用户标签在数据中台的位置
- 数据中台是数据+技术+产品+组织的有机组合，是快、准、全、统、通的智能大数据体系。与数据仓库等传统数据工具相比，数据中台是一种新的理念，以“技术+业务”为双驱动，是企业开展新型运营的一个中枢系统。
- 数据资产和数据服务中最核心的是标签：数据资产本身以标签为组织载体，而数据服务本质上是一种将标签传递给业务端使用的价值管道。标签是数据中台价值链路中“核心的核心”。
-
用户标签可以按照标签的控制深度划分为基本属性标签、行为属性标签、商业属性标签等；也可以按照数据中台的数据分层结构，分为事实标签、模型标签、预测标签等。
数据中台生成数据标签的流程
- 第一，需要从业务视角对企业数据进行梳理，并将各业务域、各渠道、各类型的数据进行采集和汇聚。
- 第二，通过对数据进行分类处理，从中提炼出可复用的行为元素（业务线、实体对象、实体属性、动作等），通过沉淀行为元素，可以更好地规范来源数据。
- 这里业务线是在不同业务运营线，例如：某造纸公司有生活纸运营线，文化纸运营线、工业纸运营线、特种纸运营线等。
- 实体对象是指操作和被操作的各商业主体，例如：用户、产品等。实体属性是指实体对象的属性特征信息，例如：用户的年龄、性别、喜好等。动作就是主体发出的操作，例如：询价、购买、浏览等。
- 第三，根据对象的行为元素给对象打上相应的“标签”，以支持信息查询、信息推送等应用。与传统博客、CMS（文章管理系统）的手动给内容打标签不同，数据中台是根据对象的行为规则自动给对象打标签，并且可以设置行为数据的时间衰减算法，为不同标签分配不同的权重，形成全面的“用户画像”，做到“比用户自己还了解他自己”。
-
第四，各相关应用直接调用数据中台的标签体系、画像服务，支持企业的精准营销、个性推荐、渠道优化、产品创新等应用场景。
- 其中，执行第二、第三个步骤的前提就是要做好标签类目体系的规划。也就是说，标签体系也是具有一定的分类结构的。
数据中台为标签体系提供哪些能力
打通多源数据
- 数据中台的核心价值，在于对多源异构数据的统一管理，连接了企业的数据孤岛。
ID-Mapping
- 所谓ID-Mapping，就是对不同业务中（ID不同）同一个对象进行打通。以便让产品和运营能够站在”上帝”的视角看用户，了解每个用户在使用产品生命周期全过程。
- 如：用户从哪里来？什么时间，什么地点喜欢打开APP？喜欢做什么？喜欢谈论什么？最近需要什么……ID-Mapping，首先要通过ID-ID之间两两关系得到，通过两两关系表，再将多种关系关联起来（SuperID），这里的ID通常有：身份证、手机号、邮箱账号、IMEI、通行证账号、交易账号等。
- 在建立关系表时，有的时候两两关系并不是确定不变的，而是带有置信度的。比如，因为业务上一个手机号可以登录多个通行证账号。再比如，一个通行证账号可以登录不同交易账号的场景。以上情况我们无法确保ID-ID关系是一对一的关系。这样，在使用不同跨ID画像的时候，我们就要明确使用场景。
- 有的使用场景，对ID的匹配精准的要求非常严格，比如，需要对用户总资产做统计并且显示在用户资金账户上。而有的场景则不需要完全匹配，比如说，内容推荐的场景。此外，ID-Mapping还可以用在反欺诈场景中。假设我们发现一个身份ID与其他很多账号有着“盘根错节，剪不断理还乱”的关系，很可能这就是一个问题ID。
标签管理标签
- 站在＂人＂，＂物＂，“关系” 层面，通过一定的逻辑将数据处理成机器或者业务能够理解的数据。按照计算方式不同，标签又可以分为统计类标签，规则类标签，模型类标签和预测类标签。
- 按照一定的业务需求、人工规则或者AI赋能，将晦涩难用的数据转化成业务可理解、可用的数据资产。
- 标签管理主要包括：
- 标签元数据管理
- 任务调度管理
- 标签类目管理等方面内容。
- 任务调度管理是对每个标签生成的任务进行管理。一个任务可以生成多个标签，但一个标签只能由一个任务产生。建立标签任务的时候，要考虑数据源，来自相同数据源的标签可以放在同一个任务中进行。在执行任务的过程中，需要考虑源数据执行完成的时间和速度。
- 而对于标签的标签（二次标签，即基于标签生成的标签），我们不仅需要考虑源数据执行完成的时间和速度，还要考虑该二次标签所依赖的标签生成的时间。
- 标签类目管理，是标签体系建设重要环节。就如同一本书的索引，一个良好的类目管理可以方便业务迅速准确的定位自己想要的标签。标签类目管理设计方式不唯一，不同的公司因业务不同，所关心的用户群体和用户特征是不一样的。
标签服务
- 无论是用户画像标签还是物品画像标签，都是通过标签服务创造价值的。如果标签只是被生产出来，而不能为企业服务，那么和数据库中的数据一样都将会是一潭死水，终无一用。
- 标签服务主要体现在：
- 标签分析
- 人群圈定
- 精准营销
- 反欺诈
- 客户关系管理系统
- 个性化推荐等
