大数据背景下的数据融合

为什么需要数据融合？

• 最重要的原因是用户数据的割裂性，无法全面勾勒用户的全貌，比如你购物的数据在京东天猫、通话数据在移动电信、交易数据在银行金融、社交数据在腾讯微信。

• 数据的割裂性导致对用户的认识比较片面，可能做出错误的决策。比如：现在京东与头条的”京东计划“就是数据合作的一个案例，就是你在京东搜索的物品，会不定时在浏览今日头条中呈现，增加购买率。这里有个缺陷是如果已在淘宝购买的物品，再次出现会导致用户体验感下降。

• 教育行业的数据同样是割裂状的，产品的数据支持需要更好的数据融合解决方案，来聊聊这次的，千锋学习提升系统

• 在客户拿到一份学生的考试成绩时，她会想比较一下自己的几次考试，或者想要简单对比自己跟班级其他学生的成绩，给自己找一个定位，看一下自己属于班级的什么层次，你只需要把他的成绩放在班级成绩划分的不同成绩段中，这些都是第一维度的数据组合便可以完成的，数据组合由各方数据的简单组合形成，能够全貌客户用户特征。该数据的融合产生的是物理反应，数据属性本质没有改变。只是数据的简单拼装而成。

• 而当他知道自己的定位后，他便会寻找自己进步的空间，这时他需要拿到比他优秀的那批同学的数据来比对，为自己制定目标。该怎么做？你要去拿到这些同学的数据组合，比如，比他优秀同学的自我比对结果，看看他成绩发生波动时的原因：可能是难题做的多了，中等题做的少了，导致成绩下降，中等简单的题做的更加熟练，成绩上升，因为得分水平的决定因素往往是中等简单题的得分，看看产生这些成绩波动时，这类优秀学生是怎么调节学习方案的，从而规划自己的学习。这个过程，数据就产生了价值，这便是第二维度的解决方案，数据整合；数据整合由多方的数据共同存在才能够实现产品价值。该数据的融合产生的是化学反应，比如：黑名单，通过金融数据和通信行业数据共同才能判断是否黑名单。如该用户有异常金融行为，在加上该用户频繁换手机和停机次数多，基本可判断黑名单用户。

• 当他拿到这些优秀学生的种种方案后，我们该怎么推荐给他一套方案？因为在大量数据背景下，可能经过筛选后优秀学生的方案依旧很庞大，我们不能都推荐给用户，这个时候，我们就需要 数据聚合，由双方数据聚合孵化产生出新的产品，新的模式，将个性化方案推荐给学生。（深度学习解决？制定一套函数？不断计算求得方案？）如：分期贷款。通过大数据风控能力（风控系统的数据从互联网公司，金融公司，通信公司），不仅减少审核流程，而且也能进行贷中监控和贷后管理，还能够对失联用户进行定位和催收，是一揽子计划。

• 数据融合并不是一件简单的事，需要解决技术壁垒，数据标准，数据安全等问题，如何保证数据安全，保护客户隐私？客户知情权？都是生产过程中需要解决的。