
大數(shù)據(jù)時(shí)代:移動(dòng)數(shù)據(jù)能為我們帶來什么
如果我告訴你,你可以做到從海量數(shù)據(jù)來源(包括各種各樣的移動(dòng)設(shè)備)中把數(shù)據(jù)提取到一個(gè)系統(tǒng),然后只用少量的程序行數(shù)描述所需的信息就可以讓結(jié)果輕松呈現(xiàn),還可以做到實(shí)時(shí)處理這些數(shù)據(jù),并且保持系統(tǒng)同時(shí)運(yùn)行,你相信嗎?
不用懷疑,你可以做到。
這首先要?dú)w功于信息爆炸時(shí)代移動(dòng)數(shù)據(jù)的飛速發(fā)展。移動(dòng)應(yīng)用不停地產(chǎn)生大量信息,比如用戶行為的信息(包括對(duì)話開始、事件發(fā)生、事務(wù)處理等),然后設(shè)備生成數(shù)據(jù)(崩潰數(shù)據(jù)、應(yīng)用日志、位置數(shù)據(jù)、網(wǎng)絡(luò)日志等)。這些數(shù)據(jù)的意義在于它們給大數(shù)據(jù)提供了源源不斷的信息源去識(shí)別和分析手機(jī)用戶一天的所見所聞。
不得不說,移動(dòng)大數(shù)據(jù)時(shí)代是應(yīng)運(yùn)而生。而為了收集智能手機(jī)的數(shù)據(jù),就不得不面臨數(shù)據(jù)收集、分析和運(yùn)行的挑戰(zhàn)。毫無疑問,能夠利用移動(dòng)數(shù)據(jù)的企業(yè)和移動(dòng)設(shè)備開發(fā)者在市場(chǎng)競(jìng)爭(zhēng)中更有競(jìng)爭(zhēng)力和業(yè)務(wù)優(yōu)勢(shì)。因?yàn)樗麄兛梢栽谝婚_始就準(zhǔn)確地識(shí)別出影響用戶行為的因素,有效地將客戶需求分級(jí),從而能夠既有創(chuàng)造力又有效率地實(shí)現(xiàn)客戶需求。
而在大數(shù)據(jù)實(shí)時(shí)分析的競(jìng)爭(zhēng)中能否決勝的關(guān)鍵是內(nèi)存數(shù)據(jù)庫。內(nèi)存數(shù)據(jù)庫保證了大數(shù)據(jù)的動(dòng)態(tài)分析——用指數(shù)級(jí)的速度處理以噴發(fā)狀態(tài)產(chǎn)生的大量數(shù)據(jù),然后及時(shí)產(chǎn)生結(jié)果。內(nèi)存數(shù)據(jù)庫能為以不同速度為移動(dòng)設(shè)備進(jìn)行實(shí)時(shí)和動(dòng)態(tài)的內(nèi)存數(shù)據(jù)處理,還可以導(dǎo)入其他數(shù)據(jù)來源例如汽車和家庭系統(tǒng)的數(shù)據(jù)。
大數(shù)據(jù)的分布式處理能夠在計(jì)算機(jī)上實(shí)現(xiàn)跨集群操作,擴(kuò)展到成千上萬種設(shè)備上,比如Hadoop就用分布式處理方式完成了多項(xiàng)任務(wù)。然而對(duì)于這個(gè)高速運(yùn)轉(zhuǎn)、信息不停噴發(fā)的移動(dòng)時(shí)代來說,分散處理并不是最有效最經(jīng)濟(jì)的方式。內(nèi)存數(shù)據(jù)庫的產(chǎn)生無疑給企業(yè)提供了利用實(shí)時(shí)數(shù)據(jù)的新工具:盡可能快地在數(shù)據(jù)產(chǎn)生之初就進(jìn)行分析,發(fā)現(xiàn)其趨勢(shì)并更快地做出反應(yīng),實(shí)現(xiàn)降低服務(wù)成本和提高收益的目標(biāo)。那些企業(yè)級(jí)的流式數(shù)據(jù)庫,比如StreamBase和KDB,包括CEPs和混合式,內(nèi)存數(shù)據(jù)庫開始利用新的算法和可視化技術(shù)來填充實(shí)時(shí)處理技術(shù)的缺口。移動(dòng)大數(shù)據(jù)的提供者正在試圖將內(nèi)存數(shù)據(jù)庫、動(dòng)態(tài)處理技術(shù)、算法與可視化技術(shù)融為一體,讓企業(yè)能夠運(yùn)用移動(dòng)大數(shù)據(jù),讓它成為一種業(yè)務(wù)驅(qū)動(dòng)力。
移動(dòng)應(yīng)用團(tuán)隊(duì)更能理解同步分析數(shù)據(jù)的重要性。為了留住用戶,開發(fā)者要能夠預(yù)見誤差,了解誤差對(duì)用戶行為的影響,衡量新產(chǎn)品的效益,識(shí)別用戶的參與趨勢(shì),檢測(cè)客戶端,這樣才能趕在問題暴露在消極用戶面前之前消滅它。
下面是我們觀察到的移動(dòng)大數(shù)據(jù)的四個(gè)發(fā)展趨勢(shì):
1. 事務(wù)處理最重要
“移動(dòng)”最關(guān)鍵的就是交互活動(dòng)和對(duì)其的監(jiān)控。用戶選擇應(yīng)用是出于不同的目的:娛樂、購物、學(xué)習(xí)、分享等;而一旦有任何因素干擾或者減慢他們實(shí)現(xiàn)目的的體驗(yàn)過程,用戶很容易就會(huì)產(chǎn)生消極情緒。利用應(yīng)用軟件監(jiān)控事務(wù)處理,讓企業(yè)能對(duì)用戶體驗(yàn)進(jìn)行評(píng)估和回應(yīng),盡量避免用戶卸載軟件或者給出差評(píng)。如今對(duì)事務(wù)性數(shù)據(jù)和功能性數(shù)據(jù)的監(jiān)控都很重要,也不能沒有一個(gè)適應(yīng)移動(dòng)發(fā)展時(shí)代的戰(zhàn)略了。
2. 三駕馬車,三個(gè)“V”
Business Insider的最新報(bào)道指出,大數(shù)據(jù)有三個(gè)特點(diǎn):大量(volume)、多樣(variety)、高速(velocity),我們把它們概括成三個(gè)“V”。數(shù)據(jù)本身的產(chǎn)生非常快,而且形式多樣,大小不一,數(shù)量還很大。更別提移動(dòng)數(shù)據(jù)了,數(shù)量都是成倍地增長(zhǎng)。而Cisco最近的報(bào)告表明,有數(shù)以百萬計(jì)的人只通過移動(dòng)設(shè)備連接互聯(lián)網(wǎng),很明顯,這些設(shè)備產(chǎn)生了大量的數(shù)據(jù)。Kash Rangan說,有很多互動(dòng)被忽略了沒有得到分析,而這些就是被忽視的機(jī)會(huì)。更有趣的是,數(shù)據(jù)的多樣性恰恰是由移動(dòng)設(shè)備造成的。從用戶跟蹤到崩潰報(bào)告,有各種各樣五花八門詳細(xì)的應(yīng)用數(shù)據(jù),包括商業(yè)貿(mào)易、情感反應(yīng)、心跳測(cè)量、住宿記錄,甚至包括風(fēng)象報(bào)告。移動(dòng)應(yīng)用越來越多地影響了人們的生活方式,結(jié)果是數(shù)據(jù)增長(zhǎng)的速度也在不斷上升。只要想想一個(gè)手機(jī)用戶比如你我每天都被手機(jī)牢牢套住的情況就可以理解了。
3. 測(cè)度是關(guān)鍵
面對(duì)大數(shù)據(jù)用戶的一個(gè)挑戰(zhàn)是考慮經(jīng)營(yíng)的影響因素。如果定位不好、收益不好,大數(shù)據(jù)可能反而會(huì)成為一種牽絆。如何鑒別哪種信息能夠幫助更好地進(jìn)行經(jīng)營(yíng)決策,而哪種信息卻毫無用處呢?在企業(yè)投身移動(dòng)數(shù)據(jù)的熱潮之前,必須要弄清楚他們的關(guān)鍵度量指標(biāo)是什么,不然就會(huì)被困在一堆派不上用場(chǎng)的數(shù)據(jù)里,進(jìn)退兩難。
4. 先監(jiān)控,再提問
這聽來好像跟我們的直覺不一樣,但實(shí)際上企業(yè)都應(yīng)該采用這種策略,先對(duì)應(yīng)用進(jìn)行監(jiān)控并收集數(shù)據(jù),然后回答關(guān)鍵的業(yè)務(wù)問題,再去探索從數(shù)據(jù)里發(fā)現(xiàn)的新的發(fā)展機(jī)會(huì)。去了解應(yīng)用發(fā)展的情況是能否駕馭大數(shù)據(jù)的決定性的一步。在基本了解以后,企業(yè)和開發(fā)者們就可以深入研究關(guān)鍵性因素了。移動(dòng)大數(shù)據(jù)提供者也讓各種規(guī)模的公司有了讓移動(dòng)數(shù)據(jù)為他們所用的能力,無論是獨(dú)立經(jīng)營(yíng)者還是大企業(yè)都是一樣?,F(xiàn)在,內(nèi)存數(shù)據(jù)庫已經(jīng)有了,移動(dòng)大數(shù)據(jù)提供者們又開始為下一個(gè)目標(biāo)努力:通過最大化地提升數(shù)據(jù)的收集和傳輸效率來優(yōu)化移動(dòng)方面的東西,同時(shí)關(guān)注新的挑戰(zhàn),例如電池消耗、3G數(shù)據(jù)使用、連接速度慢、隱私問題和局部存儲(chǔ)器的問題,還要擴(kuò)展通信量并控制可預(yù)見的通信量激增。這場(chǎng)競(jìng)賽的關(guān)鍵已經(jīng)不再是誰的移動(dòng)設(shè)備革新速度快,而是誰對(duì)移動(dòng)設(shè)備所產(chǎn)生數(shù)據(jù)的反應(yīng)速度更快。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11