现在数据剖析和机器学习是很炽热的领域,近几年各行各业都现已采集了很多的数据,怎么运用数据提高功率成为了问题的关键。
作为一个C端产品司理,最近作业原因有幸与BAT中某厂的地图标注聊到了单点信息(POI)的准确性这个问题(主要是店肆的倒闭与否),在当今大数据和机器学习如此炽热的年代,自己有意图的对此问题做了一个粗浅的剖析,写一篇小文章请地图相关的PM一起来纠正一下。
现在来看,单点信息主要以人工方式进行验证,如某厂淘金和人工扫街。信息流程处理杂乱,费时吃力,数据的推迟相对严峻,没能充分运用已有数据。
下边将从一个具体事例入手,概括总结,以点带面,晋级为一套可执行计划。
事例剖析
事例的选取:事例店肆在身边不能太多,如便利店,由于便利店周围就有很多替代品;也不能太少,如大型商超,倒闭关门的频率根本很低,不具有参考价值。所以事例运用洗衣店这种非高频却是必须品的店肆。
事例:小区门口有家洗衣店,需要判别其是否依然健在倒闭营业。
事例剖析:数据的产出来自方方面面,但是其本质来源于人类的日常活动,洗衣店的参与者包括了洗衣店消费者(Customer)、老板店员(Owner)和供货商(Supplier,以洗衣店为用户的效劳提供商),下面临三种人物的行为轨道进行剖析,然后发现其可运用的数据点。