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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25