免费观看又色又爽又黄的崩锅_久久久久夜夜夜精品国产_丰满爆乳在线播放_亚洲av无码破坏版在线观看_日本五月天婷久久网站

新興科技的爆發已經讓人們對便捷生活的期望值大大提升了，在科技浪潮中成長起來的「數字原住民」更是如此。然而，完全不精準的廣告還會亂入屏幕，莫名其妙的單詞被輸入法拼出來，智能設備們壓根談不上「智能」……這是個有趣的困境。創新消費電子設備公司Jawbone被稱為「蘋果最應擔心的創業公司」，這篇文章正是分享了Jawbone的副總裁Rogati的關于這個話題的觀點。

想象一下，當所有來自于數據分析的創新，與所有硬件技術的進步在一個十字路口相遇，將是怎樣的情景？而這正是Rogati在Jawbone的工作內容。作為數據部門副總裁，她組建了一個世界一流的科學家和工程師團隊，共同開拓可穿戴設備、數據和物聯網的邊界。如今，她把更多的時間在建議那些想要充分利用他們數據的眾多公司上。

如果要說有誰適合這個領域，那非她莫屬。但這并不能掩蓋很多公司在初期的時候學習利用數據來構建更具吸引力產品的事實。機器學習班之類的招生可能在上升，但塑造的知識轉化為簡單的，優雅的解決方案，為群眾超出了大多數度的范圍。當然，這一切都使得消費者開始需求更復雜的數據，這一點要比以往任何適合都要強烈。

“大約10年前，有一段視頻在YouTube上很流行，視頻中一個小孩拿著一紙雜志試圖把它當成iPad來用，想拿它來刷卡和變焦拍攝。顯然是它無法實現這些功能的，所以她只能不解地盯著它看，現在這種情況必須打破?！盧ogati說。 “這是新一代的數字原著民的明顯證據。今天，我們正在經歷一場新的革命，我們在見證世界如何變得“智能”，借助數據無縫地滿足人們的各種需求?！?/p>

未來可能會出現一款產品，它能通過你的需求和需要來預測你可能需要的服務。在這篇文章里，Rogati分享了公司如何能借助他們的資源來實現這樣一種新型的消費方式。

「數據原住民」是個啥

作為一個數據原住民超越了精通技術和數碼參與的范疇。這不僅僅是你喜歡你的信息提供了展示平臺或是一個舒適的平臺。數字革命發生這樣的時代，一個被計算機與互聯網所構建的有利于人類成長的平衡所包圍 。Rogati認為，我們正處在一個與數據看似不同卻又有關聯的革命的之中。

“一個數據原住民是一群希望自己的世界不只是數字，還有聰明并且能夠及時調整自己的品味與習慣的人?！彼f，“舉個例子，一本雜志不應該僅僅是數字化與互動性——它應該是個性化的。它會告訴你你需要知道基于你興趣、未知、偏好的東西是什么。這種期許已經轉變。”

一個數字原住民可能自己設置一下他們的室溫調節器也覺得沒什么，但是一個「數據原住民」就希望這個調節器能夠自動設置好。一個數字原住民可能會用星巴克的app來點一杯咖啡和一份早餐，但是一個「數據原住民」希望星巴克的app能夠在早上合適的時間，自動點好他們最喜歡的飲料——這還不夠，他們希望app可以有「場景感知能力」，知道什么時候要點那些自己經常習慣的品類，什么時候順便也推薦一發新品來給他們嘗嘗鮮。

數字原住民關心的是他們可以用技術來做點什么。現在，數據原住民希望知道技術可以為自己做什么。

這個觀點正在隨著聯網設備的爆發而加速。根據Cisco’s的最新研究，到2019年，聯網設備的數量將是全球人口的三倍。麥肯錫表示，到2015年，物聯網將撬開一個價值6.2萬億美元的市場。就在三年前，Home Depot提供了100種不同的家庭智能設備，如今它的股票已經遠遠超過600了。

Rogati所在的Jawbone智能手環部門正在趁著這股浪潮向前，不僅僅是幫助人們管理及激勵他們自身，還要幫他們在需要的時候打開咖啡機，在他們睡著的時候自動關上電燈。

然而，現在無數號稱「智能」的設備壓根趕不上日益上升的需求?！澳愕腉PS記不住你喜歡的路線，它仍然給你展示十萬八千里的餐館。廣告依然讀不懂你的真正需求。有一天一個廣告告訴我說「只要7天，學位不用愁」，事實上我早在7年前就拿到了博士學位?！盧ogati說道?！澳愕氖謾C還會在輸入「LOL」的時候跳出來「lollipop oligopolistic」——鬼知道這是什么東西。數據早該被收集以便智能化，但那些單詞還傻傻地會出現?！?/p>

這是個有趣的困境。按理說，新興科技本來已經吊足了人們對于未來可能性的胃口?，F在，這幫人正眼巴巴地等著那些真正「懂」他們的產品橫空出世。

數據產品：怎樣才能趕上「智能」世界

讓我們從這個操作型定義開始吧：“通過從你和其他人乃至整個世界搜集過來的數據，數據產品可以提供個性化的內容。”Rogati說。這意味著，搭建一個數據產品的關鍵在于，要縮短反饋回路，以便產品可以快速地吸收大量數據。

給用戶提供推薦，然后從他們的選擇中學習，這就個清晰的例子。你提供的推薦越多，就可以在用戶的記錄和反饋中變得越智能。這也是為什么亞馬遜35%的營收來自于推薦類目，而這也是Netflix 75%的內容流量都是基于推薦的原因。

在Jawbone，Rogati和她的團隊正在致力于通過利用數據整合來幫助他們的手環用戶運動更多，睡得更長，吃得更健康。他們是怎么做的呢——自動檢測鍛煉方式并對其進行分類，提供飲食建議，幫助智能設備扮演「智能教練」的角色——讓你比平常多喝三杯水，多走1000步，或者讓你早睡10min。

“那些還是基于個人的層級，而當這些事情開始進入規模化層面的時候，事情就變得真正有趣起來了。”Rogati說道，“如果足夠數量的人們在同一時間做這件事，我們就可以感知App里鼓勵的聲音還是鉆頭的聲音更讓人們積極回應。我們可以發現人們在跟他人合作或分享時更能得到激勵——比如讓大家一起跑滿100miles或者彼此競爭?！?/p>

如果我們沒做錯的話，所有的數據科學就隱藏在這些場景背后。它無關圖表或者曲線，它關于個人體驗的深度解讀。

所以，從哪里開始呢？

從數據開始的數據產品

在你能夠開始分析、建立一個推薦系統、或者訓練機器學習之前，你需要先剖析一些基礎數據。Rogati說，“這個目標不僅僅在于數據量之大上，更重要的是數據的廣度?！边@意味著你應該盡可能多地記錄你應用上的登錄數據，因為有些數據可能會永遠丟失。

Rogati舉例說，“僅僅記錄一個用戶對某個產品推薦的一次點擊是遠遠不夠的。你必須知道被推薦的項目是什么、其他推薦列表，以及這個推薦項目在屏幕上的位置?！蹦惚仨氂涗浵逻@次你的算法版本、參數以及那些展示在用戶面前的字符。因為所有這些信息會在幾個月后，你做產品迭代的時候用到。

可靠的數據流

如果你沒有一個可靠的數據流，那么最好的機器學習算法和最好的儀器也做不出無米之炊。如果你忽視了一些事件，如果你基礎設備沒有強大的容錯能力，那你費力研究的數據可能就是錯誤的。Rogati說，數據流的確可能存在問題，但是它對你的數據產品更為重要。

只有當你把數據反饋給用戶的時候，數據流被破壞的后果才會顯現出來。因為你沒有根據數據提出好的建議，就可能讓你因此而失去一個用戶或者一筆交易?；蛘咭驗殄e誤的數據流備份，你的應用就可能因為失去用戶的信任而崩潰。

簡練的數據— —快速迭代

有很多文章寫到了有關如何清理數據的爭吵?！皵祿＜覀兓?0%的事件來清理數據”，這個論點我們已經在他們的報告里面聽得耳朵都起繭子了。其實應該是數據專家花了80%的時間來抱怨他們需要清理數據。而Rogati，則希望數據專家們能夠更“享受”清理數據的過程。

其實清理數據就是一整套數據準備的過程，畢竟數據可不會在你腳下乖乖把自己準備好。好的數據準備就像一份偵探的工作，他需要你的直覺、經驗、智慧，以及腳踏實地。

Rogati說，“其實你的付出是值得的。因為相比于你選擇一套怎樣的算法，數據準備可以在更靠前的位置，也會對你的結果產生更重要的影響?！?/p>

而真正的挑戰在于，數據出錯的可能性千變萬化，你不可能全部都能預見到。對此，補救的方法其實就是快速迭代。

這是一個良性閉環

從數據產品和傳統的分析策略來看，用戶體驗是這個難題中的最關鍵的一環。無論你的數據在后端是如何有序簡潔，你還是需要擁有一個良好的用戶界面。這意味著你需要有一個不用痛苦冗長的摸索，不學就會的操作方式。為了能夠最大限度的利用數據以及從中提煉有創造力的觀點，每一個人都需要對這個事情本身懷有充足的好感。所以說，一個寫慘了的用戶界面就是未來打臉的一記重拳。

對數據產品而言，用戶體驗就是一個門檻級的因素?！坝脩艚换ンw驗必須要流暢、直接，最好貼近用戶自身的本能。要知道你的用戶可能一幫是隨時會誤解你，隨時會點到錯誤的按鈕上，或者隨時有著奇奇怪怪不可預測的心理預期的人們。”

超凡的用戶體驗和偉大的數據，才是使得產品「智能化」的根本。

對數據產品來說會有正反兩面，而這兩面會相互作用產生一個良性的反饋循環。說白了，在現實生活中，你需要的是可以無縫滲入各種生活場景中的、非常易用好用的軟件和硬件，這樣才能夠獲取到更大規模和更高質量的數據。

Rogati從自身的案例出發舉了一個生動例子：比如你現在在用Jawbone的app在記錄你的用餐信息，「快速自動補全」這個功能就變得非常重要。記錄信息越快速，記錄行動產生的才可能越頻繁，進而Jawbone才有可能獲取更多連續性、穩定的高質量數據。如果能夠馬上自動補全人們的想法，就可以有效避免很多因為錯誤拼寫、概念誤用而產生的無效數據?！?/p>

回到上文提到的良性循環當中，我們會發現當我們積累了越來越多的高質量數據的時候，類似自動補全的智能功能也可以相應的運行地越來越快速、穩定——這就是流暢和驚喜的用戶體驗的來源。“這就是為什么最好的數據產品都是需要穩定的數據流、快速迭代，以及嚴密明晰的反饋閉環——所有在服務層面上的更好的用戶體驗，都會最終落在「真正智能」的最終期盼上?！?/p>