数据中台的分类VS标签，到底有啥区别？终于有人讲明白了

Posted 2022-01-01 大数据v

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了数据中台的分类VS标签，到底有啥区别？终于有人讲明白了相关的知识，希望对你有一定的参考价值。

导读：数据标签到底是什么？是“真的香”，还是“弱爆了”？

作者：石秀峰

来源：谈数据（ID：learning-bigdata）

数据中台为什么要建标签体系，分类它不香吗？

在众多的数据中台的解决方案中，一个叫做“标签中心”或“标签体系”的应用，几乎成了数据中台的“标配”。

乍一看，标签体系就像一个树状的分类。

因此，有专家吐槽：“现在讲啥数据标签，数据类目，跟SAP Classification比真是弱爆了”。

注：SAP Classification为SAP产品中的一个分类系统，它支持以有序的结构将特定对象（例如，文章和站点）组合在一起。它的基本功能是为各种不同类型对象的所有属性特征提供存储库。然后将相似特征的对象分组到类中（“分类”对象），以便系统可以更容易地在事务中找到它们。

那数据标签到底是什么？它与数据分类体系相比，是“真的香”，还是“弱爆了”？

01 概念的澄清

无论是在数据中台，还是传统产品设计中，绕不开的几个概念：分类、属性、标签。

1. 什么是分类

分类，就是指按照种类、等级、性质或特征的归类。也就是把相同属性或特征的“对象”归集在一起，形成不同的类别，方便人们通过类别来对“对象”进行的查询、识别、管理和使用。“对象”可以是人、产品、物料或其他实体，例如：人可以分为男人、女人，也可以分为老年人、中年人、青少年。

2. 什么是属性

属性是事物所具有的性质或特征，重点强调的是事物本身，例如：人的性别、身高、胖瘦、年龄、性格等都是人的属性。

可以将某个事物的属性抽象出来作为事物的分类，如我们上边举的例子，男人、女人是按照性别属性对人的分类；老年人、中年人、青少年是按照年龄属性对人的分类。事物可以按照属性来分类，分类也是事物的属性之一。

3. 什么是标签

标签，原意是标明物品的品名、重量、体积、用途等信息的简要标牌，例如：商品标签、图书标签、车检标签、文件标签、服装吊牌等。

从这个概念衍生到网络标签，是人工或系统自动或用户自发的，通过相关性很强的关键字对事物或内容进行描述，帮助人们分类内容，以便于检索和分享。例如：我们也可以给“人”这个对象打上男人或女人，老人或青年的标签。可见，标签也有维度或分类，而属性也是一种标签。

02 分类VS标签，到底有啥区别？

前边的例子中，男人、女人，老人、青年，这既可以是对人的分类，也可以是人的标签。分类和标签有时候没有明确的分界线，分类可以作为一个标签，标签也可以抽象出分类。那么，分类和标签到底有什么不同？

关于这个问题，知乎上网友的一个回答挺有意思的：

分类由于只能隶属于一个，所以往往带有武断和不恰当的色彩，它是一个“is a”的问题，属于本质论的范畴，而对事物的“本质”的认定，严格来说，这事只有上帝才能做，换句话说，谁做都不合适。标签则不同，它是一个“has a”的问题，说某个东西有某种属性，要求就没那么严格了。

笔者理解：分类是一种严谨的数据组织方式，一般按照一个或多个维度自上而下、从整体到明细的穷举，遵循“相互独立，完全穷举” 的原则。而标签是一种灵活的数据组织方式，放弃大而全的框架，基于业务场景自下而上地倒推标签需求。

除此之外，分类和标签还存在如下不同点：

分类一般是面向团队或组织的，注重标准化；而标签可以面向组织，也可以是面向个人，注重的是个性化。
分类具有排他性，分类之间是独立的、不能交叉；而标签允许交叉，标签之间可以相互关联、相互依赖。
分类体系需要事先规划，在标准化的框架下进行使用；而标签可以静态的，也可以是动态的，允许随时添加。
分类注重结构化，具有层级控制，是一个树状结构；而标签的结构是松散、灵活、开放的，整体看是一个网状结构。

▲来源：PMCAFF产品社区《知识管理——如何使用印象笔记的多级目录标签做知识分类管理？》

03 分类VS标签，哪个“香”？

在数字化应用中，分类和标签其实根本无法分出个伯仲。标签体系也需要一定的分类，而基于某个维度的分类也可以作为一种标签，只是他们支持的应用场景或有不同。

分类一直存在，它源于人的认知，可以追溯到人类的起源。

在几百万年前的原始部落，人们将打回来的猎物、采集回来的种子进行分类存放，以便存储和管理。分类的作用自然不必多说，它可以让我们条理清晰，层次清晰，一目了然的识别和管理事物。

即使在当今由互联网、计算机构成的数字化世界中，分类体系也一直是我们组织数据、处理数据、查询数据、管理数据的一个重要的手段。

在传统企业的信息化建设中，使用更多的是分类，例如：ERP中的物料分类、人员分类、客商分类等。一套科学、严谨的分类体系是企业的“人、财、物、进、销、存”等业务流程有效管理的基础，在企业管理中发挥着重要的作用。

一家企业的“物料分类”科不科学、规不规范，在很大程度上能够反映这家企业的管理的规范性情况和精细化程度。上文我们提到的SAP Classification就是这样一个可以根据事物属性特征进行多维分类体系的系统。不仅SAP，像Oracle、用友、金蝶等ERP大厂，同样也有类似的多维数据分类体系。

标签（网络标签）是随着互联网发展产生的，最早用在博客、文章的内容分类中，方便用户管理和聚合内容。随着大数据的发展，标签体系的作用也越来越大，被互联网企业广泛使用，通过特征集合并关联打标签的对象，对分析对象生成画像，挖掘对象的价值。

例如：各大互联网APP（淘宝、今日头条、抖音等）都有一个基于标签体系的推荐引擎模块，通过用户静态属性和行为属性给用户打标签，形成360度用户画像，然后根据用户的偏好将信息或产品推送给用户。

因此，分类VS标签，根本无法区别那个更“强”或哪个更“弱”，根据不同的应用场景选择不同的体系就好了。

在企业的数字化建设中，需要分类和标签结合使用，才能最大化发挥数据效能、挖掘数据价值。

04 数据中台为什么需要标签体系

上文中我们说过，传统企业的信息化使用更多的是分类体系，而标签体系是互联网企业的“致胜法宝”。

随着数字化时代的到来，掀起了传统企业数字化转型的浪潮。从技术侧来看，转型就是拥抱互联网，战略性的使用数据和IT。在这场数字化的变革中，数据中台被认为是赋能企业数字化转型，实现降本增效的新引擎。

▲来源：36氪研究院《2020年中国服装行业数据中台研究报告》

关于数据中台的文章，笔者也写了很多了，我们再回顾一下它的概念：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。

因此，如果你将数据中台定位成一个存数据、管数据的技术平台，那或许有“分类体系”就可以了。如果你的数据中台定位的是企业数字化转型的运营中枢系统，要实现对前端业务的支持和赋能，那“标签体系”就是数据中台一个标配。原因前边介绍过，分类是自上而下的规划，侧重标准化，标签是自下而上的倒推，注重业务场景。

“数字转型，场景为王”，在“技术+业务”双驱模式的数据中台中，标签体系、数据萃取将助力企业运营转型升级。

05 数据中台生产数据标签的四个步骤

在经历过“追捧”和“质疑”等种种考验后，数据中台在基于业务驱动的标签体系助力下，正在用事实验证其价值。关于数据中台标签体系的建设，可以阅读《数据中台：基于标签体系的360°用户画像》一文。

下面我们简单介绍下数据中台如何通过加工和生产数据标签，从而助力企业实现数字化转型的，这个过程大致可分为四个步骤：

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。

例如：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。请参考《数据中台：基于标签体系的360°用户画像》

写在最后的话

分类体系和标签体系虽各有各的适用场景和侧重，但它们都是企业数据中台理念落地的关键要素，帮助企业沉淀数据资产化，优化数据服务，助力企业落地数字化转型。

分类体系能够帮助企业科学、有效的组织数据，规划标签类目；标签体系能够萃取和精炼数据服务，并对数据分类进行反向优化。在企业数据的管理和应用中，它们相互配合、互为支撑，不仅能够让企业有数可查，有数可用，而且能够让企业的数据用的更好。

延伸阅读👇