架构师（2015年10月）

大数据的发展趋势和公司的战略部署

TalkingData CTO 肖文峰

半年前，TalkingData服务器端每日接收的数据量呈现爆炸式增长的趋势，曾一度让我们的技术支撑团队猝不及防。从2011年TalkingData创立以来，在智能设备覆盖量上，从零到10亿用了整整4年，但是从10亿到20亿，只用了不到8个月的时间。我们的合作伙伴和客户对数据的理解大大加深，在使用数据的深度和广度上，相比2014年都有一个大的跨越。

2个月前，国务院常务会议通过 《关于促进大数据发展的行动纲要》，从政府层面推动大数据的开放和共享，为大数据的创业创新提供强大的动力，掀起一股新的大数据热潮。

1个月前，TalkingData举办“T11全球移动大数据峰会”，与行业同仁分享4年来在移动大数据应用方面的心得与经验。会议盛况空前，实际客流量超过计划的3倍。

如果说2014年，大家还处于畅谈大数据概念的层面，那么2015年，大数据已经进入落地的阶段。以Talkingdata为代表的大数据行业内的公司，已经在逐步消化积累的海量数据，将数据成果应用于各个传统的行业。在一些看似很“土”的行业，比如房地产、奢侈品等，大数据已经产生了实际的价值。

TalkingData是一个以数据为核心的创业公司，其愿景是要用数据去改变企业做决定的方式，同时要用数据去帮助人们了解周围的环境。在未来，我们依然会继续深化我们的核心价值，聚焦在数据和数据的落地，总体说来有以下两点。

一是继续深入研究智能设备的传感器，包括传感器数据的处理算法，提升数据的深度和广度。过去一段时间，经常听到“场景化”的提法，场景化能够帮助开发者更准确的判断用户当前的状态和目的，把应用做得更加智能——如果知道“什么样的人在什么时刻做什么”的话，就很容易触发一些有针对性的功能、服务和内容，真正做到“应时应人应景”。比如，如果判断出司机是一个开车很暴躁的人，就给他打一个“激进驾驶员”的标签，这是对“什么样的人”的判断；当前是在下雨天，又是在高速公路上，这是对“什么时刻”的判断。当前正在驾驶中，这是对“做什么”的判断。一个激进的驾驶员，在比较危险的时刻正在驾驶中，这时候一些软件就可以提醒驾驶员，是不是减慢速度，听听音乐，缓解一下情绪，避免可能的风险。这里所有的判断，都是需要基于手机的传感器数据处理以后的结果来判断，有加速度传感器、GPS、光感、音量、温度等等。我们越来越发现，这些传感器的数据分析和处理，存在很高的门槛。比如像我们现在基于加速传感器去研究步态判断的算法，我们尝试好几种算法，K均值、SVM、决策树等等，也包含综合一些算法进行投票的方法，在不同人群和不同机型上测试了很长时间，才算有一些相对满意的成果。我们希望帮开发者把这个脏活累活分担了，开发者基于我们的SDK可以轻松判断用户场景，提升用户体验。

二是如何把数据变得像水一样，能够高效流动。目前数据利用中还有较大的阻碍，比如数据量不够大、数据质量不够高、数据源之间很难匹配、敏感数据较难处理等，这些问题需要由专业团队处理。我们希望TalkingData能够成为数据的“水库”，不同来源的“水”（源数据）汇聚到TalkingData的“水库”，经过各种手段被加工处理，然后根据客户的不同需求提供不同水质和口味的水（面向用户场景的数据产品），有昂贵的西藏冰川5100，也有普通的农夫山泉，还有便宜的批量桶装水。“水库”提供数据相关的公共服务，比如清洗、匹配、合规、脱敏、估值、交易等，降低数据交换的门槛。我们也会引入更多的数据合作伙伴，做更多的定向数据服务，探索更新的数据利用模式。我们会把战线推进到客户的现场去，和客户并肩解决问题。当然，研发团队架构也已经有了对应的调整。

经济的寒冬将迫使各行业利用大数据来优化运营、改善管理、降低成本、提升竞争力——这是大数据的春天。TalkingData会和伙伴们携手并肩，直面挑战，共筑未来。

目录

观点

作为一名Java程序员，我为什么不在生产项目中转向Go

推荐文章

LinkedIn是如何优化Kafka的

专访阿里钱磊：如何打造第三方的开放账号体系

专题

深入浅出React（四）：虚拟DOM Diff算法解析

Apache Calcite：Hadoop中新型大数据查询引擎

特别专栏

OPPO Monitor Platform：从应用请求到后端处理，自研解决服务化架构系统监控难题

亚马逊中国可下载本书的Kindle版本。

  免费下载此书 (ePub)   免费下载此书 (MOBI)