如匆匆于&《1+1−1×1÷1》&《数据流量的规律》

从实时数据的流量中，我们能够看出一个企业他的产品粘度指数。The core value of data traffic is the product value of the company.『1』所以建立对实时数据的分析，构建实时数据的算法框架是所有公司在数据应用方面都应当进行的最合理的数据修正机制。

我们对实时数据与算法架构常犯的错误，主要包括以下四个方面：

一、现有流量的计算，如果我们过度依赖，而数据维度存在问题的话，它很容易把我们的平台产品带入到一个极端中去。最终我们会失去对产品多维度的思考。

二、实时数据与算法，在流量的基础上，会失去对历史的综合评判，这样流量的规律就会很难被发现，从而会让我们陷入无规律的怪圈里。

三、数据流量的本质是受到各个方面因素影响的，我们无法有效掌握全部的因素，这会让我们在一定时间节点内的数据处理出现缺陷。

四、数据流量的规律特性是带有针对性的，但是，我们一般会在得到结果后，把它们当作普遍规律。这会让我们失去对独立产品的评判。

虽然，任何公司的中台都在极力的规避这些问题，但是，针对性的流量细化却无法做到精准。There are factors that cannot be summarized in the statistics of accurate data traffic.『2』。基于这样的问题，我们在对数据流量规律分析与归纳中，就必须要慎重考虑了。

《1+1−1×1÷1》&《数据流量的规律》

参考文献：

『1』kendra～1999年～Traffic patterns；

『2』Brian～2014年～Data trap。

学院创始人：王士如