推荐系统之必备要素：数据

数据可分为以下几个维度：

• 用户维度：分为显式、隐式
• 物料&表现数据维度
• 其他数据

-------------------------------------------------

数据经过以下过程逐步凑体现出业务利用价值：

S1-采集

　　采集的数据包括结构化和非结构化两种，是正确的业务建模、高效工程的基础。其中最重要的一部分是埋点数据，埋点的数据要经历ETL清洗、数据整合、报表呈现等过程才能进入下一步数据挖掘的步骤。

　　埋点数据指标的规划涉及到三个主要方面：指标定义、指标维度、更新周期。

　　埋点数据按照类型又会分为：

• • 点击、收藏、加购、购买、浏览时长等等业务方面的行为数据。用户行为=商品/内容等信息载体（类目、年代、明星、etc）+显性操作（购买、关注、下载、etc）+隐形操作（时长、跳过、etc）
  • Query
  • icon
  • 推荐/展示逻辑信息

　　采集的数据通过以下六个维度考察是否符合要求：

• • 完整性
  • 及时性：根据业务需求及特性来决定采集频率
  • 规范性
  • 一致性：相同名称的数据在不同场景下依然代表同样的含义。
  • 准确性：定义准确，无歧义
  • 关联性

S2-数据挖掘

　　在数据中发现业务的隐藏信息和规律

S3-决策

S4-数据驱动

　　方向1 确定分析目标，根据数据分布发现业务问题。

　　方向2 找到合适的指标，制定相应数据阀值，监控数据异常

　　方向3 评估数据渠道，通过对数据的二次加工和分析，比较渠道优劣，从而确定迭代方向

　　通过数据，亦可实现行为路径分析、单体用户行为跟踪、精细化用户分群等常见的运营需求。