數(shù)據(jù)機器人幫你創(chuàng)造大數(shù)據(jù)商業(yè)價值

在大數(shù)據(jù)概念似乎與每個公司乃至每個人都緊密相關(guān)的今日，如果有人問大數(shù)據(jù)到底是什么?怎樣才能讓大數(shù)據(jù)為我創(chuàng)造實實在在的價值?大部分時候，你所得到的答案或者艱澀難懂，或者虛無縹緲，比如說3V(Volume(容量)、Velocity(速度)和Variety(多樣性))，甚至是5V (再加上Veracity(真實性)和Value(價值))，又或者“結(jié)構(gòu)化數(shù)據(jù)”和“半結(jié)構(gòu)化數(shù)據(jù)”。上到天體太空，下到海底勘探，大到教育文化，小到細胞DNA，總有一款可以迷惑你。

或許真相是，想在在大數(shù)據(jù)時代乘風破浪勇奪先機，你根本不需要知道這些。中國有句老話，術(shù)業(yè)有專攻。從大數(shù)據(jù)到商業(yè)價值，你需要的只是根據(jù)業(yè)務經(jīng)驗提出需求和目標，其他的一切都可以交給數(shù)據(jù)機器人來搞定。

聽起來像是一個神話?其實這一切已經(jīng)在發(fā)生。

“讓天下沒有難用的數(shù)據(jù)，讓人人都可以成為數(shù)據(jù)科學家?！笔翘覙淇萍紕?chuàng)始人最初的理想。桃樹科技起源于2015年，其創(chuàng)始人楊滔和汪秦宇均為海歸博士，在美中兩國頂級互聯(lián)網(wǎng)及金融公司具有資深的大數(shù)據(jù)技術(shù)和管理經(jīng)驗，因為看準了大數(shù)據(jù)領(lǐng)域全自動建模預測這一趨勢，毅然放棄穩(wěn)定高薪的大公司職位，轉(zhuǎn)而投身創(chuàng)業(yè)這一荊棘艱險之旅。

如前文提到，大數(shù)據(jù)似乎可以在各個領(lǐng)域落地，但是能真正產(chǎn)生爆發(fā)效應的領(lǐng)域卻并不多。根據(jù)多年的大數(shù)據(jù)應用經(jīng)驗，桃樹選擇了金融和電商大數(shù)據(jù)應用為公司起步的切入點。在金融領(lǐng)域，數(shù)據(jù)應用的需求屬于剛需。尤其銀行對貸款客戶信用的評估關(guān)系到銀行壞賬率的比例。在電商領(lǐng)域，大數(shù)據(jù)應用可以產(chǎn)生規(guī)?；纬蓴?shù)據(jù)積累的閉環(huán)，最終帶動流量的獲取。

信用風險評估機器人：CAN

“極客看什么不順眼，就自己動手做一個?！币詳?shù)據(jù)極客自詡的楊滔這樣說，“大數(shù)據(jù)應用的廣泛訴求，就是輸入數(shù)據(jù)，輸出結(jié)果。”于是他創(chuàng)造了第一個數(shù)據(jù)機器人CAN。CAN是一個專門應用于金融行業(yè)的風險評估機器人。在以民生銀行為代表的多家知名銀行和互聯(lián)網(wǎng)金融機構(gòu)中，都已經(jīng)存在CAN的身影。當你給這臺機器輸入散落在各個角落的原始數(shù)據(jù)，它便如同一匹永不疲憊的戰(zhàn)馬夜以繼日地飛奔，輸出銀行/p2p中申請貸款客戶的信用打分及每個客戶的風險點。這臺機器，可以提早發(fā)現(xiàn)這些金融機構(gòu)貸款業(yè)務中90%以上的貸款壞賬，并且可以提早預測客戶是否逾期歸還貸款，預測準確率均在80%以上。傳統(tǒng)的銀行風險建模一般一個數(shù)據(jù)團隊工作3到6個月，而CAN只需要3天。

無論是數(shù)據(jù)的清洗整理，還是算法的復雜處理，都是CAN的內(nèi)在機制。對于銀行客戶經(jīng)理，CAN提供的數(shù)據(jù)結(jié)果無比簡單——客戶經(jīng)理負責客戶的信用風險打分及對應的風險因子。CAN建立了這個數(shù)據(jù)提煉機制之后，自然把外部大量數(shù)據(jù)與內(nèi)部數(shù)據(jù)動態(tài)整合，整合后的風險數(shù)據(jù)不僅包括客戶的基本信息、金融行為、動態(tài)還款行為，并且還包括客戶以及他的網(wǎng)絡關(guān)系對應的央行征信數(shù)據(jù)、法院工商數(shù)據(jù)、房產(chǎn)資產(chǎn)數(shù)據(jù)以及在P2P平臺上的貸款及表現(xiàn)數(shù)據(jù)等。從臟亂復雜的大數(shù)據(jù)到包含豐富預測信息的大數(shù)據(jù)，正是CAN的輸入和輸出。

當客戶經(jīng)理負責客戶出現(xiàn)風險，他將第一時間獲得風險預警，并可以根據(jù)CAN輸出的風險因子去追蹤事實真相。對于銀行客戶經(jīng)理，大數(shù)據(jù)經(jīng)過CAN的處理，成為在他們?nèi)粘I(yè)務流程中的“決策抓手”。大數(shù)據(jù)遠在天邊，也近在眼前。

商品銷量預測機器人：BOB

在CAN被多家銀行客戶高度認可之后，楊滔又帶領(lǐng)他的團隊開發(fā)了桃樹機器人工廠的第二個機器人BOB。BOB是一款選品機器人，它可以基于商品的行業(yè)、類目、關(guān)鍵字、款式、價格、產(chǎn)地和營銷渠道數(shù)據(jù)，預測商品在一定流量中，不同的場景、時間下，可獲得的成交額(或轉(zhuǎn)化率)。

電商運營的第一個環(huán)節(jié)就是選品。選品包括商品采購、營銷活動爆款篩洗、商品排序規(guī)則等。B2C選品好壞直接關(guān)系庫存積壓，電商平臺選品好壞直接關(guān)系流量分配機制，淘寶賣家如果無法打造爆款根本獲得不到流量，導購網(wǎng)站其實也就是一個選品系統(tǒng)。傳統(tǒng)電商選品主要依賴行業(yè)經(jīng)驗，運營人員通過對不同行業(yè)的經(jīng)驗來判斷什么商品會賣得好。這種運營方式的局限在于難以規(guī)?；⑶疫€有腐敗可能性。并且，在互聯(lián)網(wǎng)上，所有商品信息都不是孤立的，消費者往往會比價，從多個電商平臺找到性價比最優(yōu)的商品。因此，綜合電商自身與外部數(shù)據(jù)的選品，才有可能滿足消費者需求。

選品機器人BOB的誕生，直擊電商行業(yè)發(fā)展的基礎(chǔ)痛點：1. 商家面對十幾億海量商品，不知如何選則適合自己平臺的客群的商品; 2. 除了淘寶京東這樣的大型平臺，一般的中小電商迷失在海量數(shù)據(jù)中，缺乏利用數(shù)據(jù)幫助運營的知識。這些中小電商，在互聯(lián)網(wǎng)時代依舊依賴傳統(tǒng)的人工經(jīng)驗判斷來進行決策，效率低下;3. 電商數(shù)據(jù)應用的技術(shù)門檻極高，商家面臨大量非結(jié)構(gòu)化文本數(shù)據(jù)，圖像數(shù)據(jù)，中小賣家卻往往沒有能力建立數(shù)據(jù)科學團隊，無法充分利用大數(shù)據(jù)幫助決策。

這一切問題，BOB都可以全自動化的解決。BOB起源于利用機器學習技術(shù)建立大規(guī)模商品銷量預測模型。此模型成功幫助電商巨頭淘寶旗下的聚劃算平臺實現(xiàn)數(shù)據(jù)化運營，挖掘爆款，提升運營效率80%，提升銷售額235%。桃樹科技成立的短短數(shù)月間，已經(jīng)與多家電商網(wǎng)站展開洽談，并與新興電商網(wǎng)站街蜜以及風趣海淘簽署了服務協(xié)議。

桃樹的夢想，是讓天下沒有難用的數(shù)據(jù)，讓人人都可以成為數(shù)據(jù)科學家。

在執(zhí)著追尋這個夢想的路上，楊滔帶領(lǐng)著他的團隊不斷壯大著他們的機器人工廠，這些機器人個個武藝高超，兼?zhèn)鋸臄?shù)據(jù)源自動清洗數(shù)據(jù)，抽取特征，并自動學習、預測、解釋及強化自我的能力。它們內(nèi)置了世界頂級數(shù)據(jù)科學家的智慧精華，擁有讓數(shù)據(jù)價值最大化的計算程序，可以模擬數(shù)據(jù)科學家工作流，肩負著將各行各業(yè)的大數(shù)據(jù)高效率轉(zhuǎn)化為商業(yè)價值的使命。

阿姆斯特朗踏上月球時曾經(jīng)說過：“這是一個人的一小步，卻是人類的一大步。”如今，人類憑著對知識無窮盡的渴望與狂熱，已經(jīng)邁出了一步又一步。

楊滔說：“大數(shù)據(jù)的0到1，其實就是人的99到100?！?