互联网运营的数据思维

最新推荐文章于 2024-10-31 12:37:58 发布

CCCCCC1990

最新推荐文章于 2024-10-31 12:37:58 发布

阅读量135

点赞数

文章标签：区块链大数据人工智能

原文链接：http://www.cnblogs.com/cchHers/p/8945908.html

版权

关于本文：

1、本文是一篇探索性文章，目的是解决“互联网运营从业者需要多强的数据思维能力？”这个问题。

2、笔者首先唠嗑了一些当下比较流行的大数据分析（BD）、人工智能（AI）技术

3、然后通过阅读网上的一篇文章，了解了微信公众号维护从业者平时参看的数据

4、罗列了一名网友给出的10条运营必备的思维

一、当下的一些比较热门的技术

最近老觉得跟不上时代的进步了，绝对是每天只沉浸在项目的编程中所造成的，所以一有空我就得去好好的去了解下这个“互联网+”时代。

经过这么久时间的新闻资讯熏陶，我相信不管是互联网行业还是非互联网行业的，对“大数据分析”、“人工智能”、“机器学习”、“区块链”、“比特币”这几个关键词已经有所耳闻了，即使不知道具体是怎么回事，但是也是有个大致的猜想的。

我呢，现在也来大胆的猜想猜想，如果有说错的地方，请各位看官理解，能批评指出那就更好了。

关于“大数据分析”-----应该是“大数据”+“分析”。好几年前大数据分析的概念就已经听说了，本人差点也搭上了数据分析这条大船。因为之前在大学期间热衷于参加“大学生数学建模”比赛，对这种确定问题、分析问题、猜想结论、建立模型、采集数据、数据验证、得出结论的做事风格比较喜欢，并且后面也是拿到全国一等奖，就更加激励自己想去往数学建模上发展。但是在人大经济论坛上面的一句话，让我放弃了做数据分析。这句话的意思就是，“做数据分析最难的就是现在没有数据”。～～～～～

时隔这么多年，现在怎么就这么火了，火得让本人深深的后悔当初的选择。原因之一就是，现在时机也算成熟了，互联网沉淀多年，数据上来了。这是我今天看到的一篇文章的剪辑：

今天要介绍的「Pirt」（原名梦想旅行），就专注于为出境游用户提供实时、高效的行中决策工具。围绕用户的行中需求，「Pirt」首先通过大数据挖掘的方式，打造了基于LBS的境外海量POI信息及行程数据，为用户提供境外吃喝玩乐购等消费决策依据。

联合创始人兼COO俞辉告诉36氪，「Pirt」挖掘了全球几万个网站的数据，包括各国旅游攻略类网站、本地生活服务网站、当地人使用的旅游论坛等，对数据进行分析清洗之后，以POI形式展现给用户。目前「Pirt」已经覆盖了全球180多个国家的2000多个热门城市，包含2000多万个目的地景点信息、上亿条点评。

在此基础上，「Pirt」对2000万家景点的数据（包括大量评论）进行深度分析，比如某家餐厅的特色菜是什么、环境怎么样，酒店服务质量如何、卫生情况好不好，哪家商场卖LV、哪家商场卖的Prada最便宜等，形成POI知识图谱体系。

基于知识图谱，「Pirt」在原有的信息功能上增设了两个应用：智能行程规划和拍照翻译。

行程规划是指将用户的喜好与POI知识图谱做匹配，用户通过APP选择出行日期、起止地点等信息，以及游玩强度、主题等偏好后，平台就会智能推荐行程路线和活动内容，包括住宿、餐饮、景区等。

【文章链接：http://36kr.com/p/5130320.html】

大数据分析就是通过各种数据渠道，围绕着某个特定的问题，用数据说话。

关于“人工智能”-----嗯～我觉得我还是说“机器学习”吧。现在基本上，人工智能约等于机器学习。之前不是说“大数据分析”吗，给你大量数据，然后寻找出

y = f (x1, x2, x3, .....)

这样一个映射关系出来。这里面设计到的技术可多了，比如线性回归分析、数据的描述性分析、方差分析、主成分分析、典型相关分析、判别分析、聚类分析、Bayes统计分析等。然而，世界上的很多因果关系又是很复杂的，通过这种数据分析寻找映射关系的方式，投入的成本大不说，而且还不准确，误差是很大的。或者说，根本就是无从下手的。比如，你能准确的预估“小明今天会在淘宝上买东西吗”？很难预测，但是绝对是可以预测到的。因为冥冥之中，命中注定～我把这个命中注定用”上帝法则“来概括吧，方便后面的描述。我还是上一张图吧：

看图作文：

决定小明今天去不去淘宝买东西的因素很多，我把所有的与小明相关的大数据都作为“输入源”，把他每一天有没有在淘宝上买东西的结果都作为“输出源”。让电脑通过“学习模型”这样一个学习机制来自动的将输入和输出之间建立某种联系，并且通过验证这种联系已经成功预测了好几次小明时候在淘宝购物的结论。那个我们就可以使用这个联系间接的认为是左右小明行为的一双看不见的上帝之手。

说了这么多，我觉得，我还是没有表达清楚。请允许我使用想象力形象的说一遍：

比如说，我想让一只动物做到：鱼头、鸡翅、鸭腿、牛肉其中的任何一种食物都不吃。首先我用一只狗来训练，可我怎么才能告诉这只狗呢？最简单的方式肯定就是反射训练法。每次当这只狗想吃其中的任何一种肉的时候，我就呵斥它，不让他吃。久而久之，如果它会精准的不吃那些食物了，就说明这个狗学会了。至于它怎么学会的，我并不关心，我关心的是它做到了，就说明它学会了。当然也许会说，这么复杂的关系，一直狗能明白吗？不能明白的话，我用猴子、猩猩来做训练对象。也就是选择合适的“学习模型”。

这样一个形象的比喻，其他的倒是说明白了。只是这个学习模型被弄的有点玄乎了。要知道，之前说的是用各种动物来作为学习模型，可是，在机器学习中，学习模型是由人创建的，不能简单的用一句“换个其他动物”来替代。说到这里，终于明白了为什么有一种学习模型叫做“深度学习模型”了。很简单，一句话概括就是，让这个学习模型接近人等灵长类的学习过程。

这样以来可以看出，机器学习的难点也就在于数据的筛选、学习模型的创建与使用。

关于“区块链”-----区块链的思路早就被提出来了。可是呢，一直也没人将这种思想做出什么重大的事情出来。因为比特币火了，才让区块链开始进入热搜。