教公司玩数据.docVIP

教公司玩数据 　　商家总是渴望更加了解客人。 　　技术能够帮助它们实现这一点。通过IP地址等信息辨识不同终端―一台位于北京的电脑，或者一部位于上海的手机，对于商家来说已经不再是难事。如今，它们已经不满足于此了。它们希望能够透过电脑和手机不同大小的屏幕，“看到”其背后坐着的是否是同一个客人。 　　王府井百货在2013年向苏萌提出了这个要求。苏萌是大数据公司百分点的CEO。王府井百货希望，百分点公司可以帮助其将线上商城和线下门店的所有数据打通。当一个客人来到王府井百货，不管他是走进任何一家门店，还是用手机或者电脑随意浏览线上商城，王府井百货都能够第一时间将他辨认出来。这个要求成为苏萌和百分点公司的转折点。 　　苏萌2009年创立百分点的时候，只想做一件事情―帮助电商公司学会利用手头掌握的海量数据。6年之后，百分点服务的公司用户已经接近2000家，覆盖了金融、电商、家电、快消、汽车、医疗等多个行业。华为、TCL、1号店等公司都在使用百分点提供的大数据服务。 　　如今，百分点已经发展成为一家覆盖大数据基础层、管理层和应用层的大数据公司。百分点覆盖了中国超过5亿的终端用户，每天有超过1亿次的个性化推荐，为公司用户提供具有可视化界面的大数据操作系统。用户管理数据不再需要输入复杂的代码，依靠拖拽等几个简单的动作就可实现。他们用标签工厂帮助公司认识自己的用户，描绘用户画像。当用户进入商城，百分点的数据引擎还能针对每个用户的特点，生成独特的个性化推荐。 创始人苏萌认为向传统行业提供数据解决方案能够帮助百分点形成更强的竞争优势。 　　尽管百分点是一家大数据公司，但苏萌在最开始创立这家公司的时候，甚至都不知道大数据是什么。“2009年的时候，没有人知道大数据这个概念。我们就先这么做了，等到后来大数据概念出来了，我们才发现原来自己做的事情就是大数据。”苏萌告诉《第一财经周刊》。 　　苏萌是美国康奈尔大学营销模型专业的博士，毕业后在北京大学光华管理学院任教。他花了10多年时间研究如何为消费者数据建模、判断个人偏好，并用个性化信息流的形式为用户推荐信息，在数据营销、个性化营销和消费者行为量化模型等方面积累了不少研究成果。 　　在光华管理学院MBA的课堂上，苏萌遇到了自己的合伙人。2009年正是电商在中国兴起的时候。京东在这一年才拿到2000万美元的融资，淘宝半年的销售额只是约等于如今“双11”一天的销售额。苏萌发现这些电商网站拥有海量的数据，但它们并不懂得如何使用这些数据。而过去的10多年时间里，他正好一直在研究这件事情。苏萌和合伙人商量后决定，成立一家为电商网站做个性化推荐引擎的技术公司。 　　当时全球互联网行业中，个性化推荐引擎做得最好的是亚马逊。亚马逊电子商城上35%的销售额，都是由这一套个性化推荐引擎带来的。但亚马逊并不对外开放这套技术。中国也几乎没有公司涉及这一领域，只有京东在尝试开发自己的个性化推荐引擎，但做得并不成熟。 　　苏萌和团队花了半年时间，开发出了个性化推荐引擎的第一个版本，并正式对外提供服务。但这个版本不太能让人满意。当时他们只有一台服务器，担负着所有的数据收集、推荐算法和服务程序。随后的一年半时间里，他们一直在做同一件事情，不停开发和完善百分点的个性化推荐引擎。 　　苏萌要求百分点的个性化推荐引擎要做到实时，响应速度达到毫秒级别。一个全新的网站接入，只要数据量足够，几秒钟后就能够生成推荐结果。要实现这一效果，在算法上难度不小。过去的非实时推荐引擎，是等到所有数据收集都完成之后才开始计算。而实时推荐引擎需要增量计算，将静态的数据改成动态的数据流，来一点数据计算一点。 　　苏萌和团队最初认为算法就是一切。他们将精力全投入到了算法的突破上，每天阅读国外最新发表的算法学术论文，也尝试过热传导计算等多种先进的算法。但后来他们慢慢发现，算法并不是全部，更关键的是对用户购物场景的理解和判断。 　　简单来说，用户在网上购物时，有聚焦和发散两种状态。如果一个用户进来，先选择了“大家电”类别，然后选择了“电视”，再点击了“液晶电视”。这个用户就处于聚焦状态，带有强烈而明确的购买目的。如果用户进来后，先点击了首页的推荐大图，然后又点击了旁边的其他推荐窗口，那么他处于发散状态，只是进来商城逛逛，没有明确的购买目的。 　　认识到这一点后，苏萌和团队将场景加入了个性化推荐引擎，推荐的效果因此获得了显著提升。“光靠算法解决不了问题，我们要让机器理解人，用协同过滤算法去算人与人、物之间的关系。相对于算法，场景扮演着侦察兵的角色。”刘译?Z告诉《第一财经周刊》。 　　将个性化推荐引擎优化到一定程度之后，苏萌开始为百分点公司寻找使用这套系统的客户。对于这家以技术见长的公司来说，拓展客户是比技术突破更大的挑战。“技术强的公司，商务