大資料的商業化：從資料、模型到業務邏輯

1、市面上關于大資料的各種定義太多，不一而足，此處寫在前面的，我先定義一下： 大資料，表示極多的資料，而其來源，凡能通過技術手段觸達的都算。

2、商業化，即如何使資料産生價值，這個價值并不來源于資料本身，而是來源于資料的被需求方(被需求方可以是甲方也可以是乙方)是否能夠在其業務範圍内被滿足具備一定價值的資料。 資料商業化的核心非資料，而是資料模型。

3、 資料模型：建立滿足需要的業務導向的資料模型(算法)，輸入需要的可觸達來源的擷取的資料，并輸出相應的結果。 比如使用者畫像分析、資料結構化等等都算資料模型。

這裡為什麼說是業務導向的資料模型?我舉個例子，如果比方說我做一個資料模型要過濾出所有姓名筆畫超過20畫的人的名字并序列化其資訊，這裡可能它是一個資料模型，我也可以在網際網路擷取大量的可輸入的資料，問題是這個資料模型沒卵用。

所謂業務導向(業務邏輯導向)，比如百度鳳巢系統，利用鳳巢客戶系統對百度搜尋推廣資訊進行更為高效地管理與優化，對推廣效果更為科學地進行評估。這裡輸入的就是鳳巢客戶以及可以收集到的與之相關的所有資料，業務導向的邏輯就是輸出可用于決策的對百度搜尋推廣資訊進行更為高效地管理與優化、對推廣效果更為科學地進行評估的資料。

業務邏輯定義了資料模型。

4、成熟的大資料商業變現，背後有極其複雜的業務邏輯，比如就像剛剛提到百度鳳巢系統。其通過技術實作模組化(業務導向)，并實作的一個個資料模型，進而不斷收集輸入物以通過這些又業務邏輯定義的資料模型，輸出成具備價值的資料。

5、 對于業務邏輯的優化和延展(新特性)，業務邏輯決定了資料模型，而輸出不一定是最好的結果，是以資料模型要被優化，而資料模型是被業務邏輯定義的，是以業務邏輯要做優化;當有新的業務需求需要在原有業務邏輯上生長出來，進而在定義了業務邏輯後資料模型相應改變進而得到新的輸出。

6、總結下：大資料的商業化，我從資料、模型到業務邏輯簡單梳理了一下，核心是在業務邏輯找到商業化的方向以使得技術實作和資料結果滿足業務導向的資料模型落地，進而實作商業化。

本文轉自d1net（轉載）