韓丹

摘 要：互聯(lián)網(wǎng)是當(dāng)今社會(huì)不可取代的一種工具，她的出現(xiàn)改變了人們?cè)械纳罘绞剑S著科技的不斷進(jìn)步，互聯(lián)網(wǎng)也在進(jìn)行不斷的轉(zhuǎn)變。移動(dòng)終端井噴式的爆發(fā)，預(yù)示著移動(dòng)互聯(lián)網(wǎng)絡(luò)的興盛。隨時(shí)隨地獲取通信聯(lián)絡(luò)、獲取信息，利用碎片化的時(shí)間學(xué)習(xí)和生活，人們逐漸形成了移動(dòng)生活行為。而這一切都是因?yàn)橐苿?dòng)互聯(lián)網(wǎng)。面對(duì)龐大的用戶群，作為移動(dòng)互聯(lián)網(wǎng)是否具備了良好的分析能力呢？本文就將從移動(dòng)互聯(lián)網(wǎng)的數(shù)據(jù)概念說(shuō)起，分析海量用戶的數(shù)據(jù)應(yīng)用。

關(guān)鍵詞：海量用戶；數(shù)據(jù)分析；移動(dòng)互聯(lián)網(wǎng)；智能移動(dòng)端

智能移動(dòng)終端的快速發(fā)展，為人們的工作生活帶來(lái)了新的時(shí)代，互聯(lián)網(wǎng)也由傳統(tǒng)的PC端向移動(dòng)端進(jìn)行轉(zhuǎn)變。智能移動(dòng)端擁有便捷性、即時(shí)性、定向性以及精準(zhǔn)性的特點(diǎn)，符合當(dāng)前人們的快速的生活方式，因此擁有了一大批的追隨者，移動(dòng)互聯(lián)網(wǎng)絡(luò)也由此快速發(fā)展。相比PC端互聯(lián)網(wǎng)，移動(dòng)互聯(lián)網(wǎng)絡(luò)更能深入到人們生活、休閑、娛樂(lè)等各方各面。而支撐移動(dòng)互聯(lián)網(wǎng)功能性的是海量用戶的數(shù)據(jù)分析，下面就介紹有關(guān)移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)的情況。

1、移動(dòng)互聯(lián)網(wǎng)的大數(shù)據(jù)時(shí)代

在互聯(lián)網(wǎng)的模式下，數(shù)據(jù)分析作為一個(gè)強(qiáng)大的工具，成為近些年來(lái)“兵家爭(zhēng)先獲取的香餑餑”，更是有“得數(shù)據(jù)者的天下”的說(shuō)法。在大數(shù)據(jù)的時(shí)代中，移動(dòng)互聯(lián)網(wǎng)擁有著強(qiáng)大的用戶群體，其面對(duì)著諸多不同類型的數(shù)據(jù)，如何對(duì)這些數(shù)據(jù)進(jìn)行有序的整理和分析，是移動(dòng)互聯(lián)網(wǎng)絡(luò)最有價(jià)值的部分。目前，根據(jù)種類對(duì)海量用戶數(shù)據(jù)基本得出三大類：

一是用戶數(shù)據(jù)：即使用移動(dòng)互聯(lián)網(wǎng)絡(luò)的用戶信息、行為習(xí)慣、支付習(xí)慣等。具體信息包含個(gè)人信息：用戶的姓名、年齡、性別、職業(yè)等；行為習(xí)慣：在移動(dòng)終端上的瀏覽記錄、興趣愛好等；行為軌跡：上網(wǎng)的時(shí)間，常用地點(diǎn)等；消費(fèi)記錄：資金支付明細(xì)、支付習(xí)慣等。

二是產(chǎn)品數(shù)據(jù)：在移動(dòng)互聯(lián)網(wǎng)絡(luò)中出現(xiàn)的產(chǎn)品，擁有自己的數(shù)據(jù)分類，其中包含產(chǎn)品的屬性、名稱、圖片、功能介紹、品牌、來(lái)源渠道等信息。

三是運(yùn)營(yíng)數(shù)據(jù)：使用移動(dòng)互聯(lián)網(wǎng)的過(guò)程中，網(wǎng)管的能力以及網(wǎng)絡(luò)的運(yùn)營(yíng)數(shù)據(jù)等。

通過(guò)了解數(shù)據(jù)的種類可以看出，移動(dòng)互聯(lián)網(wǎng)的大數(shù)據(jù)可以幫助用戶進(jìn)行行為習(xí)慣的選擇，根據(jù)日常喜好進(jìn)行產(chǎn)品、娛樂(lè)、生活等推薦。其提供了完整的行為軌跡，同時(shí)也幫助運(yùn)營(yíng)商很好的了解用戶的習(xí)慣，以此來(lái)推出更加適應(yīng)消費(fèi)者的商業(yè)模式。大數(shù)據(jù)時(shí)代下的“精準(zhǔn)營(yíng)銷”正是利用這一點(diǎn)，通過(guò)大數(shù)據(jù)獲取對(duì)象的喜好，行為偏好，對(duì)不同對(duì)象進(jìn)行不同營(yíng)銷。從此可以看出數(shù)據(jù)分析的能力非常重要?？梢哉f(shuō)大數(shù)據(jù)時(shí)代下，促進(jìn)了整個(gè)電信產(chǎn)業(yè)的發(fā)展。但如何高效的利用海量用戶數(shù)據(jù)，是當(dāng)前移動(dòng)互聯(lián)網(wǎng)絡(luò)運(yùn)營(yíng)商所需要思考的問(wèn)題。

2 移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)中具備的關(guān)鍵性技術(shù)

移動(dòng)互聯(lián)網(wǎng)絡(luò)面對(duì)海量的用戶數(shù)據(jù)，是由一整套的技術(shù)串聯(lián)在一起的。他們之間相互合作，確保數(shù)據(jù)分析結(jié)果準(zhǔn)確無(wú)誤。其具備了諸多的關(guān)鍵性技術(shù)，像是異構(gòu)數(shù)據(jù)管理、挖掘?qū)崟r(shí)數(shù)據(jù)、分析高效數(shù)據(jù)等。大數(shù)據(jù)時(shí)代，說(shuō)的簡(jiǎn)單一點(diǎn)就是有效的管理、分析和利用收集到的用戶數(shù)據(jù)。通過(guò)數(shù)據(jù)探測(cè)收集用戶在使用移動(dòng)互聯(lián)網(wǎng)過(guò)程中的數(shù)據(jù)信息，然后分析數(shù)據(jù)的類別做出實(shí)時(shí)處理和批量處理的判斷，再根據(jù)所需進(jìn)行數(shù)據(jù)的有效利用。這就是數(shù)據(jù)分析的大致流程。其中在進(jìn)行數(shù)據(jù)處理判斷時(shí)，涉及處理時(shí)間的問(wèn)題，一般根據(jù)需求和處理的時(shí)間劃分為三種處理方式，分別是在線式、近線式以及離線式。本文中討論在線處理時(shí)間的方式——流處理方式。

一般流處理方式的處理數(shù)據(jù)時(shí)間在毫秒之間，速度非?？?，這就體現(xiàn)了移動(dòng)互聯(lián)網(wǎng)的真諦——實(shí)時(shí)計(jì)算?；ヂ?lián)網(wǎng)上海量數(shù)據(jù)（一般為日志流）的實(shí)時(shí)計(jì)算過(guò)程被劃分為三個(gè)階段：分別是數(shù)據(jù)的產(chǎn)生與收集階段、傳輸與分析處理階段、存儲(chǔ)對(duì)對(duì)外提供服務(wù)階段。三個(gè)階段都講求實(shí)時(shí)性。流處理系統(tǒng)就是實(shí)時(shí)計(jì)算最好的體現(xiàn)形式。目前，國(guó)內(nèi)常見的流處理系統(tǒng)是采用Flume、Kafka以及Storm系統(tǒng)框架，三者都可以提供對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析處理的功能。在對(duì)數(shù)據(jù)進(jìn)行處理后，將會(huì)提供數(shù)據(jù)服務(wù)，這一步驟是向數(shù)據(jù)訪問(wèn)層提供的，在處理后將統(tǒng)一存入DBMS數(shù)據(jù)庫(kù)系統(tǒng)。以淘寶的實(shí)例進(jìn)行分析，Storm被淘寶用來(lái)進(jìn)行實(shí)時(shí)日志處理，出現(xiàn)在實(shí)時(shí)統(tǒng)計(jì)、實(shí)時(shí)風(fēng)控、實(shí)時(shí)推薦等場(chǎng)景中。每天淘寶的實(shí)時(shí)消息量從幾百萬(wàn)到幾十億不等，數(shù)據(jù)總量達(dá)到TB級(jí)（TB級(jí)數(shù)據(jù)庫(kù)是指存儲(chǔ)數(shù)據(jù)量為1TB以上的數(shù)據(jù)庫(kù)，相當(dāng)于萬(wàn)億字節(jié)），所以對(duì)于淘寶來(lái)講，Storm往往會(huì)配合分布式存儲(chǔ)服務(wù)一起使用，以此來(lái)確保數(shù)據(jù)的分析，一般來(lái)講構(gòu)建合理的架構(gòu)后，可以確保從用戶行為發(fā)生到完成分析延遲在秒級(jí)。

3 移動(dòng)互聯(lián)網(wǎng)海量用戶的數(shù)據(jù)分析及要點(diǎn)

每天從智能移動(dòng)終端上會(huì)海量的數(shù)據(jù)，其具有廣泛分布、多元異構(gòu)、動(dòng)態(tài)持續(xù)增長(zhǎng)的特點(diǎn)。面對(duì)這一情況，移動(dòng)互聯(lián)網(wǎng)一定要擁有強(qiáng)大的數(shù)據(jù)采集、處理和分析能力。但現(xiàn)實(shí)的情況并沒(méi)有理想中的樂(lè)觀，常常會(huì)出現(xiàn)數(shù)據(jù)收集有誤或不全的情況。為了解決這一問(wèn)題，結(jié)合移動(dòng)互聯(lián)網(wǎng)的特點(diǎn)，得出以下五個(gè)改進(jìn)方面：

3.1 異構(gòu)數(shù)據(jù)管理

異構(gòu)數(shù)據(jù)是當(dāng)前互聯(lián)網(wǎng)大數(shù)據(jù)時(shí)代中最基本的數(shù)據(jù)類型，擁有不同的結(jié)構(gòu)和來(lái)源的數(shù)據(jù)。在大數(shù)據(jù)時(shí)代中具體的表現(xiàn)形式就是，數(shù)據(jù)沒(méi)有完全標(biāo)示用戶、數(shù)值、符號(hào)、聲音等信息，沒(méi)有辦法對(duì)該數(shù)據(jù)進(jìn)行有效的分析和管理。面對(duì)具有時(shí)效性的信息，也沒(méi)有辦法及時(shí)做出反饋，針對(duì)這樣的情況，在移動(dòng)互聯(lián)網(wǎng)中建立了異構(gòu)數(shù)據(jù)管理系統(tǒng)，針對(duì)大量的異構(gòu)數(shù)據(jù)進(jìn)行類別劃分，方便記錄、儲(chǔ)存和分析。異構(gòu)數(shù)據(jù)管理的目標(biāo)是為了實(shí)現(xiàn)不同結(jié)構(gòu)的數(shù)據(jù)之間的數(shù)據(jù)信息資源、硬件設(shè)備資源的合并和共享。

3.2 資源的分享和數(shù)據(jù)分析

對(duì)大數(shù)據(jù)進(jìn)行有效的資源管理是確保移動(dòng)互聯(lián)網(wǎng)絡(luò)正常運(yùn)行的關(guān)鍵。移動(dòng)互聯(lián)網(wǎng)每分每秒都在接收來(lái)自海量智能移動(dòng)終端的數(shù)據(jù)，而當(dāng)前智能移動(dòng)終端的種類繁雜，類型也多變，在對(duì)數(shù)據(jù)的處理、感知、控制上也都存在較大的差異，所以當(dāng)前的移動(dòng)互聯(lián)網(wǎng)是一個(gè)高度混雜的狀態(tài)。這一情況的出現(xiàn)對(duì)于移動(dòng)互聯(lián)網(wǎng)來(lái)講，是收集用戶信息中的難題。如何高效的進(jìn)行用戶信息資源的管理和分析是當(dāng)前移動(dòng)互聯(lián)網(wǎng)最需要著重考慮的地方。

3.3 數(shù)據(jù)實(shí)時(shí)共享和挖取

實(shí)時(shí)計(jì)算最重要的一個(gè)需求是能夠?qū)崟r(shí)響應(yīng)計(jì)算結(jié)果，一般要求為秒級(jí)。在移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)處理中一般會(huì)出現(xiàn)兩種實(shí)時(shí)情景：第一是數(shù)據(jù)源是實(shí)時(shí)的不間斷的，要求對(duì)用戶的響應(yīng)時(shí)間是實(shí)時(shí)的。主要的體現(xiàn)是互聯(lián)網(wǎng)流式數(shù)據(jù)處理。第二是數(shù)據(jù)量大且無(wú)法或沒(méi)必要預(yù)算，要求對(duì)用戶的響應(yīng)時(shí)間是實(shí)時(shí)的。當(dāng)數(shù)據(jù)量很大，同時(shí)發(fā)現(xiàn)無(wú)法窮舉所有可能條件的查詢組合或者大量窮舉出來(lái)的條件組合無(wú)用的時(shí)候，實(shí)時(shí)計(jì)算就可以發(fā)揮作用，將計(jì)算過(guò)程推遲到查詢階段進(jìn)行，但需要為用戶提供實(shí)時(shí)響應(yīng)。實(shí)時(shí)共享和實(shí)時(shí)計(jì)算兩者有著密不可分的聯(lián)系，其也正是移動(dòng)互聯(lián)網(wǎng)的最大特點(diǎn)。

在進(jìn)行實(shí)時(shí)的計(jì)算和共享之前，需要對(duì)數(shù)據(jù)進(jìn)行深度的挖掘，數(shù)據(jù)挖掘是用人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)和數(shù)據(jù)庫(kù)的交叉方法在相對(duì)較大型的數(shù)據(jù)集中發(fā)現(xiàn)模式的計(jì)算過(guò)程，屬于非傳統(tǒng)的數(shù)據(jù)處理。一般挖掘的過(guò)程是在隱藏的數(shù)據(jù)信息中，在原始數(shù)據(jù)中含有很多具有趨向性、相關(guān)性的信息，數(shù)據(jù)挖掘就是找出這些信息，進(jìn)行數(shù)據(jù)的分析和判斷。而這也正是日后移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)的發(fā)展方向。

3.4 建立大數(shù)據(jù)平臺(tái)

大數(shù)據(jù)平臺(tái)的建立是為了迎合海量的數(shù)據(jù)需求，所謂大數(shù)據(jù)平臺(tái)，既要收集億級(jí)的海量數(shù)據(jù)，然后還要篩選出來(lái)數(shù)據(jù)屬性和范疇，數(shù)據(jù)分析邏輯需要像人一樣的思考，又要超越人的思維能力。建立大數(shù)據(jù)平臺(tái)是建立一個(gè)生態(tài)的過(guò)程，力求在整個(gè)生態(tài)環(huán)境中各個(gè)環(huán)節(jié)都可以平衡。大數(shù)據(jù)平臺(tái)需要具備兩個(gè)特點(diǎn)分別是穩(wěn)定性 Stability 和可擴(kuò)展性 Scalability。

穩(wěn)定性：這是一個(gè)系統(tǒng)平臺(tái)的基礎(chǔ)，穩(wěn)定性包含的內(nèi)容有很多，像是運(yùn)營(yíng)商信息數(shù)據(jù)分布穩(wěn)定、接口的穩(wěn)定、收集用戶信息的穩(wěn)定等等。這些同時(shí)穩(wěn)定的運(yùn)行才會(huì)確保平臺(tái)的平穩(wěn)。收集數(shù)據(jù)、分析數(shù)據(jù)、管理數(shù)據(jù)、整合數(shù)據(jù)等步驟才能有序進(jìn)行。穩(wěn)定性是高效運(yùn)作的前提，同時(shí)也保證了數(shù)據(jù)完整性和準(zhǔn)確性。

可拓展性：平臺(tái)系統(tǒng)并不是一次性就可以完善的，這是一個(gè)不斷進(jìn)步的過(guò)程，對(duì)于數(shù)據(jù)平臺(tái)來(lái)講，每天接收的數(shù)據(jù)不可計(jì)數(shù)，數(shù)據(jù)平臺(tái)則需要根據(jù)實(shí)際的情況進(jìn)行有利的改變。所以大數(shù)據(jù)平臺(tái)是具有可拓展性的，要用長(zhǎng)遠(yuǎn)的眼光去看待，才將有利于該平臺(tái)的發(fā)展。

3.5 確保安全管理

數(shù)據(jù)安全是大數(shù)據(jù)時(shí)代最需要警戒的問(wèn)題，互聯(lián)網(wǎng)之所以成就了時(shí)代，是因?yàn)楸憬荨⒖焖賯鞑ヒ约暗烷T檻，每個(gè)人都可以使用互聯(lián)網(wǎng)絡(luò)，通過(guò)移動(dòng)終端產(chǎn)生使用數(shù)據(jù)，而后個(gè)人信息就會(huì)通過(guò)網(wǎng)絡(luò)傳輸?shù)綄?duì)應(yīng)的數(shù)據(jù)管理系統(tǒng)中。數(shù)據(jù)被盜的事故鮮有發(fā)生，越來(lái)越多的黑客了利用大數(shù)據(jù)時(shí)代盜取相關(guān)的信息，從中謀取利益。這樣的行為令人發(fā)指，同時(shí)也應(yīng)該讓人有所警惕。數(shù)據(jù)安全管理是確保大數(shù)據(jù)時(shí)代順利發(fā)展的保障。面對(duì)海量的用戶信息，如何確保信息的完整和私密性，是接下來(lái)大數(shù)據(jù)時(shí)代需要著重考慮的問(wèn)題，也是政府相關(guān)部門需要了解和深入的問(wèn)題。

4 結(jié)束語(yǔ)

綜上所述，移動(dòng)終端井噴式的爆發(fā)，預(yù)示著移動(dòng)互聯(lián)網(wǎng)絡(luò)的興盛。移動(dòng)互聯(lián)網(wǎng)絡(luò)深入到人們生活、休閑、娛樂(lè)等各方各面，隨之而來(lái)的是海量用戶的信息數(shù)據(jù)處理問(wèn)題。在互聯(lián)網(wǎng)的模式下，有“得數(shù)據(jù)者得天下”的說(shuō)法，數(shù)據(jù)對(duì)于互聯(lián)網(wǎng)來(lái)講有十分重要的作用，移動(dòng)互聯(lián)網(wǎng)的大數(shù)據(jù)可以幫助用戶進(jìn)行行為習(xí)慣的選擇，根據(jù)日常喜好進(jìn)行產(chǎn)品、娛樂(lè)、生活等推薦。其提供了完整的行為軌跡，同時(shí)也幫助運(yùn)營(yíng)商很好的了解用戶的習(xí)慣。大數(shù)據(jù)時(shí)代下的“精準(zhǔn)營(yíng)銷”正是利用的這一點(diǎn)。而在進(jìn)行移動(dòng)互聯(lián)網(wǎng)海量用戶數(shù)據(jù)的分析與研究時(shí)，涉及到的核心技術(shù)包括異構(gòu)數(shù)據(jù)管理、挖掘?qū)崟r(shí)數(shù)據(jù)、分析高效數(shù)據(jù)等。

面對(duì)廣泛分布、多元異構(gòu)、動(dòng)態(tài)持續(xù)增長(zhǎng)的海量數(shù)據(jù)，目前移動(dòng)互聯(lián)網(wǎng)還存在不足，可在異構(gòu)數(shù)據(jù)管理、資源的分享和數(shù)據(jù)分析、數(shù)據(jù)實(shí)時(shí)共享和挖取、建立大數(shù)據(jù)平臺(tái)、確保安全管理方面加強(qiáng)改善。相信未來(lái)，在科技不斷的進(jìn)步之下，我國(guó)移動(dòng)互聯(lián)網(wǎng)也將克服困難迎來(lái)璀璨的明天。

參考文獻(xiàn)

[1]羅海艷. 移動(dòng)用戶網(wǎng)絡(luò)行為分析與預(yù)測(cè)方法研究[D].沈陽(yáng)農(nóng)業(yè)大學(xué)，2015.

[2]王沖生. 移動(dòng)互聯(lián)網(wǎng)用戶數(shù)據(jù)的分析與研究[D].北京郵電大學(xué)，2013.

[3]余波. 移動(dòng)互聯(lián)網(wǎng)中海量用戶數(shù)據(jù)分析與研究[J]. 技術(shù)與市場(chǎng)，2016，08：192+195.

[4]陶彩霞，謝曉軍，陳康，郭利榮，劉春. 基于云計(jì)算的移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)用戶行為分析引擎設(shè)計(jì)[J]. 電信科學(xué)，2013，03：27-31.