智能硬件设备的数据收集和数据质量的相关思考

智能硬件设备的数据收集和数据质量的相关思考

数据收集,是后期数据驱动业务的最根本的前提,只有拥有丰富的数据,高质量的数据,才可以更好的实现数据驱动。

线上,数据收集相对线下,要容易很多,丰富程度更大,但线下数据的收集,需要借助智能硬件设备来辅助收集。

在这过程中,因牵涉到硬件设备,会存在很多线上收集数据时不存在的问题,最大的问题是数据质量、数据的缺失难以保证。

笔者在这里做个总结,及相关的一些思考,希望大家一起来探讨。

业务模式:硬件设备放置在指定场景->用户使用->收集需要的数据->再将数据用于业务驱动

数据来源:数据收集涉及到硬件和软件两部分,此处,硬件对数据的收集影响比纯线上大很多。

硬件:需依赖提供硬件的第三方,存在很大的沟通成本,导致数据需求和最终实现的周期长,浪费的人力物力成本很大。

软件:可自己开发的软件也依赖设备商,但相对来说自由度高些,数据的收集受硬件设备影响大。设备是异地使用,业务人员无法及时通过线上获知设备的最真实状况,所以部分地域数据的异常可能是因为设备的异常引起,对后期数据化运营有很大的负面影响。

智能硬件设备的数据收集和数据质量的相关思考

将此问题延伸

很多传统行业在摸索转型,主要思路是将线下和线上进行无缝结合(特别零售行业);线上企业也在开始拓展线下业务点,未来用于收集各种线下数据的智能硬件设备会越来越多被使用(如智能试衣镜,智能衣架等),此处,关于场景中硬件收集数据的问题,因硬件设备的不稳定,导致业务数据的收集质量存在较大误差,对后期数据运营的负面影响该怎样解决?

主要问题点:

1、设备停止运行

2、设备部分功能无法正常运行

3、依附于硬件的软件,在升级过程中存在的bug,异地无法更好的完善测试导致遗漏

关于此问题,笔者认为可通过以下几点可进一步优化:

1、硬件本身 :硬件设备问题的及时监控和快速维护

硬件设备的监测需要实时,后期维护维修要快读,保证在最大范围内减少数据的损失。

2、硬件本身:精细化定位具体问题

硬件问题并不只是设备是否正常运行,还存在内部更精细的问题,会影响到数据收集(具体视情况而定,此处不一定对),需将通过节点,将数据问题更精细化,快速精准定位问题。

3、从依附于硬件的软件触发:软件的升级,部分bug很难监测到,可通过精细化数据埋点,远程监控

硬件是被使用于具体场景,场景都是分布在线下各处,每当软件升级做测试时,很难做到异地测试,因此很多bug可能不能被及时发现和处理;软件产品可做更精细化的埋点,更精装的定位bug发生的地域、设备、场景,如不同操作系统、不同浏览器等带来的bug。

4、硬件设备的状态表维护:为后期用于运营数据的清洗做准备

数据的缺失肯定存在,因为硬件设备很多问题无法避免,需要建立相关的问题业务表,记录所有的异常情况以及带来的结果,将其规范化、表格化,为后期数据清洗,将质量更高的数据用于运营驱动提供辅助。

5、数据的来源

数据的来源,很多时候需要依附于第三方,但是这会给沟通带来很大的成本,导致很多数据需求不能及时实现,问题无法及时解决,所以如果可以,尽可能减少对第三方的依赖。

6、对智能硬件发展的关注

作为数据驱动的从业人员,多关注智能硬件对数据收集这块的发展进度,拓宽视野,不断拓宽解决问题的思路。

不同业务类型,对智能硬件设备的要求方向和程度也是不同的,具体问题需要具体化,不可一概而论。

本人不是智能硬件行业,对智能设备的了解还较浅,欢迎大家来吐槽,特别欢迎硬件设备的专家提供专业意见。

此问题是需要不断完善和优化的,思考和摸索不会结束!

作者:黄金霞

来源:中国统计网

本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流,内容版权归原作者所有,如涉作品、版权和其他问题请给「我们」留言处理。

(0)
张乐的头像张乐编辑
上一篇 2016-03-21
下一篇 2016-03-22

相关文章

  • 收藏!52个实用的数据可视化工具!

    您的图表将在HTML5的框架下使用强大的JavaScript库D3.js创建图表。D3.js是开源工具,使用数据驱动的方式创建漂亮的网页。Chartkick是一个图表绘制工具,特点是UI美观、使用简单,并且支…

    2022-03-06
    0
  • Hadoop之父Doug Cutting眼中大数据技术的未来

    摘要:1985年毕业于美国斯坦福大学的Doug Cutting并不是一开始就决心投身IT行业的。但又如何成为了Hadoop之父?以及这10年中,Hadoop的发展和未来期待又是如何的? 上次见到(膜拜)Hadoop之父Doug Cutting是在2年前,2014中国大数据技术大会上。今年Hadoop10岁,刚看到他的Hadoop十周年贺词,感觉时间飞逝。最近…

    2016-02-22
    0
  • 冷思考:不要被各种鼓吹数据驱动产品的声音迷惑

    很久之前就听别人说过“人缺什么就秀什么”,虽然小不本人并不完全认同,但最近也觉得,很多东西看起来十分富足,反而是真正稀缺的。 仔细想想,这个时代,我们获取信息是如此便捷,反而注意力变得格外稀缺;我们每天产生了海量的数据,反而数据的价值密度却变得更低;我们有越来越多的方式结交来自各种背景的朋友,但真正的知心好友又有几个? 而对于产品经理来说,也是一样,我们有了…

    2016-04-19
    0
  • 留存 | 如何将留存率提升100%?最典型的应用场景汇总

    留存分析是深度分析的一个维度,而且需要长期持续跟踪。具体分析过程中,还要结合版本更新,推广等诸多因素,才能找到用户的最佳周期,进而制定相应的留存策略,才能更好的实现商业变现。

    2017-09-14
    0
  • 智能手机将是大数据收集的主要工具

    数据正在改变我们的生活几乎每一个设备。我们的智能手机可能是最好的例子。谷歌,苹果和其他智能手机公司正在寻找更新,更具创造性的方法来使用大数据来制造将改变我们生活的智能手机。   大数据为智能手机用户创造新功能和头痛 大数据为智能手机提供了许多出色的新功能。然而,它也造成了一些令人头疼的问题。应对安全风险,缩短电池寿命以及提高客户数据成本都是他们面临…

    2018-08-28
    0
关注我们
关注我们
分享本页
返回顶部