候可以作出很多关于用户的标签画像,其实这一部分正是他们对于业务的理解和算法能力的体现,但是仅仅这样还不够,大数据应用过程中需要一个系统、体系完整的解决方案。告诉你今天的数据表现是什么样,问题是什么,未来你可以做一些什么,做完之后的效果会是怎么样,因为这个效果可以做什么样的改善,这本身就是一个非常复杂完整的体系,我们叫做“大脑”,也就是第四层,产品设计和服务能力,大脑进行产品的设计以及很好的服务能力。这四者结合起来,分别表示着大数据的基础建设能力和数据产品能力。

  大数据能力背后意味着非常巨大的挑战,大数据挑战本身也是一个非常完整的闭环。

  会在基础建设方面,包括如何进行很好的数据采集,如果你的数据只有几百个T或1PB左右,采集起来不那么难,如果面临几百个PB的数据如何采集,在无线时代已经到来的时候,无线的采集应该如何做?采集之后非常重要的是计算,如果把数据采集、计算都做得很好,可是上面的应用根本没有很好的方法,快速和有效拿到这些数据来使用,其实前面所有的工作都是白费的。

  关于采集、计算、服务是大数据基础建设方面的挑战,所有这些工作最终都要在上面浮现出来,就是我们所理解的数据产品,我们希望数据产品给到大家真的不只是一个报表,而是希望我们真的用数据产品去理解商业,理解它的目标,并且把数据不是枯燥的以一个表格的方式呈现给用户,而是告诉你这个数据的含义是什么,如何解读它,在这个过程中去追求数据价值的最大化。关于基础建设和数据产品价值两大块挑战的关键词就是质量、效率和价值。

  关于大数据的能力看起来非常具有想象空间,挑战也是巨大的,这是非常复杂的事情,复杂的事情一定要用复杂的方法去解决,所以我们需要有简单、清晰、明确的顶层设计。过去两年,阿里巴巴大数据实战过程中的一个顶层设计,下面我们做好数据的基础建设,包括数据采集计算以及服务,上面我们面临的客户数据方面首先是阿里自己的小二,要有能力用好数据做数据化营运,第二块是我们非常紧密的伙伴,即商家。我们在做这件事情顶层设计时,同步考虑阿里的小二和商家如何同时用好数据。数据基础建设方面做好one data和one service,数据上面一块做好对内和对外能够共享的one Platform。解决的是关于大数据本身背后的挑战,基础建设和价值两块的挑战。

大数据产品的内外兼修

  大数据产品解决的不仅仅是产品自身的问题,一定要同步去解决内在的数据基础建设的问题,所以大数据产品务必做到内外兼修。

  总结下来,大数据的产品之道就是要有内在的魅力:基础建设;要有外在的魅力:数据产品;
报告要点





楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-4 04:13

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表