数据与产品的结合
话题一是数据与产品的结合，以 Stitch Fix 作为例子，阐述数据科学是如何渗透到产品的不同环节的。
Stitch Fix 是一家数据驱动的服装新零售的电商公司，致力帮助用户发现适合他自己的风格款式，主要服务于没时间逛街、对穿搭不在行、想追逐时尚等特征的用户群体。
Stitch Fix 所有的销售都来源于推荐，推荐采用的是盲盒模式，用户在收到商品之前是没有预览过的，这样就意味着需要猜用户会喜欢哪些衣服。如果一旦猜错，消耗的将是造型师服务和双向物流的这些真金白银的成本，所以对准确度的要求非常之高。
如下图，从普通的用户角度看，使用Stitch Fix 主要分为三步骤。
Set.1是回答个人的风格问卷，之后会收到搭配好的五件衣服，试穿后留下喜欢的，免费退回其他不喜欢的。
Stitch Fix 鼓励用户对每一件衣服从尺寸、价位、版型、风格和颜色等维度进行反馈，这些数据将助力数据科学团队更好的了解用户与服装的匹配情况。
数据科学团队人员占员工总数的 1/4，同时也意味着数据科学渗透到产品的很多环节，发挥着应有的价值，例如仓库分配、用户与造型师匹配、用户画像、人货匹配、库存管理等环节。
例一：仓库分配
当有用户请求发出，需要决定从哪一个仓库为用户发货。选仓发货需要综合考虑多个因素，包括运费，投运时间，仓库风格和用户风格匹配情况等，基于这些因素建立仓库和用户之间的匹配度指标。
例二：用户和造型师的匹配
当用户发出请求，依据用户和造型师之间的交易历史，用户打分、以及资料匹配进行造型师匹配。
例三：用户画像
在 Stitch Fix 用户画像既服务于算法，也服务于造型师，故需要一些可解释、可以为人读懂的用户画像。
用户画像大部分来源于用户填写的个人问卷，其中包括基础的纬度画像，以及跟穿搭相关，如说用户的身材尺寸、颜色、价格偏好等。
在处理用户风格上，把穿搭的风格分成七个纬度：经典、浪漫、波希米亚风等，每个用户在每个纬度上有 1 到 4 的打分，基于用户打分可以大概看出来用户的穿搭风格。
例四：人货匹配
这里主要分享数据和模型两个层面，数据层面有：用户画像、商品 ID、商品泛化特征(图像、标签)，以及多维度的反馈。推荐算法的数据存在挑战，如 item 的样本不均衡、数据回流带来的误差、特征和反馈数据缺失、折扣带来的偏差等。模型层面(2016 年)有混合效应模型、Factorization machine、DNN、word2vec,、LDA 等。
例五：库存管理
在库存管理上，需要解决的问题有很多，如有哪些货、要进哪些货、进多少、分配到哪个仓、及哪些库存需要清仓等。有哪些货看似是一个简单的问题，但在 Stitch Fix 比较特殊，因为库存商品其实仅占所有商品的 40%，有大量的商品存在用户寄回到仓库的路上，或是从仓库寄到用户的路上，这里就需要做仿真与库存快照来应对。
透过上述这些产品的环节发现可以用数据提升效率的机会，定义并解决问题，那么是通过哪些技术实现的呢？这里主要分享普遍关心的三大问题，度量指标的选择及分析，AB 测试和用户画像。
度量指标的选择及分析
在 Stitch Fix 专注转化率、GMV、留存这三大核心指标，对于选择度量指标可参考三点：数据源的可靠性、指标与结果的相关度以及信号质量和敏感度。
Stitch Fix 常用分析主要有漏斗、群组、多纬等，如下图以群组分析示例。
如可以把用户按照获客时间、首单时间分成等标签并分成群组，然后观测在一定时间范围内某些指标的变动，对于时间的跨度可以选择相对比较短的，也可以选择相对比较长的。
如下图，为不同的获客时间的用户留存对比。
综合看，从 1 月到 7 月，首月的留存在提升，这意味着在渠道获取上，获取的用户质量有待提升。另外也可以看到随着时间的推移，用户留存会有一个平台效应，头四个月，月到月的用户流失是比较显著的，后续的用户留存趋于稳态。
AB 测试
在 Stitch Fix，AB 测试主要面临两个挑战，分别是线下交易带来的延时和造型师人为因素。
当线上算法发生改变时，需要造型师针对每一个用户做出匹配，再加上物流，会产生七到十天的延时。
造型师的人为因素主要是由于造型师的惯性带来的，举一个比较极端的例子，如果算法想重推高单价产品，但造型师却希望给用户推荐一些价格适中的商品，这样就会对结果产生影响。
这里需要提醒的是 AB 测试需谨慎，如下四点要注意：
实验正交设计：实验 1: uid 尾号为奇数 vs 偶数 实验 2: uid 尾号 (0,1) vs 2
用户适应曲线
小流量实验与全流量上线的区别
实验效果叠加：季度上线了 6 个+1% 的实验，但整体提升只有 3%
用户画像
用户画像是在公司范围内基础数据的搭建，也就是大家现在经常提到的数据中台，画像对于推荐业务、用户运营、渠道画像都会有相当的指导意义。
这就意味着画像在公司是需要多部门协作的事情，也会因为多部门协作带来挑战，主要体现在数和应用脱节、多业务需求近似两种情况。实际在生成画像时需要三步走，依次是收集画像需求、构建标签框架和填充数据。
在实用过程中，如果希望破局，有下面三个建议：
放弃大而全的框架，业务场景倒推 (价值)
自动化生成标签 (手段)：规则或算法
有效的标签管理机制 (可持续性)
数据与人的结合
第二个话题是数据与人的结合，在 Stitch Fix 是通过算法和造型师结合起来帮用户做推荐搭配，可以认为这是一个人机耦合的系统，那么，人机耦合系统会有哪些挑战呢？
在算法方面，Set.1要对大量的库存进行 SKU 筛选和排序，第二分从大规模数据中找到规律。第三是降噪，因为造型师会存在相当大的个体差异，需要制定一个相对一致的标准，使得最终筛选的结果不会产生很大的偏差。
在人机耦合的系统，造型师承担人的角色，对非结构化数据进行处理，进行 1v1 情感沟通、还具有创造性，这样算法开发时候就可以免于考虑边缘情况。
这种人机协同的方式，不是纯粹靠机器算法，也不是纯粹靠人工。机器可以承担更多的繁重的重复性的劳动工作，还拥有大量的工作记忆、长期记忆，而人可以更好的处理非结构化数据，可以进行美学评估，也可以跟客户建立良好的人机关系。
另外人对场景也会有比较强的敏感度，比如说秋天到了，在中西部的人适合穿什么样的衣服，造型师对这个会有比较强的敏感度，进而做比较好的推荐。
在人机耦合中，虽然 1+1 是大于 2 的，但人机耦合也面临如下问题：
人会成为速度和规模的瓶颈：订单分布跟造型师工作时间不匹配
衡量人和机器彼此的价值
对算法多反馈渠道：用户反馈与造型师挑选
算法的优化目标要慎重选择
数据与团队的结合
第三部分是数据和团队的结合，这部分主要介绍在整个数据团队里，包括分析、算法、数据开发是如何结合在一起，及整个数据团队在公司的架构体系下，又是如何和业务团队结合起来协作的。
数据和团队的结合，其实在聊大数据时，聊了很多方法论、思维框架，但最终实施起来，还是要靠数据团队的人来实现以及给公司提供价值。
Stitch Fix 数据团队主要分成四部分，底层数据开发团队，可以搭建数据平台、数据仓库，数据科学家提升效率或者做部署工具。
上面三个团队是跟业务一一对应的，客户团队、推荐团队，还有库存团队。
数据团队的搭建上，这里给出三个定位原则，供参考：
以业务与产品为核心。聚焦在产品和业务，使得数据产生实际价值
数据科学团队要结合基础设施部门与业务部门，尤其是业务跨度很大的公司
公司决策层的耐心支持，并与具体工程与产品团队成为有机的一体, 目标对齐一致
在实际操作中，请注意还将面临如下问题：
分析结果如何落地，如何做能够落地的分析
分析处理数据需求与数据驱动业务，处理数据相当于是一个被动的事情，数据团队经常会面临要为业务部门拉数据的任务，但同时数据团队也需要主动去驱动业务，可以认为是被动和主动之间如何做一个协调。
保障数据平台稳定性的同时，数据平台团队也尽可能开发，尽可能帮数据科学家更好的做数据流程，部署代码和线上化的工具。
