<>为什么需要数据融合?

*
最重要的原因是用户数据的割裂性,无法全面勾勒用户的全貌,比如你购物的数据在京东天猫、通话数据在移动电信、交易数据在银行金融、社交数据在腾讯微信。

*

数据的割裂性导致对用户的认识比较片面,可能做出错误的决策。比如:现在京东与头条的”京东计划“就是数据合作的一个案例,就是你在京东搜索的物品,会不定时在浏览今日头条中呈现,增加购买率。这里有个缺陷是如果已在淘宝购买的物品,再次出现会导致用户体验感下降。

*
教育行业的数据同样是割裂状的,产品的数据支持需要更好的数据融合解决方案,来聊聊这次的,千锋学习提升系统

*

在客户拿到一份学生的考试成绩时,她会想比较一下自己的几次考试,或者想要简单对比自己跟班级其他学生的成绩,给自己找一个定位,看一下自己属于班级的什么层次,你只需要把他的成绩放在班级成绩划分的不同成绩段中,这些都是第一维度的数据组合便可以完成的,数据组合由各方数据的简单组合形成,能够全貌客户用户特征。该数据的融合产生的是物理反应,数据属性本质没有改变。只是数据的简单拼装而成。

*

而当他知道自己的定位后,他便会寻找自己进步的空间,这时他需要拿到比他优秀的那批同学的数据来比对,为自己制定目标。该怎么做?你要去拿到这些同学的数据组合,比如,比他优秀同学的自我比对结果,看看他成绩发生波动时的原因:可能是难题做的多了,中等题做的少了,导致成绩下降,中等简单的题做的更加熟练,成绩上升,因为得分水平的决定因素往往是中等简单题的得分,看看产生这些成绩波动时,这类优秀学生是怎么调节学习方案的,从而规划自己的学习。这个过程,数据就产生了价值,这便是第二维度的解决方案,数据整合;数据整合由多方的数据共同存在才能够实现产品价值。该数据的融合产生的是化学反应,比如:黑名单,通过金融数据和通信行业数据共同才能判断是否黑名单。如该用户有异常金融行为,在加上该用户频繁换手机和停机次数多,基本可判断黑名单用户。

*

当他拿到这些优秀学生的种种方案后,我们该怎么推荐给他一套方案?因为在大量数据背景下,可能经过筛选后优秀学生的方案依旧很庞大,我们不能都推荐给用户,这个时候,我们就需要
数据聚合,由双方数据聚合孵化产生出新的产品,新的模式,将个性化方案推荐给学生。(深度学习解决?制定一套函数?不断计算求得方案?)如:分期贷款。通过大数据风控能力(风控系统的数据从互联网公司,金融公司,通信公司),不仅减少审核流程,而且也能进行贷中监控和贷后管理,还能够对失联用户进行定位和催收,是一揽子计划。

*
数据融合并不是一件简单的事,需要解决技术壁垒,数据标准,数据安全等问题,如何保证数据安全,保护客户隐私?客户知情权?都是生产过程中需要解决的。