貨拉拉大資料總監劉幸：大資料&智慧化體系的建立 | 2018FMI人工智慧與大資料高峰論壇（深圳站）
10月28日FMI 2018人工智慧與大資料高峰論壇深圳場圓滿落幕,貨拉拉大資料總監劉幸以大資料&智慧化體系的建立為主題進行了精彩的分享。
貨拉拉大資料總監 劉幸
以下是劉幸演講內容，飛馬網根據現場速記進行了不改變原意的編輯（有刪減）：
劉幸：大家好！我今天分享內容的標題是《從零建立大資料&智慧化體系》。主要分為三個部分。
01
第一部分：大資料行業綜述
首先從不同行業大資料的發展來探討一下當下的現狀。
金字塔頂端是互聯行業，因為網際網路行業資源充足，其次網際網路行業有成熟的工程師文化，資料團隊是作為核心競爭力，最後外包模式雄厚的資金也使得網際網路居於大資料行業的頂端。
第二梯隊的是金融行業，金融行業特色採用“外包+正式編制”，重分析和業務。資料可以給金融公司帶來可觀經濟效益，所以很重視資料驅動營收的模式明顯。
第三梯隊是交通運輸、醫療健康、公共管理、能源、科教等等。這些偏向公益型或者政府主導的，帶有大量資料積累的行業。
第四梯隊、第五梯隊，是製造、建築、房地產、餐飲、農業、住宿等等。這一批資訊化弱，本身的資料沒有太多積累，且資金相對薄弱。
大資料、智慧化不分家，兩者都面臨著資料價值落地難的業界痛點。
資料團隊不直接產出價值，而是通過業務團隊間接產出價值，很難衡量中間的價值量。
產生價值要資料科學團隊和業務團隊緊密配合。這個配合涉及兩個很大的問題：一個滿意度問題，一個是部門牆問題。
怎麼解決這個問題呢？
1、構建資料體系，用好資料。
2、通過業務將資料找到價值出口，這裡面最關鍵的是團隊合作。
資料價值落地閉環
從資料來源開始，然後收集埋點、資訊轉化、資料處理，最後得到結果（可以是統計分析學結果，可以是資料探勘、機器學習等等出來的結果）。
如何用資料？
我們要運營資料，通過做迭代、做迴圈，有結果要分析、要洞察、要引導決策、持續優化，最後形成資料的反饋閉環。其中引導可以人也可以機器引導，人引導是分析師做的事情，機器引導是人工智慧做的事情。
資料團隊體系的組織架構
1、矩陣型（模式典型）：業務黏度最高
2、中心型：在影響力、決策相應度、可複用性和團隊結合效率更好。
成熟資料體系的特徵：
1、資料有價值。
2、資料成體系。
02
第二部分：企業級大資料體系建設實踐
如果要從0開始建設大資料和智慧化的體系，應該怎麼辦？
第一步做資料轉換。二是做資料的處理和整合。資訊經過分析變成情報（可以理解為組織得比較好，經過統計和挖掘相關出來的資料，這其實就是情報），情報通過學習變成知識，知識放在應用裡面變成智慧，這就是我們講的智慧城市、智慧交通。智慧的系統做出來安到裝置上就是實踐，實踐之後產生很多資料然後進行反饋，最後就形成一個閉環，這是資料自己的閉環。
發展願景
創業團隊或者內部創業團隊都有發展願景：一是建立資料體系，二是資料化運營，三是資料驅動業務，四是智慧物流企業，五是驅動產業鏈升級。
方法論
發展方法論也叫專業、夥伴、未來。
1、專業：就是深化內功，帶動技術方向，樹立業界大資料專業地位，彰顯大資料團隊的專業知識優勢資源。
2、夥伴：資料也好、智慧化也好，要通過業務找出口和價值，需要成為業務的夥伴，業務和資料是相互合作的關係。只有做成夥伴之後才能更好的驅動業務價值產出。
3、未來：讓業務更加智慧，讓公司更加適應大資料時代或者大資料時代。
建設原則
指導思想是平臺化、服務化和應用化。
1、平臺化：平臺使得大資料和人工智慧不再是一個工具，不再是一種技術，而是集中資源優勢，對資料資產進行深度整合、開發和利用。
2、服務化：讓大資料像當今的專業諮詢策劃機構一樣，不僅接受諮詢HIA提供解決方案。
3、應用化：深化大資料服務，使其有形化、標準化、品牌化。
大資料建設初期戰略
1、建團隊。搭建一個架構團隊，先建的是大資料平臺、資料分析平臺、大資料應用平臺，大資料應用平臺是大資料產品，後面就是資料倉庫，再就是演算法，然後就是一個虛擬的架構組。
2、搭平臺：搭基礎平臺、整合開發平臺、資料服務門戶，還有企業級資料倉庫和人工智慧平臺。
3、做應用：有大資料的解決方案，大資料產品和智慧化產品。
資料從業者的技能棧：
1、資料技能：數學、統計學、機器學習、資料倉庫等等理論。
2、研發技能：Java、SQL、架構能力等。
3、軟技能：業務知識、抽象思維能力、歸納總結能力、溝通社交能力等。
相比資料技能和研發技能，軟技能很少受關注，但它們同等重要。
業務知識，抽象思維能力，歸納總結能力和發散思維，溝通及社交能力，特別是溝通能力和社交能力很重要，因為大部分資料都是通過業務產生價值，所以軟體特別重要。資料技能加研發技能，我叫資料工程。研發技能+軟技能，就是資料產品，產品經理、資料應用工程師等等這些。資料技能+軟技能就是資料分析、資料探勘。真正的資料科學就是這三個技能之間，既要懂資料技能，又要懂研發技能，還要懂軟技能。
03
第三部分：大資料在不同行業的案例
使用者畫像
所有的行業都需要使用者畫像。沒有做過資料的人一般對畫像停留在感官層面，而資料從業者則是要深入到每個人的內心，這樣才能做到資料有價值。使用者畫像是把使用者心裡怎麼想的用資料表達出來，這個技術其實就是打標籤，也即標籤化。
使用者畫像的資料構建（以金融行業為例）
1、客戶的基礎資料：金融行業是一個要求資料特別準確的行業，包括身份證、銀行卡、收入、職業等等都涵蓋在內，其客戶基礎資料非常全面。
2、使用者交易資料：金融行業最核心的業務資料。
3、客戶行為資料：包括交易終端、手機證券易淘金、金鑰匙等客戶行為瀏覽資料。
4、外部資料：如果想要一份完善的使用者畫像，最好是和外部資料關聯結合起來。在業界一邊是通過資料買賣或者是資料交易。
使用者畫像應用場景
使用者畫像可以做基礎統計、場景化運營、資料探勘和運營服務評估。
1、基礎統計：個體分析和群體分析。
2、場景化運營：精準化營銷、客戶的生命週期管理。
3、運營評估服務：運營效果的評估
4、資料探勘相關的功能。
使用者畫像可以理解為不是直接產生使用者價值的業務系統，而是給很多產生價值的東西提供資料來源，提供資料畫像的資料來源，它是一個基礎工作。
智慧客服
智慧客服是一個典型的應用，它一般分為三個小的模組，一是機器人客服；二是機器人助手；三是智慧問答服務。
客戶價值管理體系
這是大資料和人工智慧典型的應用。在金融行業特別好，因為金融行業客服單價特別高。這一塊做的最多的是流失預警，原因是競爭對手比較多，單價比較高。
智慧語音質檢
這是智慧客服做的副產品。智慧客服是提前打一道關，語音質檢是到語音客服手上，從語音對話上發現問題，打客戶的電話說電話會被錄音，錄音就是質檢。之前抽樣質檢，10%抽樣率，有智慧化之後就變成了全量檢。
智慧投顧
現在金融行業比較火的是智慧機器人、股票機器人。
把人工智慧技術用到傳統投資顧問裡面去的東西，有人說這個行業變味，變成推銷產品，用技術包裝一層然後推銷基金和各種各樣的理財產品。但是脫下高科技的外衣本質是一回事。這裡強調一下，這裡和賣理財產品有區別。智慧投顧根據你的風險偏好和投資行為和風險承受能力，有的喜歡炒長線，有的喜歡搏短線，有的操作頻率高，有的操作頻率低，千人千面，每個人算一次，然後推薦喜歡的和感興趣的投資組合，進行自動組合，這是唯一的區別。本質還是一堆產品裡面挑你喜歡的。
手機APP崩潰分析
個性化推薦
我的分享到這裡。謝謝大家！
關注公眾賬號
【飛馬會】
▼
往期福利
關注飛馬會公眾號，回覆對應關鍵詞打包下載學習資料；回覆“入群”，加入飛馬網AI、大資料、專案經理學習群，和優秀的人一起成長！
回覆 數字“11”50本書籍大禮包：AI人工智慧/大資料/Database/Linear Algebra/Python/機器學習/Hadoop