《智能資料時代：企業大資料戰略與實戰》一2.6 實時建議和操作

本節書摘來自華章出版社《智能資料時代：企業大資料戰略與實戰》一書中的第2章，第2.6節，作者 talkingdata ，更多章節内容可以通路雲栖社群“華章計算機”公衆号檢視

圖2-6所示的基礎設施呈現出資料因為點對點的移動所帶來的時間延長，而對于業務遇到的某些問題，可能需要實時的建議和響應行動。比如說，你希望購物者在進入購物頁面時就能看到你推薦的産品，而不是已經離開購物頁面才看到推薦的産品。

實時推薦引擎的作用就是在網絡商店裡引導購物者購買特定的商品。在hadoop叢集或資料倉庫中可以建構關于購買行為的預測分析模型。構模組化型的目的在于對購物者進行更巧妙的指引，使他們能夠買得更多并且更快地找到想要的東西。推薦引擎中的模型會随着購買模式的變化不斷更新，也會不斷完善。

在配置智能傳感器和控制器的地方，對及時行動的迫切需要或許表明有些規則的建立是為了在所有分析發生前促進行動。這就是為什麼事件處理和業務規則引擎通常被列為智能傳感器解決方案的一部分。舉例來說，如果實體店中的傳感器在與收銀員和那些由于感到不滿而放棄購物的顧客取得聯系時出現延遲，預先設定的規則就會觸發裝置來通知那些忙于其他事情的收銀員再開一個新的收銀台。

圖2-7說明了在網站中加入實時推薦引擎，該推薦引擎由在hadoop叢集中運作的資料支撐建構并根據資料的變化定期更新，購物者的個人資料和定位資訊由此被傳到引擎中。具體的實時建議最後由網站傳遞給購物者。

我們還在圖中展示了實體店中的閉環系統和業務規則。當購物者們進入他們手機上的購物app（應用軟體）時，我們就開始監控他們的浏覽蹤迹，這樣銷售人員就可以根據購物者在網站上最近的浏覽資訊來向他們推薦商品。

剛才所列的示意圖帶有一定的技術性，是以業務分析員要想了解它可能是有些困難的。但是我們認為正是這樣的示意圖，才有助于業務分析員了解目前基礎設施和資料流的局限性，并且可以幫助他們尋找目前問題的解決方案。這些示意圖還可以使業務分析員盡早修改需要的業務解決方案。