当前课程知识点:大数据技术与应用 >  毛波:阿里全息大数据构建与应用 >  阿里DMP平台介绍 >  阿里DMP平台介绍

返回《大数据技术与应用》慕课在线视频课程列表

阿里DMP平台介绍在线视频

下一节:核心技术及案例

返回《大数据技术与应用》慕课在线视频列表

阿里DMP平台介绍课程教案、知识点、字幕

接下来我就给大家主要讲讲

这个运营交换数据的

这个DMP平台

大家可能之前看到过

很多很多的公司

推出过自己的DMP

在中国我估计大大小小

宣称有自己DMP的公司

可能有三五十个

也有像以BAT为代表的

互联网公司建自有的

也有一些第三方像

品友啊 悠易互通啊 互动通啊等等这些第三方的

也有一些国外的

一些DMP公司

那我们的DMP设计思路

是什么样的

差异点在哪里

接下来看

这个地方有一个词

我不知道大家有没有

我一直没有提

但是我不知道大家有没有看到

是我们讲的是一个全息大数据

什么是全息

大家应该知道

首先我们这个平台的目标

有几个

第一是我们要整合全域数据

是全域的 不止是阿里自己的

其次我们想

撮合三个角色去对接

第一个是数据需求方

我们叫消费方

第二个是数据提供方

第三个是数据加工方

我们要去撮合它们来

在这个平台上网

第三我们希望

我们的全息数据

什么是全息

我们希望还原整个

用户的生活场景

追溯它的过去

还原它的现在

去预测它的未来

这个大家会不会觉得

心里后背很发凉

觉得自己的隐私怎么办是吧

这个我们一会儿再探讨

另外就是我们运营交换数据

有一个前提是

一定要在保护安全隐私的

前提下去推动数据的

联接 流动和应用

怎么保护安全

一会儿我们探讨

那我们是怎么去构建的

先给大家一个感性的认识

全息数据

我们现在的全息数据

包含哪些东西

这个是大家非常容易想到的

我们有淘宝 支付宝

阿里云 天猫 聚划算 阿里妈妈

阿里巴巴 B2B这样的平台等等

这是我们自己已有平台上的

一些核心的东西

第二批是我们

有投资并购或者有财务合作

或者是我们的

战略合作伙伴的公司

虾米 光线传媒

光线传媒是刚刚才入股的

优酷 快的 那个健康

华谊兄弟也是前不久

还有我们的那个

中国球迷永远的痛 足球

我们也入股了恒大

还有UC浏览器

手机端的那个浏览器

也包括微博 高德

虾米音乐等等

那这些够不够

当然不够 所以我们其实是

还有更多

比如说我们通过

这种商业合作的方式

跟国家气象局会把这种

气象数据跟我们合作在一起

这些东西怎么用

其实非常简单

举个例子最近这几年雾霾

大家都非常的深恶痛绝是吧

但是也没办法

你得生活在这儿

那你能做什么呢

你能做的可能就是

去改变你自己的小环境

买个空气净化器

或者有时间了

去三亚洗洗肺是吧

那这些地方

其实都是有些商机的

所以这些东西

我们如果把这种

地域的雾霾监测信息

和我们的这种网上

线上线下的消费行为

把它结合在一起

那其实是有非常大的

一个效率的提升

那有了这些数据基础之后呢

我们再在这个分析加工层面

去追溯过去

比如我们把过去多少年的

那个行为积累的东西

能够把它连接在一起

去看这个人的生命周期

过去干过什么对吧

当然这些ID

都不会对应到人的

它只是一个唯一的ID

还原现在

他是白天上课晚上去KTV

还是去吃饭还是去郊游是吧

这些东西我们希望能够

做一个360度的一个画像

预测未来

预测未来这个点

其实是商家最关注的点

就是你过去和现在呢

它很难去把握

或者说它把握的

那个时间点非常的短

未来是重要的

因为你可能半年之后

你要买个房装修是吧

它的家具是可以

在一个合适的点

去推送给你

去帮助你做一个

去影响你的一些购买决定

你可能是假设刚结婚

可能一年之后要宝宝

那她的母婴的一些东西

她是可以迅速的

去给你做一些影响

做一些你看电视的时候是不是

是不是可以给你

做一个品牌曝光是吧

影响你的半年之后的

一个决定对吧

所以从这些角度

我们积累大量的

原始的一些数据

然后再加上

我们在加工层面

对过去 现在和未来的

一些加工预测和还原

所以我们在以这个些为基础

构建我们的整个全息的大数据

那我们怎么做的

刚才讲的是一个概念性的东西

我们怎么做

下面是一个稍微偏技术一点的

但是非技术的东西

应该也能看懂

做个处理 我们的图

首先刚才讲了

我们是要撮合三个角色的

数据提供 数据消费和数据加工

数据提供呢

我们包含哪几块

刚才那个图例其实有

首先我们这就平台数据

这个很重要

因为你如果自己什么都没有

你想去让周边的人围着你转

其实是很难的

就像太阳你得让这些

九大行星围着它转

你自己首先得有质量

得有一些东西是吧

别人才能围着你来转

那这个平台数据

是我们让别人

来围着我们转的一个核心

另外有第三方数据

像一些统计公司

一些APP的一些统计

一些APP的应用那个

另外还有一个第一方数据

最典型的是

我们有品牌商的一些CRM数据

这些品牌商

可能经过几十年的积累

它手上有非常精准的一些这种

它的老客户的信息 购买信息

另外它们现在也在做这种

在线互联网的一些这种尝试

这些东西都是他们的

很宝贵的第一方的数据

但是这些东西在他们手上呢

可能价值有限

就像你去买个汽车

买完之后

你估计在未来的5年之内

再买一辆汽车的

可能性非常小是吧

但是它可能买一个母婴的

买一个安全座椅

这种需求会非常的大

所以这些东西

我们希望能把它

吸引上线能盘活

然后形成我为人人

人人为我的东西

最后大家都受益

在第一方数据

和第三方数据这个地方

我们有一个非常强大的

一个数据接入的一个解决方案

否则你那个上来之后

没有连接是散的

其实是没有用的

那在数据消费上的话

当然这几个角色

应该都能够有理解

首先是我们有非常

很有钱很有钱的一些广告主

像一些电商品牌商

包括现在O2O

或者一些手机端的这种应用APP

另外还有一些营销系统

比如说阿里自己的

那个 转转直通车 TANX

open DSP

也包括一些外部的一些DSP

在中国大概有好几十家一百家

另外是一些那个网站

我们自己的网站

包括我们的一些

合作媒体的网站

都是可以做我们的

这种数据的一些

消费方和应用方的

当然只做这些商业化的东西

永远不是阿里自己的特色

阿里总是想去做一些新的东西

比如说我们在

社会化和公益方面

我们是会每年做很多的尝试

貌似阿里每年的营业额是

千分之三

还是千分之零点三 是吧

应该是捐给公益的

用来做公益的

大家去乘一下

应该是一个非常大的数字

所以我们在这种

医疗健康方面

在文化娱乐方面

包括在智能交通

包括在一些生态农业等等

我们都会去用我们的大数据

去做很多很多的事情

那有了更多的数据

和更多的数据消费方

那中间我们需要

有一些加工方去撮合

那有人会问说

为什么你们自己不加工

那这就

我们是一个平台

做平台的时候

就是别人能干的事情

尽量让别人去干

别人干不了的事情

平台再去干

这是第一个因素

第二是我觉得需求方

和那个提供方太多了

很多很多的一些行业

很多很多的一些领域

如果你没有十年八年五年的

一个积累沉淀

你对那个行业一知半解的话

你是做不出很深的东西的

所以我们希望让那些对行业

有非常深入的了解的那些人

也能够在这个领域来

贡献他们的智慧

做一些智力变现的东西

所以我们在数据加工方层面

会分成几块

平台加工那个不说了

我们自己必须要去做的一些

整合连接工作

我们会有一个开放的算法平台

专门提供给第三方的

那些有技术开发

有数据发掘能力的那些公司

比如说淘宝上

现在可能有上千家

好几百上千家的ISV

就是独立的软

第三方软件开发商

另外还有一些

技术类的咨询公司

应该类似于

像尼尔森这样的角色

还有一些专门的一些分析师

这个它会通过我们的

开放算法平台来做

另外还有一些行业达人

这个很有意思

就是反正比如说

以化妆品为例

反正我对化妆品

是我不怎么懂的

什么护肤保水

那些保湿那些东西

在我看来都一样

但是实际上女

女生们都应该知道

有很大的差异

那让我这种人去做那个

化妆品的那些算法加工的话

我估计是做不出好的东西来的

但是有一些行业达人

他可能通过几个标签的组合

就能把那个化妆品的

那个消费那个群体

受众群体非常精准的刻画出来

比如可能是一个30岁的

经常就朝九晚五上班的

可能最近还在加班

成天对着电脑的那种人

她可能适合用一款什么样的

那个化妆品

这样的东西

我觉得那些行业达人

对某个领域

对化妆品领域非常了解的人

是非常擅长的

所以我们希望他们

把他们的智慧贡献上来

不需要有技术能力

只需要有它的行业经验就可以

那平台做什么

平台主要做撮合工作

然后提供一些中间

去有利于这三方

能够更好协同的事情

比如我们讲的ID Mapping

就你所有的那个数据

你早晨去上课

上午去上课 中午去吃饭

晚上可能去KTV 周末去郊游

这些信息得有一个东西

把它连起来

就刚才讲的

所谓的还原生活场景

追溯过去预测未来的那些东西

另外呢还要多维数据

透视非常

非常重要

数据可视化非常重要

因为你

你做了很多东西

不能让上面的人看见它的

它的那个作用会大打折扣

另外一个数据推荐

就是本身数据多了之后它去

要去处理起来

选择起来也是非常麻烦的

所以要尽量把最好的东西

推荐出来

连接交换和ID Mapping

是一样的

另外我们还有一些

算法模型库 效果评估

提供一些非常简单应用

像USB接口式的这种数据API

最重要的一个我们要

保护用户的安全

数据的安全

有个权限管理

所以平台去做这些事情

对 这个图我觉得大家应该能看明白

大数据技术与应用课程列表:

李国杰:面向大数据的数据科学

-完整讲座

--完整讲座

-李国杰:面向大数据的数据科学--课后习题

吴甘沙:大数据分析师的卓越之道

-数据思维方式的改变

--数据思维方式的改变

-数据的假设与采集

--数据的假设与采集

-数据的准备

--数据的准备

-数据的分析

--数据的分析

-数据的解释与验证

--数据的解释与验证

-吴甘沙:大数据分析师的卓越之道——课后习题

董飞:硅谷公司的大数据实战分析

-个人介绍

--个人介绍

-硅谷热门公司

--硅谷热门公司

-大数据简介

--大数据简介

-大数据平台系统

--大数据平台系统

-工业实践

--工业实践

-结尾

--结尾

-董飞:硅谷公司的大数据实战分析--课后习题

杨光信:数据系统架构

-数据系统架构历史

--数据系统架构历史

-从sql到nosql

--从sql到nosql

-数据库系统实现变革

--数据库系统实现变革

-负载融合

--负载融合

-数据系统架构成本

--数据系统架构成本

-杨光信:数据系统架构——课后习题

时磊:大数据网络可视化

-什么是可视化

--什么是可视化

-网络可视化

--网络可视化

-大数据带来的新挑战

--大数据带来的新挑战

-大数据网络可视化的若干案例

--大数据网络可视化的若干案例

-时磊:大数据网络可视化—— 课后习题

彭元:网络安全与大数据

-网络安全概述

--网络安全概述

-大数据安全分析平台

--大数据安全分析平台

-大数据安全应用

--大数据安全应用

-大数据平台安全

--大数据平台安全

-彭元:网络安全与大数据——课后习题

钟义信:“人工智能与大数据”的创新研究

-人工智能系统的本质功能模型

--人工智能系统的本质功能模型

-隐性智慧,显性智慧

--隐性智慧,显性智慧

-人工智能:能与不能

--人工智能:能与不能

-人工智能的技术现状

--人工智能的技术现状

-机制主义人工智能模型

--机制主义人工智能模型

-信息转换和智能创生定律

--信息转换和智能创生定律

-人工智能与大数据

--人工智能与大数据

-钟义信:“人工智能与大数据”的创新研究——课后习题

吴军:数据为王和机器智能的时代

-什么是机器智能

--什么是机器智能

-大数据的重要性及特点

--大数据的重要性及特点

-大数据中的因果关系与关键技术

--大数据中的因果关系与关键技术

-大数据与机器智能

--大数据与机器智能

-大数据思维

--大数据思维

-讲座问答环节

--讲座问答环节

-吴军:数据为王和机器智能的时代——课后习题

苏中:从大数据到认知计算

-大数据概述

--大数据概述

-大数据相关新趋势

--大数据相关新趋势

-大数据技术创新1

--大数据技术创新1

-大数据技术创新2

--大数据技术创新2

-大数据技术创新3

--大数据技术创新3

-大数据商业价值和前景

--大数据商业价值和前景

-大数据机遇和挑战

--大数据机遇和挑战

-苏中:从大数据到认知计算——课后习题

王新锐:金融大数据的法律实践

-金融大数据概述

--金融大数据概述

-用户个人信息分类

--用户个人信息分类

-金融大数据法律框架

--金融大数据法律框架

-实际案例和业界实践

--实际案例和业界实践

-核心风险点

--核心风险点

-王新锐:金融大数据的法律实践——课后习题

刘鹏:互联网变现与计算广告

-互联网与商业化

--互联网与商业化

-大数据与计算广告

--大数据与计算广告

-计算广告介绍

--计算广告介绍

-数据交易

--数据交易

-刘鹏:互联网变现与计算广告——课后习题

杨保华:区块链与数据科学

-从记账技术到区块链

--从记账技术到区块链

-区块链确保数据真实性

--区块链确保数据真实性

-区块链确保数据安全性

--区块链确保数据安全性

-区块链衡量数据价值

--区块链衡量数据价值

-区块链的应用和总结

--区块链的应用和总结

-杨保华:区块链与数据科学——课后习题

杨紫陌:个性化内容推荐

-个性化推荐系统

--个性化推荐系统

-推荐系统的召回与排序

--推荐系统的召回与排序

-智能制作之个性化海报

--智能制作之个性化海报

-线上推荐系统其它要素

--线上推荐系统其它要素

-杨紫陌:个性化内容推荐——课后习题

陆祁:用户行为大数据

-个人介绍及用户理解背景

--个人介绍及用户理解背景

-用户理解与用户画像

--用户理解与用户画像

-案例1:用户属性识别

--案例1:用户属性识别

-案例2:自然人识别

--案例2:自然人识别

-案例3:WOI与社交关系识别

--案例3:WOI与社交关系识别

-陆祁:用户行为大数据——课后习题

阳任科:大数据与AI的内容分析

-内容智能生态——数据、算法、应用

--内容智能生态——数据、算法、应用

-大数据在内容分析的应用

--大数据在内容分析的应用

-IP价值评估系统

--IP价值评估系统

-爱奇艺的剧本评估

--爱奇艺的剧本评估

-爱奇艺的智能评分

--爱奇艺的智能评分

-阳任科:大数据与AI的内容分析——课后习题

王栋:美团外卖的大数据应用

-外卖行业及场景简介

--外卖行业及场景简介

-餐饮及外卖行业大数据应用框架

--餐饮及外卖行业大数据应用框架

-案例分析:智能营销场景的用户画像

--案例分析:智能营销场景的用户画像

-案例分析:智能助手场景的菜品画像

--案例分析:智能助手场景的菜品画像

-王栋:美团外卖的大数据应用——课后习题

赵楠:商业思维与大数据技术在美团旅行业务中的结合

-旅行业务的特点

--旅行业务的特点

-美团旅行业务的用户画像构建

--美团旅行业务的用户画像构建

-用户画像的应用案例

--用户画像的应用案例

-住宿需求预测问题

--住宿需求预测问题

-营销补贴策略建模

--营销补贴策略建模

-赵楠:商业思维与大数据技术在美团旅行业务中的结合——课后习题

陈彧:美团点评金融服务的大数据与人工智能

-互联网金融背景介绍

--互联网金融背景介绍

-互联网金融科技

--互联网金融科技

-数据智能的三个案例

--数据智能的三个案例

-技术展望

--技术展望

-陈彧:美团点评金融服务的大数据与人工智能——课后习题

毛波:阿里全息大数据构建与应用

-数据的进化历程

--数据的进化历程

-阿里DMP平台介绍

--阿里DMP平台介绍

-核心技术及案例

--核心技术及案例

-数据应用

--数据应用

-毛波:阿里全息大数据构建与应用——课后习题

韩定一:在线营销中的竞价机制与数据价值

-在线营销

--在线营销

-竞价机制

--竞价机制

-数据价值

--数据价值

-韩定一:在线营销中的竞价机制与数据价值——课后习题

龚笔宏:大数据在工业界中的经典案例分享

-竞价排名搜索

--竞价排名搜索

-主要技术问题

--主要技术问题

-点击率预测概述

--点击率预测概述

-点击率预测实践

--点击率预测实践

-龚笔宏:大数据在工业界中的经典案例分享——课后习题

[补充] 郝井华:即时配送中的人工智能

-即时配送业务的背景及挑战

--即时配送业务的背景及挑战

-案例1:订单分配策略

--案例1:订单分配策略

-案例2:供需平衡策略

--案例2:供需平衡策略

-未来展望

--未来展望

-郝井华:即时配送中的人工智能——课后习题

[补充] 陈辉:数据驱动营销

-什么是数据驱动营销

--什么是数据驱动营销

-LTV留存分析

--LTV留存分析

-RFM会员体系

--RFM会员体系

-消费者微群画像

--消费者微群画像

-渠道倾向性分析及行业竞争分析

--渠道倾向性分析及行业竞争分析

-机器学习潜客挖掘模型

-- 机器学习潜客挖掘模型

-陈辉:数据驱动营销——课后习题

[补充] 艾小缤:大数据评价体系在金融、征信领域的创新

-金融大数据时代

--金融大数据时代

-大数据客观信用

--大数据客观信用

-我国的金融环境

--我国的金融环境

-客观信用的实践

--客观信用的实践

-应用案例与成果

--应用案例与成果

-艾小缤:大数据评价体系在金融、征信领域的创新——课后习题

[补充] 郑宇:大数据驱动智能城市

-外部链接

--外部链接

讨论专题

-课程总结讨论单元1/2

-课程讨论总结单元2/2

阿里DMP平台介绍笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。