数据中台：海量标签如何治理？

经过前期标签体系设计、标签加工，标签终于可以上线，让业务人员使用，发挥价值了！

随着标签上线一段时间后，我们开始关心每天占用计算资源与存储空间，跑出来的上百个标签，业务同学真的用到了多少，业务收益是否能覆盖数据成本呢？标签上线后，其质量怎么样，是否存在老规则不适用、需要持续优化的情况？

带着这一问题，我们需要用一种方法来评估标签上线后的使用情况，标识各个标签的价值。参考电影评分、花呗评分等形式，我们决定也给标签打个分、排个序，简单明了。

标签评分模型，经过考虑我们选取了5个维度作为评分入参：

标签总评分= a * 标签使用度评分 + b * 标签关注度评分 + c * 标签质量评分 + d * 标签持续优化度评分 + e * 标签安全度评分

其中标签使用度、标签关注度、标签质量、标签持续优化度作为核心维度，标签安全度可根据实际情况考虑是否纳入。a、b、c、d、e是权重，总和为100%。

标签使用度，用以评估标签被分析、外部系统的使用情况。

在袋鼠云标签产品中，标签有这几种使用场景：

（1）标签引用：如原子标签被衍生标签应用、衍生标签被组合标签引用等，基于该场景，计算“标签引用次数”指标。

（2）标签分析：标签在标签圈群、群组画像、群组对比、显著性分析等画像分析功能中被分析的情况，计算“标签分析次数”指标。

（3）标签调用：标签通过数据API被外部应用查询的次数，计算“标签调用次数”指标。

基于以上3个指标，我们首先采用Sigmoid函数将指标转化为评分，再将各个指标的评分加权汇总成标签使用度评分。

标签关注度，用以评估被搜索、查看、收藏的情况。

袋鼠云标签产品中，标签关注度与以下场景有关：

（1）标签搜索：标签在标签市场被用户搜索的情况，计算“标签搜索次数”指标。

（2）标签查看：标签被点击查看基础信息、分析页面等的次数，计算“标签查看次数”指标。

（3）标签收藏：收藏该标签的用户数，计算“收藏用户数”指标。

以上3个指标可反映标签的关注热度，我们依然采用Sigmoid函数将指标转化为评分，再将各个指标的评分加权汇总成标签关注度评分。

标签质量，用以评估用户被打标情况，反映标签规则的合理性。

当我们定义了标签和标签值，经过计算之后，标签值打在用户身上的很少，那说明我们的规则执行不合理。比如我们定义了“活跃度”这个标签，分为“高活跃、中活跃、低活跃度”等，但真实被打上的这个标签的用户，低于70%，还有很大一部分比例是空值，未打上该标签，说明我们制定的标签值规则有漏洞，需要完善。

系统将计算每个标签的“标签覆盖度”，将覆盖度归一化为分数，转化成评分。

持续优化度，用以评估标签上线后，是否后续再去优化该标签。

在客户的生命周期中，不断有新用户流入、沉默用户流失；公司战略调整、产品发布等都会影响客户行为，这些变化我们需要以数据的方式呈现，所以我们需要不断根据业务调整、客户变化调整我们的标签策略，以追求可通过标签直接地、迅速地反映客户情况，指导业务运营。

持续优化度，我们通过“标签优化次数”指标来评估，指标签上线后标签被编辑再次发布的次数。我们同样采用Sigmoid函数将指标转化为评分。

标签安全度，不能反映标签的热度，但也将其作为了标签评分的一个维度，可根据企业情况考虑是否纳入。

在袋鼠云标签产品中，标签安全相关的策略有：

（1）标签的可见度：标签可编辑、可查看的用户范围。

（2）标签使用是否需要申请授权：标签发布后，其他人使用该标签，是否需要申请审批。

（3）标签是否进行行级权限控制：上面我们控制了标签的列权限，行级权限反映该标签是否设置了行级权限。

（4）标签是否脱敏：标签是否进行脱敏。

根据标签的安全度策略配置情况，我们也采用评分的方式来评估。

基于以上5个维度的评分，我们根据前面提的公式加权汇总，得到总评分。

基于标签评分，为了更加直观的让标签管理员、业务人员查看热门标签、沉默标签等，通过排行榜的方式呈现。

基于标签的使用度、关注度、持续优化度3个角度来计算标签的热门评分，展示TOP n的热门标签。

热门标签说明这些标签被经常使用，我们需要持续关注这些标签的正常运行、质量，保障业务使用。

热门的标签的反向排序便是沉默标签，沉默标签说明这些标签使用率很低，可考虑定期下线，节省集群资源。

综合排行榜便根据标签的综合评分进行排序，从标签使用度、关注度、持续优化度、质量、安全等几个维度评估，全面评估标签。

标签评分模型上线后，我们需要根据实际情况调整不同维度的权重，符合自身实际情况。当经过一段时间的应用，大家认可这套评估逻辑之后，便可以将静态化的评分展示转化为动态化的告警、自动化治理等，可设置标签质量告警、评分告警，自动通知标签管理员、责任人等。

以上便是在产品中应用的评分逻辑，希望对大家有所帮助，也可提出不同思路优化评分模型，达到更好的标签治理效果。

来源：大数据架构师

作者：谈数据