标签类目体系（面向业务的数据资产设计方法论）-读书笔记2

第2章 源：6段由来过程

一、数据资产发展的4个阶段

1.1 数据资产1.0：构建消费者信息库

1.1.1 数据侧与业务侧的初次接触

数据侧为业务侧打造的第一个数据解决方案一定要成功，必须在首次合作中为业务人员把数据项、数据加工逻辑、数据使用方式、数据赋能下过等全链路内容设计到位，保障业务人员低门槛地使用数据方案。

深入业务一线的数据产品经理会持续将业务部门的数据需求回传给数据部门，数据部门根据这些数据需求就可以构建起数据资产的0.1版本。

1.1.2 激发业务人员使用数据的兴趣

数据产品经理给业务人员设计一些更具有业务气息的统计类标签，如“最常上网时间段”、“购买周期”等，这些标签通过统一函数加工运算实现。在业务人员逐渐熟悉标签，对标签的兴趣被大大激发后，业务侧会主动提出一些算法类标签的要求，eg：“预测性别”、“预测年龄”等需要通过大量行为预测的基本状况属性标签。这些属性标签逐渐深入到人的核心本质层面，也更贴近业务端对消费者画像洞察的要求。数据侧提供的标签信息带动和激发了业务侧的数据场景想象力。

只有价值线和数据线共频共振，互相迭代，企业的数据资产体系才能真正构建起来。标签小组持续不断地与广告部门同事梳理已有可用标签，制定新标签的开发计划，保质保量完成标签生产上线，并以第一优先级的资源供给给保障广告核心引擎使用数字资源的通畅性。

1.2 数据资产2.0：ID-Mapping打通数据

• ID-Mapping技术在广告领域中的一个里程碑意义在于：从此精准营销确立了从数据接入→客户识别→人群圈选→透视分析→定向投放→回流优化的完整闭环链路；同时这种营销链路具备了与外部数据资源对接、共享数资源的能力；从数据层面论证了广告联盟生态的可行性，对广告生态系统产生了重要的额推动作用和印象。
• 通过消费者标签库对数据价值的不断验证以及ID-Mapping技术持续打通不同板块间的数据，数据合作和收购的进程不断加快。

1.3 数据资产3.0：全集团数据共享共荣

• 双方各司其职：数据部门做好数据资源的统一管理和调用性能的稳定保障，而业务部门则可专注于业务场景优化和打磨数据创新引用。数据融合必须达到1+1>2的效果。随着消费者标签库的数据来源越来越多，数据体量越来越大，标签的完备率和准确率也随之提高。当“在数据中心之外，找不到比这更好更全的数据资产”这句话变成事实时，客户就会将自己的数据后背交给你。
• 在数据资产3.0阶段，致力于打造数据联盟生态圈