如何快速全面建立自己的大數(shù)據(jù)知識體系

作者經(jīng)過研發(fā)多個大數(shù)據(jù)產(chǎn)品，將自己形成關于大數(shù)據(jù)知識體系的干貨分享出來，希望給大家能夠快速建立起大數(shù)據(jù)產(chǎn)品的體系思路，讓大家系統(tǒng)性學習和了解有關大數(shù)據(jù)的設計架構。

很多人都看過不同類型的書，也接觸過很多有關大數(shù)據(jù)方面的文章，但都是很零散不成系統(tǒng)，對自己也沒有起到多大的作用，所以作者第一時間，帶大家從整體體系思路上，了解大數(shù)據(jù)產(chǎn)品設計架構和技術策略。

大數(shù)據(jù)產(chǎn)品，從系統(tǒng)性和體系思路上來做，主要分為五步：

針對前端不同渠道進行數(shù)據(jù)埋點，然后根據(jù)不同渠道的采集多維數(shù)據(jù)，也就是做大數(shù)據(jù)的第一步，沒有全量數(shù)據(jù)，何談大數(shù)據(jù)分析；

第二步，基于采集回來的多維度數(shù)據(jù)，采用ETL對其各類數(shù)據(jù)進行結構化處理及加載；

然后第三步，對于ETL處理后的標準化結構數(shù)據(jù)，建立數(shù)據(jù)存儲管理子系統(tǒng)，歸集到底層數(shù)據(jù)倉庫，這一步很關鍵，基于數(shù)據(jù)倉庫，對其內(nèi)部數(shù)據(jù)分解成基礎的同類數(shù)據(jù)集市；

然后基于歸集分解的不同數(shù)據(jù)集市，利用各類R函數(shù)包對其數(shù)據(jù)集進行數(shù)據(jù)建模和各類算法設計，里面算法是需要自己設計，個別算法可以用R函數(shù)，這個過程產(chǎn)品和運營參與最多；這一步做好了，也是很多公司用戶畫像系統(tǒng)的底層。

最后根據(jù)建立的各類數(shù)據(jù)模型及算法，結合前端不同渠道不同業(yè)務特征，根據(jù)渠道觸點自動匹配后端模型自動展現(xiàn)用戶個性化產(chǎn)品和服務。

建立系統(tǒng)性數(shù)據(jù)采集指標體系

建立數(shù)據(jù)采集分析指標體系是形成營銷數(shù)據(jù)集市的基礎，也是營銷數(shù)據(jù)集市覆蓋用戶行為數(shù)據(jù)廣度和深度的前提，數(shù)據(jù)采集分析體系要包含用戶全活動行為觸點數(shù)據(jù)，用戶結構化相關數(shù)據(jù)及非結構化相關數(shù)據(jù)，根據(jù)數(shù)據(jù)分析指標體系才能歸類匯總形成篩選用戶條件的屬性和屬性值，也是發(fā)現(xiàn)新的營銷事件的基礎。

構建營銷數(shù)據(jù)指標分析模型，完善升級數(shù)據(jù)指標采集，依托用戶全流程行為觸點，建立用戶行為消費特征和個體屬性，從用戶行為分析、商業(yè)經(jīng)營數(shù)據(jù)分析、營銷數(shù)據(jù)分析三個維度，形成用戶行為特征分析模型。用戶維度數(shù)據(jù)指標是不同維度分析要素與用戶全生命周期軌跡各觸點的二維交叉得出。

目前做大數(shù)據(jù)平臺的公司，大多數(shù)采集的數(shù)據(jù)指標和輸出的可視化報表，都存在幾個關鍵問題：

采集的數(shù)據(jù)都是以渠道、日期、地區(qū)統(tǒng)計，無法定位到具體每個用戶；

計算統(tǒng)計出的數(shù)據(jù)都是規(guī)模數(shù)據(jù)，針對規(guī)模數(shù)據(jù)進行挖掘分析，無法支持；

數(shù)據(jù)無法支撐系統(tǒng)做用戶獲客、留存、營銷推送使用。

所以，要使系統(tǒng)采集的數(shù)據(jù)指標能夠支持平臺前端的個性化行為分析，必須圍繞用戶為主線來進行畫像設計，在初期可視化報表成果基礎上，將統(tǒng)計出來的不同規(guī)模數(shù)據(jù)，細分定位到每個用戶，使每個數(shù)據(jù)都有一個用戶歸屬。

將分散無序的統(tǒng)計數(shù)據(jù)，在依據(jù)用戶來銜接起來，在現(xiàn)有產(chǎn)品界面上，每個統(tǒng)計數(shù)據(jù)都增加一個標簽，點擊標簽，可以展示對應每個用戶的行為數(shù)據(jù)，同時可以鏈接到其他統(tǒng)計數(shù)據(jù)頁面。

由此可以推導出，以用戶為主線來建立數(shù)據(jù)采集指標維度：用戶身份信息、用戶社會生活信息、用戶資產(chǎn)信息、用戶行為偏好信息、用戶購物偏好、用戶價值、用戶反饋、用戶忠誠度等多個維度，依據(jù)建立的采集數(shù)據(jù)維度，可以細分到數(shù)據(jù)指標或數(shù)據(jù)屬性項。

① 用戶身份信息維度

性別，年齡，星座，居住城市，活躍區(qū)域，證件信息，學歷，收入，健康等。

② 用戶社會生活信息維度

行業(yè)，職業(yè)，是否有孩子，孩子年齡，車輛，住房性質，通信情況，流量使用情況……

③ 用戶行為偏好信息

是否有網(wǎng)購行為，風險敏感度，價格敏感度，品牌敏感度，收益敏感度，產(chǎn)品偏好，渠道偏好……

④ 用戶購物偏好信息

品類偏好，產(chǎn)品偏好，購物頻次，瀏覽偏好，營銷廣告喜好，購物時間偏好，單次購物最高金額……

⑤ 用戶反饋信息維度

用戶參與的活動，參與的討論，收藏的產(chǎn)品，購買過的商品，推薦過的產(chǎn)品，評論過的產(chǎn)品……

基于采集回來的多維度數(shù)據(jù)，采用ETL對其各類數(shù)據(jù)進行結構化處理及加載

數(shù)據(jù)補缺：對空數(shù)據(jù)、缺失數(shù)據(jù)進行數(shù)據(jù)補缺操作，無法處理的做標記。

數(shù)據(jù)替換：對無效數(shù)據(jù)進行數(shù)據(jù)的替換。

格式規(guī)范化：將源數(shù)據(jù)抽取的數(shù)據(jù)格式轉換成為便于進入倉庫處理的目標數(shù)據(jù)格式。

主外鍵約束：通過建立主外鍵約束，對非法數(shù)據(jù)進行數(shù)據(jù)替換或導出到錯誤文件重新處理。

數(shù)據(jù)合并：多用表關聯(lián)實現(xiàn)（每個字段加索引，保證關聯(lián)查詢的效率）

數(shù)據(jù)拆分：按一定規(guī)則進行數(shù)據(jù)拆分

行列互換、排序/修改序號、去除重復記錄

數(shù)據(jù)處理層 由 Hadoop集群 組成 , Hadoop集群從數(shù)據(jù)采集源讀取業(yè)務數(shù)據(jù)，通過并行計算完成業(yè)務數(shù)據(jù)的處理邏輯，將數(shù)據(jù)篩選歸并形成目標數(shù)據(jù)。

數(shù)據(jù)建模、用戶畫像及特征算法

提取與營銷相關的客戶、產(chǎn)品、服務數(shù)據(jù)，采用聚類分析和關聯(lián)分析方法搭建數(shù)據(jù)模型，通過用戶規(guī)則屬性配置、規(guī)則模板配置、用戶畫像打標簽，形成用戶數(shù)據(jù)規(guī)則集，利用規(guī)則引擎實現(xiàn)營銷推送和條件觸發(fā)的實時營銷推送，同步到前端渠道交互平臺來執(zhí)行營銷規(guī)則，并將營銷執(zhí)行效果信息實時返回到大數(shù)據(jù)系統(tǒng)。

根據(jù)前端用戶不同個性化行為，自動匹配規(guī)則并觸發(fā)推送內(nèi)容

根據(jù)用戶全流程活動行為軌跡，分析用戶與線上渠道與線下渠道接觸的所有行為觸點，對營銷用戶打標簽，形成用戶行為畫像，基于用戶畫像提煉匯總營銷篩選規(guī)則屬性及屬性值，最終形成細分用戶群體的條件。每個用戶屬性對應多個不同屬性值，屬性值可根據(jù)不同活動個性化進行配置，支持用戶黑白名單的管理功能。

可以預先配置好基于不同用戶身份特性的活動規(guī)則和模型，當前端用戶來觸發(fā)配置好的營銷事件，數(shù)據(jù)系統(tǒng)根據(jù)匹配度最高的原則來實時自動推送營銷規(guī)則，并通過實時推送功能來配置推送的活動內(nèi)容、優(yōu)惠信息和產(chǎn)品信息等，同時匯總前端反饋回的效果數(shù)據(jù)，對推送規(guī)則和內(nèi)容進行優(yōu)化調整。

大數(shù)據(jù)系統(tǒng)結合客戶營銷系統(tǒng)在現(xiàn)有用戶畫像、用戶屬性打標簽、客戶和營銷規(guī)則配置推送、同類型用戶特性歸集分庫模型基礎上，未來將逐步擴展機器深度學習功能，通過系統(tǒng)自動搜集分析前端用戶實時變化數(shù)據(jù)，依據(jù)建設的機器深度學習函數(shù)模型，自動計算匹配用戶需求的函數(shù)參數(shù)和對應規(guī)則，營銷系統(tǒng)根據(jù)計算出的規(guī)則模型，實時自動推送高度匹配的營銷活動和內(nèi)容信息。

機器自學習模型算法是未來大數(shù)據(jù)系統(tǒng)深度學習的核心，通過系統(tǒng)大量采樣訓練，多次數(shù)據(jù)驗證和參數(shù)調整，才能最終確定相對精準的函數(shù)因子和參數(shù)值，從而可以根據(jù)前端用戶產(chǎn)生的實時行為數(shù)據(jù)，系統(tǒng)可自動計算對應的營銷規(guī)則和推薦模型。

大數(shù)據(jù)系統(tǒng)在深度自學習外，未來將通過逐步開放合作理念，對接外部第三方平臺，擴展客戶數(shù)據(jù)范圍和行為觸點，盡可能覆蓋用戶線上線下全生命周期行為軌跡，掌握用戶各行為觸點數(shù)據(jù)，擴大客戶數(shù)據(jù)集市和事件庫，才能深層次挖掘客戶全方位需求，結合機器自學習功能，從根本上提升產(chǎn)品銷售能力和客戶全方位體驗感知。