O2O需要的不是Hadoop 而是大数据

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

如题,但希望网友不要误解,这里的需要是指大数据技术在目前的发展进程中,是不会阻碍到O2O的应用,而对于O2O来说,最难的莫过于数据的来源。这想必也是众多掘金电商、O2O的厂商们的苦恼,更是未来抢占O2O市场先机的一个分水岭。

O2O需要的不是大数据技术 而是大数据

其实电商领域的O2O并不是一个新鲜的词汇,早在团购网站兴起时就已经开始出现。百度百科对于O2O的定义为Online To Offline(在线离线/线上到线下),是指将线下的商务机会与互联网结合,让互联网成为线下交易的前台,这个概念最早来源于美国。在最近公布的《流通蓝皮书:中国商业发展报告(2013~2014)》中指出,中国电子商务进入O2O时代。

以前,电子商务与实体经济的融合主要体现在产品融合方面,即在电子商务平台上交易的产品来源于实体,但在运营上二者相互独立。但是走进O2O时代,对于电子商务的运营似乎就有一些差别,实体与网络又多了一份联系,需要线上线下的高度结合。

新的方式,自然更需要新的模式。线上管理线下,无疑加大了存储量,不仅包括线上存储,实体店的每天客单价、进店人流量,来源渠道等等都需要记录存储。加以运用数据分析,用数据说话。

在O2O模式中,通过线上的“O” 积累口碑、提高品牌曝光并吸引精准客户群体的关注,最终为线下实体店导入客流;线下的“O”提供完善的售前售中和售后服务,大数据成为串联这两个“O”,实现O2O营销闭环的关键。

立足中国本土,不难发现,2013年O2O进入高速发展阶段,众多商家都齐齐涌入。微信推出“扫购”功能,用户可以线下扫码、线上购买。苏宁推出“附近苏宁”功能,用户可在线上查找门店,关注促销信息,线下体验和购买。而天猫则将广告和促销环节向线下渗透,线下宣传“双十一”活动、线上下单。

O2O需要的不是Hadoop 而是大数据

百分点科技公司一景

在记者最近采访的国内大数据服务商百分点科技公司,也看了O2O未来的发展潜力,毕竟在中国线下的零售占据总体的90%,而线上购买还不到10%。为此,百分点成立O2O子公司“信柏科技”,定位于O2O大数据,协助传统零售业的线下数据挖掘和分析。作为一家大数据初创公司,百分点一直专注于互联网企业的消费者偏好数据,并推出了大数据引擎。在电商、教育、旅游、媒体、金融、证券、制造业等多个领域都有涉及。

达到千家的合作伙伴,也就意味着千个商家的数据量,这也是促进百分点在大数据技术层面上的不断发展。百分点运营副总裁韩志勇告诉记者其后台的数据处理技术也是经历了四个阶段的,它所构建的大数据处理平台包含了数据存储和数据处理两个层次。

底层的基础架构自然少不了hadoop,但它也只是其中的一个组件,这包括分布式文件系统(HadoopHDFS)、分布式SQL数据库(MySQL)、分布式NoSQL数据库(Redis、MongoDB、HBase)、分布式消息队列(ApacheKafka)、分布式搜索引擎(ApacheSolr)以及必不可少的ApacheZookeeper。

其中,流式实时计算帮助客户获得肉眼无感知的性能。如此架构的数据处理,相信可以适用不论是B2B、B2C还是O2O等等各种电商模式,所以O2O所需求的大数据处理技术并非需要重新架构,它所面对的技术性挑战也并非是其发展的最大阻滞。

百分点科技公司董事长苏萌表示,O2O面临的最大挑战应该是数据的收集,因为目前线下搜集的数据可用性并不高。而百分点所做的是对中国消费者用户的习惯的研究,包括用户的购买时间、购买习惯和可接受的价格,基于这样的先天优势,可在一定程度上帮助到线下零售。

但这还是远远不够的,线下零售还需要寻求一种方式,这在中国可能还是起步阶段。而在美国,很早就已经注意到对于实体销售的数据收集工作。当你去逛沃尔玛,它所给你配备的购物车就会跟踪你的行为轨迹并记录,沿着人们行走的轨迹,不仅可以知道用户的购物习惯,也在一定程度上方面超市的货架、物品摆放的布局。当然现在随着WIFI的普及似乎也可以轻松做到,当你超市内部网络时,你消费者行为轨迹也就这样轻松获取了。

在中国O2O前景的规划设想中,苏萌举例,未来的购物中心,单单凭借线下销售已经不能满足消费者,但是人们的需求又不能只是在网上满足,这就需要一个结合点。基于以前所收集的数据模型、算法,以及移动端的引导,吸引了前来购物中心的人流,再运用数据分析将他们精准的分流和引导。

据悉阿里巴巴在今年所投入的O2O的领域中,也是相同的想法。这是信柏科技对于O2O市场的构想蓝图,但具体的实施策略,苏萌并未透漏。以一见百,看中O2O大数据市场的当然不止百分点,这也是更多觊觎这块大蛋糕的厂商们在寻求的突破口。

原文发布时间为:2014年05月30日
本文作者:林利
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于Hologres轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
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 
目录
相关文章
|
18天前
|
存储 分布式计算 Hadoop
Spark和Hadoop都是大数据处理领域的重要工具
【6月更文挑战第17天】Spark和Hadoop都是大数据处理领域的重要工具
119 59
|
5天前
|
分布式计算 Hadoop Java
优化大数据处理:Java与Hadoop生态系统集成
优化大数据处理:Java与Hadoop生态系统集成
|
5天前
|
分布式计算 资源调度 Hadoop
Java大数据处理:Spark与Hadoop整合
Java大数据处理:Spark与Hadoop整合
|
11天前
|
存储 分布式计算 大数据
Hadoop 生态圈中的组件如何协同工作来实现大数据处理的全流程
Hadoop 生态圈中的组件如何协同工作来实现大数据处理的全流程
|
18天前
|
分布式计算 资源调度 Hadoop
大数据Hadoop集群部署与调优讨论
大数据Hadoop集群部署与调优讨论
|
18天前
|
存储 分布式计算 Hadoop
Hadoop是如何支持大数据处理的?
【6月更文挑战第17天】Hadoop是如何支持大数据处理的?
29 1
|
3天前
|
分布式计算 Hadoop 大数据
优化大数据处理:Java与Hadoop生态系统集成
优化大数据处理:Java与Hadoop生态系统集成
|
7天前
|
存储 人工智能 OLAP
深度|大模型时代下,基于湖仓一体的数据智能新范式
本次文根据峰会演讲内容整理:分享在大模型时代基于湖仓一体的数据产品演进,以及我们观察到的一些智能开发相关的新范式。
|
12天前
|
分布式计算 大数据 关系型数据库
MaxCompute产品使用问题之如何查看数据离线同步每天从MySQL抽取的数据量
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
12天前
|
分布式计算 大数据 Java
MaxCompute产品使用问题之是否可以恢复最近两天生命周期清理的数据
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。