数据化产品入门：多角度剖析数据价值

小提示：您能找到这篇{数据化产品入门：多角度剖析数据价值}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的数据化产品入门：多角度剖析数据价值内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

编辑导读：大数据是近几年的热门词汇，它可以根据算法梳理每个客户的信息，真正做到千人千面。但是，尽管大数据非常火，对于数据的应用很多人都是似懂非懂。本文将从三个方面对数据价值进行分析，希望对你有帮助。

现在大数据，机器学习，深度学习火爆之极！

大数据森罗万象，各种算法被传得神乎其神，各种指标指数表现优异，尤其是号称千人千面，能做到特意化处理每个用户。无论内行外行均似懂非懂，统统感觉到这种高科技产品是如此神秘莫测。公司似乎不应用个大数据和算法就无法称为科技公司了，马上就被时代的车轮碾压的体无完肤。

但是大家对于大数据时代的基石——数据，大家又知道多少呢？对其应用又能做到几成那？

历代高科技的行业都会披着一层神秘的面纱，让你似懂非懂，但是总是感觉不明觉厉，不由自主地相信改变未来的世界就是她了！

01 数据精度与信息密度

所以我举几个简单的例子，便于大家理解。

现实中，可能发生有利害关系的两个人，对于涉及本身利益的情况都会有选择的保留，隐瞒或者歪曲，甚至虚假夸大。所以一般都会选择信得过的第三方进行了解，做为依据。

• 例A，你找一个人，去问另一个人的情况，能问你想问的所有问题（月薪，单位，学校学历，家境，背景等），这种情况下你愿意付多少酬劳？
• 例B，你找一个人，去问另一个人的情况，但是不能问事实的描述，而仅仅是几个可选的评估指标（收入区间，单位性质，学历层次，消费月均等），这种情况下你愿意付多少酬劳？
• 例C，你找一个人，去问另一个人的情况，她会报几个她自己认为有用的单一评价（收入评分，单位等级，学历等级，消费等级等），这种情况下你愿意付多少酬劳？

进一步推广，很多人都想了解一个人的情况，然后只能问某个人，但是这个人每次都只能回报自己的单一评价，请问这种情况下你愿意付多少酬劳？

假如不给你展示所有她知道的事实内容，也不告诉你所有你想知道的事实内容，而告诉你几个她认为非常有用的评价。

各位看明白现在的情况了么？转换一下，看看从被询问的人处都能得知什么？

• 例A，我们可能从被询问的人处得知，想要了解的人——月薪1W，三大通信商ABCD的总部人事主管(职级M3)，人大直硕，父母都是公务员，北京两套100平的房子，一辆奥迪A6L。
• 例B，我们可能从被询问的人处得知，想要了解的人——月薪1W-3W，事业单位，研究生学历，有房有车，消费月均8K。
• 例C，我们可能从被询问的人处得知，想要了解的人——收入评分80，单位等级2，学历等级2，消费等级3。

显而易见，数据越精细越具体，其中蕴含的信息量越大，即信息密度与数据精度成正相关。

02 相对评价与算法评估

继续以上例子，我们可以详细介绍一二。

• 例A，明确要求你知晓自己想要评估的方面，以及可以通过那些方面予以论证，评估的准确性只受到被询问人的了解程度，你自身对于产品的认知与应用能力所限。由于被询问人所属全是事营销案例实描述，其本身就具备一定的外部评估性。如你要找结婚对象，只要某一方面极端优秀就可以拍板见一面看看，例如清北毕业，或者国企事业单位高级管理，月入30万的老板等。毕竟多元化的世界，评价并非一维的。
• 例B，就是你想到的的评价还不一定能提供，即使能提供也是缩水模糊过的，信息价值很低。其所提供的数据越分层宽泛，越价值低下。其评价做出依据，尚不透明，评价人的水平也有待商榷。
• 例C，提供的是个相对值，就是存在比较的情况才有意义；而且做出比较评价的人的水平，以及评价标准是不透明的或者难以解读。这就好比，一个穷酸书生问媒婆，张家姑娘好不好？媒婆说特别好，特别适合您；当地的员外问同一个媒婆，张家姑娘好不好？媒婆也说特别好，特别适合您；这明显不是一回事，书生需要的是一个可以照顾自己，能做饭能洗衣能吃苦的女孩子，甚至可以懂一点琴棋书画。而员外需要一个懂世故，能持家的大家闺秀。需求本身就不一样，怎么可以用同一标准含糊确定好与坏呐？

评价是主观的，受利益及所处环境所影响，对不同的人有不同的评价；即使对于不同的人而言，同一件事也是可以有不同的评价。

这里面还有被询问的人是否具备相应的专业评估实力，第三方不偏不倚的中立态度（例如媒婆的专业度与可信度的问题）；

现在我们把被询问的人改成时下最流行的大数据算法模型，那么就可以相当明白当前的处境了；

你收集一堆数据，整出一套算法，搞出一套评判体系，但是用户凭什么相信你认可你。就这个难度比较大，所以市场上总是通过各种数据比赛，各种学校光环什么的提升，起到城门立木的作用。

总结一下当前：

• 第三方仅提供处理过的指标值，或者相对评价得分（出于自己利益考量和数据隐私监管）
• 大部分算法模型提供的结果，均属于定量分析；且相对结果限定在数据集的两个极值之间，泛化能力不足
• 算法模型的实用性与可信度不能适应实际项目的落地部署，做到具体问题具体调整，即使有调整也相当有限。

03 大数据之殇——少即是多

工作中主要靠自己的理解，而不是学校里那种标准答案。不同的理解，可能铸就截然不同的产品。

数据化产品要的是真实的价值，而不光是市场的空洞认可但拒不付费，正所谓叫好不叫座（纯粹为了营销的除外）。

大数据讲究海量数据中提取弱相关数据，通过高等数学构成的算法，进行提取有效信息。

数据本身没有价值，数据承载的信息才有价值。

举个具体的例子：

A：数据显示，这个是白色的小盒——你赶紧有用么？

B：然后我们换个角度看，这是个知名品牌化妆品，是不是很想了解一下？

C：这个是赠品，是不是认知又反转了？

算法本身结果单一，不能因具体事情而引入外部特意的信息。这其中还有反复添加新的数据，引入新的信息而发生的结果翻转。

总结一下：

• 角度不同，纬度不同，深度不同，看到的问题不同；
• 看问题的人对同样的事情，会有不同的感受和想法。如何花钱买抖音热门 转发

本文由 @曲多 于，未经作者许可，。

，基于CC0协议。