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
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20