摘要：
智能算法去做智能分发的核心逻辑是什么？在商业世界里，什么数据价值最高？为什么说深度学习技术将让机器人市场规模至少扩大十倍？以下文章供您参考。
算法架构师曹欢欢：给你看下，被调教得很成熟的今日头条 app 长什么样
首先，最重要的，智能算法去做智能分发的核心逻辑是什么？这个因为今天一个是时间所限，咱们不是技术论坛，我会尽量减少技术细节的介绍，介绍基本的逻辑。
信息分发利用智能算法来做基本逻辑就是打分器。输入用户的兴趣标签，你是对数码感兴趣还是科技，你是对某一款数码相机感兴趣，你喜欢奔驰还是宝马，这是兴趣标签。
第二个维度情景维度环境特征。你在办公室，还是在家，是休息日还是工作日，是早晨还是晚上，还是说去了一个你从来没有去过的地方，你可能在出差还是旅游，这对于找到你当时兴趣都是有帮助的，这一类我们归为情景维度。
第三类维度是打分器的输入，最重要是内容维度。推荐给你的内容候选，它讲的是什么，主题是什么？热度怎么样？哪些人群比较受欢迎，是财新网发的，还是 21 世纪经济报道发的，这些都是有用的。这三种数据进去最后输出一个数，你喜欢这个内容的概率。这个最简单的函数，这个函数的工程实现非常复杂，但是它的逻辑可以很简单用这样一个函数概括，有这样一个函数任何人来了我们知道他的情景信息，我们可以把几百万的内容库看一遍，哪些分比较高，分高的就给你，机器逻辑非常简单。
3张图 解释我的数据价值观
上图小结了常见的移动互联网商业模式：
1、耐用消费品和长周期消费服务，移动app日活一般可以冲到50万上下，交易转化率0.2% - 1%，但下单用户获取成本高，订单佣金要超过千元这个商业模式才成立。因此二手车，房地产做大宗O2O都是成立的，其他领域如果是小宗低频的商品，单独做O2O都是不成立的。
2、大型app日活在千万级别的，比较容易走广告流量变现，根据用户价值和商业化程度，单日活的收益在0.13元~0.40元
3、其余大部分百万级别的app，做得好的都是跨界商业化。
上面零零碎碎的数字信息，结合到具体的商业场景里，很容易判断商业的成败，只是忠言多逆耳。数据工作者更像环保部门，没有实权，控制不住冒险家们对风险的独特偏好。所以不能深刻参与并影响商业决策的数据分析，都是耍流氓。
深度学习技术将让机器人市场规模至少扩大十倍
深度学习是目前在视觉、语音、医疗诊断和其他领域中应用表现最好的机器学习算法，它也可能对机器人产业产生深远的影响。即便在制造业中，机器人已经被广泛使用，但是它们依然有造价昂贵、编程困难的问题。对于大部分业务来说，机器人还排不上用场。
在 2015 年，全球范围内的工业机器人销售量仅为 250000 左右，这个数量是大型计算机销售峰值的十倍。相比之下，去年服务器和 PC 的销售总量分别大约为 1000 万台和 3 亿台。很明显，机器人产业还处于起步，它需要在成本和易用性上有很大的提升才能真正的走向主流市场。
机器人的成本曲线正在下降。ARK 估计工业机器人的成本在未来十年内会下降一半，跌至大约 10 万美元一台。同时，一台与人协作的新品种机器人的价格大约 3 万美元。今天像软银的 Pepper 这种销售助理机器人的成本大约为 1 万美元，还包括服务费。更安全更敏捷，这个新品机器人不需要安全笼、重型设备或者专业编程。根据 ABB Robotics 的信息，一台工业机器人的安装程序部分只占总成本（TCO）的三分之一。由于机器人制造商从电子工业（如摄像头、处理器和感应器）中添加了很多部件，我们认为工业机器人的成本应该会接近消费电子品的价格。
以上简讯由数据工匠提供，感兴趣的小伙伴可以通过扫描简报后的二维码链接原文，更多数据科学资讯尽在数据工匠，扫码关注Datartisan数据工匠公众号！如果你看到什么与“数据科学”有关的好文或者信息科技优质的文章，可以随手转发给我们，让更多热爱数据科学的小伙伴一起成长！
