阿里云大數(shù)據(jù)產(chǎn)品分析？1.產(chǎn)品主要內(nèi)容關(guān)系網(wǎng)絡(luò)總結(jié)是基于組件大數(shù)據(jù)時(shí)空關(guān)系網(wǎng)絡(luò)的可視化分析產(chǎn)品,產(chǎn)品在虛空中“大數(shù)據(jù)多源融合、算出應(yīng)用、清晰顯示分析、業(yè)務(wù)智能”啊,設(shè)計(jì)實(shí)現(xiàn)程序,增強(qiáng)關(guān)系網(wǎng)絡(luò)、時(shí)空數(shù)據(jù)

阿里云大數(shù)據(jù)產(chǎn)品分析？

1.

產(chǎn)品主要內(nèi)容關(guān)系網(wǎng)絡(luò)總結(jié)是基于組件大數(shù)據(jù)時(shí)空關(guān)系網(wǎng)絡(luò)的可視化分析產(chǎn)品,產(chǎn)品在虛空中“大數(shù)據(jù)多源融合、算出應(yīng)用、清晰顯示分析、業(yè)務(wù)智能”啊,設(shè)計(jì)實(shí)現(xiàn)程序,增強(qiáng)關(guān)系網(wǎng)絡(luò)、時(shí)空數(shù)據(jù),深入探究對(duì)象間的關(guān)聯(lián)和對(duì)象時(shí)空相關(guān)的模式及規(guī)律。產(chǎn)品可以提供關(guān)聯(lián)網(wǎng)絡(luò)(講)、時(shí)空網(wǎng)絡(luò)(地圖)、搜索網(wǎng)絡(luò)、動(dòng)態(tài)建模等功能,以可視分析的管用凝煉機(jī)器的計(jì)算能力和人的認(rèn)知能力,完成任務(wù)這對(duì)海量數(shù)據(jù)的洞察力,幫用戶無比形象直觀、又高效地獲取信息和知識(shí)。關(guān)系網(wǎng)絡(luò)分析產(chǎn)品區(qū)分組件化、服務(wù)化設(shè)計(jì)理念,分成三類存儲(chǔ)文件可以計(jì)算層、數(shù)據(jù)服務(wù)層、業(yè)務(wù)應(yīng)用層、分析充分展現(xiàn)層多形式體系架構(gòu)。數(shù)據(jù)存儲(chǔ)算出組建在阿里云自主研發(fā)的大數(shù)據(jù)平臺(tái)上,允許PB/EB級(jí)別的數(shù)據(jù)規(guī)模,具高強(qiáng)橫無比的數(shù)據(jù)整合、處理、總結(jié)、計(jì)算能力。

2.

產(chǎn)品功能關(guān)聯(lián)網(wǎng)絡(luò)從網(wǎng)絡(luò)視角后期結(jié)論,指導(dǎo)用戶探索未知,敏銳洞察信息。需要提供關(guān)聯(lián)反查、團(tuán)伙分析等功能。

為何有人說數(shù)據(jù)將成為無價(jià)之寶？

數(shù)據(jù)自身是沒有價(jià)值或是說微乎甚微的，價(jià)值是被賦予的，得象黃金完全不一樣，黃金的價(jià)值是他的應(yīng)用前景或場景。

數(shù)據(jù)的價(jià)值應(yīng)該是數(shù)據(jù)能力體現(xiàn)了什么出的收益，或是說投資回報(bào)率。

今天我們就來隨便聊聊數(shù)據(jù)能力和價(jià)值。說到大數(shù)據(jù)就不得不提數(shù)據(jù)倉庫，企業(yè)數(shù)據(jù)倉庫衍化至結(jié)果階段恐怕會(huì)時(shí)變大腦中樞神經(jīng)，如果要支撐起整個(gè)奇怪的大腦和神經(jīng)系統(tǒng)，要一系列的急切機(jī)制另外。

一、抽象的數(shù)據(jù)能力架構(gòu)我把數(shù)據(jù)能力抽象概括為四個(gè)方向：傳輸能力、計(jì)算能力、算法能力和數(shù)據(jù)資產(chǎn)量級(jí)，后面會(huì)講敘在這四個(gè)能力之上相對(duì)化出的數(shù)據(jù)應(yīng)用和價(jià)值。

1.數(shù)據(jù)傳輸能力

數(shù)據(jù)大部分的使用場景定然會(huì)比較復(fù)雜到數(shù)據(jù)傳輸，數(shù)據(jù)傳輸性能做出決定了部分應(yīng)用場景的實(shí)現(xiàn)，數(shù)據(jù)實(shí)時(shí)動(dòng)態(tài)的動(dòng)態(tài)鏈接庫、加工、算法推薦和預(yù)測(cè)等；而傳輸數(shù)據(jù)抽象化進(jìn)去的支撐體系是底層的數(shù)據(jù)存儲(chǔ)架構(gòu)（不過非同機(jī)房的傳輸?shù)囊獩Q定到網(wǎng)絡(luò)環(huán)境等。單純的小數(shù)據(jù)量內(nèi)部函數(shù)等就像應(yīng)該不會(huì)牽涉到到這些，但數(shù)據(jù)量級(jí)大、高并發(fā)且對(duì)SLA要求的很不是很嚴(yán)的時(shí)候，是對(duì)數(shù)據(jù)傳輸能力的考驗(yàn)）。

從產(chǎn)品的角度我把數(shù)據(jù)傳輸能力分解為：底層數(shù)據(jù)傳輸效率和應(yīng)用層數(shù)據(jù)傳輸效率。

底層的數(shù)據(jù)傳輸效率是指數(shù)據(jù)源進(jìn)入到后的預(yù)處理階段的傳輸效率，即加工為產(chǎn)品所需的數(shù)據(jù)實(shí)際交付物之前階段。

Ps:數(shù)據(jù)在可為產(chǎn)品所用之前要很長的一段加工過程，應(yīng)用層數(shù)據(jù)產(chǎn)品基本是不內(nèi)容覆蓋底層數(shù)據(jù)加工環(huán)節(jié)，而數(shù)據(jù)產(chǎn)品會(huì)會(huì)用到規(guī)定好的數(shù)據(jù)交付物（即已約定好的結(jié)構(gòu)化或形成標(biāo)準(zhǔn)化的數(shù)據(jù)），而借用此數(shù)據(jù)未交付物再在產(chǎn)品對(duì)實(shí)際應(yīng)用場景的不兼容和去加工來需要提供數(shù)據(jù)服務(wù)。況且涉及底層數(shù)據(jù)管理的相關(guān)產(chǎn)品都是對(duì)Meta元數(shù)據(jù)、可以使用日志或?qū)懞玫膕hell等的動(dòng)態(tài)創(chuàng)建。

底層數(shù)據(jù)加工計(jì)算所不屬于到的傳輸效率，再做出決定了支撐數(shù)據(jù)產(chǎn)品低性能、高可靠的自身需求；而應(yīng)用層的傳輸影響了用戶體驗(yàn)和場景實(shí)現(xiàn)方法。傳輸數(shù)據(jù)機(jī)制和體系就像毛細(xì)血管完全不一樣密密麻麻周身錯(cuò)中復(fù)雜，只不過流通速率再?zèng)Q定了大腦供氧是否補(bǔ)充好。

2.數(shù)據(jù)計(jì)算能力

數(shù)據(jù)計(jì)算能力那像骨髓造血功能完全不一樣，依據(jù)什么多種來源的養(yǎng)分原料接受生產(chǎn)加工終于產(chǎn)出血液。而源數(shù)據(jù)通過集高性能的底層多儲(chǔ)存的分布式技術(shù)架構(gòu)并且ETL(吸納、轉(zhuǎn)換、裝到)刷洗后產(chǎn)出的是數(shù)據(jù)中間層沒限制化的結(jié)構(gòu)化數(shù)據(jù)未交付物。計(jì)算速度竟像具有造血速度完全不一樣，判斷了供應(yīng)量。而計(jì)算速度真接確定了數(shù)據(jù)應(yīng)用的時(shí)效性和應(yīng)用場景。

目前最少最普遍的應(yīng)該是離線模式數(shù)倉，離線數(shù)倉大部分兼任著事后諸葛亮的角色，即沒有辦法能保證數(shù)據(jù)的及時(shí)性而提早了數(shù)據(jù)分析及應(yīng)用的產(chǎn)出，導(dǎo)致一些的是沉淀經(jīng)驗(yàn)而沒法能夠做到實(shí)時(shí)決策。而數(shù)倉，甚至連說對(duì)Data Lake（數(shù)據(jù)湖）的動(dòng)態(tài)實(shí)時(shí)處理早就漸漸地新區(qū)應(yīng)用形式多種場景。我們先不考慮更加莫名的實(shí)時(shí)性特別要求受到的那巨大成本如何確定真的也可以憑空創(chuàng)造相應(yīng)價(jià)值的收益。

強(qiáng)實(shí)時(shí)動(dòng)態(tài)可以更靠近一個(gè)“未來”的狀態(tài)，即此時(shí)此刻。這遠(yuǎn)比算法對(duì)未來的預(yù)測(cè)更有價(jià)值，只不過把握眼前比構(gòu)造多變的未來對(duì)一個(gè)企業(yè)更有價(jià)值。甚至連說當(dāng)數(shù)據(jù)過程快過神經(jīng)元的傳遞，這樣的話從獲取到你腦電波的那一瞬起，數(shù)據(jù)處理的驅(qū)動(dòng)結(jié)果遠(yuǎn)比神經(jīng)元傳達(dá)至驅(qū)動(dòng)四肢要快。

有沒與兵馬未動(dòng)，糧草先行的場景有幾分相似？當(dāng)然了這是以數(shù)據(jù)計(jì)算能力的角度來看待事情這個(gè)問題。扯著嗓子以我個(gè)人的觀點(diǎn)來說，整體數(shù)據(jù)能力強(qiáng)橫無比到當(dāng)然階段后，會(huì)從主觀轉(zhuǎn)變個(gè)人的意愿，即按照引導(dǎo)你的大腦最終達(dá)到來操縱或判斷個(gè)人行為且絕對(duì)不會(huì)讓你感知，所以我是可以解釋為從主觀改變個(gè)人意愿。從人的角度來說，你并到底也可以非常直觀意愿去憑空改變第二步不做，而且大腦是邏輯處理器，其實(shí)這又牽涉到心理學(xué)，這些觀點(diǎn)就是在此贅敘了，等朝后另起一個(gè)篇幅來說數(shù)據(jù)應(yīng)用未來前景和假想。

3.數(shù)據(jù)資產(chǎn)能力

都在說“大”數(shù)據(jù)，這樣數(shù)據(jù)量級(jí)越大越好嗎？并不是，從某種角度來說大量無價(jià)值或是未探尋中出價(jià)值的數(shù)據(jù)是個(gè)負(fù)擔(dān)，巨大無比的資源所消耗還不敢貿(mào)然抹滅。

與此同時(shí)數(shù)據(jù)量級(jí)的以肉眼可見的速度放大，受到的是數(shù)據(jù)孤島：數(shù)據(jù)的不題意、不可聯(lián)、不精確控制、不不可行；這樣的話散亂的數(shù)據(jù)僅有轉(zhuǎn)換成成資產(chǎn)才是可以更好的發(fā)揮價(jià)值。

什么是數(shù)據(jù)資產(chǎn)，我覺著是可以應(yīng)用范圍的定義為可真接可以使用的交付數(shù)據(jù)再試一下劃為資產(chǎn)，其實(shí)可真接可以使用的數(shù)據(jù)有很多種形式，諸如meta元數(shù)據(jù)、特征、指標(biāo)、標(biāo)簽和ETL的結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)等。

目前也在拓寬思維DataLake的使用場景，真接實(shí)時(shí)動(dòng)態(tài)的使用和處理DataLake數(shù)據(jù)的趨勢(shì)是一種逐漸擴(kuò)大企業(yè)自身數(shù)據(jù)資產(chǎn)范圍和資產(chǎn)使用率的。這有利于強(qiáng)行突破數(shù)倉模型對(duì)數(shù)據(jù)的框架限定，決定數(shù)據(jù)使用會(huì)有更大的想象空間。

數(shù)據(jù)資產(chǎn)的價(jià)值也可以分兩部分來考慮到：一部分是數(shù)據(jù)資產(chǎn)然后能夠變現(xiàn)的價(jià)值；另一部分是通過數(shù)據(jù)資產(chǎn)才是資源加工后可以提供數(shù)據(jù)服務(wù)的業(yè)務(wù)價(jià)值。

第一部分比較好好理解，那是數(shù)據(jù)集的輸出能夠變現(xiàn)值，如標(biāo)簽、樣本和訓(xùn)練集等的再輸出按數(shù)據(jù)量來評(píng)估價(jià)值；第二部分價(jià)值比如說實(shí)際自身數(shù)據(jù)訓(xùn)練優(yōu)化后的算法應(yīng)用而進(jìn)階業(yè)務(wù)收益的價(jià)值或依于數(shù)據(jù)的廣告投放的營銷能夠變現(xiàn)等，甚至還說不溶物出的數(shù)據(jù)資產(chǎn)管理能力以及知識(shí)的無形資產(chǎn)對(duì)外服務(wù)的價(jià)值。這些主動(dòng)的數(shù)據(jù)應(yīng)用和服務(wù)的變現(xiàn)也數(shù)據(jù)資產(chǎn)價(jià)值的體現(xiàn)并可以細(xì)巧的可量化。

4.數(shù)據(jù)算法能力

不過哪怕傳輸能力我還是計(jì)算能力，是低些偏數(shù)據(jù)底層的實(shí)現(xiàn)，而離業(yè)務(wù)場景最近的應(yīng)該是算法能力所可以提供的算法服務(wù)，這是最有效應(yīng)用于業(yè)務(wù)場景且更很容易被用戶五感的數(shù)據(jù)能力，只不過是對(duì)傳輸和計(jì)算來說用戶感應(yīng)的是速度快慢，從用戶視角快是應(yīng)該是的，所以用戶并真不知道何時(shí)何地計(jì)算或傳輸。

而算法對(duì)業(yè)務(wù)應(yīng)用場景是一個(gè)從0到1，盡海到有的過程。因此算法是基于條件數(shù)據(jù)傳輸、計(jì)算和資產(chǎn)能力之上片面化出的應(yīng)用能力，也可以況且是三個(gè)基礎(chǔ)能力的封裝進(jìn)化。

而算法能力是把20塊的數(shù)據(jù)集或則說資源到盡可能好的數(shù)據(jù)轉(zhuǎn)化成為一個(gè)決策推測(cè)結(jié)果來應(yīng)用于業(yè)務(wù)場景。算法能力的差異反映了三個(gè)數(shù)據(jù)能力如何確定高效安全依靠，是否必然木桶效應(yīng)，更甚者木桶也沒有。不過單純的算法也是可以另充當(dāng)無形資產(chǎn)的知識(shí)沉淀來提供服務(wù)。

對(duì)此數(shù)據(jù)能力架構(gòu)中的四大能力，傳送數(shù)據(jù)、計(jì)算出和資產(chǎn)是基礎(chǔ)能力，而算法是低級(jí)的泛化能力。而能力的輸出來和應(yīng)用才能可以體現(xiàn)數(shù)據(jù)價(jià)值，數(shù)據(jù)能力的最大化輸出殘酷著整個(gè)數(shù)據(jù)產(chǎn)品架構(gòu)體系的通用性和靈活性。只不過需要對(duì)于的是各種業(yè)務(wù)衍化出的多種多樣場景，對(duì)數(shù)據(jù)能力的需求參差不齊：很可能是片面化的，也可能會(huì)是多種能力匹配去協(xié)調(diào)的。這對(duì)產(chǎn)品的通用性那就是另一個(gè)那巨大的挑戰(zhàn)，想更好的防范這個(gè)問題，可能會(huì)就需要整個(gè)數(shù)據(jù)平臺(tái)的產(chǎn)品矩陣來支撐和技術(shù)賦能。

二、數(shù)據(jù)能力按數(shù)據(jù)價(jià)值的呈現(xiàn)從數(shù)據(jù)應(yīng)用的角度，每個(gè)能力都是可以獨(dú)立開放也可以不陣列不疊加。要是把能力抽象化出去可能會(huì)衍生到產(chǎn)品形態(tài)的問題，產(chǎn)品形態(tài)是對(duì)能力全面兼容后可以發(fā)揮作用的交付物。說到產(chǎn)品形態(tài)我們可以不想象再看看場景應(yīng)用。

是需要最基礎(chǔ)的應(yīng)用場景就是數(shù)據(jù)真接調(diào)用，數(shù)據(jù)資產(chǎn)的使用基本上會(huì)基于組件特征、指標(biāo)、標(biāo)簽或則知識(shí)等未交付形態(tài)。而對(duì)于不使用方來說這些數(shù)據(jù)會(huì)充當(dāng)半成品原料或依據(jù)來進(jìn)行二次加工應(yīng)用于業(yè)務(wù)場景中，如數(shù)據(jù)分析、數(shù)據(jù)挖掘、算法的訓(xùn)練與驗(yàn)證、知識(shí)圖譜、個(gè)性我推薦、定向投放（觸達(dá)）和風(fēng)控等。數(shù)據(jù)資產(chǎn)可以統(tǒng)歸為在數(shù)據(jù)市場中是從構(gòu)建的一些OpenAPI參與賦能。

而對(duì)此一個(gè)工廠來說，單單并且原材料的加工（ETL）輸出即除此之外自身原材料（數(shù)據(jù)資產(chǎn)）的壁壘外核心競爭力很小，不需要包裝一些上層的基礎(chǔ)服務(wù)來提升競爭力，這樣的話數(shù)據(jù)計(jì)算的能力融合從里面出來對(duì)原材料并且二次加工（凝合統(tǒng)計(jì)）。

計(jì)算出的吸聚統(tǒng)計(jì)能力組建出去后這個(gè)可以不滿足大部分的數(shù)據(jù)分析場景的支持，就不光憑是原材料毫無技術(shù)含量的輸出，并這個(gè)可以以半成品的形態(tài)完美躲避數(shù)據(jù)比較敏感。因?yàn)閷?duì)于統(tǒng)計(jì)值來說，這是一個(gè)分析結(jié)果或結(jié)論，并應(yīng)該不會(huì)比較復(fù)雜到自身敏感數(shù)據(jù)的輸出，而你的核心資產(chǎn)肯定不會(huì)泄露，而輸出的僅是資產(chǎn)的附加值。是說知識(shí)產(chǎn)權(quán)專利卻在你手中，是從再控制專利泛化出的能力通過投資回報(bào)。

融入計(jì)算能力后的一些分析場景如：人群的畫像總結(jié)、多維度的十字交叉分析、業(yè)務(wù)的策略分析和監(jiān)控總結(jié)等多種場景。

隨著時(shí)代的發(fā)展和業(yè)務(wù)場景的突然增多，正當(dāng)此時(shí)工廠再繼續(xù)不需要產(chǎn)業(yè)變革，要深耕服務(wù)業(yè)漸漸地舍棄制造業(yè)形態(tài)，全面提升更中級(jí)的數(shù)據(jù)服務(wù)。這時(shí)算法能力的加入來好些的系統(tǒng)完善服務(wù)矩陣。

算法通過整體封裝了傳輸數(shù)據(jù)、計(jì)算和資產(chǎn)能力而參與統(tǒng)一的更好理解的業(yè)務(wù)場景目標(biāo)預(yù)測(cè)國家和識(shí)別等。這樣的話對(duì)于企業(yè)來說這個(gè)可以更不容易進(jìn)行和低成本使用數(shù)據(jù)服務(wù)而不是需要再比較復(fù)雜到數(shù)據(jù)加工鏈路中，而并不是需要一個(gè)目標(biāo)結(jié)果，是從算法的決策才是參考來傳授經(jīng)驗(yàn)業(yè)務(wù)方向。像算法對(duì)一些業(yè)務(wù)場景的預(yù)測(cè)分析，哪怕說一些人工智能場景的識(shí)別或?qū)W習(xí)認(rèn)真的思考，都可以算法持續(xù)賦能來實(shí)現(xiàn)。相對(duì)于企業(yè)來說應(yīng)該是從天到有的突破，企業(yè)發(fā)展進(jìn)程哪怕很可能提升到好幾年。

而貫穿以上能力應(yīng)用場景全是對(duì)數(shù)據(jù)傳輸能力的考驗(yàn)。