清博向安玲：智能数据——数据之美与智能之势

大家下午好，很开心今天在这里跟大家进行交流。今天我主要从通用研究的层面来谈一下自己对智能数据的一些看法。

在大数据时代，我们经常强调一个概念叫5V，也就是规模大、速度快、类型多、密度低和真实性，那么智能数据则更强调的是5P，我把它总结为数据规模、数据粒度、数据模型、数据产品和数据红利。这五块内容环环相扣、层层递进、缺一不可，是每一家大数据公司底层运作逻辑。

首先是数据规模要足够大，也就是我们需要去覆盖尽可能多的平台、尽可能多的终端、尽可能多的用户。先把数据池给搭建起来，然后不断地去扩充它，形成规模化效益。这也是智能数据的底层基础。

其次，数据粒度要足够细，光把用户圈起来是不够的，你需要知道他是谁，在哪里，做什么，简单理解就是需要给他打标签，用标签把人跟人区分开。现在国外一个脸书的帐号就可以被打上一百多万个标签，而且不仅仅说是你的年龄、性别、职业、地域基本信息，甚至包括你家里有没有养宠物，可能交过几个女友，你最喜欢什么品牌，最喜欢去哪些超市，这样子生活化、场景化的标签。

所以，以后我们每个人出去头顶上可能都会顶着一堆标签，这些标签会形成个人的能量柱。比如，你头上顶着“高富帅”和“霸道总裁”的标签，你的能量柱会更高，商家更容易扫描到你。这个能量柱怎么算出来的呢？靠的就是数据模型。如果说数据标签是为了告诉我们这个人是谁，在哪里，做什么，那么数据模型就是告诉我们，他喜欢什么，他可能会去做什么，然后能够达到什么样的一个效果。现在常见的数据模型包括评估模型、推荐模型和预测模型。

如果我们把刚刚所说的这一系列的数据模型，放到一个具体的应用场景当中去做具象化开发，就会形成一系列的数据产品。

举个例子，如果把推荐模型放到信息流当中就成了内容推荐，也就是头条模式。本来只是一个新闻资讯类的APP，加入了数据模型就成了大数据产品，相应的你把这个模型放到电商平台就成了产品推荐、消费导向，如果放到我们的舆情系统当中，就成为了危机预警和推荐。

无论是数据规模、数据粒度还是模型和产品，它的基本的出发点或者说最后的落地点都是数据红利。这里所说的数据红利是从用户视角出发的，是数据能给用户所带来的价值，并非是它能给数据厂商带来的利润。

我们可以把数据红利划分为两个层次。一个是优化决策和提升效率的，比如数据预测和评估，都是为帮助用户发现痛点，对症下药。这个是帮用户省时间。另外一个相反，是为了是满足偏好、创造需求。比如我们做数据推荐，不断地给你想要的、想看的、想买的，从本质上看就是在黏住用户、帮助他打发时间。所以数据红利的本质，其实就是在跟用户的时间较劲，不管是帮助用户“省时间”还是“费时间”，最核心的还是要抓住用户痛点，真正能解决他的问题。

对于任何一家大数据公司而言，如果说缺少了这五个环节的任何一块，它的数据可能就是无效的。

在数据规模方面，我们认为必须实现线上和线下的全面触达，目前在线上数据这一块，清博已经覆盖了两微一端一站，包括平媒电子版、短视频直播等二十多个平台，接近一百万个站点，每天更新的资讯数据量是五千万条，数据保有量达到了十亿。短视频和直播也是我们今年布局的一个重点。

线上数据的采集和分析，其实已经进入到了一个红海市场，各厂商之间的争夺非常的惨烈，所以说近两年来也有越来越多的大数据公司，开始把视角转向线下。线下数据的整个采集逻辑跟线上是相通的，我们可以把线下的一个个门店、超市、景点，理解成为一个个APP，我们要想获取这些APP里的用户数据，就需要在里面去埋SDK，只不过这些SDK不再是程序代码和软件包，而是免费Wifi、红外探测仪，甚至是抓娃娃机和充电宝、二维码等等，我们通过这些入口去整合线下到店客户的开放数据信息，然后基于这些信息，可以精准地去服务于门店。

当然，线下数据采集所涉及到的规模成本包括风险性都比线上数据更高，但其所能够带来的转化率、包括服务的精准度都更强。所以我们可以预计，近两年内会有越来越多的大数据公司，开始在线下数据这一块跑马圈地。

再说数据粒度，目前我们针对资讯内容实现了机器的自动化打标，包括对资讯内容的基本属性和关联主体的属性，整个的标签体系大概是涵盖了八百多个因子，这当中大部分都可以通过机器自动的聚类识别进行标注，有些目前还需要人工辅佐进行判断。

在用户标签这一块，我们每天可以采集到十二亿次的场景行为数据，也就是说我们每天会在不同的时段去扫描我们的终端用户，整合用户网络使用行为、地理位置、设备属性和一些基本的帐号属性。基于这些扫描到的基础数据，我们可以对这些用户进行全方位的数据画像，包括对用户五维性格特征、意识风险都可以进行数据测算。

当然，现在还很难做到对每一个ID都做到这样全息、立体、深度的数据画像，主要还是集中在对头部帐号，或者是事件传播过程当中关键发声主体进行分析。也就是我们目前在做的，其实叫IP大数据，但是在未来会逐渐的向ID大数据拓展。

在数据模型和数据产品这一块我们目前也在不断地延伸触角。未来，我们将在保证真实性、客观性、透明性、开放性的基础上，通过跨界合作，去聚合更多的里层数据，我们希望向更多的研究机构、企业、包括政府部门去进行数据共享，通过数据资源交换去助推数据融合，在数据红利层面实现多赢。