大麥網周宇紅：用大數據打破票務行業(yè)的天花板

采訪 | Penny

來自CDA數據分析師微信公眾號

想參與采訪的同學可以發(fā)送以下內容“每天一個數據分析師+姓名+聯系方式”至songpeiyang@pinggu.org

人物檔案

周宇紅，大麥網大數據技術負責人，專注于娛樂行業(yè)大數據應用，負責大數據平臺建設，機器學習，自然語言處理，社交媒體挖掘等。

DA：能請您先介紹一下自己的基本情況嗎？

周宇紅：我其實是從2013年底開始轉戰(zhàn)互聯網的，之前主要在傳統(tǒng)的IT行業(yè)。到大麥網以后，一開始就接觸到大數據。到了2015年初，公司專門設立大數據部門，專門進行大數據的應用分析，我負責整合大數據技術方面的東西。

其實，公司對數據認識的重要程度、對大數據應用有沒有想法，對大數據應用的節(jié)奏、面還有深度，這些都受到公司本身在行業(yè)所處的地位的影響。有了一定的基礎數據你才能玩一些大數據的技術處理，如果企業(yè)本身達不到這些要求，那么一般傳統(tǒng)的一些數據處理技術就ＯＫ了。

目前，大麥網大數據屬于初步啟動建設的一年，2015年初專門設立大數據部門，預計到了2016年，公司的數據應用也會全面展開。我們會從大數據平臺、整合以及應用來三方面來全方位地推動大數據的分析研究。它包括我們的網站推介、精準營銷、運營分析、行業(yè)預測以及風險控制，基本上應該涵蓋了大數據應用的這些方面，根據我們的業(yè)務或者數據本身來決定應用多深的問題。

DA：現在很多企業(yè)都在嘗試做大數據，企業(yè)構建大數據部門時需要注意哪些問題呢？

周宇紅：首先，構建大數據部門時必須想清楚有沒有應用大數據的著眼點。第二，構建大數據部門時，看看自己的數據體量是否需要設置專門的部門來分析，不要僅僅作為一種嘗鮮，別人都玩大數據了，我也玩大數據。

DA：票務行業(yè)大數據應用處于什么階段？行業(yè)內大數據應用側重于哪些方面？

周宇紅：起步階段。大麥網本身也處于起步階段，我們對內部行業(yè)數據的整合積累，以及對于用戶行為整合，還有賬外數據采集，都處于一個初步整合的階段。

票務行業(yè)領域本身其實就是一個垂直電商而已，更多首先是電商的標配——網站推介，第二是精準營銷，這也是基本的應用，接著是運營分析，主要是給內部人員來用的，還有風險控制，防刷票，防黃牛的應用。

對于我們公司來說，還有一個行業(yè)預測應用。它有兩個作用，一個是在將來提供一個演出行業(yè)的數據年報，因為我們會有最大量的用戶數據。一般能提供年報的企業(yè)本身都掌握大量的用戶數據，要不就是行業(yè)老大，要不就是在互聯網很厲害，像BAT一樣，他們可以讓其他垂直細分行業(yè)的老大為他提供數據，他來做一個聚合。

我們不僅僅想做一個渠道商，那么簡單，票務只是一方面，將來可能做一個投資商，或者更可能是內容的生產商提供商，不是單一渠道來去做。因為票務本身做下去可能會遇到天花板，一年的演出可能就那么多，我們更多地要去開源，我們將來要做投資，做主辦，是這樣的一個情況?；诖髷祿恼砘A之上，開發(fā)自有的內容，或者去投資。

DA：您之前是在一個傳統(tǒng)IT業(yè)工作的，現在又在互聯網行業(yè)工作了，您覺得這兩個行業(yè)最大的不同是什么？

周宇紅：傳統(tǒng)IT業(yè)的模式主要是做產品的模式，不是做項目的模式。最初從設計、開發(fā)、測試、上線、運維，基本都是一個team來去做的一件事情，所以我們的team本身來說不會像互聯網行業(yè)能夠把角色劃分開，產品搞產品，技術是搞技術的，測試是搞測試的，運維是搞運維的，不能分的很清。

我們做產品是為了給別人用的，互聯網行業(yè)做產品是給自己用的，這是兩者最大的區(qū)別，這個最大的區(qū)別也導致我們運作方式很大的不同。互聯網行業(yè)要求能夠及時響應用戶的變化，新的方法，就是圖快，好多產品設計或技術開發(fā)為了快速上馬會有很多技術欠債，后面的技術運維產品維護升級會給產品本身或技術挖坑，到后面越積越多就做不下來。

第二種，我感觸最深的是，從數據本身來說，做產品是要把數據模型想得很清楚再做，但互聯網行業(yè)不是，它主要是圖快，不會想那么精細，后面在數據整合時發(fā)現數據質量特別亂，因為它壓根不想那么多，先把項目上去再說。

而這樣做的好處壞處要一分為二的看。從公司角度來看，很快做出一個東西，迎合市場的需求點，可以解決用戶的痛點需求點，從用戶來看OK，可以解決問題；但從內部角度來看，從產品角度來說，我把用戶的痛點需求點解決了，就OK了，至于后面有什么問題，那是技術的事情，與我無關；但從技術角度來看，產品你給我這個需求，我就做這個需求，至于將來的需求有什么變化，我不關心，將來如果有與前面需求相悖，設計有沖突，再加上人員流動，窟窿會越來越大，補一個出來兩個，等到實在看不下去就只有重構了。

DA：您覺得票務大數據應用最困難的地方是什么？有沒有解決的經驗和思路？

周宇紅：這個困難是根據大數據應用的階段而言的，當前應用最困難的地方就在于數據的整合。

第一是內部數據的整合，由于公司內部各部門之間使用的數據庫系統(tǒng)不一，數據質量不高，完整度較低，在數據遷移時極易出現問題，想做增量遷移，但遷移不了，因為數據中缺乏時間維度的東西，這可能是設計過程中有問題。

第二事有好多亂數據，臟數據，需要花很大的人力物力來清理。但做清洗時還有一個問題，就是做清洗時要跟業(yè)務相關，但業(yè)務這種東西，開發(fā)不一定知道，數據某些字段的有些狀態(tài)為什么不動，運營不一定知道，因為中間有人員的遷移，有可能是歷史的原因，新來的也說不清楚，就會很麻煩。這是數據整合的問題。

其次是數據存儲的問題，你要投入大量硬件設備，搞一個大數據這樣的環(huán)境，從公司角度來說投入比較大。我們現在存儲更多向上游，在云上去做，主要看云本身的能力，大數據加工能力的問題。我們內部有自己的大數據平臺，是基于開源的大數據平臺來做的，我們可保證的。當你上了云以后，受限于云提供商在上面建設大數據的能力。

我們現在是與阿里在合作，我們需要阿里平臺來支持我們在它上面的數據加工和處理，還有好多外站的一些數據，微博的數據，爬蟲的數據，這些大量數據都會沉淀在我們的阿里云上。但這些數據都會存在不同的地方，像這些數據怎樣整合在一起，這是我們現在要跟阿里一起討論，要做的解決方案，怎么在阿里云品臺有效的存儲，處理以及后期的數據挖掘，要利用他們現有的產品來做這些技術方案。

本身阿里云大數據平臺現在處于初步建設階段，他們需要我們這樣有明確使用目標使用場景的人來使用他們的大數據的工具，同時我們也需要他們能提供這個技術平臺來加工我們的數據，如果把這些數據放在我們內部，那么我們硬件投入會很大，我們的運維人員投入也會增大，所以我們希望這部分的壓力減輕，轉嫁到云平臺上，讓他們幫我們做穩(wěn)定性，運維還有將來的優(yōu)化。

這是個需要促進雙贏的過程，要與您所選擇的云平臺建設商合作。其實任何一個云平臺，他們如果將來不想只買機器，也想把數據用起來，他們也會提高自己的產品對數據處理應用的能力。

周宇紅留下了他的聯系郵箱：zyhxb@163.com，想要與他溝通的同學可以郵件聯系。