数据标签的作用

admin2022年03月15日 13:49
cover

数据标签可以将数据及其含有的信息转化成带有明确的可决策行为的指导。

人参与决策越多的地方,越需要将信息数据进行标签化,以提升人对数据的理解和处理效率,实现人机协同。

讨论这两点的具体含义。观察一下所谓的数据产品,比如营销领域的DMP、CDP,或者一些通用的数据产品,BI、DASHBOARD等等,它们的共同之处在于,关注如何用数据让人去产生快速的理解。

比如说在当今疫情环境下,有一个大家日常经常会遇到的标签,体温超过37度,可能就是发烧需要去看医生了,这个发烧点就是一个重要的标签。再比如驾车过程中,如果时速超过120,导航上的显示就变成红色,这也是一个非常明确的标签,说明已经超速,该松油门降速了。所以我们在日常生活中其实总是能遇到一些特别典型的标签,指导我们去做决策。

我们再从另一个角度来去看一下,为什么我们需要去做标签。以各种新闻类或者短视频类的APP为例,其背后普遍有非常好的推荐能力,这些推荐能力可能不需要标签,因为它有大量的用户反馈数据去帮它做决策,就可以自己不断的去进行刷新,去训练提升它的模型。但是如果说某些场景环境需要人来参与做决策,人参与决策的地方越多,就越需要将数据和信息进行标签化。因为人处理信息不可能像机器那样,通过大量的运算来决策。人类能够处理的信息其实是有限的,为了提升处理效率,最终实现人机协同,我们要把大量数据和数据演算的结果,通过信息的标签化,变成人可以快速理解快速去做决策的形式。

第一步:数据在线

数据在线指的是通过数字化转型,将业务流程在线化,这样业务流程中产生的数据也就跟着实现了在线化,具备了进一步处理的先决条件。比如以前我们都在超市里买东西,其实很难去统计哪个用户买了什么东西,后续的分析也就很难进行。现在很多人都在电商购物,购物记录实现了数据在线。未来,随着越来越多的业务流程在线化,可以分析的内容也会越来越丰富。

第二步:数据信息转换

用户数据转换为信息,这个信息指的是,在我们业务场景下能够解读出来的内容。比如用户姓名王二妮,是一个女性化的名字,当然,可能并不是所有的转化都这么直接。从数据到信息的过程中,需要基于对业务场景的理解,我们不仅需要直接的分析数据,转换数据,还需要赋予数据新的信息,这就是所谓的信息转换,信息增益。

第三步:信息标签转换

我们可以通过一些规则,将信息转化为标签。举个例子,当我看到这信息(用户名叫王二妮)的时候,我们就可以判断,大概率90%以上,这个用户是一位女性,就可以给用户一个性别标签,这是一种预测性的标签,所以这个标签是带有权重的,比如90%。

第四步:标签指导决策

根据数据标签如何产生决策?在电商场景,用户购买了一款婴儿奶粉产品,接下来该如何去跟他互动?我们结合性别女的标签,去判断,用户大概率是一个妈妈,就应该是适用妈妈型的沟通方式和称呼。这个当然也有可能会有错,比如用户是帮别人买的,送人的。因此可能会要结合多种用户标签应用,帮助我们决策用什么方式去和用户进行沟通。在这个环节中,并不要求决策百分之百正确。因为大多数业务只是需要一个可以尝试的推荐。接下来每一条数据都是这样的,比如通过数据在线,获得了收货地址,东城区特别贵小区302,通过信息增益补充了房价信息,然后再结合收入和房价模型,就能大概推断出用户的大概收入水平,生成收入水平标签。有了收入水平标签后,能进一步指导决策:对于收入水平比较高的用户,推荐更高端的产品系列。这就是一个典型的,通过数据转化为标签,最终指导决策的过程。

数智赋能每一个岗位