基于数据反哺算法材料分析思考（一）

自从测试转型业务分析工作以来，每天都与文档相伴。不知道是领导的特意安排，还是工作需求，入公司以来，参与的两个项目周期都很长，而且都是公司老板D总亲自跟进的项目。作为一个无名小辈只能跟着大佬后面坐着数据分析。

从最初的数据拆取到算法材料编写，一切都显得很顺遂，自我感觉亦颇为良好。直到，编写的材料提交到D总处，经过一轮审核，清晰的记得那天是周六下午，D总结合提交的材料进行指导，从数据分析到算法实现逻辑，从周六下午到周日晚上，那一天D总在群里发了99+的指导，后经统计竟有一万字多，而我的算法材料才四万多字，让人惊愕。

开始学习指导，莫名的些许浮躁，基于数据的分析很多场景无法得以支撑，这切切实实是脑洞大开，思维发散的成果。但自己也无法反驳，这可能就是D总对于业务分析的理念淋漓尽致的体现吧。

“做项目前期业务分析就要做到如果客户的需求是一头猪，那么我坐业务就要有先恐龙，然后再大象，最后才是一直猪而且是一只小猪”。在业务分析前期，要结合业务大胆的想，大胆的构思，站在的位点要高，不纠结于细节，而是构建系统的轮廓，这个时候会发现，构建的系统就像恐龙一样庞大，但五脏不全，不具有灵魂的。接下来就是根据需求进行细节和业务的不错，这个时候对于一些无用的功能和业务就要剔除，这个阶段是带有目的性的，必须要把客户的需求包括在内，经过这一轮的处理，系统有了实体基本成型，但在功能和用户使用体验上比较臃肿，此时的系统就像大象一样。最后就需要对系统进行抽象和简化，让系统的适用性更强，融合算法和数据处理让系统更加的只能化，同时，在保证系统的健壮性前提下，不拓展系统的业务，以便系统二期和后续的拓展。这便是入职公司，D总提出的一套理论。

在这次的算法材料编写和指导过程中，仔细的想想好似这种理念是被潜移默化的。在没有充足的数据支撑的情况下，在无法确保所有数据正确的情况下想进行数据的反哺，只能通过业务和场景的分析，基于数据之间的相互佐证和业务逻辑加工进行就是的验证和纠错后，基于可信度体系的建立进行可信度计算，达到阈值再进行反哺。这个过程中需要对业务进行大量的挖掘，梳理在数据产生过程中的各个场景，以及对应的场景产生的数据。基于场景和数据进行分析并通过场景特征进行数据纠错方案解析。