Question

数据作为商品的特征包括哪些？

Answer 1

数据作为商品的特征是有很多种的，所以应该要严格把关。以公有制为主体、多种所有。
当前，数字经济作为继农业经济、工业经济之后的新经济形态的出现，以及互联网的快速发展，不断为我们的生活生产提供了便利的连接方式，也带来了丰富的数据资源。
作为前沿高新技术的大数据、物联网则正在驱动智能化发展和智能时代的来临。新一代人工智能的兴起和发展，将使人类步入智能时代。人工智能核心的要素包括数据、算法和芯片。大数据驱动知识学习人机协同，增强智能群体集成、智能自主制造系统成为人工智能的发展重点。大数据物联网等技术的发展正在驱动信息技术产业格局发生重大的改变，同时也为我国提供了难得的赶超机遇。
在今天的“山西阳泉大数据及智能物联网产业发展大会”上，工信部信软司副司长李冠宇表示，在国家政策的推动和各界的共同努力下，我国的大数据产业发展迅速，呈现出五大特点：
我国大数据产业发展迅猛 呈现五大特点

一是顶层设计不断加强，政策机制日益健全。发改委工信部网信办等46个部委共同建立了促进大数据发展部际联席会议制度，全国有30多个省市制定实施了大数据相关的政策文件。
第二方面是关键的技术领域不断取得突破，创新能力显著增强。大数据的软硬件自主研发的实力快速提升一大批大数据的技术和平台处理能力也开始跻身世界的前列。
三是行业应用逐渐深入，对经济发展的带动作用凸显。包括在电信、互联网、交通、金融、工业、农业、医疗等行业的应用不断深化，大大改善了人们的生产生活方式。
四是区域布局持续优化，产业规模不断壮大。全国推进建设了八个国家大数据综合试验区，开展大数据方面的实践探索，形成了一批集聚发展区。
第五是产业发展环境日益完善。大数据的基础设施法律法规标准体系安全保障能力，包括产业生态人才队伍都在不断的加强。
总体来说，我国大数据产业正在步入快速发展时期，为提升政府治理能力，优化公共民生服务促进经济转型和创新发展作出了积极贡献，成为推动经济社会发展的新动能。

Answer 2

一、结构

第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。

二、意义

现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。

阿里巴巴创办人马云来台演讲中就提到，未来的时代将不是IT时代，而是DT的时代，DT就是Data Technology数据科技，显示大数据对于阿里巴巴集团来说举足轻重。

有人把数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。

与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。对于很多行业而言，如何利用这些大规模数据是赢得竞争的关键。 

大数据的价值体现在以下几个方面：

1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销

2) 做小而美模式的中小微企业可以利用大数据做服务转型

3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值

Answer 3

数据流的自动化搭建

这里所讲的数据流并不是单纯的数据采集清洗以及存储的过程，还包括了自动挖掘，特征提取，模型训练和模型发布上线的过程。这个因素给人的印象似乎和前面谈的不一致，这好像是在说纯工程上的问题。但在一些场景之下，数据模型的高速迭代对业务来说就是一个非常重要的改进。曾经在做一个项目里预估模型时，单是从每天更新一次的模型提高到了一天四次更新，在各方面线上表现就有了明显的提升。

大数据产品的特点和要素

所以在项目的初期，也许确实没有必要做到高频的更新，但设计中应该涵盖对这种时效的提升考虑。比如只要做大机器够多,MR数量够多，模型更新的频次就能增加，这样就算可以接收的设计。如果能利用一些data streaming技术如spark来做实时机器学习那就更牛了，可是也要具体场合具体分析，如果每天的业务量本身就有限，又何必搞那么复杂，过犹不及。但是无论如何，无论是data pipeline还是模型分布，中间任何一个环节需要人手工做某些事情是绝对不能忍受的。

重视线下和线上评估的设计

线下评估省钱省力省时间，可是线上才是检验真理的唯一标准，这也引入了三个问题，线上模型表现和线下训练数据处理的一致性，线上实验平台设计以及线下评估的不断完善。这三个问题每一个都可以展开讲很久，都是值得我们不断努力改善的方向。

选择适合的算法

这个只简单讲两句，未必复杂的高级的算法就是好的，未必别人的最佳实践就是可以复制的。选择算法的时候，对于自己精通的算法，即使简单只要用的恰当也许效果也相当不错，当然我们也不能故步自封在已知的领域，不停尝试新的技术也是推动大数据产品不停进化的动力。

明确方向和目标

之所以讲了这么多点才讲到似乎应该第一个讲的需求分析，就是大数据产品的不确定性决定的。要解决的问题虽然明确，但是解决的方法却不是唯一的，而且很可能是需要不停探索尝试才能解决的。我们每做一个原型，每做一个分析的时候只要不停的问自己，这个数据说明了什么，这个数据是否有用，这个方向是否可能跟要解决的问题在某个维度有一个小的夹角，这些工作都可能成为后来非常有意义甚至是决定性的因素。

人工干预

讲到这个点的时候，我犹豫了很久，因为这个点就像是要向大家介绍一个会给自己带来某些好处的劣习一样。一切大数据产品的最终形态应该是由数据和模型来阐述它自己而没有任何人工的因素。

大数据产品的特点和要素

我所经历的好多比较大的项目也都是在向着这个方向努力，可是不得不说，对于业务刚刚上线的时候，简单暴力的人工规则往往效果极佳，所以很多项目都是到了人工干预不再见效的时候才开始引入机器学习的模型，到目前为止我无法判断这是不是最佳实践，毕竟当初开开心心加入的规则在去除的时候则是万般艰难，各种规则的叠加造成了牵一发而动全身。但一开始就能做到毫无人工干预，让模型来解释自己是否又太过理想呢。

Answer 4

1、数据流的自动化搭建 2、大数据产品的特点和要素 3、重视线下和线上评估的设计

Answer 5

商品分类是指根据一定的管理目的，为满足商品生产、流通、消费活动的全部或部分需要，将管理范围内的商品集合总体，以所选择的适当的商品基本特征作为分类标志，逐次归纳为若干个范围更小、特质更趋一致的子集合体(类目)，例如大类、中类、小类、细类，直至品种、细目等，从而使该范围内所有商品得以明确区分与体系化的过程。

商品种类繁多，据不完全统计，在市场上流通的商品有25万种以上，为了方便消费者购买，有利于商业部门组织商品流通，提高企业经营管理水平，须对众多的商品进行科学分类。商品分类是指为了一定目的，选择适当的分类标志，将商品集合总体科学地、系统地逐级划分为门类、大类、中类、小类、品类以至品种、花色、规格的过程称为商品分类。

随着互联网技术的发展和网络的普及，电子交易越来越得到百姓的喜爱，对于一些商品存储后台，由于商品的种类繁多，需人工进行分类，且由于同一种商品种类间存在细小区别点，人工在分类的过程中由于视觉疲劳，会导致分类失误的频率较高，分类效率低。