10月11日，WOT技術(shù)門診第二期會診結(jié)束，本期特邀門診專家當當廣告及推薦部高級架構(gòu)師 董四輩，針對很多初創(chuàng)公司遇到的大數(shù)據(jù)典型問題開出了那些藥方？

董四輩：當當廣告及推薦部高級架構(gòu)師、吉林大學本科碩士畢業(yè)、曾任搜狗地圖開發(fā)經(jīng)理、現(xiàn)任當當推薦部高級架構(gòu)師

從事：架構(gòu)設(shè)計 、數(shù)據(jù)分析、網(wǎng)站安全等相關(guān)工作。并關(guān)注：互聯(lián)網(wǎng)安全、反欺詐、機器學習等新技術(shù)的應(yīng)用

問題一：很多移動APP創(chuàng)業(yè)公司，目前還只是用傳統(tǒng)的方式存貯數(shù)據(jù)，或者分析數(shù)據(jù)，那么大數(shù)據(jù)對我們而言還停留在概念階段，畢竟我們不是BAT，所以能否讓達人以一到兩個案例實際講解一下，從需求到技術(shù)架構(gòu)的舉例來講，從而讓創(chuàng)業(yè)公司更快收益?

董四輩：我想這個問題，提問者最關(guān)心的是如何“收益更快”。所謂收益快，一般來說指的的是：時間成本少;人力投入少;運維成本低。實際就是數(shù)據(jù)分析平臺，主要分析的問題如數(shù)據(jù)有哪些?成本如何?收益如何?什么結(jié)果?

1. APP應(yīng)用分析 , 市場數(shù)據(jù)分析;
2. 業(yè)務(wù)數(shù)據(jù)與行為數(shù)據(jù);
3. 成本：人力成本，時間成本，運維成本;
4. 不斷變化的需求;

咱們主要是針對APP應(yīng)用來說，這里需要用到數(shù)據(jù)收集與數(shù)據(jù)分析。如果是要降低成本最簡單的辦法就是直接使用第三方平臺來收集數(shù)據(jù)。比如：使用友盟這樣的第三方平臺。對于收集數(shù)據(jù)存儲，當然你也不必自己從頭開始，可以租用公有云，按需付費。比如：阿里云，七牛云存儲等。

但是，使用第三方平臺服務(wù)之后自然也會帶來負面作用：如友盟，簡單好用，免費;不足之處，數(shù)據(jù)無法取回做深度與交叉分析無絕對安全性可言 。主要還是要看這個APP創(chuàng)業(yè)公司早期的決策是什么，使用第三方數(shù)據(jù)統(tǒng)計服務(wù)只是一個過渡方案。當當網(wǎng)現(xiàn)在使用的就是友盟服務(wù)，這些數(shù)據(jù)我們也是同樣沒辦法進行深度分析的，不過我們會做自己的數(shù)據(jù)收集與分析，讓兩者并存相互驗證從而產(chǎn)生附加效應(yīng)。最后，這些數(shù)據(jù)如果想要出效率還是要再次挖掘，這個時候不同數(shù)據(jù)是要不同對待的，把業(yè)務(wù)數(shù)據(jù)和行為數(shù)據(jù)分開。最后，數(shù)據(jù)必須，展現(xiàn)出曲線餅圖，柱狀圖，用于決策，才能說明系統(tǒng)是否成功。

以下是大家需要注意的技術(shù)點：

數(shù)據(jù)報表與儀表盤

業(yè)務(wù)數(shù)據(jù)寫SQL：靈活定制數(shù)據(jù)準確、實時，可進行復(fù)雜業(yè)務(wù)分析;不足之處：歷史狀態(tài)被覆蓋，自多擴展復(fù)雜，計算力有限 。

數(shù)據(jù)模型：Event：eventid+pageid+properties+userid;User：userid+ properties

行為數(shù)據(jù)寫日志：http傳輸 》kafka》 hdfs ,可以從kafka訂閱消息

數(shù)據(jù)挖掘與分析：python hadoop spark ，與業(yè)務(wù)數(shù)據(jù)庫解耦，計算力強大;維度，指標，漏洞分析，如(注冊，訪問，點擊...)

數(shù)據(jù)展現(xiàn)：曲線，餅圖，柱狀圖;工具HighCharts，OpenCharts

數(shù)據(jù)反饋：產(chǎn)品分析，迭代運算

最后，總結(jié)第一個問題的解決方式就是：

1. 使用第三方服務(wù);
2. 選擇2-3人小團隊;
3. 選好數(shù)據(jù)模型;
4. 工具就選常用的Python Hodoop Spark;5.業(yè)務(wù)數(shù)據(jù)最好使用Mysql(像訂單，物流，支付)這些都是結(jié)構(gòu)化數(shù)據(jù);
5. 行為數(shù)據(jù)(搜索，瀏覽，點擊，收藏)，每天都會大量產(chǎn)生直接存HDFS 就可以了。

問題二：以前我們做過兩個大數(shù)據(jù)平臺項目，一個是IoT，一個是CityNext，一個是數(shù)據(jù)格式較少但數(shù)據(jù)量大，一個是數(shù)據(jù)格式復(fù)雜，基于Hadoop在做，幾十人的團隊才完成了存儲和簡單實時分析，如果是小型公司或者創(chuàng)業(yè)團隊又何去何從呢?

董四輩：一個大數(shù)據(jù)項目前期投入了大量人力和時間成本，后期感到做出來的東西和一開始預(yù)估的差距較大，就產(chǎn)生了上面問題的出現(xiàn)，那么這個時候到底應(yīng)該是何去何從呢?我個人認為：做大數(shù)據(jù)平臺這樣的項目遇到成本問題是很常見的，尤其是初創(chuàng)這個問題尤為明顯，成本問題分為三部分：人力成本;時間成本;運維成本，如果是創(chuàng)業(yè)團隊，就應(yīng)該更加謹慎，況且市場與需求變化的特別快，如果你長時間耗在一個地方，就是一種浪費。建議：

1. 團隊應(yīng)當盡量小：最好3-5人的技術(shù)骨干團隊，便于溝通，執(zhí)行力高，幾十人溝通過于繁瑣，溝通不暢時很容易導(dǎo)致執(zhí)行效率降低。
2. 創(chuàng)業(yè)初期需求與市場變化速度快，應(yīng)該及時調(diào)整策略，不能再某一地方消耗太多時間。
3. 在創(chuàng)業(yè)團隊早期，最好能夠使用第三方基礎(chǔ)設(shè)施來降低運維成本。比如租用公有云。

問題三：我現(xiàn)在工作中遇到的問題，我覺得就是一堆垃圾數(shù)據(jù)，業(yè)務(wù)方希望我們能挖掘出價值，我們試了各種算法，結(jié)果都不理想，現(xiàn)在我想給出一個理論界限，苦于不知道如何下手，有沒有什么辦法，從統(tǒng)計特性給出各種算法效果的理論邊界?

董四輩：這個問題我也遇到過，并且困惑過。比如，我現(xiàn)在是在做推薦系統(tǒng)，就是針對某些商品做推薦，我可以無限優(yōu)化我的算法來提高KPI么(點擊率，訂單占比.....)?如果進行數(shù)據(jù)價值挖掘能夠無限制挖掘嗎?如果，我不能無限制的分析和挖掘，我想知道這個峰值到底在什么地方?理論上來說，肯定不能無限優(yōu)化和無線挖掘的。

先給大家講一個小故事：第一年，算法團隊從無到有，直接提升30%KPI。公司很高興。第二年。公司加大投入，發(fā)現(xiàn)第二年KPI僅提升了10%。第三年，公司決策層投入更多人力，發(fā)現(xiàn)KPI才提升了3%。大家發(fā)現(xiàn)了什么?雖然投入在不斷增加，但是KPI指標增長卻是越來越低。其實，第三年就是一個瓶頸。對于第二個問題的提問者，我想說，你既然已經(jīng)把所有的方法都試了一遍，還是沒有找到結(jié)果，說明，你已經(jīng)遇到了瓶頸。接著剛才的故事講，故事里的主人公也到了類似的問題，第四年，公司里來了一個產(chǎn)品經(jīng)理，說：“你們把產(chǎn)品的顏色改變下：紅色的叫”文藝紅“，藍色的叫”屌絲藍“，把商品給打上文藝和屌絲的標志。”接下來，你們猜結(jié)果怎么樣?KPI瞬間提高了30%。所以，有些時候數(shù)據(jù)分析瓶頸實際上反映了產(chǎn)品模式瓶頸。如果，你真的非常誠實的驗證了你的數(shù)據(jù)，那么可以非?？隙óa(chǎn)品形態(tài)或者產(chǎn)品模式遇到了瓶勁。一般來說，，如果你的優(yōu)化或者挖掘已經(jīng)大幅度下降了，這個時候就應(yīng)當減小投入，并不是說不分析了。然后，你就應(yīng)該過渡到產(chǎn)品方向上究其原因。

問題四：對于傳統(tǒng)企業(yè)來說，決定搭建自己的人大數(shù)據(jù)平臺時有什么需要注意的呢?技術(shù)的選取?相關(guān)人員的定位?像成聯(lián)電商我們是做耐材(耐火材料)為主的傳統(tǒng)企業(yè)，如果我們開始自己搭建大數(shù)據(jù)平臺有什么比較通用化的模式嗎?

董四輩：先說說背景吧，商場變成了試衣間，大家都去網(wǎng)上買，同理建材市場變成了建材展示中心怎么辦?這里其實包含兩個問題1.真正的傳統(tǒng)行業(yè)的大數(shù)據(jù)分析平臺;2.傳統(tǒng)行業(yè)怎么搞電商;這里就針對第一個問題說說吧，在互聯(lián)網(wǎng)的沖擊下，“建材市場淪為材料展示中心”，在這種情況下傳統(tǒng)企業(yè)也需要借助大數(shù)據(jù)來進行變革。相對于技術(shù)選型來說，更重要的是數(shù)據(jù)規(guī)劃與計劃，傳統(tǒng)行業(yè)的數(shù)據(jù)分析不能脫離行業(yè)背景，否則數(shù)據(jù)無法實現(xiàn)準確落地。比如：客戶的訂貨時間，客戶量，客戶的特點，年齡范圍，客戶地域分布;(這些確實需要具提的行業(yè)背景)從以上這些數(shù)據(jù)中挖掘分析，那些用戶喜歡什么耐材?在哪個時間段某種耐材最受歡迎?喜歡某種耐材的究竟是什么人?以及行業(yè)內(nèi)部運作過程中會產(chǎn)生哪些數(shù)據(jù)?帶著這些問題，再去看有哪些合適的技術(shù)平臺。

人員定位：不僅需要大數(shù)據(jù)技術(shù)人才，還需要有深厚行業(yè)背景且熱衷于大數(shù)據(jù)的專業(yè)人才

數(shù)據(jù)分析：大致可以分為，業(yè)務(wù)數(shù)據(jù)和行為數(shù)據(jù);業(yè)務(wù)數(shù)據(jù)(用戶，訂單，支付，物流...)這類數(shù)據(jù)一般都比較精確與規(guī)則，這些結(jié)構(gòu)化數(shù)據(jù)可以直接使用傳統(tǒng)的數(shù)據(jù)庫存儲分析。

行為數(shù)據(jù)(瀏覽、搜索記錄、點擊記錄...)這類數(shù)據(jù)一般量比較大，最好使用NoSQL(MongoDB)，或存儲在hdfs上指定維度與指標：成本，銷量，決策，價格

數(shù)據(jù)挖掘：根據(jù)已定的目標或指標，預(yù)測用戶的需求量提前預(yù)判，分析用戶人群(有興趣的，愿意購買的，由于不覺的)，地域定向等。

總結(jié)(重點是行業(yè)數(shù)據(jù)規(guī)劃，規(guī)劃不好數(shù)據(jù)，系統(tǒng)就是個擺設(shè)很難落地，尤其是目標與指標制定)：

人員構(gòu)成：大數(shù)據(jù)技術(shù)人才(3-5人)，有深厚行業(yè)背景的人才(1-2人);

數(shù)據(jù)存儲：結(jié)構(gòu)性業(yè)務(wù)數(shù)據(jù)mysql，復(fù)雜的行為數(shù)據(jù)NoSQL或hdfs;

分析與工具：python 、hadoop、spark;

行業(yè)數(shù)據(jù)規(guī)劃：客戶的訂貨時間，客戶量，客戶的特點，年齡范圍，客戶地域分布;

分析目標與指標：銷量、成本、區(qū)域、產(chǎn)品類型;

數(shù)據(jù)展現(xiàn)：曲線圖、柱狀圖，工具HighCharts;

問題五：針對不同的類型的公司的數(shù)據(jù)從業(yè)者來說，每天處理的問題和要肩負的責任可能是不一樣的，大公司里邊可能每個員工的任務(wù)更加的明確些，而中小型企業(yè)的數(shù)據(jù)從業(yè)者可能要會的更多一些。能不能麻煩老師舉例說明下，針對不同類型的企業(yè)中數(shù)據(jù)工作者的相關(guān)技能是什么?

董四輩：針對這個問題首先首先我想說的是：作為數(shù)據(jù)工作者，在工作中除了有技術(shù)在身，還需要一點點”機智“。如果單單說技術(shù)的話有很多教科書還有論文，其實僅僅掌握這些并不能使你和其他數(shù)據(jù)工作者區(qū)分開來，你還需要具有數(shù)據(jù)的敏感性以及懂得進行深層次的思考(換位思考)。我先給大家講一個真實的案例：大約是在2014年年末的時候，有個做PC數(shù)據(jù)分析的小伙， 突然想分析一下移動端的數(shù)據(jù)。然后，他發(fā)現(xiàn)移動端的數(shù)據(jù)每個月都在增長，而他所在的團隊卻是做PC數(shù)據(jù)業(yè)務(wù)分析。這個時候，他并沒有吧分析之后的結(jié)果放而制止，日有所思夜有所想，不久他做了一個夢，夢見PC消失了，大家都在使用移動端設(shè)備設(shè)備，PC端已經(jīng)沒有數(shù)據(jù)可分析了......驚醒之后，他把自己的擔憂告訴了leader，leader讓他把所有的數(shù)據(jù)分析了一遍，按他在夢中的思路做了一個預(yù)測，之后開始大規(guī)模對移動端數(shù)據(jù)業(yè)務(wù)擴展，這個小伙理所應(yīng)當?shù)木统蔀橐苿佣藰I(yè)務(wù)的相關(guān)人員了。最后，整個團隊在他的帶領(lǐng)下成立了移動端數(shù)據(jù)分析小組。其實工作中，很多數(shù)據(jù)工程師，就是分析完數(shù)據(jù)后就結(jié)束了，并未作深入分析。如果你無法優(yōu)化你的數(shù)據(jù)，你就沒有數(shù)據(jù)可分析了。你是不是就會失業(yè)?縱使你熟知所有的數(shù)據(jù)分析方法又如何?數(shù)據(jù)工作者的下一個臺階如何走?其實，掌握一些數(shù)據(jù)分析方法只是基礎(chǔ)，還需要你的機智。