以智能数据架构，挖掘增长金矿

对很多技术团队来说，在搭建智能数据架构的过程中，或多或少会遇到一些疑惑和挑战，经过多次实践后，有些团队已经破除疑惑，成功探索出一条搭建智能数据架构之路，那么他们是如何实现这一技术的呢？在近日的个推技术沙龙成都站，几位架构大师在现场开启了数据技术的“脑暴时间”。

诺基亚网络成都研发中心研发经理

刘朋 《数据增长时代的研发管理》

企业在应对数据增长带来的巨大挑战时，需在研发和管理方面做好充足准备。

研发方面，提升数据存储的扩展性；管理方面，除了增加对人和设备的管理外，要努力打造一支具有数据驱动型领导力的团队，让团队中的决策以数据为依据，同时创造出以数据为核心的文化氛围。

大数据时代，想要成为一名数据驱动型领导(Data-Driver Leader)，需要具备三大招式。

第一招：关注研发团队的经济效益数据（Take an Economic View）

研发团队不仅是成本中心，他们也具有创造经济效益的能力，作为一名数据驱动型领导，在日常工作中要关注相关技术实践能否为公司带来经济利益。

第二招：让团队数据可视化(Transparency)

在一支研发团队中，部门领导需要将数据可视化，让团队中的每个人都对核心数据有所了解，这样一来，当问题出现时，每个人都有能力去解决。

第三招：基于数据，及时快速反馈(Fast Feedback)

在团队运行过程中，作为领导者，不仅要制定好相应规划，同时要不断分析数据查找问题，并基于数据以及KPI给成员提供反馈。

虽然数据驱动型领导在推动公司决策方面具有重要作用，但随着公司人员的扩充，部门墙和局部优化（Sub-optimization）越来越明显，此时需要打破部门墙，让各个部门和团队都能围绕一个共同的目标进行协作，以达到效益最大化的目标。

个推大数据架构师

袁凯 《机器学习平台建设与实践》

机器学习工作的常规流程：运营者首先要将商业问题转化为机器学习能够解决的问题，然后再进行数据收集以及清洗和聚合的工作，接下来开启数据探索和特征工程，经过上述步骤，便能得到事物预测所需要的全部因素，此时，运营者可以选用不同的算法，并将算法进行训练，得到相应的应用模型。最后，运营者还需要利用真实的数据进行验证，确保模型的可行性。

机器学习作为一门多领域交叉学科，是解决许多实际问题的有效工具。个推通过机器学习，构建了独有的冷、热、温标签，用以分析不同群体的基础属性和行为特征，描绘用户的精准画像，最终运用于智能推送和精准营销。

想要完成机器学习平台的建设，需要注意三大要点：

1.只有端到端的平台建设才会真正产生价值，同时，特征工程的数据和代码沉淀需要共享运营。

2.从成效出发，聚焦痛点，不要盲目跟随行业，做好系统和培训的一体化。

3.谨慎引入新技术栈。

为了避免机器学习平台建设中出现的常见问题，个推的建模平台会提供相应的IDE以及呈现相应特征的管理系统，同时还能提供标准化的ID匹配服务和数据抽取服务，减少工程师的重复工作。此外，个推提供的打包部署服务和后续监控服务，也能够帮助企业保证平台的顺利运行。

聚美优品大数据高级工程师

贺鹏《大数据3.0流计算与智能决策》

大数据3.0时期，Hadoop第一代、Spark内存计算第二代，早期流计算以及人工智能流计算同时并存。

早期流计算具有强一致性、数据乱序与延迟等五大困难点，Flink的出现，有效解决了这些难题，同时Flink还兼具了可以实时增量计算、SQL支持以及CEP支持等六大优点。

流计算发展至今，已经具备了CEP这一强大功能，这也是支撑流计算智能化的关键因素所在。现实生活中，很多复杂的场景无法通过显式规则来进行判断(传统编程为规则编程、指令编程以及if else编程)，比如你无法用if else写出如何判断哪一张图片是树叶，你无法用有限的规则写出如何判断数据流中哪些是人为操作、哪些是机器人刷单，此时需要用机器学习模型来检测和匹配，同时需要ML和流计算相结合使用。

通常情况下， ML模型主流场景有分类和回归两大场景，他们可以检查抽象中无状态 f = fx(x1,x2 ..)无状态模型(有状态的模型典型代表rnn)，而在SQL语义中 UDF刚好与之对应(无状态)，需要把模型放入流处理系统中，也就是将tensorflow PB model模型注册为udf，完成上述步骤后，数据流会进入ML检测阶段。

使用流计算相关功能时，需要强大的平台予以支持，以便在上面实施SQL开发、授权等操作。