データのみほとんどの企業は、ビジネス上の意思決定を導くために、痛みのポイントを理解します
ビッグデータの2018中国サミットフォーラムでは、ラン・テクノロジーの数 CEO風の剣は、着陸の過程で資産、ビッグデータプラットフォームの構築、ビッグデータの課題、および将来の機会と課題におけるデータ・アプリケーションのデータの理解を共有しました。次のように具体的なフル要約しました：
まず、のデータ資産は何ですか
「蘭は、データ資産の数がされているし、物事の考え方を維持し続けています。」
風はアリババグループのビッグデータ・サービスを担当していたときの剣は、シナリオの多くを見ました。ほとんどの人は、彼がデータの認識だと思う十分ではありません、我々はデータが将来的には、値の種類、およびビジネスのための場所のサポートから来た理解できないのですか？
我々は携帯電話の工場であれば一例として、私たちは毎日、すべての領域とデータや生産データの種類を持っていますが、出力データに加えて、企業はまた、データのビジネスに直接作用することができるようにしたい、ビジネスの結果を最適化。これは、データが価値、資産のデータであり、ビジネス・プロセスで使用できるデータに元のデータが何であるかを最終的にもたらすことができるという認識の差です。
全世界の資産、あなたがデータ資産を使用するだけよりは価値があります。それはその生産と事業間の曖昧な関係があるので、あなたがそれを使用しない場合、それはあなたが定期的にそれを使用する場合、それはより多くの価値がある、数字の束に変わります。
最初のポイントは、データ統合を介して取得することです：私たちは、練習の中で二つの重要な技術的なポイントがあります所有しています。業務システムのセットの数十は、多くの企業は、など、電子メール、ビデオ、音声、など、これらのデータは、接続する方法を、さまざまなベンダーを持って業界全体が問題を解決している開きます。
これは業界全体にとって特に大きな課題である、第二の点は、これらのサービスの構成上、真に有効なデータを見ることができるデータを開くことになった後のデータを使用することができ、識別することができます直面しています。
当社は、資産のデータと呼ばれるプロセスの内部データシステムに、組織のデータラベルからのデータにデータを開きます。
第二に、大規模なデータ構造とアプリケーションプラットフォーム
あなたは別の角度から、関連するデータ資産の例を与える場合は、プラットフォームが構築されているかを見ることができます。
现在的shopping mall都有探测技术，当顾客来了就会知道这个顾客是谁，这些数据是很有价值的，但它们只是数据资产，并不是数据资产化。什么才是数据资产化呢？当有人进出的时候，把这样的行为的人、物、场景的关系匹配，拉到历史的维度上，刻画到历史的每一个时间节点上，这就是一个基于时空维度产生的事件。在所有的时空维度上这个过程本身就是资产化，它能够带来的结果就是一个人所有的行为都出现了，比如这个人过去经常一个人到shopping mall吃饭、看电影、逛街。忽然有一天变成了两个人共同进出，又有一天这个人看完电影去了母婴店，这就是一个场景下的数据资产化的过程。可以看到原生的数据只有三个，但是所带来的数据资产会丰富到几百几千几万个维度，甚至可以刻画出一个人买东西是货比三家还是犹豫不决的购物心理，从数据视角看起来，价值是巨大无边的，这就是数据资产化。
我们有一系列的方法论来支撑完成数据资产化，第一点需要把这些数据基于场景、基于时空维度串起来，否则就没有参考价值了。
第二点我们的大数据平台数栖可以对客户的数据进行加工、开发、建模等，从业务平台层面来讲就是数据data-mapping，怎么把mapping好的数据做成profile，就是把探测数据到人的整个维度做一个全系的画像。这就是数据开发。
数据开发的过程不需要改变客户的知识结构，也不需要改变以往的数据存储结构，数栖平台是一个全系的、全维度的数据开发平台。有了这个还不够，还要有大量的数据需要做成标签体系，但怎么能快速生成应用，目前还是一个需要解决的问题。
比如做营销，或者风控还可能是做消费者洞察画像的，我们把这些叫做数据应用。我们要做一个用户画像来洞察这些人是坏人还是好人，利用的就是个人数据资产加数据技术，然后通过算法和模型计算，把这个人画出来，这就是用户画像能力。我们把这种能力封装进入一个实体，称之为数据引擎。数据加数据技术构成了数据引擎，然后把各种数据引擎呈现在平台里面，客户用的时候特别方便。
以风控引擎举例，风控引擎里有很多场景，比如金融、企业、个人等，数据引擎的应用可以随场景变化而变化，在场景里把数据基于场景特征进行收敛和聚焦，通过标签加数据引擎快速生成应用。
有了开发平台、数据引擎和自有的数据资产之后，还要打造一个数据应用平台和服务平台，这中间包含三项核心能力，包括data-mapping、data-profile、data-service。如果把这三点结合起来，一个数据平台基本上就成型了。我们整个平台的构建也是依据这个数澜自有的理论，把判断的数据放进来，能够将时空及场景连接起来，基于开发平台把它做成一套profile，再基于一套数澜自有的数据技术把它分割成一些数据服务，无论是to B面向实体店铺或者企业，还是to C面向消费者，都有合适的应用场景，并最终通过数据平台让数据活起来、用起来，当然这是我们一直想要实现的理想。
三、大数据的时光倒流理论
这里的挑战在于认知data-mapping，数据如何做mapping，实际上在于数据的认知。
我们在做地产行业的数据服务时发现如何利用大数据提升业主的满意度，这是一个非常需要数据认知的过程。
在大家想象中，提升业主满意度特别简单，通过业主有无投诉，有无报修等数据来做分析即可。但是传统的满意度分析中使用的都是单一的数据，为业主满意度提升带来的价值特别有限。地产公司找到我们时希望能够用大数据提升业主满意度，那时候我们提出一个假设，整个地产公司五大服务体，业主、物业公司、供应商、承建商、服务商。如果能把这五大主体之间的关系构建起来，那提升满意度就可以找到切入点了，比如带着全家人看一套房子，一共五个人去看，三个人满意，两个人不满意，究竟是满意还是不满意，这里面是没有量化的标准，也没有对与错之分。但是当我把这五个关系之间的实体构建起来，找到任何一个事件的相关数据，这个事件出发交点在哪里，那我们就能了解了。这就是我们把这种事件驱动起来的能力—数据认知的能力。
举个例子：比如我买了一个新房子，我不太满意，我会打电话过去投诉并且报修很多问题。业主会在一个电话中把所有问题都描述清楚，这个过程会产生很多的非结构化的数据，比如业主是否有家人，有小孩，有老婆，有老人等，哪个水龙头漏水、进而关联水龙头是谁生产的、谁服务的、物业公司是谁、服务周期、供货周期、服务质量等，把所有的数据都串起来以后就会知道这是一个批量问题，还是个性化问题。
再举个例子，比如业主说“你必须把马桶给我往左移五公分”，物业公司就会说这个房子是精装修交付的，所有的楼层，甚至整个小区都是这样的。但业主为什么要移呢？他会说“我小孩的浴盆放不进去，你说要不要移？”物业可能会说那我给你移，但是这个工程特别巨大，这里面给出的信息就是他有小孩，要放一个浴盆给小孩洗澡，这才是问题产生的根结所在。数据要被深度的、多维的洞察，才能逼近事实本质，光靠采样分析是发现不了这样的问题。
我把这种能力称之为基于事件的mapping能力，大量的数据经常都是这样。不断地移动每一个时间节点的事件，对到这个时间轴上然后抽取这类事件的共性数据，我们把这种方法，总结称为时光倒流理论。
四、只有数据最懂你的公司
很多企业面临着不知道自己的数据价值在哪里，以及数据怎么用的问题。这是数据的产品化应用问题，很多企业会想当然的做出来一个产品然后告诉客户这个产品可以解决哪些痛点。我跟数澜的员工讲，我们任何人跟客户谈，尽量不要给客户讲我们的产品能解他的业务痛点，因为我们不懂他的业务。地产行业客户做了几十年，他们业务的痛点不是我们可以很快了解的。但是数据可以，数据最能懂公司的痛点，甚至判断公司后续的决策方向。
就像我前面举的例子，在做地产领域的时候，我把它们的投诉、工单信息打通之后，我们可以做到用大数据提升业主的满意度，结果客户发现自己还可以做好多事情，比如资金管理，供应商能力管理，服务商管理等。业主满意不满意，只有数据能够知道，我们把这个过程叫基于数据资产化的场景化驱动。我们喜欢跟客户讲道理告诉他我不懂你的业务，但是你的数据能懂你的业务，如果你给我机会让我把你的数据资产化，你基于这个数据资产来做数据业务的时候你会发现他的发挥的价值会非常高。
我们先倒过来以客户的业务做牵引，把客户的数据全部资产化交付给客户来满足客户的业务场景。这种应用特别广泛，我举一个标签提示的数据资产给到他，他可以做无数的数据资产应用来分析这个店铺的流量都去了哪里，它对我的贡献有多大，哪一些做资产，哪一些做客户分析，其实这里还是一个认知的问题。
我估计在未来两到三年内，就是国内大部分大数据应用的最大障碍就是对数据的认知和场景化的认知问题。
五、数据应用创业需要聚焦
数澜目前还是会倾向于传统公司，因为传统公司做了几十年、上百年后，他们很清楚自己短板在哪里，应该付出什么。我们做客群的时候只做传统公司，地产，汽车，零售、化工，我们都有涉及。
在数据时代的浪口，有很多的传统公司赶上来了。互联网时代很多东西他们已经彻底错过了，大数据时代它们不希望再错过数据时代。不聚焦的公司初期可以能还可以，但到后面就会丧失竞争力。我们目前主要聚焦在零售和地产，但是也许明年我们的金融事业部就会成立。
六、数据时代是以场景为驱动的
最近跟很多人讨论过这个话题，我们是这样理解的，我们现在会比较谨慎的提大数据，我们把这个时代叫数据时代。在IT时代的时候，IBM也好、Oracle也好，那个年代所有的核心都是围绕需求来驱动的，但是数据时代是以场景为驱动的。
同社は、標準の大企業のデータではないかどうかを判断し、あなたが製品を提供需要主導型のシーンであるか、ドライブ、典型的な需要主導型である成熟した製品を販売する場合、顧客のみの要件の一部を満たすことができます。しかし、データの時代の到来、それが起こるように、特に驚くべきことであるがシーンに駆動され、データの製品はサポートを私に提供することができ、我々は、彼らはまた、より慎重に選択した、データの時代に私たちは2日間議論の結論がありますコンサルティングサービスの初期段階は、理論の特に重要な部分は常に絶えず、彼はそうする必要があります彼に言った、議論、まとめる方法論のセットであり、それはゆっくりと、オペレーティング・システム・レベルのデータになることがあります。
私たちは、今後2〜3年後には転換点を発生することがあり、参照データの多くは、大きなコンサルティング事業の優位性は、どんなに良い製品事業、AI製品を含む、以外のリスクコントロール製品は、シングルポイントサービスではないと考えています究極を達成します。グレーター範囲および今後2〜3年で主にコンサルティング。私たちは、3331の計画を持って、今後3〜5年の主との大きな波があり、アプリケーションデータを駆動するための方法を変曲することが可能で、データの製品が出てきます汎用ですが、データの種類の方法があることを知りません、我々はまた、このデータ形式を模索してきました。
風の剣について
蘭技術創設者、会長兼最高経営責任者（CEO）の数、主要なデータ・アプリケーションの科学者、ビッグデータの概念の世界有数の提唱者、ビッグデータアプリケーションの練習のパイオニア。
Ganyun風水（風の剣）、中国国籍、科学技術蘭、創業者、会長兼最高経営責任者（CEO）の数。Huawei社で働いていた、金蝶は、アリババは、データアーキテクト、データ科学者、データ、ビジネスリーダーや他のポジションを務めていました。2012年には、アリグループの中核データ相互接続技術（IDマッピング）、データ資産システム（TCIF）を作成するための責任を始め、データ値のマーケティングシステム（DMP）ように脳（AIプロジェクト）との、都市の知恵;ビッグデータにおける降水の国際的リーダー思ったし、最先端の技術は、理論的な枠組みは、ビッグデータアプリケーションを構築するための基盤を築くと、これに基づいてビッグデータアプリケーションのための中国初の体系的かつ包括的なプラットフォームを構築するために、それは2015年の最初のバッチ、ビッグデータとビッグデータを思考の概念として、あります20以上の産業部門と資本市場の顧客の認識と支持を獲得、特に大規模なデータアプリケーションの開業医の伝統産業における専門知識の様々な分野への技術力と柔軟なアプリケーション、。
ビッグデータのより多くのジュニアパートナーがに追加することができます学びたいコミュニティ蘭の数ヨ、ここで最も包括的なデータセット/可視化/ Hadoopのおよびその他の関連する記事は〜です