大数据与机器学习：实践方法与行业案例.1.3 应用系统

<b>1.3　应用系统</b>

<b></b>

前面已经为数据定义了三种基本形态，并认识了各种数据平台。从图1-1中还可以看到，原始数据主要是由应用系统产生的。作为数据的源头，我们有必要从数据的角度重新认识应用系统。

从数据角度看，应用系统可以分为两类：业务驱动的应用系统和数据驱动的应用系统，如图1-18所示。

图1-18　应用系统的分类

业务驱动的应用系统侧重于业务逻辑的处理，数据是业务逻辑运行的直接结果，它不依赖于现有数据。例如，信用卡交易系统即是一个业务驱动的应用系统，持卡人每一次刷卡消费（触发业务逻辑），都会产生交易相关的各种数据，这些交易数据的产生是一个从无到有的过程。

数据驱动的应用系统，其主要特点在于业务逻辑需要作用于基础数据，才能产生新的数据。数据驱动的应用系统一般需要与数据模型、数据标签等结合使用，这些数据模型及数据标签均基于已有的历史数据构建而成。数据模型通常作为业务逻辑的一部分，为业务逻辑提供决策支持。典型的数据驱动的应用系统如个性化推荐系统、数据营销系统等。

概括来说，业务驱动的应用系统是数据从无到有的过程，数据驱动的应用系统是数据产生数据的过程。无论是业务驱动的应用系统还是数据驱动的应用系统，其产生的数据经过数据脱敏、数据解耦后才能成为原始数据。

数据要产生价值，归根结底要体现在应用系统中。国内有很多企业在数据离线应用中做得很好，包括数据的分析、数据模型等，但这些数据在系统化、自动化的过程中产生了严重的滞后，这显然是数据向价值转换路上的一个不足。后面第三部分的内容正是着眼于将数据的离线应用推广到在线应用，将离线创建的数据模型和推荐模型系统化、自动化，从而更好地实现数据价值。