- 輕松學大數據挖掘:算法、場景與數據產品
- 汪榕
- 1632字
- 2019-12-04 19:10:00
1.3 大數據時代的我們
有人說人之所以痛苦,原因在于追求錯誤的東西。可是筆者認為,很多時候痛苦來源于迷茫和無奈。對筆者而言,不管是生活還是工作,更看重先做一件正確的事,并且不顧一切地做下去。
2016年11月16日到18日,世界互聯網大會在浙江烏鎮舉行,全世界都在關注此次大會,筆者也一樣很期待。
在李彥宏演講結束以后,筆者深思了很久,伴隨著互聯網的日新月異,從移動互聯網,到人工智能,在大數據思維全面灌輸的時代,我們何時能夠追上科技發展的步伐?
不管是戰勝李世石的AlphaGo,還是因為錘子M1一炮走紅的科大訊飛,這些都是推動大數據實踐落地的優秀先驅者。整個大數據環境,從萌芽到逐漸嘗試突破層層泥土,讓人們看到它有價值的一面,這是好事。
筆者也在做類似的嘗試,相信數據產品能夠服務于業務,應用于生活,彰顯大數據更有價值的一面。就拿反欺詐產品來說,其能夠整合全渠道,甚至是第三方的數據源,通過分析用戶在平臺上的一舉一動,以及多個用戶之間的強關聯性,實時精準地監控用戶在生命周期內的異常行為,甚至是識別惡意詐騙團伙。對于公司的運營成本,這樣的大數據應用意義非凡。
還有很多這樣有價值的應用,它們致力于服務消費者。就像淘寶推出的“聚星臺”,隨著移動互聯網的發展,越來越多的用戶群體被從PC端引流到手機端,購物,看新聞,尋找飲食。
聰明淘寶人,提出了用戶畫像和商品畫像,精準推薦另一個應用場景——千人千面,異于傳統模式下的協同過濾(基于人、物,甚至是商品之間的推薦),更人性化地展示給用戶不同的商品寶貝,精準地推薦商品,縮短了用戶的購物路徑。這樣對于具有“選擇困難癥”的朋友來說是一個福音。
雖然在和淘寶對接的過程中,這樣的大數據應用落地效果并不完美,還有待優化,但是,這表示大數據時代帶來的價值,已經轟轟烈烈地來了。
不少人會感覺到恐慌、陌生,甚至是無助。因為他們對大數據思維沒有任何概念,但是他們都有一個信念,期待能夠獲得大數據時代“豪華游輪”的一張船票。而筆者想說的是,只要你足夠走心,有大數據情懷,并找到正確的方向,你就能登上這艘游輪。
因為現在的大數據環境,還需要更多先驅者來推動這個領域的發展,打破外界對它的偏見,大數據并不是“大忽悠”,而是一種必然。
筆者想到了幾年前的那個冬天。
市場:那時候大數據的整體氛圍還沒有這么強烈,很多公司都是在當時的業務方向上做小數據量的數據分析和挖掘工作,更多的時候是借助一些分析軟件來分析數據,如MATLAB、SPSS和SAS。
職業:那時候身邊的同學都在忙著考研、出國,也有一些同學在找與專業相關的工作。很少有朋友會選擇從事與數據相關的工作,因為他們覺得沒什么前途。
培訓:當時整個線上培訓環境還很“純潔”,大部分都是針對學校范圍內的考研培訓、外語培訓和Java編程培訓。仿佛大家對于IT行業的認知一直停留在很多年前。
當時筆者有怪號:“大神”、“大俠”,可為什么不是“學霸”呢?因為筆者專業課成績一塌糊涂,整天一股腦地學習數據、學習模型、參加建模比賽。這個稱號更多的是帶有些一笑而過的無奈。那時候筆者只有獨自學習,也走錯了一些方向。例如整天抱著學術論文學習各種看不懂的算法,特別是一些啟發式算法,基本上學完就忘,也不知道適用場景;還曾經找關于Excel的書籍學習函數、圖表、數據透視圖,甚至是VBA,認為懂的花式越多就越厲害;一味地學習各種圖表的設計,使用一些畫圖軟件,做信息圖,做可視化,讓人有視覺上的沖擊。
人這一生,會走不少彎路,有些彎路會讓你有所成長,如果有人曾經告訴你那是彎路,你就可以省下很多時間,從而利用這些時間做更多有價值的事。
這也是筆者喜歡寫文章的原因,讓一些即將進入大數據圈子里的人,能夠以正確的姿勢進入這個門檻而不繞彎路。畢竟在大數據領域,還有很多值得探索數據價值的方面。
大數據行業是一個高技術門檻的行業,請大家理性地看待身邊的培訓。有以下三點建議,送給大家:
· 多看多聽,知曉大數據生態圈正確的方向。
· 多學習,親自動手實踐,這才是重中之重。
· 多討論,偶爾看一些行業內實戰性的文章,以及實踐分享案例。
- Redis使用手冊
- 在你身邊為你設計Ⅲ:騰訊服務設計思維與實戰
- Python絕技:運用Python成為頂級數據工程師
- 數據可視化:從小白到數據工程師的成長之路
- 數據分析實戰:基于EXCEL和SPSS系列工具的實踐
- Hands-On Machine Learning with Microsoft Excel 2019
- Java Data Science Cookbook
- Live Longer with AI
- Oracle高性能自動化運維
- INSTANT Cytoscape Complex Network Analysis How-to
- 智能數據時代:企業大數據戰略與實戰
- 金融商業算法建模:基于Python和SAS
- 大數據架構商業之路:從業務需求到技術方案
- PostgreSQL指南:內幕探索
- 智慧的云計算