技术红颜告诉你大数据分析的真谛：别只盯着我的钱！

假说一：基于人，寻找“常人”和“常模”

数据运算的本质是找寻常人”稳定的人“，分析的本质是建构”常模“，常模建立之后才能对象于个人。

任何一个人的行为都没有规律，但是人的生活行为方式是都极其规律的。因此在进行数据运算时，对生活方式的探究价值要远远大于对行为打标签。生活方式对应的就是“常人”。

人的态度、行为、情绪、场景都是不同的，似乎找不到规律可言。但人是生活在群体当中的，群的行为是用户特征的综合，代表的是一种稳定的生活方式与态度，是可以感知和评判的，其变化是也有规律可循的。正确的做法是对某一个群体的行为分析来建立常模，要注意的是，这不同于数据挖掘算法中的”分类‘。这种分析这不是行为的叠加，是一种生活方式的展现， 一个人可以从属N个群。文章开头提到的“技术红颜”就是典型的例子。

• 假说二：基于物，寻找N维空间与人的认识能力

这个假说的前提是每个非人的事物都有一个确定的N维空间，而且N可以从人的认识能力角度定义。每一个不同的物品，N维空间不一定一样，但都是相似的，体现的只是数量的变化。

TESCO的运算逻辑是抽样实验+分析+大数据推送，随时实验，购物篮组合，它把每一个产品都用20个维度打标签，收集了海量的顾客数据，通过对每位顾客海量数据的分析，对每位顾客的使用程度和相关风险都有一个极为准确的评估。推荐这件事情就变得简单多了。

其实，运算当中可以融入社科的所有思想，现有很多程序员只关注自己的领域，对其它的行业一点不了解，您说说，做出的分析能靠谱吗?

大数据运算的逻辑本身是要反推人性。因此数据科学要将社会学、经济学、法学、政治学、传播学等所有学科已有的知识，稳定到计算当中。相信那种运算规则不仅效率高，而且简单。

作者：于雪

来源：51CTO.com

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!