Dataphin幫助企業(yè)構建數(shù)據(jù)中臺系列之--萃取數(shù)據(jù)中心

Dataphin作為阿里巴巴數(shù)據(jù)中臺OneData (OneModel、OneID、OneService)方法論的產品載體，幫助企業(yè)構建三大數(shù)據(jù)中心：基于數(shù)據(jù)集成形成的垂直數(shù)據(jù)中心、基于數(shù)據(jù)開發(fā)沉淀的公共數(shù)據(jù)中心和基于標簽工廠構建的萃取數(shù)據(jù)中心。今天我們就一起來看看，Dataphin是如何基于OneID思想構建數(shù)據(jù)萃取中心，連接上下游應用為企業(yè)創(chuàng)造更多價值的吧～

為什么要建立萃取數(shù)據(jù)中心：提升數(shù)據(jù)價值密度 首先，我們來看看Dataphin為什么要幫助企業(yè)構建自己的萃取數(shù)據(jù)中心？

大數(shù)據(jù)時代，任何微小的數(shù)據(jù)都可能產生不可思議的價值。作為智能數(shù)據(jù)構建與管理平臺，Dataphin的規(guī)范建模、數(shù)據(jù)處理等核心功能幫助企業(yè)高效整合來自不同業(yè)務數(shù)據(jù)庫的海量數(shù)據(jù)，沉淀數(shù)據(jù)資產，構建自己的數(shù)據(jù)中臺，應對大數(shù)據(jù)時代Volume（大量）、Variety（多樣）、Velocity（高速）方面的挑戰(zhàn)。然而，相比于傳統(tǒng)的小數(shù)據(jù)，大數(shù)據(jù)更大的價值在于從海量不相關的各類數(shù)據(jù)中，挖掘出對預測分析有參考意義的數(shù)據(jù)，提升數(shù)據(jù)價值密度并應用于指導生產，從而幫助企業(yè)實現(xiàn)提效降本的目的。Dataphin的數(shù)據(jù)萃取功能正提供了這樣的能力。

從業(yè)務視角來看，日常生產和營銷活動中，不管是人群圈選、選址還是個性化投放，都離不開標簽的指導。標簽是對一個實體的立體刻畫（不局限于人，任何可被描述和分析的存在都可以是實體，如商品、公司等）。不同維度的標簽從不同角度對實體進行描述，例如以零售視角為切入點，我們可以從自然屬性（如性別、年齡）、社會屬性（如經濟狀況、婚姻狀態(tài)）、興趣偏好（如喜歡整潔的環(huán)境、希望有漂亮的牙齒）和行業(yè)消費偏好（如美妝偏好、母嬰偏好）來對消費者進行描述。高質量、全面的標簽能夠有效地抽象出一個實體的信息全貌，為精準營銷奠定了基礎。

數(shù)據(jù)只有融通才能產生更大的價值，我們不僅希望可以分析和應用大數(shù)據(jù)，更希望得到通過跨業(yè)務單元連接起來的數(shù)據(jù)和精細化萃取的數(shù)據(jù)。這種情況下，Dataphin數(shù)據(jù)萃取模塊基于業(yè)務數(shù)據(jù)庫的原始數(shù)據(jù)和建模研發(fā)等沉淀的數(shù)據(jù)資產，將全系統(tǒng)中主數(shù)據(jù)——即貫穿各個隔離業(yè)務的核心對象，進行識別與關聯(lián)連接，打通業(yè)務數(shù)據(jù)孤島，進一步提煉可直接應用的高價值標簽數(shù)據(jù)，從而幫助企業(yè)構建自己的萃取數(shù)據(jù)中心，并對接上游應用（QuickAudience等）進一步指導生產營銷活動。

如何高效建立萃取數(shù)據(jù)中心：可視化配置，自動化生產 Dataphin研發(fā)模塊下的數(shù)據(jù)萃取為我們提供了連接行為數(shù)據(jù)并實現(xiàn)標簽萃取的功能，現(xiàn)階段優(yōu)先支持以消費者為對象的數(shù)據(jù)體系，功能模塊主要包括3 大部分：ID中心、行為中心和標簽中心（目前ID中心暫未上線）。此外，運維模塊下還提供單獨的萃取運維子模塊，支持從業(yè)務視角查看萃取相關的調度任務。下面，我們將從幾個功能模塊的視角給大家介紹Dataphin如何幫助企業(yè)構建自己的萃取數(shù)據(jù)中心。

1）ID中心：相關ID自動化識別與連接 Dataphin基于OneID的思想，以唯一標識打通來自不同平臺、系統(tǒng)、渠道的數(shù)據(jù)，支持通過可視化界面參數(shù)配置的方式，從所有數(shù)據(jù)中提煉并基于算法自動識別各類型ID 之間的映射關系（購物會員ID、視頻觀看者ID、購物設備mac、觀看設備IP 等），并將屬于同一實體的不同類型ID通過唯一的One ID進行連接，使得基于ID生產的標簽可以聚合到同一實體，從而對實體進行更精準、全面的刻畫。

2）行為中心：沉淀行為元素，構建行為規(guī)則 Dataphin目前支持以人的相關ID 為中心，通過可視化界面表單配置的方式，從來源行為數(shù)據(jù)中提煉進而聚攏不同業(yè)務域下的行為數(shù)據(jù)（如電商購物、視頻觀看）。

首先，我們需要從業(yè)務視角對行為數(shù)據(jù)進行梳理，從中提煉出可復用的行為元素（行為域、業(yè)務線、動作、對象、對象屬性），并通過對行為元素進行組合定義不同的行為（行為域-業(yè)務線-動作-對象）。行為域聚合業(yè)務含義一致的行為數(shù)據(jù)，如電商域、文娛域；業(yè)務線基于行為域將行為數(shù)據(jù)進一步細分，各業(yè)務線之間相對獨立，如淘寶業(yè)務線、天貓業(yè)務線；動作指行為主體發(fā)出的操作，如購買、瀏覽；對象指行為主體操作的具體事物，如商品、電影；對象屬性是對象的描述性信息，如名稱、品牌、年份。通過抽取沉淀行為元素，我們可以將來源數(shù)據(jù)更好地進行劃分組合以得到具有明確業(yè)務含義的行為，如電商域-淘寶-購買-商品、文娛域-優(yōu)酷-瀏覽-電影。通過沉淀行為元素，我們可以更好地規(guī)范來源數(shù)據(jù)，并減少重復建設和人力投入。

給同一行為選擇不同的來源表并添加配置，即生成不同的行為規(guī)則（由行為+來源表唯一確定），后續(xù)標簽生產將依賴已經構建的行為和行為規(guī)則。規(guī)則配置主要包括行為主體ID、對象、對象屬性和行為發(fā)生次數(shù)，從來源表選擇相應的字段，再通過行為規(guī)則的周期調度任務，我們就能得到持續(xù)更新的行為數(shù)據(jù)作為標簽生產的來源。

3）標簽中心：高效標簽生產 構建完成行為和行為規(guī)則后，進一步地，我們將基于算法模型，通過簡單的界面配置定義標簽的生成規(guī)則。

標簽的配置分為兩大步驟：第一步首先基于定義的行為圈選出某標簽需要依賴的行為數(shù)據(jù)，接著對預期得到的標簽值和打標方式進行配置；第二步需要對已選的行為數(shù)據(jù)設置時間衰減模式，并基于業(yè)務含義給不同的行為分配不同的權重。例如，我們認為“購買母嬰用品”和“觀看親子視頻”的用戶都可以被打上“母嬰人群”的標簽，那么第一步，我們將這兩種行為相關的數(shù)據(jù)都勾選出來，設置預期標簽值為“母嬰人群”；第二步，我們認為近期的行為比之前發(fā)生的行為更有參考性，因此選擇線性衰減模式，給近期行為賦予更大的時間權重；同時，基于業(yè)務經驗，我們認為“購買母嬰用品”比“觀看親子視頻”更能精確定位到目標用戶，所以給“購買母嬰用品”行為分配更大的權重。這樣，我們就完成了“母嬰人群”這樣一個購物偏好標簽的生產。

不同于傳統(tǒng)標簽生產，Dataphin數(shù)據(jù)萃取的用戶只需要關心標簽的具體業(yè)務含義和規(guī)則，而不用關心底層算法的實現(xiàn)，通過簡單的界面操作即可完成標簽的配置，并自動生成代碼和周期調度任務，極大程度上降低了標簽生產的難度和門檻。

4）萃取運維 最后，我們在萃取模塊配置的行為規(guī)則和標簽都會生成自動化調度的周期任務。在“運維”界面的“萃取運維”子模塊下，我們可以從業(yè)務視角更清晰明了地查看相應任務和對應生成的實例，并針對異常調度通過補數(shù)據(jù)等操作回復生產。如此一來，業(yè)務人員也可以配置并查看萃取任務，大大降低了對技術人員的依賴。

總結 Dataphin數(shù)據(jù)萃取功能上線后，批量生產十幾個同類型的標簽的時間從兩周縮短到兩天左右，而且可以監(jiān)控標簽生產任務，不管是速度還是正確性上都得到了很大的提升；參與的人員也從原本的數(shù)據(jù)產品經理、數(shù)據(jù)研發(fā)工程師、數(shù)據(jù)科學家為主導轉變?yōu)楦嗟臉I(yè)務角色可以參與甚至主導。

Dataphin萃取數(shù)據(jù)中心的建立，幫助企業(yè)更好的實現(xiàn)了目標對象相關ID 的識別與連接、目標對象所有行為的規(guī)范化結構化聚集和目標對象相關標簽屬性的快速創(chuàng)建，從而快速構建企業(yè)自己用戶數(shù)據(jù)資產，以便對接數(shù)據(jù)應用類產品，實現(xiàn)營銷投放等。

看了這些介紹，是不是對Dataphin的數(shù)據(jù)萃取功能充滿了期待和信心？那就快來體驗一下吧～更多Dataphin的驚喜等你來挖掘！

結語： 阿里巴巴數(shù)據(jù)中臺團隊，致力于輸出阿里云數(shù)據(jù)智能的最佳實踐，助力每個企業(yè)建設自己的數(shù)據(jù)中臺，進而共同實現(xiàn)新時代下的智能商業(yè)！ 阿里巴巴數(shù)據(jù)中臺解決方案，核心產品：

Dataphin，以阿里巴巴大數(shù)據(jù)核心方法論OneData為內核驅動，提供一站式數(shù)據(jù)構建與管理能力； Quick BI，集阿里巴巴數(shù)據(jù)分析經驗沉淀，提供一站式數(shù)據(jù)分析與展現(xiàn)能力； Quick Audience，集阿里巴巴消費者洞察及營銷經驗，提供一站式人群圈選、洞察及營銷投放能力，連接阿里巴巴商業(yè)，實現(xiàn)用戶增長。