2018年9月20日，由华南理工大学EMBA教育中心主办、华工顺德校友会承办的《大数据时代下的个性化推荐》主题讲座在顺德圆满举办。活动邀请了华南理工大学工商管理学院决策科学系许小颖博士为大家分享了大数据时代下的个性化推荐，从大数据分析的角度，介绍机器学习、区块链等前沿技术在个性化推荐领域的应用，为相关行业的客户关系管理和精准营销活动提供新的视角。

       随着计算机技术，尤其是互联网和多媒体技术的普及与飞速发展，人类社会被呈爆炸性增长的信息所包围。据国际商业机器公司（IBM）资料显示，目前数据的生成每日以千万亿字节来计算，全球近90%的数据是在过去两年产生的。大数据时代已经到来。大数据时代的个性化推荐发生了巨大转变，依靠线下销售代表和客户经理个人经验的传统推销方式已经逐渐被数据驱动的智能推荐系统所取代。大数据、人工智能、区块链将成为个性化推荐发展的核心动力。

许博士从（WHAT）什么是个性化推荐、（WHY）为什么需要个性化推荐、（HOW）如何进行个性化推荐及相关的研究课题四大板块进行了深入浅出的讲解。

一、什么是个性化推荐？

       京东上你可能感兴趣的商品推荐，网易音乐上的私人FM、朋友圈广告的定向广告推广等等，基于大数据的个性化推荐在我们的生活中无处不在。

二、为什么我们需要个性化推荐？

       根据传统市场的80/20原则：80%的销售额来自于20%的热门商品 。Amazon2015年销售额1070亿美金 ，其中35%（374.5亿美金）来源于个性化推荐 ；Netflix2015年销售额67.8亿美金 ，其中60%（40.68亿美金）来源于个性化推荐 。互联网时代，个性化推荐中蕴藏的巨大商机，覆盖了社交、电商、新闻、音乐、电影、招聘、教育、医疗、搜索、地图等领域。

三、如何实现个性化推荐？

       个性化推荐涉及数据挖掘、机器学习、人机交互、精准营销、心理学、经济学等学科。推荐系统的基本流程，从输入到输出，一个好的推荐系统，需要从用户满意度 、预测准确度 、评分预测、排序预测 、覆盖率 、多样性 、新颖性 、惊喜度 、实时性 、健壮性等方面进行评估。常用的个性化推荐技术包括简单的个性化推荐 、基于内容的推荐 、协同过滤推荐 、基于社交网络的推荐 、基于关联规则的推荐 、基于上下文信息的推荐等形式。这些推荐方式都有各自的优缺点。

1.简单的个性化推荐

优点：简单，不需要目标用户的交易记录

缺点：预测准确度不高

2.基于内容的推荐

优点：直观，可解释

缺点：覆盖率、多样性、新颖度、惊喜度均不高

3.协同过滤推荐

优点：简单，预测准确度高

缺点：对数据稀疏性非常敏感

4.基于社交网络的推荐

优点：用户信任度高

缺点：对网络稀疏度较为敏感

5.基于关联规则的推荐

优点：可用于购物车分析，准确度高

缺点：多样性、新颖度较低

6. 基于上下文信息(Context)的推荐

优点：准确

缺点：上下文信息难以获得（涉及隐私） 

       最后，许博士还跟大家分享了关于个性化推荐的前沿课题。半天的学习时光飞逝而过，现场的学习气氛非常活跃，在活动的互动环节，大家就大数据的个性化推荐及其应用落地提出了很多结合自身企业发展的实际问题。此行学习，大家都收获满满。

       许小颖博士的分享结束之后，由顺德校友会副会长、高尔夫协会副会长、2011EMBA（三）班郭锡南校友作精彩总结。郭锡南校友对许博士的精彩讲解给与了高度的认可，并指出许博士的分享内容非常适用于顺德的制造业企业，当今制造业必须要迎合现在的发展趋势，不断进行变革，才能出奇制胜，让制造业基业长青。本次《大数据时代下的个性化推荐》主题讲座圆满结束！