大数据时代的电子商务.doc

大数据时代的电子商务一、大数据时代已来临：目前以云存储为代表的公共存储服务模式已初现端倪，将可能在未来5-10年成为主流存储模式之一。类似于水电气公共服务，存储平台服务化意味着现有的存储系统面临新的挑战。存储按需服务的公共模式将引入用户应用的多样性、异构性和个性化、用户访问的高并发性和动态性、以及数据自身的复杂性等特点，导致大数据的趋势和特征凸现。大数据在现实世界中有着非常广泛的分布和应用，包括医疗信息、视频监控、移动设备、智能设备、非传统IT设备、传统IT信息的非传统应用以及特定行业需求等。如在零售业中，对大数据的分析越来越受重视。沃尔玛在全球有8400家门店，每周有20亿笔客户交易数据，沃尔玛公司很早就开始从日常交易记录析出关联交易，在2004年卡特里娜飓风来袭前，沃尔玛就从手电筒和电池的销售中成功分析出馅饼即将热销。随着计算机和存储成本的下降，中小型零售企业也能够利用IT技术对收集的大量数据分析，开展商务智能应用。再如，在医疗健康领域，由于电子医疗记录时代的来临、医疗图像技术进步、基因研究以及制药工程中对于大型数据库的应用，大规模复杂数据在医疗机构中变得很普遍。通过对大量病人的各类数据进行数据挖掘分析，有助于更有效地找出疾病成因，进而提供针对性地预防、诊断和治疗措施。美国著名的综合管理式医疗财团Kaiser Permanente，拥有超过8百万会员、36家医院以及超过400家医疗机构，各部门需要在同一时间分析众多因素，包括治疗、人口统计资料（如年龄、性别等）、实验室结果、处方、诊断、医疗保险计划以及付款记录等，综合这些不同的信息，以便决策系统向医护人员提供完整的病人历史，选择最佳的医护办法。二、潜在商机李开复的12月3日的更新的微博针对大数据进行了预测：【大数据分析的可能应用领域】1. 保险业：收集汽车驾驶数据制定个性化保险政策价等；2. 零售商：基于全市场数据的商品推销策略分析等；3. 金融业：利用历史数据分析诈骗等；4. 医疗保障：通过健康数据提高病人护理条件等；5. 制造业：估算保修费用，检测零部件问题等。针对大数据的进行深度分析挖掘，将能创造巨大商机，目前各大电子商务网站如淘宝网，繁多的产品让人无从抉择，用户能做的就是反复对比同类产品的优缺点，过往买家的评论来决定自己的选择，但是这对用户来说是极其痛苦的，如果后台能对海量的用户行为数据进行快速分析，推荐出用户阶段性最需要最适合的产品，将能极大的促进商家的销售额。目前推荐做得较好的网站有亚马逊和当当网等，能针对用户需要，动态的给与极其准确的推荐信息，推荐结果准确，推荐更新度极快。三、大数据信息推荐相关技术推荐技术：主流的推荐算法有基于物品相似度的推荐和基于用户相似度的推荐。目前各大电商网站普遍采用的是基于物品的相似度推荐，但是如何将准确度量用户的兴趣仍然是个难题；基于用户相似度推荐主要用在新闻等用户远少于物品的网站，如新闻评论类网站。并行计算技术：为了提高用户服务质量，后台采用Hadoop的mapreduce技术进行分布式并行计算是主流趋势，但是该技术存在严重的单点故障和性能瓶颈，目前国内外各大研究所都在针对hadoop存储平台和mapreduce技术进行优化研究，最新锐的研究技术产品是MapR（“构建一个HDFS的私有替代品，这个替代品比当前的开源版本快三倍，自带快照功能，而且支持无Namenode单点故障（SPOF），并且在API上和兼容，所以可以考虑将其作为替代方案。”）四、大数据信息推荐相关网站介绍9点优品（www.9upin.com）：该网站用户定位做最有品质的购物推荐，经本人分析网站主要针对100元以上品牌商品进行推荐，有较多针对摄影爱好控的权威推荐，优质正品推荐是该网站的最大优点，网站对产品的价格、销量、质量三方关注，同时附带个人评价，有一定的参考价值，另外有个“我勒个趣”的趣味推荐，主要发布新奇特推荐信息，比较吸引眼球。网站缺点在于关联推荐做得不够好，如推荐榨汁机的关联推荐中三款哟两款是体恤刀，目测推荐技术采用的只是分类关联推荐，粒度太大，有待改进；另外网站缺乏网友交互功能。 逛（www.guang.com）：该网站定位女性逛街推荐品，主打推荐的产品很便宜，如小饰品小零食，网站采用图片瀑布流的推荐模式，很适合女生浏览，但缺点是推荐的描述信息量小，难以判断推荐产品的优劣。什么值得买（www.smzdm.com）：该网站最大特点是交互做得很好，有网友对推荐信息的二度评价，帮助用户做出判断，但缺点也很明显，产品推荐缺乏层次，高中低端都有，且混杂在一起，难以去按价格分类选择。惠惠（www.huihui.cn）：该网站是网易旗下购物推荐网站，主打推荐是购物返现活动，页面交互体验很好，但是对于返现操作对很多用户还是太陌生，如果想要发展，建议先做普及。否则用户群体只能是网购资深达人，不适合普通用户。五、大数据信息推荐的未来以上大数据推荐信息目前都是人工运营，运营强度极大，且具有个人偏好，对运营人员来说极辛苦，对用户来说，随机性较大；如果能将传统的推荐算法与人工推荐有机结合，在后来采取MapR计算框架，结合前台推荐算法和人工推荐结果，将极大的推动这一产业的未来发展。