「大数据的关键思考系列」22：数据处理(上)

作者 | 橙子

审核 | gongyouliu

编辑 | auroral-L

数据处理（上）

在上一期文章中，我们讲到了阿里巴巴运营数据的外三板斧，那么今天我们讨论的是“数据处理”。

想要了解如何处理数据，我们首先要学会慢慢淡化数据。数据是有优先值的，想要确定数据的优先值，就要先解决以下几个问题，一是数据的标准化。在大数据时代，我们需要一个标准化的东西供我们进行交流。二是我们到底如何对接和交换数据，如何在交换的时候保持数据的稳定性，比如自然语言，比如在无线和PC不同场景下受到的影响，这些情况都会滋生出许多新问题。

第三个重要的问题是数据的存储，这将涉及数据的时效性这一问题。有人曾经提出过一个很有价值的观点，即现实中，网站最大的场景变化就是网站改版。因为重新设计网站，本身就影响数据。比如公司的详情页和首页，任何改变都在影响数据。如果在一到三年后，你才说得出数据的这一改变是由于促销、用户行为或是改版引起的，那这一数据就已经没有任何价值了，这就是数据的时效性。

所以，美国出现了一个概念叫“数据淡化”，意思很明显，数据会慢慢淡化。我们要更清楚地认识到，数据是有优先值的，在数据中，有些是特别核心的，有些即使缺失了也没有多大问题。我们要学会真正坐下来，盘点那些对公司最有价值、对用户最有价值的数据，这是一个非常重要的趋势。

了解了“数据淡化”之后，我们再来看看数据的标签化管理。数据的属性标签是人类经验判断的数据，是数据后的数据。例如，当你要为一件物品打上标签时，其实就已经动用了你的经验数据分析，并进行了归纳总结，结合当下的环境给出了判断。如果没有考虑环境的影响及准确性的评估，这种经验加上直觉的判断是不稳定且又难以解释的。但从数据收集的角度去看，数据的属性标签又是一个潜力极大的数据。

在数据属性的管理上，对于用户来说，每个人身上贴的标签都是多种多样的，但是对于企业来说，如何将这些标签归一，如何用一个点去将之串联，又如何把这些点连起来去描述这个用户，才是核心问题。

比如，你要去应聘一家公司，A公司对你的评价是“很可靠”，B公司对你的评价是“不可靠”，C公司准备雇佣你，然后C公司看到了A公司和B公司给你贴了两个标签，“可靠”和“不可靠”，那么C公司就会感到困惑。

这样的问题常常发生，那么我们要怎么去做标签的管理呢？首先，我们要明确的是，“可靠”这个概念是没有标准化意义的，除非在标签定义之前，我们就界定清楚了“可靠”的标准，否则“可靠”的标准是准时还钱、说话算数、还是他向来都很守时，我们就无从得知了。如果这些标准是“可靠”，就给予了我们一种可以还原数据的能力。

属性管理的层级化十分有必要，但是在使用数据前，必须要了解数据的场景、数据是如何放进去的和数据的场景是什么，在这一切未知之前就说数据如何好用的话，是不可能的。所以现在企业运营数据的趋势是，我们应该找出一些属性进行归类，然后再慢慢的考虑如何提炼，这对于未来非常重要。

本文的视频版本可以直接点击下面视频观看，欢迎关注数据与智能视频号获取更多精彩视频。