Nuevos avances en el modelado empresarial de big data: desde la predicción hasta las “pruebas de campo”
¿Cuáles son las nuevas direcciones de desarrollo del modelado de negocios de big data? ¿Cómo predecir las ventajas únicas del big data? ¿Cómo es posible pasar de la predicción a la “medición de campo”? El científico jefe de modelos, el profesor Chen Yuxin, nos dio una explicación más profunda, desde la predicción hasta las "pruebas en tiempo real": el nuevo desarrollo del modelado empresarial de big data.
El siguiente es un extracto del discurso del profesor Chen Yuxin en la Conferencia de Financiamiento BD-OS y Serie D de 2015:
¡Gracias a todos, gracias! Hoy tengo el honor de compartir con ustedes algunas ideas sobre el nuevo desarrollo del modelado de negocios de big data en esta ocasión, que también es una frontera de la investigación y el desarrollo porcentuales actuales.
Como todos sabemos, la predicción es un núcleo de las aplicaciones comerciales de big data. La predicción de big data requiere grandes cantidades de datos de alta calidad y modelos muy avanzados. ¿Cuáles son los nuevos puntos calientes o las nuevas direcciones de desarrollo en el campo de la predicción en la situación actual? ¿Cómo predecir las ventajas únicas del big data? Esto es lo que quiero compartir. Antes de eso, permítanme presentarles dos noticias recientes de los medios de comunicación, en las que es posible que podamos ver algunas nuevas tendencias de desarrollo. Ambas noticias fueron publicadas en la edición de agosto de The Wall Street Journal.
En primer lugar, Apple y Google están desarrollando tecnología para saber lo que los usuarios quieren antes de que ellos lo quieran, y para decirte lo que quieres antes de que sepas lo que quieres. Todo el mundo ha oído hablar de estos dos productos, Apple lo llama "Active Assistant" y Google lo llama "Google Modern". Estas dos empresas especulan sobre lo que usted quiere hacer en el futuro cercano al encontrar cosas que definitivamente hará en el futuro. Google puede informarle por correo electrónico que tiene un vuelo hoy a las 6 p.m. A las tres de la tarde, según su ubicación actual y el flujo de tráfico en Beijing, le indica que es hora de irse. Si te vas, ¿qué auto deberías tomar, Didi o Uber? Ésta es su idea de predicción, que consiste en predecir lo que se hará en el futuro captando algunos eventos futuros conocidos.
Otra noticia que parece no tener nada que ver con esto, pero que tiene similitudes. El nombre de la empresa de previsión de indicadores macroeconómicos es "Xiance", y su fundador es un estudiante de doctorado de la Universidad de Columbia que ganó. el Premio Nobel de Economía. Big data predice indicadores macroeconómicos, como el índice de precios. ¿Por qué se llama "examen ahora"? No es un pronóstico, sino un breve resumen de los diversos cambios de precios que acaban de ocurrir en los Estados Unidos y una descripción de lo que acaba de suceder, en lugar de una verdadera predicción de los precios futuros. ¿Por qué esto importa? Porque normalmente el índice publicado por el gobierno fue hace un mes o un trimestre, hace un minuto es suficiente.
Las dos noticias tienen la misma palabra clave "ahora". Ahora bien, esta es una tendencia muy importante en la aplicación actual de big data, desde la predicción hasta la medición actual. La predicción es una tecnología de modelado de big data. Una dificultad central, pero también la mayor, en el modelado de big data. Todo el mundo dice que el big data es muy poderoso y puede predecir muchas cosas. ¿Puede decirme si las acciones de China subirán un 100% mañana? Pero el beneficio del big data es que muchas veces lo que realmente necesitamos no son predicciones, sino las llamadas mediciones actuales, que son descripciones del pasado muy reciente y predicciones del futuro muy cercano.
¿A qué te refieres con muy cerca? ¿Hace un día o hace una hora? Realmente depende de la cantidad de datos que tengamos ahora y del desarrollo de la tecnología. La tendencia es que esto sea cada vez más corto. Los datos económicos que originalmente se conocían hace un mes ahora se pueden conocer hace un minuto, y el comercio de alta frecuencia requiere datos un segundo antes. Ésta es la definición de "medición de campo" que tenemos en mente. Ahora es un proceso dinámico. La medición de campo se refiere a una descripción o predicción punto por punto de nuestra situación actual. En realidad, este es un modelo predictivo que en realidad utilizan una gran cantidad de aplicaciones de big data, como el comercio de alta frecuencia. De hecho, ya conocemos la situación del mercado, sólo sabemos lo que pasó recientemente antes de que otros reaccionen.
El motor de recomendación es muy importante para aplicaciones de big data y también es el ADN más original de Percent. Según la situación actual de los consumidores en esta página, bríndele una recomendación actual de inmediato. Este tipo de recomendaciones pueden ser simplemente anuncios RTB y software de llamada de taxis que se colocan en tiempo real en un segundo o incluso medio segundo. Todo el mundo ha utilizado Didi Private Car. El principio detrás de ellos es el de la medición de corriente.
Después de una cuidadosa consideración, el escenario refinado va un paso más allá, no solo para estudiar el escenario del usuario, sino también para estudiar cuál es el objetivo del usuario en este escenario. Mi propósito en este lugar es comunicarme con usted. Cualquier usuario en cualquier entorno empresarial y en cualquier escenario tiene realmente un propósito. El propósito de ir a un restaurante es comer y el propósito de ir a la escuela es estudiar. Encontramos este propósito. A través de la tecnología de la que acabo de hablar, es posible conocer el retrato del usuario para impulsar sus pensamientos y comportamientos actuales. El sistema de datos y la segmentación de escenas actualmente establecidos, incluidos los retratos de los usuarios, tienen muchas aplicaciones dentro del rango de medición actual. Por tanto, acumular una gran cantidad de datos tiene muy buenas perspectivas.
Al igual que las empresas de predicción de big data, mucha información financiera e indicadores económicos en tiempo real predicen el futuro describiendo el pasado. También hay un campo con información financiera e informes crediticios personales. Desde el punto de vista de la medición actual, los llamados indicadores demográficos, indicadores de comportamiento pasado, ahora tienen más práctica. Cuando una persona compra un producto grande o un automóvil, esta información se retroalimenta inmediatamente a su sistema de crédito personal. El seguimiento en tiempo real de los cambios en sus niveles de flujo de caja es similar al marketing corporativo personalizado.
Para el mismo ejemplo que acabamos de mencionar, finanzas personales y tarjetas de crédito pueden calcular cuánto dinero aún puedes usar este mes, el consumo mensual total y la cantidad de depósitos bancarios en función de los cambios en tu cuenta en tiempo real. situación de consumo. En base a esto, puede impulsar las cosas que compra de un lado a otro; de lo contrario, es posible que los usuarios que recomiende no tengan los recursos financieros para gastar.
La tercera aplicación es la gestión de viajes turísticos. Por ejemplo, en cuanto a su vuelo, sé que el tiempo cambiará mañana, así que puedo saber que tendrán una reunión en Beijing. Si mañana hace mal tiempo, puedo recordarte en tiempo real si debes cambiar tu billete de avión por un billete de tren. Este es el concepto de medición actual. Conocer parte de la incertidumbre sobre el futuro puede, a su vez, ayudarle a resolver la incertidumbre.
Gestión de salud personal, el objetivo es perder cinco kilos en tres meses. En base a esto, podrás deducir cuánto debes perder y comer cada día, y ajustar tu plan de gestión de salud en tiempo real.
Finalmente, al juntar algunas cosas, puedes crear un asistente de vida digital que gestiona todos los aspectos de tu vida y te brinda la mejor experiencia posible.
¿Por qué se enfatiza repetidamente la importancia de la medición in situ y la aplicación de big data tiene grandes ventajas? Big Data a menudo menciona esto en el pasado, los llamados tres V o cuatro V, pero generalmente cuando la gente habla de Big Data, la V suele ser velocidad, que puede procesar rápidamente datos masivos. Cuando se conoce el pasado y el futuro próximo, además, las ventajas relativas de big data tienen ventajas especiales para aplicaciones de corta escala, pero no ventajas obvias para aplicaciones de larga escala.
A largo plazo, puedo decir que no necesito big data, puedo tener éxito con small data. Pero con predicciones a corto plazo, no puedo decirte qué vas a cenar esta noche. Los macrodatos a menudo saben esto porque saben qué almorzaste, de dónde vienes, qué te gusta comer, dónde estás ahora, qué restaurantes hay a tu alrededor y, a menudo, a través de esto puedes inferir qué quieres comer y qué quieres comer. cuándo almorzar, altura y peso, cuándo tendrás hambre. Podemos retroceder y hacer una serie de presentaciones. Esta es una gran ventaja del big data y a la que se debe prestar especial atención en los negocios. Minería y utilización de la inercia del comportamiento a través de retratos de usuarios de big data y modelado detallado de escenas. Esta es una nueva tendencia de desarrollo para mejorar el valor de big data y maximizar las fortalezas y evitar las debilidades. Espero que todos puedan corregirme y comunicarse conmigo. Gracias
Lo anterior es el contenido compartido por el editor sobre el nuevo desarrollo del modelado empresarial de big data desde la predicción hasta las "pruebas de campo". Para obtener más información, puede seguir a Global Ivy para compartir más información detallada.