李寶鐸

隨著網(wǎng)絡(luò)科技的發(fā)展，人類走進(jìn)了大數(shù)據(jù)時(shí)代，如何對(duì)海量數(shù)據(jù)進(jìn)行合理應(yīng)用，成為人們必須要思考的問(wèn)題。在這種形勢(shì)下，數(shù)據(jù)挖掘技術(shù)逐漸發(fā)展起來(lái)，在這些技術(shù)的支持下，數(shù)據(jù)的存儲(chǔ)、處理以及分析變得更加方便、快捷。企業(yè)可以建立一個(gè)超級(jí)計(jì)算環(huán)境，提高數(shù)據(jù)的利用率，完善生產(chǎn)經(jīng)營(yíng)模式。當(dāng)下，越來(lái)越多的人才投身到數(shù)據(jù)挖掘技術(shù)的研究中，并取得了非常不錯(cuò)的成果，吳春妹就是這些優(yōu)秀人才中的代表。多年來(lái)，她始終堅(jiān)持?jǐn)?shù)據(jù)挖掘技術(shù)和大數(shù)據(jù)算法的研究，并取得了豐碩的成果，幫助合作企業(yè)建立了新型的運(yùn)作模式，為互聯(lián)網(wǎng)行業(yè)的發(fā)展和進(jìn)步做出了一定的貢獻(xiàn)。本期，筆者就對(duì)吳春妹女士進(jìn)行專訪，了解她對(duì)數(shù)據(jù)挖掘技術(shù)的看法以及研究經(jīng)驗(yàn)。

筆者：您好，作為互聯(lián)網(wǎng)數(shù)據(jù)挖掘領(lǐng)域的佼佼者，您已經(jīng)在該行業(yè)中拼搏了多年，能為我們分享一下您的從業(yè)經(jīng)驗(yàn)嗎？

吳春妹：我進(jìn)入互聯(lián)網(wǎng)行業(yè)的時(shí)間比較早，一直堅(jiān)持研究數(shù)據(jù)挖掘方面的技術(shù)。我認(rèn)為，在這個(gè)大數(shù)據(jù)時(shí)代中，誰(shuí)能應(yīng)用先進(jìn)的技術(shù)對(duì)海量數(shù)據(jù)進(jìn)行合理運(yùn)用，誰(shuí)就能占得先機(jī)、實(shí)現(xiàn)發(fā)展。當(dāng)然，對(duì)于這個(gè)新興領(lǐng)域來(lái)說(shuō)，很多東西都是未知的，但是我們不能因此退縮，未知中往往蘊(yùn)含著更多的財(cái)富。所以，無(wú)論是技術(shù)研發(fā)還是企業(yè)管理，我都會(huì)以一種積極的心態(tài)去面對(duì)。每一次在技術(shù)研發(fā)方面取得新的突破，都讓我更加堅(jiān)定自己的選擇，我覺(jué)得只要堅(jiān)持下去，就一定會(huì)有所收獲。

筆者：近幾年，大數(shù)據(jù)這個(gè)概念頻頻出現(xiàn)，數(shù)據(jù)挖掘技術(shù)被炒得很熱，但是很少有人真正清楚其中的含義，能夠根據(jù)您的理解為我們解析一下嗎？

吳春妹：所謂的數(shù)據(jù)挖掘，就是指從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中、人們事先不知道的，但又是潛在有用信息和知識(shí)的過(guò)程。關(guān)于數(shù)據(jù)挖掘有很多定義，我個(gè)人認(rèn)為剛才我表述的這個(gè)定義最具代表性，能夠清楚地描述出數(shù)據(jù)挖掘的內(nèi)涵。而我們研究數(shù)據(jù)挖掘技術(shù)，就是要在最短的時(shí)間內(nèi)從海量數(shù)據(jù)中找到自己最需要的信息。這是一個(gè)非常復(fù)雜的過(guò)程，涉及到統(tǒng)計(jì)、在線分析處理、模糊識(shí)別等多方面技術(shù)。這就需要我們技術(shù)研發(fā)人員加強(qiáng)學(xué)習(xí)，完善自己的理論知識(shí)體系，熟練掌握相關(guān)技術(shù)，這樣才能研究出滿足實(shí)際需要的數(shù)據(jù)挖掘技術(shù)。

筆者：近幾年您獲得了多項(xiàng)軟件著作權(quán)，得到了權(quán)威機(jī)構(gòu)的認(rèn)證，并被一些企業(yè)應(yīng)用于管理實(shí)踐中，取得了非常不錯(cuò)的效果。您研發(fā)相關(guān)軟件系統(tǒng)的初衷是什么？

吳春妹：最初出現(xiàn)的大數(shù)據(jù)技術(shù)，主要是被應(yīng)用于大型網(wǎng)絡(luò)企業(yè)中，是對(duì)點(diǎn)擊流數(shù)據(jù)進(jìn)行分析。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，數(shù)據(jù)量成倍增加，很多企業(yè)每天都需要處理大量數(shù)據(jù)。包括銀行、情報(bào)部門(mén)以及事業(yè)單位等，他們對(duì)大數(shù)據(jù)技術(shù)的需求越來(lái)越大。同時(shí)，很多企業(yè)的管理者開(kāi)始認(rèn)識(shí)到了信息服務(wù)的重要價(jià)值，他們覺(jué)得，對(duì)信息進(jìn)行合理挖掘和利用，能夠在一定程度上提高自己的競(jìng)爭(zhēng)優(yōu)勢(shì)。如果在信息收集、處理以及利用方面不積極，起點(diǎn)就可能比競(jìng)爭(zhēng)者低很多。因此，短時(shí)間內(nèi)，數(shù)據(jù)挖掘技術(shù)成為了企業(yè)關(guān)注的焦點(diǎn)。出于對(duì)這種現(xiàn)狀的考慮，我開(kāi)始研究相關(guān)的軟件系統(tǒng)，針對(duì)不同企業(yè)的特征做出了不同的設(shè)計(jì)，希望這些系統(tǒng)能夠幫助企業(yè)對(duì)數(shù)據(jù)進(jìn)行收集、分析，提高信息的利用率，促進(jìn)企業(yè)健康發(fā)展。

筆者：現(xiàn)在看來(lái)您的目標(biāo)基本上實(shí)現(xiàn)了，很多企業(yè)應(yīng)用了您研發(fā)的軟件系統(tǒng)以后，都覺(jué)得很滿意。

吳春妹：我的研究成果能夠?yàn)楹献髌髽I(yè)的發(fā)展起到一定的積極作用，我感到非常欣慰。我覺(jué)得不同類型的企業(yè)對(duì)信息處理有著不同的需求，所以我在研究軟件系統(tǒng)的時(shí)候，會(huì)考慮多方面因素，爭(zhēng)取為企業(yè)構(gòu)建一個(gè)完善的信息處理系統(tǒng)，保證其對(duì)現(xiàn)有的數(shù)據(jù)信息進(jìn)行合理利用。

筆者：開(kāi)始您就說(shuō)過(guò)，數(shù)據(jù)挖掘過(guò)程非常復(fù)雜，其流程究竟是怎樣的呢？通過(guò)什么樣的方式在海量數(shù)據(jù)中挖掘到自己需要的信息？

吳春妹：數(shù)據(jù)挖掘過(guò)程可以總結(jié)為以下幾個(gè)步驟。第一步是定義問(wèn)題，就是明確目標(biāo)，確定本次操作想要得到什么，后續(xù)所有步驟都要圍繞所定義的問(wèn)題展開(kāi)；第二步是準(zhǔn)備數(shù)據(jù)，就是在數(shù)據(jù)庫(kù)中提取目標(biāo)數(shù)據(jù)集，對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行預(yù)處理、加工等，具體包括檢驗(yàn)數(shù)據(jù)的完整性和一致性，對(duì)丟失的域進(jìn)行填補(bǔ)，對(duì)無(wú)效的數(shù)據(jù)進(jìn)行刪除等；第三步是數(shù)據(jù)挖掘，需要選擇合適的數(shù)據(jù)算法，要將數(shù)據(jù)的功能以及算法作為依據(jù)，然后在凈化和轉(zhuǎn)換過(guò)的數(shù)據(jù)集上進(jìn)行數(shù)據(jù)挖掘；第四步是結(jié)果分析，就是對(duì)挖掘的結(jié)果進(jìn)行轉(zhuǎn)換和評(píng)價(jià)，將其轉(zhuǎn)化為用戶能夠理解的知識(shí)；第五步是知識(shí)的運(yùn)用，這是數(shù)據(jù)挖掘的最終目的，就是將得到的知識(shí)整合到業(yè)務(wù)信息系統(tǒng)中去，成為企業(yè)管理的一部分。從流程中我們可以看出數(shù)據(jù)挖掘的過(guò)程比較復(fù)雜，任何一個(gè)環(huán)節(jié)出現(xiàn)問(wèn)題，都有可能無(wú)法達(dá)到理想的挖掘效果。因此我們?cè)谘芯肯嚓P(guān)技術(shù)和軟件系統(tǒng)的過(guò)程中會(huì)考慮到每一個(gè)細(xì)節(jié)，不允許出現(xiàn)任何疏漏。

筆者：現(xiàn)在，數(shù)據(jù)挖掘軟件的種類越來(lái)越多，企業(yè)面臨著很多選擇。能根據(jù)您的經(jīng)驗(yàn)為我們分析一下如何評(píng)價(jià)、選擇數(shù)據(jù)挖掘軟件嗎？

吳春妹：隨著大數(shù)據(jù)技術(shù)的發(fā)展，商業(yè)軟件的數(shù)量越來(lái)越多，企業(yè)選擇合適的軟件，能夠大大提升數(shù)據(jù)挖掘的成功率。根據(jù)我的個(gè)人經(jīng)驗(yàn)，我覺(jué)得應(yīng)該從以下幾個(gè)方面來(lái)評(píng)價(jià)和選擇。首先是評(píng)價(jià)其計(jì)算性能，除了確定軟件能否在不同的商業(yè)平臺(tái)上運(yùn)行之外，還要考慮其是否能連接不同的數(shù)據(jù)源，計(jì)算效率、運(yùn)行的穩(wěn)定性如何等；其次是評(píng)價(jià)功能性，包括算法的多樣性、算法的適用范圍、用戶能否根據(jù)自己的需要對(duì)算法和參數(shù)進(jìn)行調(diào)整、挖掘結(jié)果能否以不同的形式表現(xiàn)出來(lái)等；第三是評(píng)價(jià)其可用性，包括用戶界面的友好程度、軟件的應(yīng)用范圍和易學(xué)程度、主要針對(duì)初級(jí)用戶還是高級(jí)用戶等；最后是評(píng)價(jià)其輔助功能，包括軟件是否允許用戶修改數(shù)據(jù)集中的錯(cuò)誤，能否將一次分析的結(jié)果反饋到另一次分析中。評(píng)價(jià)過(guò)程中，要從以上四個(gè)方面綜合考慮，根據(jù)自己的需要做出合理的判斷和選擇。

筆者：您分析得非常全面，企業(yè)在選擇數(shù)據(jù)挖掘軟件時(shí)，可以將其作為重要的參考依據(jù)。作為一名技術(shù)研發(fā)人員和一名企業(yè)管理者，您肩上的責(zé)任很重，您是如何在這兩項(xiàng)工作中間做好平衡的？

吳春妹：我覺(jué)得，一名合格的企業(yè)管理者必須是一名優(yōu)秀的技術(shù)研發(fā)人員，尤其對(duì)于我們這種類型的企業(yè)來(lái)說(shuō)更是如此。公司的主要業(yè)務(wù)就是研發(fā)大數(shù)據(jù)相關(guān)技術(shù)，為合作企業(yè)提供相應(yīng)的服務(wù)。作為一名管理者，如果不懂這些技術(shù)，就無(wú)法明確公司的發(fā)展方向。所以長(zhǎng)期以來(lái)，盡管公司日常管理工作非常忙碌，我也從來(lái)沒(méi)有放棄過(guò)技術(shù)研究。這樣做，一方面是可以將自己多年的研究經(jīng)驗(yàn)傳授給大家，鼓勵(lì)團(tuán)隊(duì)成員之間相互交流，共同進(jìn)步；另一方面是可以引起大家對(duì)技術(shù)研發(fā)工作的重視，用創(chuàng)新推進(jìn)公司發(fā)展。我會(huì)根據(jù)市場(chǎng)需求和公司的實(shí)際情況對(duì)發(fā)展戰(zhàn)略進(jìn)行調(diào)整，將公司發(fā)展與行業(yè)發(fā)展統(tǒng)一起來(lái)，防止發(fā)展偏離軌道。

筆者：近幾年，您帶領(lǐng)團(tuán)隊(duì)開(kāi)發(fā)數(shù)據(jù)挖掘技術(shù)和大數(shù)據(jù)算法，能為我們分享一下經(jīng)驗(yàn)嗎？

吳春妹：當(dāng)前，大數(shù)據(jù)這個(gè)概念非?；馃?，各行各業(yè)對(duì)數(shù)據(jù)挖掘技術(shù)越來(lái)越重視，這對(duì)于我們這種類型的企業(yè)來(lái)說(shuō)無(wú)疑是一種發(fā)展良機(jī)。但是，所謂水漲船高，競(jìng)爭(zhēng)者的數(shù)量越來(lái)越多，部分競(jìng)爭(zhēng)者的實(shí)力非常強(qiáng)大。誰(shuí)能研究出最先進(jìn)的技術(shù)和產(chǎn)品，誰(shuí)才能得到用戶的信任。就是說(shuō)，僅僅認(rèn)識(shí)到現(xiàn)實(shí)形勢(shì)是不夠的，要想在競(jìng)爭(zhēng)中處于優(yōu)勢(shì)地位，必須用實(shí)力說(shuō)話，而先進(jìn)的技術(shù)和產(chǎn)品就是實(shí)力的直接代表。所以，我和團(tuán)隊(duì)成員會(huì)非常關(guān)注市場(chǎng)行情，明確用戶需要什么，然后確定技術(shù)研究方向，有條不紊地開(kāi)展每一項(xiàng)研究工作。我們會(huì)將數(shù)據(jù)挖掘流程與用戶的特征聯(lián)系起來(lái)，綜合考慮各方面因素，研究出適合不同行業(yè)、不同用戶的大數(shù)據(jù)技術(shù)。當(dāng)然，研究過(guò)程中會(huì)遇到很多困難，很多時(shí)候在進(jìn)入模擬試驗(yàn)階段以后，才發(fā)現(xiàn)技術(shù)或者軟件功能沒(méi)有達(dá)到預(yù)期，此時(shí)就需要回頭對(duì)每一個(gè)細(xì)節(jié)進(jìn)行重新分析，明確問(wèn)題所在，逐一改進(jìn)。所有細(xì)節(jié)修改完成以后，需要重新模擬試驗(yàn)，再次對(duì)軟件的可靠性和功能性進(jìn)行評(píng)價(jià)，直至滿意為止。

筆者：憑借先進(jìn)的技術(shù)和產(chǎn)品，您的公司與很多知名企業(yè)建立了長(zhǎng)期合作的關(guān)系，這一過(guò)程中一定收獲了可觀的經(jīng)濟(jì)效益吧？

吳春妹：的確是，事實(shí)證明我們?cè)诩夹g(shù)研發(fā)方面的投入沒(méi)有白費(fèi)。產(chǎn)品被用戶認(rèn)可，并被廣泛應(yīng)用于實(shí)際中以后，公司的盈利能力明顯提升。尤其是與一些企業(yè)建立了長(zhǎng)期合作關(guān)系以后，公司能夠獲得相對(duì)穩(wěn)定的收益。我們會(huì)將收益中的一部分拿出來(lái)，繼續(xù)投入到技術(shù)研發(fā)工作中去，始終保持公司的創(chuàng)新活力，實(shí)現(xiàn)公司的可持續(xù)發(fā)展。如今，公司的盈利能力提升，規(guī)模處于進(jìn)一步發(fā)展壯大之中。未來(lái)，我會(huì)帶領(lǐng)團(tuán)隊(duì)向更多企業(yè)尋求合作，通過(guò)研發(fā)先進(jìn)的數(shù)據(jù)挖掘技術(shù)提升其綜合管理水平，實(shí)現(xiàn)雙方的互利共贏。

筆者：您一直在強(qiáng)調(diào)將數(shù)據(jù)挖掘技術(shù)應(yīng)用于實(shí)際中，重視對(duì)用戶需求的考慮，能談一下原因嗎？

吳春妹：原因很簡(jiǎn)單，因?yàn)閿?shù)據(jù)挖掘技術(shù)的出現(xiàn)主要就是面向應(yīng)用的。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，各行各業(yè)的業(yè)務(wù)操作逐漸向著自動(dòng)化的方向發(fā)展，業(yè)務(wù)數(shù)據(jù)越來(lái)越龐雜。我們研究數(shù)據(jù)挖掘技術(shù)，就是為了幫助企業(yè)解決數(shù)據(jù)管理和應(yīng)用中的實(shí)際問(wèn)題，所以我一直在強(qiáng)調(diào)用戶需求以及技術(shù)和產(chǎn)品的實(shí)際運(yùn)用。現(xiàn)在，數(shù)據(jù)挖掘技術(shù)的應(yīng)用范圍越來(lái)越廣，涵蓋了電信、醫(yī)學(xué)、軍事、金融等各個(gè)領(lǐng)域，取得了很好的效果。

筆者：您認(rèn)為互聯(lián)網(wǎng)數(shù)據(jù)挖掘領(lǐng)域的發(fā)展前景如何？

吳春妹：我覺(jué)得這個(gè)領(lǐng)域具備非常廣闊的發(fā)展前景。從目前的情況來(lái)看，數(shù)據(jù)挖掘技術(shù)尚處于發(fā)展期，就已經(jīng)創(chuàng)造了意想不到的價(jià)值。隨著技術(shù)的成熟，這種技術(shù)的應(yīng)用范圍將會(huì)越來(lái)越廣，成為各行各業(yè)發(fā)展過(guò)程中必不可少的工具。所以，我會(huì)在這個(gè)領(lǐng)域堅(jiān)持下去，希望自己能夠有機(jī)會(huì)見(jiàn)證各個(gè)行業(yè)的蛻變。同時(shí)，我也希望更多優(yōu)秀的人才參與到數(shù)據(jù)挖掘技術(shù)研究工作中來(lái)，為該領(lǐng)域的發(fā)展和進(jìn)步添磚加瓦。

筆者：根據(jù)您的判斷，您認(rèn)為未來(lái)一段時(shí)間內(nèi)數(shù)據(jù)挖掘技術(shù)的研究焦點(diǎn)是什么？

吳春妹：通過(guò)對(duì)市場(chǎng)形勢(shì)進(jìn)行分析，結(jié)合我個(gè)人的理解，我認(rèn)為未來(lái)一段時(shí)間內(nèi)該領(lǐng)域的研究重點(diǎn)將體現(xiàn)在幾方面上。一是研究互聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)挖掘技術(shù)，尤其是分布式數(shù)據(jù)采掘技術(shù)的開(kāi)發(fā)和應(yīng)用將會(huì)越來(lái)越廣泛；二是有關(guān)生物信息的數(shù)據(jù)挖掘，推進(jìn)生物化學(xué)、生物醫(yī)學(xué)領(lǐng)域的進(jìn)一步發(fā)展；三是數(shù)據(jù)挖掘過(guò)程將向著可視化的方向發(fā)展，以往我們重點(diǎn)研究挖掘結(jié)果的可視化，將數(shù)據(jù)轉(zhuǎn)化為知識(shí)，方便用戶的理解和使用。而挖掘過(guò)程的可視化可以使用戶更加清楚整個(gè)進(jìn)程，有利于人機(jī)交互的實(shí)現(xiàn)；四是數(shù)據(jù)處理范圍將會(huì)越來(lái)越廣，會(huì)涉及到更多數(shù)據(jù)類型，可能是結(jié)構(gòu)比較特殊的數(shù)據(jù)，也可能是比較復(fù)雜的數(shù)據(jù)；五是數(shù)據(jù)挖掘語(yǔ)言將會(huì)越來(lái)越豐富，可能會(huì)研究專門(mén)用于知識(shí)發(fā)現(xiàn)的數(shù)據(jù)挖掘語(yǔ)言，促使其向著標(biāo)準(zhǔn)化的方向發(fā)展。

筆者：未來(lái)您在研究相關(guān)技術(shù)時(shí)會(huì)將以上幾點(diǎn)作為重點(diǎn)嗎？

吳春妹：我會(huì)將自己的判斷與公司的業(yè)務(wù)范圍聯(lián)系起來(lái)，確定科學(xué)合理的技術(shù)研發(fā)方向，為公司的發(fā)展指明道路。可以肯定的是，無(wú)論行業(yè)向著什么方向發(fā)展以及發(fā)展重點(diǎn)是什么，技術(shù)研發(fā)都是重中之重。因此，我和團(tuán)隊(duì)成員會(huì)始終將該項(xiàng)工作作為公司發(fā)展的核心，積極學(xué)習(xí)相關(guān)理論知識(shí)，豐富實(shí)踐經(jīng)驗(yàn)，提高技術(shù)研發(fā)能力，以此適應(yīng)市場(chǎng)形勢(shì)，緊跟時(shí)代潮流。

筆者：對(duì)于這個(gè)行業(yè)的未來(lái)你有著怎樣的希冀呢？

吳春妹：我認(rèn)為這是一個(gè)充滿朝氣的行業(yè)，具有無(wú)限的可能性，因此對(duì)于這個(gè)行業(yè)的未來(lái)，我充滿期待。我會(huì)將公司以及每一個(gè)研究項(xiàng)目作為載體，為數(shù)據(jù)挖掘技術(shù)的成熟和進(jìn)步貢獻(xiàn)一份力量。當(dāng)然，我也希望各行各業(yè)的精英們能夠認(rèn)識(shí)到數(shù)據(jù)挖掘技術(shù)的巨大潛力，加強(qiáng)相關(guān)產(chǎn)品和技術(shù)的應(yīng)用，提高信息利用率，實(shí)現(xiàn)自身的健康發(fā)展，同時(shí)推進(jìn)互聯(lián)網(wǎng)數(shù)據(jù)挖掘行業(yè)的革新。