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
一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 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 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 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 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 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 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08