超小企业的大数据与AI之路该怎么走

今天正好和以前的一个老朋友通了个电话，他在创业，其实做的还可以，业务发展的也不错。但是做互联网服务，尤其是内容服务，不可避免的需要譬如推荐，搜索，精准推送等功能，而这几个功能，又比较依赖大数据和AI相关的体系。举个最简单的例子，获取用户访问行为，然后做个协同，然后推荐时需要把用户看过的内容过滤掉，就这个可能就需要Flume,Kafka,流式引擎等，更别提然后还要归档日志（或者进入数仓）了。我以前就说，大数据是个流程和模式，不是一定要数据大才需要。

但是呢，他们这个阶段有几个地方非常尴尬：

1. 对硬件资源成本非常敏感
2. 没有大数据/AI基础，缺人缺硬件

【毕竟现在资本疯狂的年代已经过去，很多创业公司没办法大手笔的花钱了。】

他们用云，但是又用的很谨慎，因为【 硬件资源成本】的账单起伏对他们来说，太敏感，云厂商的各种付费模式（按计算资源，按条数，按内存，按存储等等）让他们蹑手蹑脚，本来就不太熟悉大数据，一不小心搞下，就花了几千上万，他们的工程师压力太大了。还有就是云厂商提供的各种智能API接口，按调用次数付费，工程师们压力也很大，业务上来是开心，但是调用量上来了，费用成本也上来了。

所以，他们其实需要的是：

1. 硬件账单是稳定的，所以比如OSS/ECS就非常的好，使用时账单很稳定，而类似MaxCompute,ODPS，PAI这些，就非常不友好，你没办法控制好账单，一个失误可能就挺要命的。
2. 因为前面的问题，就导致他们很难用云厂商提供的各种计算服务以及API。在创业初期，这些东西带来的价值是小于成本的。但是他们又缺乏响应的数据和AI的人才，他们可能相对充足的是Web研发工程师，所以传统的Hadoop集群，组件太多了，Kafka,HDFS,Yarn，Zookeeper等等,每一个都需要学习和维护。

所以他们真正的需要的是一个基于ECS的开箱即用的“一把梭”的数据处理工具加云端的分布式存储。

1. OSS
2. Compute Engine based on ECS

解决的痛点在哪呢？

1. 成本稳定。 你可以买一个T的OSS,然后要10个特定规格的ECS实例。这个价格是固定的，不会忽高忽低的。
2. 不需要部署，服务提供方帮你部署好。

基于这个Compute Engine，研发经过一定的学习，完成所有推荐系统，精准营销所需要的数据和AI需求，

所以你就知道为什么Databricks公司的那套Analysis的价值了吧。他妥妥的满足了上面两个需求。其实不仅仅是小公司，大公司也喜欢这样，因为大家都喜欢成本是稳定的东西。

大家可能会好奇，难道你不需要数仓建设，需要Hive？ 提起大数据就提数仓是不对的，我之前写过文章数据部门起步阶段需要建立数仓么？里就提到，确实不需要，尤其是我前文提到的阶段。我们只要能把数据写入到OSS,然后通过ComputeEngine 加工，然后将数据写会OSS,写回到Redis/MySQL等业务常用的存储引擎就可以了。That's ALL. 这个过程你可能做ETL，做流，做AI模型训练，其实已经涵盖了大部分诉求了。

总结下，中小企业要走好数据和AI，前期其实最好是使用一个“一把梭”工具，对于云厂商的功能，去使用那种稳定付费模式的，比如OSS存储和ECS就够了。这种在结合业务，同时最小化和稳定化成本的模式，可以将价值极大化，避免承受太多成本压力。

恩，看样子我要写一篇MLSQL Stack如何部署在阿里云，并且以OSS为存储的文章了。