京公网安备 11010802034615号
经营许可证编号:京B2-20210330
美团云“云时代大数据”交流会在京举行
在大数据时代,随着互联网产业的发展,企业的数据处理能力也被提升到了重要的地位,BIG DATA思维已经渗透到当今每一个行业和业务领域,成为社会发展浪潮中的主旋律之一。时至今日,“大数据”显然已成为最火热的IT行业词汇。
8月28日,云计算行业新贵——中国最大的生活服务业电子商务平台旗下美团云、创业者线下沙龙领导者——葡萄创投、为技术极客而生的开发者平台——Codefollow联合出击。一场名为“云时代大数据与产品创新”的交流会在北京中关村举行。
美团经过五年多的发展,今年即将达到千亿量级的规模,业务类型也突破了传统的团购范畴,在电影、酒店、外卖等垂直行业也都取得了非常好的成绩。而在美团的发展当中,云计算和大数据都发挥了极为重要的作用。此次交流会的分享嘉宾——美团云架构师李慧霸以及美团数据专家吕永超也为我们带来了其中的干货。
美团云诞生于2012年,这个时间点非常洽当:一方面当时业务平台已经遇到了一些棘手问题,而这些问题恰好可以用云计算技术来解决;另一方面当时美团业务规模还不算太大,可以较为容易地迁移到云平台,两者一拍即合。美团云平台承载了美团全部业务之后,帮助业务平台解决了资源交付周期长、应用之间影响大、资源利用率低、资源回收难、资源用量不可计量等困难问题,并且还通过优化调度等手段提高了可用性、性能、效率。
美团还采用云平台来搭建研发环境。研发工作通常具有探索性、反复性、故障性,甚至具有一定的破坏性,所以用户之间必须能够完全的隔离开;另外研发环境不能产生直接收益,通常资源量相对较小。这两方面原因都使得研发环境对云平台产生更强烈的需求。美团的研发云允许工程师在配额内自助使用资源,极大提高了工作效率。这样的研发环境同样可以用公有云+VPN的方式实现。
美团也将云平台技术和资源开放出来,成为一种公共服务。公有云服务对稳定性要求更高,因此美团秉承『先做实,再扩展,做用户心中的可信云平台』的原则,大力建设基础设施,积极研发高新技术,完善产品线,确保API高度兼容业内标准。目前美团云已经获得了国家颁发的可信云认证,但美团云的目标是要做用户心中的可信云,让用户只需关注自己应用的核心业务逻辑,由美团云来提供并确保基础设施和平台的可靠运行。
在介绍了对于大数据(来源多样、规模大、处理效率要求高、应用价值大)的独有理解后,吕永超介绍了美团目前拥有的大数据,重点突出了大数据的价值如何在美团O2O的商业环境中进行落地,并强调只有结合业务场景把死的数据转换为商业洞察力,大数据才是有价值的。通过列举一些数据在美团应用的具体场景,大家体会到了大数据的真正价值。
随后,吕永超介绍了如何把这些数据价值发挥出来的大数据解决方案:针对大数据的特征,围绕“采集、存储、计算、应用”四大模块的技术体系,并介绍了各个模块涉及的具体技术点。以七夕这个最近刺激高消费的节日为例,计算DAU和GMV,数据如何从业务端生成到最后加工为可用指标的流转过程以及各技术模块间的配合,同时指出了随着业务规模和复杂度的发展,计算简单的指标都会需要复杂的技术体系:计算的数据量巨大;以事业群独立发展的各业务形态不一,源数据的存储和内容都会有很大的差异,业务口径的理解也有不同;业务间的交叉需要区分重复数据;复杂的竞争环境需要更快而灵活的获取高质量数据等等。也是在这样的业务挑战下,对美团大数据技术提出了很高的要求,也促进了大数据团队做了很多技术积累。
接着,针对本次交流主要面向初创公司技术人员的背景,吕永超对商业分析的标配——商业智能技术进行了详细介绍,围绕商业智能“源数据-后端处理-前端应用”介绍了当前美团新一代商业智能平台的技术架构以及相关的数据产品,并提出了商业智能是随着业务发展在提高商业洞察力的过程中不断迭代优化的解决方案,新一代商业智能平台也是根据美团从12年单一的团购模式发展为现在以团购业务为平台,电影、外卖、酒店等品类垂直发展的“T”型战略所决定的,需要从单一的IT解决方案演化为“IT+业务+治理”的综合解决方案。
最后,吕永超展望了大数据将来的发展趋势,也分享了将来美团在大数据提升商业洞察力方面的一系列规划,并提出大数据+云计算的服务模式:既然云计算已经在支撑各业务的技术,同样也可以把大数据技术部署在云端,在做了大量技术积累满足了内部业务需求的同时也把能力开放出来,帮助更多的企业以更低的成本更高效的提升商业洞察力,而这样的过程对于美团和云端用户来说也是一个双赢的局面。
经过简单但精彩的互动提问环节,交流会圆满结束。会后两位专家与到场嘉宾频频互换联系方式,并进行了深入的单独交谈,大家对于美团云大数据处理方式已经能够对自身创业产生的帮助十分感兴趣。而美团云作为云行业新势力,势必会迎来更大的发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25