數(shù) 據(jù) 平 臺(tái)
DATA PLATFORM
技術(shù)平臺(tái)
智能引擎
基于Hadoop的GemPile移動(dòng)大數(shù)據(jù)平臺(tái)集成了多種語(yǔ)言等工具，實(shí)現(xiàn)對(duì)海量數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)化、裝載，支持PB級(jí)數(shù)據(jù)的處理，并對(duì)這些數(shù)據(jù)進(jìn)行處理分析，以統(tǒng)計(jì)出用戶(hù)的位置、行為習(xí)慣及標(biāo)簽信息，以及深度的內(nèi)容識(shí)別。適用于全網(wǎng)用戶(hù)分群及應(yīng)用、基于全網(wǎng)用戶(hù)上網(wǎng)行為的用戶(hù)畫(huà)像及應(yīng)用等領(lǐng)域，能有效地建立客戶(hù)社交網(wǎng)識(shí)別模型以及用戶(hù)全方位的畫(huà)像特征信息，劃分客戶(hù)的社交網(wǎng)，根據(jù)用戶(hù)畫(huà)像標(biāo)簽，可以精準(zhǔn)投放業(yè)務(wù)產(chǎn)品。
（1） 面向技術(shù)人員大數(shù)據(jù)應(yīng)用平臺(tái)，提供友好使用界面，支持SQL腳本的自定義編寫(xiě)和數(shù)據(jù)輸出。
（2） 面向業(yè)務(wù)人員，支持標(biāo)簽式的數(shù)據(jù)提取和統(tǒng)計(jì)，無(wú)需輸入專(zhuān)業(yè)的SQL腳本。
（3） 結(jié)合市場(chǎng)熱點(diǎn)情況，自定義業(yè)務(wù)報(bào)表，輸出準(zhǔn)實(shí)時(shí)統(tǒng)計(jì)數(shù)據(jù)。
支持對(duì)海量數(shù)據(jù)的精準(zhǔn)實(shí)時(shí)處理和分析：能支撐用戶(hù)數(shù)據(jù)的快速膨脹，實(shí)現(xiàn)對(duì)PB級(jí)速度增長(zhǎng)的信令數(shù)據(jù)的處理以及對(duì)海量數(shù)據(jù)的統(tǒng)一采集、統(tǒng)一處理、統(tǒng)一存儲(chǔ)、統(tǒng)一分析，以統(tǒng)計(jì)出用戶(hù)的位置、行為習(xí)慣及標(biāo)簽信息，建立用戶(hù)位置及軌跡、用戶(hù)標(biāo)簽和行為的全方位多維度的畫(huà)像信息。
通過(guò)客戶(hù)的交往圈、位置等信息的分析，建立客戶(hù)社交網(wǎng)識(shí)別模型，有效的劃分客戶(hù)的社交網(wǎng)。
根據(jù)用戶(hù)的上網(wǎng)搜索、瀏覽行為以及所使用的app等，分析用戶(hù)的特征和偏好，建立用戶(hù)全方位的畫(huà)像特征信息。根據(jù)用戶(hù)畫(huà)像標(biāo)簽，可以精準(zhǔn)投放業(yè)務(wù)產(chǎn)品。
以hadoop架構(gòu)為代表的分布式計(jì)算平臺(tái)具備高擴(kuò)展性、 成本低、高效率、高可靠性等特點(diǎn)，能滿(mǎn)足日益復(fù)雜的用戶(hù)行為分析。
建立客戶(hù)社交網(wǎng)識(shí)別模型，劃分客戶(hù)的社交網(wǎng)。對(duì)移動(dòng)用戶(hù)社交關(guān)系鏈的影響力展開(kāi)研究，挖掘社交影響力大的用戶(hù)，繼而探索出一種基于社交影響力推廣的新型營(yíng)銷(xiāo)模型提升營(yíng)銷(xiāo)成功率。
構(gòu)建全面豐富的客戶(hù)標(biāo)簽庫(kù)，完善客戶(hù)畫(huà)像，提升客戶(hù)細(xì)分能力。建立用戶(hù)全方位的畫(huà)像特征信息，不但能夠全面掌握客戶(hù)移動(dòng)生活特征，感知客戶(hù)的行為變化，實(shí)時(shí)或非實(shí)時(shí)地執(zhí)行運(yùn)營(yíng)動(dòng)作和營(yíng)銷(xiāo)生產(chǎn)動(dòng)作，以支持市場(chǎng)工作開(kāi)展，還能支撐商業(yè)模式拓展，面向未來(lái)探索和開(kāi)辟新市場(chǎng)。
機(jī)器學(xué)習(xí)是人工智能的核心，是使計(jì)算機(jī)具有智能的根本途徑。MLlib 是Spark對(duì)常用的機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)庫(kù)，同時(shí)包括相關(guān)的測(cè)試和數(shù)據(jù)生成器。MLlib 目前支持四種常見(jiàn)的機(jī)器學(xué)習(xí)問(wèn)題：決策樹(shù)、二元分類(lèi)、線性回歸、聚類(lèi)以及協(xié)同過(guò)濾，同時(shí)也包括一個(gè)底層的梯度下降優(yōu)化基礎(chǔ)算法。
Mintaka共享數(shù)據(jù)處理集群提供一個(gè)基于Spark MLlib機(jī)器學(xué)習(xí)的智能學(xué)習(xí)引擎，用來(lái)支持用戶(hù)標(biāo)簽規(guī)則定義以及用戶(hù)標(biāo)簽統(tǒng)計(jì)計(jì)算以及用戶(hù)行為及消費(fèi)預(yù)測(cè)。
它實(shí)現(xiàn)了對(duì)用戶(hù)位置及軌跡的分析，基于Spark Streaming的實(shí)時(shí)數(shù)據(jù)計(jì)算，以保證用戶(hù)位置信息計(jì)算的時(shí)效性。構(gòu)建了完整直觀的客戶(hù)標(biāo)簽體系，能有效地提升客戶(hù)細(xì)分能力，為業(yè)務(wù)營(yíng)銷(xiāo)提供目標(biāo)客戶(hù)支撐。建立了全方位的用戶(hù)行為畫(huà)像，幫助商戶(hù)更好地了解用戶(hù)特征，為營(yíng)銷(xiāo)決策提供支持。
支持對(duì)用戶(hù)位置及軌跡進(jìn)行快速精準(zhǔn)地分析，并且保證了用戶(hù)位置信息的實(shí)時(shí)性，能更好地了解周邊的人群分布和變化。
建立完整直觀的客戶(hù)標(biāo)簽體系，采用標(biāo)簽化方法描述并細(xì)分客戶(hù)需求特征，構(gòu)建全面豐富的客戶(hù)標(biāo)簽庫(kù)，完善客戶(hù)畫(huà)像，提升客戶(hù)細(xì)分能力，可以有效的篩選目標(biāo)用戶(hù)群，以支持向合適的用戶(hù)推薦合適的業(yè)務(wù)、產(chǎn)品或數(shù)字內(nèi)容。
從移動(dòng)大數(shù)據(jù)到商業(yè)大數(shù)據(jù)，跨行業(yè)建立精細(xì)的用戶(hù)行為畫(huà)像。
基于實(shí)時(shí)的用戶(hù)位置及軌跡分析，幫助商戶(hù)了解用戶(hù)特征和行為軌跡，幫助商戶(hù)實(shí)時(shí)了解周邊人群變化，精準(zhǔn)投放營(yíng)銷(xiāo)產(chǎn)品。
建立全息科學(xué)的用戶(hù)標(biāo)簽體系，提升大數(shù)據(jù)處理分析能力，深化對(duì)客戶(hù)的認(rèn)知，幫助商戶(hù)深度認(rèn)知潛在客戶(hù)特征，為營(yíng)銷(xiāo)決策提供支撐。
通過(guò)行為分析指標(biāo)，構(gòu)建用戶(hù)分析體系，幫助商戶(hù)了解群體特征，為終端營(yíng)銷(xiāo)人員提供決策支撐。