【电商数据】关于电子商务数据的几点思考

如此巨大的业务量带来了巨大的数据量，只要理解数据的人理解它，这些数据一定是非常有价值的。但是，这些数据的具体应用点和应用点在哪里？你是怎么认识他们的？别漂亮我也想知道更多赚钱的方法。我只能说我只看到一些皮毛

首先，让我们看看电子商务的一些基本领域：

这是我做的基本手表。老实说，这是很基本的。我会把它放在我的博客里，稍后再下载。本表本身作为电子商务数据分析系统数据采集的起点，范围窄，仅供参考。如果电子商务平台确实需要收集，可以根据不同平台之间的***考虑以下平台：

当然，这些只是部分。分类可分为综合类、特卖类、导购/返利类、跨境电商、品牌电商、二手电商、母婴类、B2B、微商、***购物等10类，部分领域可以统一，而其他的则难以统一。特别是，许多销售数据平台都不提供捕获功能。

在收集部分，我们来谈谈我对数据的具体应用的想法。首先，电子商务基础数据可以做很多数据分析，包括：

事实上，这是非常令人印象深刻的。我个人的想法是考虑数据的真正需求。目前，我认为我的考虑可能不够深入，但我想从以下几个角度思考：

如果我们收集的数据包含注释并进行语义分析，可能会有更多的思考维度：

如果将数据扩展到电子商务大信息数据系统层面，即电子商务数据+测评数据+网络舆情数据+市场行业数据，我们可能会提出以下问题

上面的一些想法可能是电子商务公司、商店等。如果把电子商务的数据用户放在大品牌的角度，他们可能也会关心这些问题：

如果把电子商务数据的应用水平提高到更高的政治层面，工商行政管理部门、经济调查部门甚至一些地方经济管理部门可能会有以下需求：

上面有很多需求和不同的目标客户，我不能涵盖所有的需求，但是我们可以看到，电子商务数据的应用越来越重要和广泛，特别是经过多年的电子商务数据积累，已经不再是简单的数据分析。一方面，目前电子商务数据缺乏海量数据级的关联挖掘。另一方面，由于评论的复杂性，语义分析（包括情感的正负面、视图的分割、视图的聚类等）缺乏一个相对完整、更加自动化和智能化的分析模型。

目前，由于人工智能和深度学习的普及和发展，对部分数据的海量层次分析不再依赖于算法工程师的不断算法研发、优化调整和实际测试，而是逐渐转变为有监督的学习和半监督的学习监督学习，从深度学习到强化学习和迁移学习。一方面，训练所需的数据量逐渐减少，另一方面，学习神经网络模型训练所需的时间也逐渐减少，精度稳步提高。

可以预见，***级数据应用程序是围绕“分类器”生成的。比如，淘宝网会自动将商品的标题分类成相应的大类，或者进行情感分析的语义分析，将文字分为积极、中立或消极类别。目前，市场上缺乏足够的训练集数据来支持大量的分类模型，导致许多模型的准确性不足，数据听不到变化。同一个词在不同语境下的理解也会有很大的不同，这将随着互联网的发展而不断变化，这就需要一个能够抵御不断培训、拥有足够培训数据持续改进的公司，二级数据应用更加复杂和智能化，以达到通过数据得出“结论”。

事实上，以上很多问题都可以通过数据收集和分析来解决，小公司也不是那么难解决。为什么真正的大数据会让我们感到毫无根据和头脑空虚？主要原因是，当一般级别的数据真正成为一个大级别时，收集已经是一个大洞。除了对复杂数据的清理外，不符合具体业务模式和业务场景的清理结果也不能满足不同行业、不同岗位客户的定制需求。不过，我认为未来的***不再是收藏。只要我们愿意为这些脱敏数据买单，我们肯定能得到。真正的问题是如何将数据转换成答案，答案是什么？上面我问的许多问题的答案。这些“答案”是价值的价值，而不是数据本身

因为我不是一个数据科学家，我缺乏算法的能力，我不能从根本上提出解决方案。不过，通过以上分析，我对目标客户有了思路，有了组合的方法和结果。我再具体不过了。如果我再多说一点，我会告诉你我经历过的几家公司的秘密。一言以蔽之，自古以来，爱情是不可保留的，这一套路总能赢得人心