江苏龙网

  1. 首页 > 人文 > >

「实战财经」大数据时代的狗( 三 )


中哥可以给你分分类 ， 巨头掌握的数据 ， 可以从“结构化”和“身份化”两个角度来看 。
解释一下：结构化 ， 是指数据可以填到表格里 ， 就像通讯录一样规定了每个字段属性的那种数据 。 身份化 ， 就是指数据背后能否对应到你这个真实的人 。
1）阿里巴巴的数据是“强结构化”+“强身份”的 。
淘宝 ， 可以知道你购买物品的名称、价格、购买时间、地址、电话 。
支付宝 ， 可以知道你的身份证、电话、付款金额 ， 资金流向 。
强结构化的数据处理起来是最简单的 ， 因为计算机在设计之初就是用来“算数”的 ， 最适合处理比较规整的数据 。
数据挖掘带来的利润显而易见 ， 那些年阿里巴巴在电商领域一骑绝尘 ， 数据分析肯定功不可没 。 但是在2009年之前 ， 阿里巴巴用以支持数据存储和计算的主要是 IBM 小型机和甲骨文数据库 。
这些都是进口货 ， 死贵死贵的 。
随着对于计算越来越倚重 ， 阿里发现一个问题：IBM 和甲骨文数据库在面对超大规模计算的时候 ， 性能劣化太TM严重 ， 相当十分肯定完全对不起这个价格 ， 这才有了用便宜的PC通用服务器搭建一套计算系统——阿里云——的冲动 。
实话实说 ， 阿里云的创立者王坚博士当初加盟阿里巴巴 ， 目的不是做一个云计算底层架构 ， 而恰恰是为了做一个大数据平台 ， 而为了做这个大数据平台 ， 反而需要首先建立阿里云 。
王坚
阿里云其实是个“大数据母体”的副产品 。
再说到“强身份” 。 一个人的姓名、年龄、住址、身高体重、生活作息等习惯这些数据 ， 其实隐含了巨大的信息量 。
就像你看到一个年轻妹子 ， 你会猜她大概率喜欢化妆品和包包；你看到一个肥宅 ， 你会猜他喜欢零食和快乐水 。
大数据系统利用社会学的知识图谱 ， 把这些身份背后的隐含信息和搜索关键词信息结合起来去做推荐 ， 往往一发入魂 。
剁手上瘾 ， 岂能无缘无故 。
2）百度的数据是“强结构化”+“次强身份”的 。
大多数人在百度搜索的时候 ， 不会使用整句 ， 而是使用关键词 。 关键词对应的“索引”也是一种结构化数据 。
这里多说一句 ， 李彦宏的本科就是北大图书情报专业 ， 而图书专业的核心知识就是如何科学地建立“索引” 。 所以他能搞出百度搜索引擎凭借的是扎实的科学知识 。
百度从上线的第一天开始 ， 关键词数据就是核心资源 ， 有了它 ， 不仅可以做竞价排名 ， 还可以做广告推送 。
「实战财经」大数据时代的狗
本文插图
【「实战财经」大数据时代的狗】
百度的第一场发布会
说到这里中哥想到了一个趣事 。
2000年百度搜索引擎首次上线 ， 用户搜索的第一个关键词是“张朝阳” ， 第二个关键词就是一个羞羞的词汇：“成人图片” 。
我猜 ， 如果百度开放成人网站的竞价排名 ， 那市值比现在要大无数倍 。。。
但是百度的关键词数据却不像淘宝一样可以和具体人的身份精确对应 。
那是因为 ， 你搜索一个关键词 ， 并不需要先登录 ， 更不需要填写收货地址 。 你不“自白” ， 百度就不知道你是谁 。 这个缺陷其实一直是百度心中的疙瘩 。
你还记得不 ， 2019年百度和春晚合作 ， 发了一次红包 。 那时候 ， 因为涉及到要领钱 ， 必须让用户登录 ， 对应强身份 ， “年久失修”的登录系统就承受了巨大的冲击 ， 差点挂了 。
然而 ， 百度也并不是对于搜索者一无所知 ， 因为他们可以采取一个“退而求其次”的技术 ， 那就是采集你的“设备指纹” 。
啥是设备指纹？这里稍微科普一下 ， 每个设备都有一个独特的识别码 ， 加上你的 Wi-Fi 信息 ， 地理信息 ， 基本可以给每个设备分配一个“身份证号” 。


推荐阅读


上一篇：「蓝鲸TMT网」寒冬下的二手车电商：借直播突围，产业布局重要性凸显

下一篇：『人民创投』大厂“硬核”云集，人民战“疫”内容科技大赛烽火点燃