猎豹加速大数据布局 新CTO架构全球研发

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

“数据很大程度上最终决定公司的长期价值。”刚刚履新猎豹移动CTO范承工2月29日首次亮相,阐述其对大数据的理解。

范承工是分布式系统、云服务基础设施以及大数据领域的专家,猎豹移动宣布其加入时,公司的股价上涨了超过10%。2015年以来,猎豹移动加速大数据布局,按照猎豹移动CEO傅盛提出的战略,以大数据为高地进行产品的研发。

大数据深入产品研发

“大数据的理念,比起五年前是更加的深入和植入普通人的认知。”范承工认为,数据很大程度上最终决定公司的长期价值,甚至超过流量、业务收入,最终衡量公司的价值在于拥有数据的质量和数量以及数据的利用技术。

目前,互联网巨头从谷歌、Facebook、亚马逊等无一例外的在数据积累、挖掘利用上倾注了大量的投入,据悉,Facebook的创始人扎克伯格在2009年就艺术大数据是未来,在底层价格上就开始云计算布局,而国内大数据、云计算布局在2013年开开始。

“在大数据前端产品上中美差距不到,但是在底层架构上还需要加强。”范承工指出,未来随着移动互联网的发展,中美互联网公司的大数据发展将趋同。

猎豹也全面加速在大数据及移动广告领域的布局,猎豹在2015年发布了自己构建的全球移动广告平台“猎户”,帮助广告客户更加精准地在我们的平台上定向、重定向目标受众。此外,我们还开发了一些工具来帮助广告客户测试、测量、改善广告投放。据悉,猎豹已经可以通过100多余种用户属性,10万余个关键词来给用户画像。

据悉,2015年猎豹在大数据分析方面取得了长足的进步。但是,仍然还有很多提升的空间。按照猎豹移动CEO傅盛提出的战略,以大数据为高地进行产品的研发。

范承工加入猎豹的重要任务之一便是完善大数据布局。加盟后会主要负责公司的全球研发业务,重点是大数据战略的布局。未来将常驻硅谷办公室,带领团队拓展猎豹移动在美国的市场与影响力,将硅谷建设成为继北京之后的全球第二总部。

全球配置人才

范承工介绍,猎豹已在北京建立了大数据平台以及广告平台的团队,人员来自百度、雅虎的北研团队,但是猎豹超过70%的用户来自海外,公司还将在美国建立的研发中心。

2014年猎豹移动成立了第一个美国办公室,截至目前已经在美国的旧金山、硅谷和纽约三地建立了办公室,并拥有约50名员工。当时美国办公室更多的是负责广告销售,但是范承工的加入则是为猎豹搭建美国的研发中心。

猎豹移动将在美国硅谷建立大型的研发中心,与其他研发中心的工程师一起践行大数据战略。这一举措将帮助猎豹移动吸引更多的全球人才加入,更好地服务全球用户。猎豹移动目前在全球范围雇佣了超过1400名研发人员。

同时公司通过在全球的收购与投资布局,人才储备,与海外团队的核心技术合作等方式,推进大数据战略。

2014年6月,猎豹收购了移动广告平台香港品众互动;2015年3月16日,宣布以5800万美元收购全球移动营销公司MobPartner;3月26日,又宣布领投全球领先社交移动广告软件提供商Nanigans B轮融资,并与其达成战略合作伙伴关系。

在数据积累上还需要进一步提升,数据也需要深地植入于各个产品经理的心中。据悉,除了进行产品创新布局和用户推广外,猎豹移动也在通过加强战略合作,积极采取投资并购策略,以及加大在大数据应用、广告形式创新和广告平台搭建方面的投入来布局商业化。

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
大数据
【赵渝强老师】大数据主从架构的单点故障
大数据体系架构中,核心组件采用主从架构,存在单点故障问题。为提高系统可用性,需实现高可用(HA)架构,通常借助ZooKeeper来实现。ZooKeeper提供配置维护、分布式同步等功能,确保集群稳定运行。下图展示了基于ZooKeeper的HDFS HA架构。
|
3月前
|
SQL 存储 分布式计算
ODPS技术架构深度剖析与实战指南——从零开始掌握阿里巴巴大数据处理平台的核心要义与应用技巧
【10月更文挑战第9天】ODPS是阿里巴巴推出的大数据处理平台,支持海量数据的存储与计算,适用于数据仓库、数据挖掘等场景。其核心组件涵盖数据存储、计算引擎、任务调度、资源管理和用户界面,确保数据处理的稳定、安全与高效。通过创建项目、上传数据、编写SQL或MapReduce程序,用户可轻松完成复杂的数据处理任务。示例展示了如何使用ODPS SQL查询每个用户的最早登录时间。
192 1
|
15天前
|
存储 SQL 分布式计算
大数据时代的引擎:大数据架构随记
大数据架构通常分为四层:数据采集层、数据存储层、数据计算层和数据应用层。数据采集层负责从各种源采集、清洗和转换数据,常用技术包括Flume、Sqoop和Logstash+Filebeat。数据存储层管理数据的持久性和组织,常用技术有Hadoop HDFS、HBase和Elasticsearch。数据计算层处理大规模数据集,支持离线和在线计算,如Spark SQL、Flink等。数据应用层将结果可视化或提供给第三方应用,常用工具为Tableau、Zeppelin和Superset。
167 8
|
2月前
|
SQL 数据采集 分布式计算
【赵渝强老师】基于大数据组件的平台架构
本文介绍了大数据平台的总体架构及各层的功能。大数据平台架构分为五层:数据源层、数据采集层、大数据平台层、数据仓库层和应用层。其中,大数据平台层为核心,负责数据的存储和计算,支持离线和实时数据处理。数据仓库层则基于大数据平台构建数据模型,应用层则利用这些模型实现具体的应用场景。文中还提供了Lambda和Kappa架构的视频讲解。
241 3
【赵渝强老师】基于大数据组件的平台架构
|
15天前
|
存储 负载均衡 监控
揭秘 Elasticsearch 集群架构,解锁大数据处理神器
Elasticsearch 是一个强大的分布式搜索和分析引擎,广泛应用于大数据处理、实时搜索和分析。本文深入探讨了 Elasticsearch 集群的架构和特性,包括高可用性和负载均衡,以及主节点、数据节点、协调节点和 Ingest 节点的角色和功能。
37 0
|
2月前
|
开发者 容器
Flutter&鸿蒙next 布局架构原理详解
本文详细介绍了 Flutter 中的主要布局方式,包括 Row、Column、Stack、Container、ListView 和 GridView 等布局组件的架构原理及使用场景。通过了解这些布局 Widget 的基本概念、关键属性和布局原理,开发者可以更高效地构建复杂的用户界面。此外,文章还提供了布局优化技巧,帮助提升应用性能。
113 4
|
2月前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
102 1
|
3月前
|
容器
Flutter&鸿蒙next 布局架构原理详解
Flutter&鸿蒙next 布局架构原理详解
|
3月前
|
运维 Serverless 数据处理
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
Serverless架构通过提供更快的研发交付速度、降低成本、简化运维、优化资源利用、提供自动扩展能力、支持实时数据处理和快速原型开发等优势,为图像处理等计算密集型应用提供了一个高效、灵活且成本效益高的解决方案。
68 3
|
3月前
|
存储 SQL 分布式计算
湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
【10月更文挑战第7天】湖仓一体架构深度解析:构建企业级数据管理与分析的新基石
175 1