标签库没人用，是大数据和数据中台的过？这5个坑，一定要避免
对于任何企业来讲，特别是传统企业，建设一个体系化的标签库是风险性很高的事情，你会发现不仅建设难度高，而且建了还没人用。
先来讲讲什么是标签，其实就是大家耳熟能详的信息分类和标记机制，标签和分类的区别是大家喜闻乐见的，但是不够深度和震撼，我们深入一点点。
标签是扁平的，分类是层级的
标签是精确的，分类是粗糙的
标签是多维的，分类是一维的
事实上，在数据领域，有一个鼎鼎大名的词汇与标签极其雷同，无论它的定义、它的适用范围，还是它的衍生应用都与标签令人惊讶的一致，它就是：元数据。
元数据：用来描述数据的数据，是从数据中抽取出来用于说明其特征的数据，是结构化数据。
可是和我们要讲的标签有什么关系呢？别急，如果把元数据的定义替换为标签，我们就能看到一个令人兴奋的进化：标签，用来描述信息的数据，是从信息中抽取出来用于说明其特征的数据，是结构化数据。
很贴切、很精确、很完美的标签定义，不是吗？
回到开头说的，为什么企业建设体系化的标签库很难？
大数据给了我一个机会，一个独特的视角，这里就来谈一谈。
1、战略：不需要数据驱动业务
企业如果仍然处于野蛮增长阶段，或者数字化服务没有达到一定的阶段，数据驱动业务的迫切性其实并不强，这个时候不需要标签库，一般的数据需求搞个数据库取取数就够了，这个跟你的企业大小无关，数据大小无关，却跟你企业所处的阶段有关，当然对于传统企业来讲，还跟一把手有关。
这个是从面的角度考虑问题，没有企业的基本面，你几乎没有机会去做一个真正的标签库。
2、业务：没有成熟的业务模式
很多公司战略上需要数字化转型，觉得要建标签库，但却没想清楚哪些业务场景必须依赖标签库才能做成或者做的更好。
以前我们建设标签库往往是技术导向，宽表摇身一变贴个标签就成了标签库，好听一点是标签库，其实是个取数工具，根本没有跟哪个业务有天然的捆绑，好像什么都能做，其实哪一个都做不好。
对于绝大多数企业来说，体系化的标签库都是为钱服务的，当然对于大数据变现来讲，标签库也是为钱服务的。
毫不夸张的讲，我们对外的信息流完全依赖于标签库，其标签的使用率和覆盖面远超对内针对传统业务，根本不需要做什么，这叫做找对了业务模式。
3、管理：跟核心业务流程的脱节
大多数标签库的建设是以系统建设为核心的，却没想过管理流程上要做哪些改变，很多标签库希望通过运营来促进使用，但往往事倍功半。
因为传统流程已经固化，谁都不想改变习惯，手工取个数也蛮方便，导入导出也很方便啊，即使效率低也没关系。还有些公司的报表系统还在用Excel，这想建立标签库根本不可能。
更为关键的是，一旦标签库作为可有可无的存在，其自身就没有了迭代优化的机会，因为谁都不会提出问题，然后标签库就死了，成了技术人员自我陶醉的工具。
标签库从建设伊始，就要与业务人员协同制定规则，强行插入企业的管理核心流程，比如不走标签库就不允许进行一些措施，否则，再好的酒也怕巷子深。这种教训很多。
但即使这样，能做好标签库的也是寥寥。
4、建设：一线的业务理解比你强
属性类的标签就不说了，这里重点谈谈通过建模打造的标签。
建模最重要的是什么，当然是业务理解，其实当前大多数企业的组织形式是不利于标签运营的，最懂业务的在前端部门，做建模的在后端部门，两者的沟通成本太大。
现在某些企业存在着IT属地化的特征，我觉得这倒是一种很好的组织形式，其提供了灵活性。
那么，后端部门做什么？
做好数据中台，为前端赋能；吸取优秀经验，统一部署；研发核心标签，解决数据技术问题。
可以肯定的是，90%以上的标签其实属地的人员简单的规则配置就能搞定，只要你提供的数据中台足够强。
可惜的是，一方面现在很多企业的标签还是要靠后端部门统一打造，甚至立项解决，这样出来的标签可用性不会很好；另一方面，则是后端的人员太少了，或者说能力完全不够，无法做好数据中台，更没有精力去做什么运营。
失败是显然的。
标签库不是简单的一个系统，是企业数据产品能力和数据资产管理能力的一个综合体现，数据团队有多少实力，其实看看标签库就知道了，它就是一面镜子。
5、治理：淹没在海量标签的噪声中
最近某网站的实体书下线了，笔者觉得蛮可惜的，因为它的推荐和评价系统很好，然后转战别的网站，发现特别不适应，当然有使用习惯的因素。
然后我发现了二个原因：一是给出的某本书的搜索结果太多了，让一个新人不知所措，二是海量的垃圾评价，即使是有用的信息都被淹没了，这是怎样一种体验？
同样的问题也出现在我们的标签库中，你看下面一张列表就知道做这个事情的重要性了：位置类标签快要统治全世界了！
要建设和运营好标签库非常不容易，很多问题不是你想解决就能解决的，但只有知道了根本原因所在，你才能知道努力的方向，希望我的分享于你有启示。
立即沟通
