国外亚洲成av人片在线观看,热99re久久精品这里都是精品,天堂网在线最新版www,国产成人av区一区二区三,51久久成人国产精品麻豆

為打破數(shù)據(jù)孤島，創(chuàng)造更大的數(shù)據(jù)價值，阿里設(shè)計了OneEntity，來提供全域數(shù)據(jù)與服務(wù)。本文作者分析了創(chuàng)造OneEntity的原因和價值，解析了OneEntity體系。

前幾篇你跟草帽小子一起了解了阿里數(shù)據(jù)中臺的建設(shè)計劃，接下來我們一起來解密OneEntity體系。

一、數(shù)據(jù)孤島

阿里巴巴作為一家包含多條業(yè)務(wù)線的公司，如電商、金融、廣告、文化、教育、娛樂、設(shè)備和社交等領(lǐng)域，數(shù)據(jù)區(qū)域包含國內(nèi)、國外；數(shù)據(jù)場景包含線上的人貨場錢、線下的人貨場錢位置等數(shù)據(jù)，以及物流、用餐、咨詢、影視、出行、閱讀、音樂和健康等相關(guān)數(shù)據(jù)。

僅是與人相關(guān)的數(shù)據(jù)就包含業(yè)務(wù)賬號信息、PC cookie、無線IMEI與IDFA等設(shè)備標志、身份屬性等。

而隨著人們互聯(lián)網(wǎng)行為的多樣化，如果每天都有數(shù)千億條實體數(shù)據(jù)產(chǎn)生，而這些數(shù)據(jù)都分屬于不同業(yè)務(wù)單元，那么數(shù)據(jù)就很容易孤立。

草帽小子思考：以前總是不理解數(shù)據(jù)孤島這一部分，明明已經(jīng)建立了onedata體系，做好了各業(yè)務(wù)線數(shù)據(jù)接入，ODS層數(shù)據(jù)全面接管，明明數(shù)據(jù)都匯總到了一塊，為何還說數(shù)據(jù)孤島呢？

直到真正開始做用戶畫像這一工作才發(fā)現(xiàn)，底層的指標體系往往是直接面向各個業(yè)務(wù)線內(nèi)，缺乏一個業(yè)務(wù)線間的關(guān)聯(lián)，這是由業(yè)務(wù)局限性導(dǎo)致的。比如說，你是淘寶的運營人員，那你會關(guān)注釘釘?shù)闹笜梭w系是怎樣的嗎？

答案是顯然不會。

那這樣就產(chǎn)生了數(shù)據(jù)的斷層，單是從底層的指標層，用戶在釘釘?shù)男袨榱?xí)慣，淘寶的人員是無法獲知的。那如果我作為淘寶的人員，既想知道他在淘寶上購物行為，也想知道他在釘釘、支付寶、優(yōu)酷等地方的行為習(xí)慣，又該從何得知呢？

二、數(shù)據(jù)只有融通才能真正產(chǎn)生價值

為打破數(shù)據(jù)孤島，創(chuàng)造更大的數(shù)據(jù)價值，阿里設(shè)計了OneEntity來提供全域數(shù)據(jù)與服務(wù)。OneEntity體系主要包含統(tǒng)一實體、全域標簽、全域關(guān)系、全域行為4大類。

1. OneEntity統(tǒng)一實體

將若干個實體歸攏到一起，并命名為OneEntity，可分為一般質(zhì)量、高質(zhì)量、高價值OneEntity。

2. GProfile全域標簽

基于歸攏后的數(shù)據(jù)對OneEntity進行貼標簽的操作。在OneEntity體系中，如何為OneEntity貼上標簽并找出高質(zhì)量、高價值的OneEntity是最常見的問題。

這幾離不開標簽的萃取能力，那阿里是怎么萃取標簽的呢？

（1）有效

一方面，主動去找人口學(xué)、社會學(xué)等學(xué)科的教授，學(xué)習(xí)與“人”相關(guān)的理論知識；

另一方面，調(diào)研了很多業(yè)界的標簽分類體系，取長補短。

最終，將“人”的立體刻畫劃分為“人的核心屬性”和“人的向往與需求”2大部分，具體包含4大類：

人的核心屬性，可分為自然屬性、社會屬性。

• 自然屬性：是指人的肉體存在及其特征，是人自出生后自然存在的，一般不會因人為因素發(fā)生較大的改變。例如“性別”“生肖”“年齡”“身高”“體重”等。
• 社會屬性：指人在實踐活動基礎(chǔ)上產(chǎn)生的一切社會關(guān)系的總和。人一旦進入社會就會產(chǎn)生社會屬性。例如經(jīng)濟狀況、家庭狀況、社會地位、政治宗教、地理位置、價值觀等。

人的向往與需求，可分為興趣偏好、行為消費偏好。

• 興趣偏好：是人堆非物化對象的內(nèi)在心理向往與外在行為表達，是一種法子內(nèi)心的本能喜好，與物質(zhì)無必然關(guān)系。例如渴望愛情、需要安全感、討厭臟亂環(huán)境等。
• 行為消費偏好：是人對物化對象的需求與外在行為表達，涉及各行業(yè)，與物質(zhì)世界存在千絲萬縷的聯(lián)系。例如母嬰行業(yè)偏好、美妝行業(yè)偏好、洗護行業(yè)偏好、家裝行業(yè)偏好等。

在以上四大類的基礎(chǔ)上，我們又嘗試根據(jù)不同的業(yè)務(wù)形態(tài)進一步細分二級、三級分類。

（2）高速

標簽的萃取工作包含：數(shù)據(jù)采集；清洗，去噪聲并統(tǒng)一；反復(fù)試用并確定最佳算法及模型；為模型選擇計算因子并對模型中的每一個計算因子調(diào)配權(quán)重；產(chǎn)出標簽質(zhì)量評估報告以輔助驗收。

我們隨機抽查了若干個在用的標簽，預(yù)估工作量和工作周期，一個有價值的標簽的萃取，平均耗時2周。

慢的主要原因，一是由于萃取流程復(fù)雜，每個標簽萃取都依賴底層的基礎(chǔ)數(shù)據(jù)，而較少依賴上一層匯總的數(shù)據(jù)中間層數(shù)據(jù)；二是大量重復(fù)的人力，對應(yīng)的標簽萃取邏輯時可以復(fù)用的，包含算法的選擇、模型訓(xùn)練和計算因子的加權(quán)等，但由于不同人來做，造成了很多重復(fù)工作。

標簽萃取過程復(fù)雜，那有什么可以參考的流程呢？

首先，數(shù)據(jù)源層面：建設(shè)一套完整的數(shù)據(jù)源，以O(shè)neEntity體系為核心，將OneEntity相關(guān)實體及其行為全部串聯(lián)起來，與存量的標簽一起作為數(shù)據(jù)源。

其次，標簽計算層面：將標簽萃取邏輯沉淀為2種，分別對應(yīng)到偏好類標簽和分類預(yù)測類標簽的工具型產(chǎn)品的生產(chǎn)過程中，包含計算因子、權(quán)重等業(yè)務(wù)規(guī)則、數(shù)據(jù)樣本選擇、模型與算法選擇等。

最后，標簽監(jiān)測層面：沉淀質(zhì)量評估報告和生產(chǎn)監(jiān)測、上線等管理流程。

當一整套工具型產(chǎn)品上線之后，批量生產(chǎn)十幾個同類型標簽只需要2天左右，這是因為在補足數(shù)據(jù)源、確定業(yè)務(wù)規(guī)則、選擇數(shù)據(jù)樣本、選擇算法與模型的過程中，減少了大量的代碼開發(fā)與模型訓(xùn)練的工作。

在這個過程中，參與的角色也發(fā)生了變化，從原本的以數(shù)據(jù)產(chǎn)品經(jīng)理、數(shù)倉工程師、數(shù)據(jù)科學(xué)家為主導(dǎo)，轉(zhuǎn)變?yōu)閷I(yè)務(wù)更為熟悉的業(yè)務(wù)人員、數(shù)據(jù)分析師為主導(dǎo)。

3. GRelation全域關(guān)系

找到對象的關(guān)聯(lián)關(guān)系，當OneEntity代表人時，就可以找出他的親屬、朋友、校友和同事等；當OneEntity代表商品時，就可以找出他的上下游商品/貨等。

4. GBehavior全域行為

將與OneEntity相關(guān)的實習(xí)及行為關(guān)聯(lián)起來，形成一套用戶行為體系。如：

• 姓名、郵箱、地址等，這是現(xiàn)實世界中的唯一標志，就像OneEntity代表著你在大數(shù)據(jù)世界里的唯一標志。
• 籍貫、年齡、政治面貌、宗教信仰等，這是現(xiàn)實世界中的標簽畫像
• 父母、子女、夫妻等，天生或后天產(chǎn)生的一系列關(guān)系，代表著GRelation在大數(shù)據(jù)世界中的關(guān)系
• 何年何月讀大學(xué)、何年何月第一次參加工作、何年何月獲得某項獎勵以及證明人是誰等

在大數(shù)據(jù)的世界里，將孤島數(shù)據(jù)實現(xiàn)融通并加以萃取，可以圍繞一個主題展開全面剖析。