萬物皆數據，數據藏大道。教你Know那些有趣、有用、有逼格的Data!

繼續“術”篇，希望能更貼近實操。

“術”篇將包含數據收集、數據管理、建模、網站分析、個性化推薦、場景應用、數據升溫理論等，這些都是筆者擅長的領域，在長期的實踐過程中，形成了個人獨特、務實的理解和方法。

建模無疑是大數據里面最藝術的部分，也是最令大數據從業者癡迷、得意的領域，一個好的模型就是一篇作品，是一首詩，令人心曠神怡。

建模、模型并不是什么新鮮事物，它們早已出現在很多場合，譬如“產品模型”、“推薦模型”、“營銷模型”、“挖掘模型”等等，它們有什么不同？

建模的幻影有千萬種，有些人做過，有些人沒做過，我們該如何看待？

建模是不是需具備很多專業知識，非專業人士無法掌握？

小白楊的所思所想，都在下面的文字。

　　 一、建模并不神秘：讓數據產生新的數據

一些建模的觀點已在前面的道與法兩篇體現，歸納如下：

　　 建模的本質就是讓數據產生新的數據。 人類、智能體的認知、行動需要用到不同的數據（Know->行動），如果這個數據沒有被直接掌握，那就要基于已知的事實數據推測，這個過程就是“建?！保玫降慕Y果就是一個新的“數據”。

　　 建模就是在做偵探， 都是利用已掌握的大量的、不完整的、不一定可信的事實數據推導還原事實的全部。幾乎所有的領域都涉及建模。

　　 模型分三大類，但萬變不離其宗。

第一類，利用已知的事實數據計算推測相關聯的其它事實數據，譬如應用人的屬性、行為數據推測它的消費需求；

第二類，利用已知的事實數據計算推測規律性的數據，譬如基于歷史的購買記錄分析商品的銷售趨勢、細分比較等；

第三類，利用已知的細節事實數據組合建立對事實全局的認識（數據），譬如從生效時間、適用區域及客戶群、定價等維度建立產品模型，其實就是綜合這些細節數據形成了一個“產品”的“數據”。

對“新”的數據的認識不要拘泥于一定要和以前的數據不一樣，多個數據組合形成新的含義也是一種新的數據。

數據是人類對世界的觀測，把客觀世界抽樣、采集到數字世界里面，建模就是要在數字世界里面把客觀事實還原回來、預測它的發展。有趣的是，在數字世界里面，可以打破客觀物質的當前認知局限，任意交叉組合，從而有無限創新的可能。

總結一下，建模本質就是對已知數據的組合、簡單或者復雜的計算處理，最終轉換成一個新的數據，從而影響行動。

不同類型建模差別很大，接下來我們將聚焦到數據營銷領域來探討，部分觀點不具備普適性。

　　 二、建模的六大誤區

　　 誤區一：會用工具等于會建模？ 數據挖掘大多遵循CRISP-DM流程，弄來很多的數據維度（有甚者上百種），選取某一種算法，找來訓練集訓練出一堆莫名其妙的規則，輸出的目標用戶特征誰也說不清楚，只能告訴你支持度、置信度多少。這個過程本來是沒有問題的，前提條件是有明確的挖掘方向。但是很多人都錯把業務目標當挖掘方向了。

真正的建模應該從業務目標開始，先基于業務目標理解客戶分解挖掘方向（特征明顯的群體），再找數據用算法關聯推導。懂工具能很好的完成挖掘方向到目標結果的過程，但業務目標到挖掘方向這個過程就不是只掌握工具就能夠勝任的了。

敏銳的洞察挖掘方向、正確的數據選取是建摸的核心能力，比掌握工具更加重要！

　　 誤區二：建模不與實際銷售場景相結合！ 某央企（莫亂猜）各省公司大數據成功案例滿天飛，模型成功率動輒30-40%。筆者看到的時候自慚形愧，也一直很納悶，做了這么多年精準營銷，大部分模型的營銷成功率都是幾個百分點，兩位數以上的鳳毛麟角，怎么別人的水平都已經趕超美帝了！后來終于搞明白，原來他們的目標客戶在各種渠道成功下單都算，不管是否施加了營銷動作，而我們只統計針對目標用戶采取營銷動作的直接轉化下單。他們得意于挖出目標用戶的精準，其實，這些模型的高成功率只能說明這批用戶自然轉化率高，找出這些用戶并無實質意義，因為不施加任何動作用戶就已經購買了，挖它出來干嘛？

建模必須與實際銷售場景結合，要么找出自然轉化率高的用戶采取更低成本的接觸方式轉化，要么找出一批用戶施加營銷動作后較自然轉化大大提升！

　　 誤區三：盲目使用、過度依賴訓練集！ 訓練集是個雙刃劍，正確使用能充分發揮技術算法的價值，而濫用則陷入誤區。前面說的某央企案例，其實訓練那些模型并不困難，不就把各渠道成功下單用戶作為訓練集嘛，掌握工具的新手都能做出來。訓練集要與準備施加的營銷動作一致的才有意義。

訓練集還要有代表性，譬如歷史的數據是和大客戶談妥對其所有員工批量轉化的，以這些數據為訓練集就沒有任何意義。

營銷場景初始往往沒有訓練集，必須跳出“訓練集”局限。

　　 誤區四：要相關不要因果！ 《大數據時代》作者提出這個觀點的時候，其實并不是要放棄追求因果，而是找出相關關系后，更迫切的是接下來怎么做，因果關系可以慢慢研究。這一點被很多人誤讀，世間沒有無緣無故的愛，也沒有無緣無故的恨，兩個事物相關度很高，背后必定有一串的因果鏈條，如果找不到，那可能是因為訓練集的問題導致偽相關，我們就要警惕了。

　　 誤區五：過于迷信算法！ 大道至簡，有效的東西一定是簡單的。非要復雜，那一定是因為沒找到或者沒掌握關聯度更高的原始數據。算法并不能解決所有問題，沒有好的數據基礎，它無能為力。建模涉及到很多關鍵要素，比拼的是綜合實力，在同等條件下，努力提升算法才是有意義的。

　　 誤區六：盲目追求數據精度！ 高的精度意味著更高的成本，對應更少的數據規模，如何取舍就要運用“法”篇說的ROI原則了。

　　 三、建模七術

　　 1、場景驅動

建模的第一件事情是搞清楚應用場景，提煉賣點、利益點，哪些是能打動用戶的關鍵要素。從“命中目標”和“命中營銷特性”這兩個方面去思考我們要找什么樣的用戶，匹配什么樣的關鍵特征。

　　 2、迭代建模

建模要用互聯網思維“小步快跑，快速迭代”，快速對消費者需求做出反應，否則數據會失去時效。因此我們應從簡單開始入手，采用簡單算法快速輸出數據，后續在實戰中不斷檢驗、修正、迭代優化，不斷提升數據的精準性。

　　 3、場景還原

確定業務目標后，還原用戶的生活場景，設想用戶的需求場景，再考察數據能否關聯。

理解生活，數據挖掘會很簡單。商業最終解決的是人們的物質文化需求，你想挖掘什么樣的群體，先從生活中去理解它，它在什么場景下需要這些產品，有什么行為習慣，在我們的數據中留下了哪些蛛絲馬跡？譬如“外圍女”這個群體，你too simple對她們一無所知，就很難把她們找出來。為了挖掘“工業區人群”，我們特地組織前往廠區調研他們購買手機、上網、生活習慣等情況，為了挖掘“出租車司機”，我們打車的時候對他們進行了訪談。

五個方面理解還原。

身份屬性：譬如商務精英消費能力高使用Iphone手機比例高

狀態變化：譬如夜間位置變換，推測用戶搬家了有寬帶需求

行為表達：譬如在社交網絡、搜索引擎等互聯網上表達了對目標商品的關注

習慣偏好：譬如喜歡日本料理、西餐廳的人群超60%使用Iphone手機

關系推測：譬如和快遞員交互的用戶，我們推測它是一個電商消費者

對于任何一個業務目標，都可以從上述五個方面還原與業務目標相關聯的場景，還原足夠多的場景，就可以挖掘出足夠規模的用戶數據。

　　 4、找數據關聯

還原出場景后，就要找數據進行關聯。有些我們可以基于直接數據進行輸出，沒有直接的數據，則找間接數據選取算法進行推導，而間接數據的選取，可繼續應用上述五個方面場景還原的方法。

至于具體如何清洗數據、缺省異常值處理、算法選取、誤差分析等等那些實操細節，文章很多。

　　 5、快速收斂

建模是人與機器協作的結果，核心參與者是人，建模方向由人來確定，數據維度的選取主要是人（機器輔助驗證），算法也是人設計的，機器所起的所用是訓練迭代，而機器儲存的數據相對人腦太單一，人對數據結果、應用結果進行解讀，及時輸入一些理解能加快收斂的速度。

　　 6、少即是多 　

挖掘的目標不僅僅是“有需求”，而是“能轉化”，因為好的營銷場景、文案，能激發那些原來看起來沒有需求的用戶的購買欲望，而即使是有需求的用戶，如果不能直擊它的痛點、愉悅點，也難以轉化。

好的模型應盡量簡單，很多復雜規則的模型有可能命中率高，但實際營銷應用的時候，往往難以與營銷特性相匹配，效果不一定好；而簡單模型特征明顯，全力聚焦用戶特性策劃營銷動作，更能引起用戶共鳴，產生興趣進而購買。

　　 7、高質量的數據才是硬道理

正是因為我們沒有直接數據，所以我們只能找其它數據間接推導，如果我們掌握的數據與目標關聯度很高，那么算法可以很簡單，否則無論算法多么的先進，效果也是有一個瓶頸的。

與其花大力氣建模，筆者更愿意前瞻性的解決數據源問題，收集更多更有效的數據。

筆者更愿意當一個數據架構師，也一直自命數據架構師。

　　最后總結一下，建模其實并不神秘，本質上是讓數據產生新的數據。而建模關鍵是要還原用戶的生活場景，找準方向，找到合適的數據關聯推導，快速校驗迭代收斂。

<完 >

作者：吳顯洋（云中白楊，也稱小白楊）：從小愛數學，畢業于清華大學計算機系，曾是系統架構師，后回歸數據，10年大數據實戰經驗，擅長數據化思考、系統性設計。愛徒步、愛歷史、愛思考宇宙！信奉道家思想，堅信萬物皆數據，數據藏大道。

責任編輯：陳近梅