现在，没有人会质疑移动互联网在人们生活中的重要性，“一切都是数据”也将成为其必然的趋势。经过了几年的发展积累，大数据的三个特质越来越明显：量大、多样、实时。未来要做的，就是利用数据加速PC网络到移动互联网的更迭过程，使移动互联网成为人们获得更为便利、高效服务的途径。
对于移动应用来说，更多的是在于如何通过数据挖掘改善产品体验、差异化竞争、产生商业价值，达到改善用户体验，增强用户黏性的效果。
5月28日，近百位移动开发者再次相聚于【51CTO 网+】线下公开课现场，与火线数据创始人兼CEO，前小米数据工场负责人卢学裕、神策数据CTO曹犟、AdMaster资深架构师刘喆三位移动领域数据分析大牛一起，聚焦如何用数据驱动用户体验，大话数据之美。
火线数据CEO卢学裕：用推荐技术做个性化运营
首先演讲的卢学裕曾担任过优酷土豆大数据团队技术总监，打造了优酷土豆的大数据开放平台、数据分析、数据挖掘、推荐系统等。结合优酷土豆大数据平台研发过程中的经验，卢学裕谈到用户的行为数据都是有价值的，不同的行为有不同的作用。
关联规则算法是最为常用，且能发挥很大价值的一种算法，它的逻辑是从数据背后发现事物之间可能存在的关联或者联系。作为数据挖掘的主要方法，关联规则算法的分析与优化一直备受关注。
关联规则通过形如X→Y的蕴涵式，找到两件看似风马牛不相及的事情之间的依赖关系。最经典的一个例子是“啤酒和尿布”。它的劣势可能是对长尾关键词的覆盖率较差。卢学裕阐述了一些经典关联规则可能带来的误区，比如森林法则。具体来说，越热的视频越容易与人产生关联。但他们发现对热度视频进行推荐的效果并不好，因为他们尝试了一种“打压热度”的做法，对“热度”开三次方，做变型，反而使推荐效果得到提升。这其中的原因之一就是由于热视频的森林法则，在短时间内会有大量的用户通过不同途径分享，微博、朋友圈等等，很多用户已经看过了，所以再推荐就不会得到很好的效果。
神策数据CTO曹犟：数据分析平台的搭建与应用
接下来，作为“百度系”创业团队的CTO，曹犟向在座同学们分享了在他看来，一个合格的数据分析平台应该具备哪些特征，以及现有解决方案的一些局限。
对于现在的很多企业来说，通常认为有了仪表盘，就等于有了数据分析平台；多个业务部门人员排着队等某个工程师跑数据的画面屡见不鲜。的确，现在优秀的数据分析人才非常缺乏，企业只能强迫IT工程师来完成一些数据分析的工作，这样的一种“强迫”行为，不仅数据分析来的深度和精度远远不够，也对工程师个人的职业生涯发展非常不利。
所以，让参与业务的人员真正掌握数据，才是数据分析的王道。那么一个合格的数据分析平台应该实现哪些功能呢？
- 灵活适应公司与产品的快速发展
- 为处理海量数据提供易于扩展的技术方案
- 将繁杂数据整合为强大而简洁的模型
- 让每个业务参与者能够提出问题，回答问题，用数据驱动决策
曹犟认为，数据分析的方法主要是首先是定义关键指标，通过数据发现问题、验证方案，最终借助数据指导大方向决策。BI只是数据频用的一部分，数据分析最主要的作用还是将分析结果直接反馈到产品中，通过对用户推送、个性化推荐、反作弊、精准投放等环节的优化，提升用户对产品的体验。
Admaster架构师刘喆：大数据如何改变互联网监测行业
***一位进行分享的是来自Admaster的架构师刘喆。他谈到，说起大数据，就不得不提到Google的三驾马车，也就是Google在2003年至2004年公布的关于GFS、MapReduce和BigTable三篇技术论文。
这三驾马车直接将开源大数据平台Hadoop推向火爆。开源大数据系统的主要组成部分为：
- 超级存储
- HDFS/HBase
- 超级计算模型
- 批处理 MapReduce/Pig/Hive/Spark/Flink
- 流式处理/实时计算 storm/jStrom/Heron/Spark/Flink (java -> scala)
- 多维查询/即席分析 ES/Druid/pinot
- 超级KV系统
- Tair/redis/aerospike
- 解耦/合作
- RabbitMQ/Kafka/RocketMQ
对于开源的大数据技术来说，纵然有很多非常强大的功能和特性，但世上本来就没有***的技术。为了更好地利用这些大数据技术优化和改进互联网监测，还需要进行很多改进和规划，要考虑的方面可能包括一些周边系统、不同格式的数据交换等等。
各位专家都不约而同提到，数据分析不应该仅仅作为一个短期的项目。作为一个系统性的工程，初期看不到明显的效果再正常不过，它需要经历不断的优化和改进。因此，在构建数据平台之初，就要将技术能力、人力投入、资金和设备支持等环节，纳入长期的归划当中。
【51CTO 网＋】线下公开课每月一期，已连续举办十二期，得到来自用户的支持和喜爱。我们将继续围绕移动开发者切实需求切入，为广大移动开发者提供交流和学习的平台。
