互联网大数据方案

如果只有管理层看数据，一线人员不分析数据，何谈大数据的价值。

在数据消费的“最后一公里”上，如何通过大数据技术，提供更简便的工具，拉低使用门槛，让人人都能方便地获取、分析、运用数据?

这个问题支付宝可能比谁都清楚，从 2014 年诞生以来，如今支付宝有近 4 亿用户，仅每天的手机交易就超过 2500 万笔，目前，支付宝平台每年的数据的增长量超过以往所有年份数据累加之和还要多。如此庞大的数据，支付宝需要随时对其进行业务、安全等方面的监控。

比如大家在一个会场开会，通过后台的数据分析，基于这个位置的交易被认为是熟人之间的交易，不需要特别的验证，但这背后有强大的技术支撑。

随着支付宝陆续开通红包、聊天等功能，不同的业务阶段，导致不同的数据诉求，业务模式在最开始的时候复杂度比较高，随着业务的增长对于创新的要求比较高。现在支付宝需要实现自己的数据化运营，通过数据分析发生了什么、为什么会发生、再给出下一步方案，预测什么会发生，以及怎样使其发生。

支付宝的大数据实践

下面具体介绍下支付宝是如何解决这一难题，成为业内大数据实践领先者的。

对于支付宝来说，它目前面临的数据诉求包括：

( 需求不固定 ) ;业务人员需要随时随地通过数据分析指导业务决策。

由于无法快速响应日益旺盛的数据需求，也缺乏一个对业务进行支撑的数据平台，摆在支付宝研发团队面前的有两条路，一是购买一个第三方的传统 BI 工具，进行数据分析，二是开发一个自己的、能满足特色需求的数据分析平台。

那么传统 BI 产品是否能匹配支付宝的需求呢?无论是 Oracle, 还是 IBM 的 Cognos, 还是 SAP 等老牌 BI 厂商，他们都面临同样的问题：

Ad-hoc ，玩不了 ;

License 贵：依据账号数收费，无法大面积开放 ; 动辄百万的费用;

IT 人员二次封装，而且基本无技术支持。

工具是为了让数据的使用变得简单，人人会使用数据才是数据化运营的基础。数据越来越多，传统的工具支撑需求有很大的难度。如果不通过可视化的效果很难展现出来支付宝结合用户的使用习惯，自己开发一套工具，通过工具解决瓶颈的问题。

在这样的情况下，支付宝舍弃了传统 BI ，选择走开发敏捷 BI 的路子，开发出了一款公司同事都可以轻松上手的大数据分析工具。

EXCEL 式分析体验、数据可视化、拖曳完成报表制作、 Web 化。支撑前端 DataLab 展现的是支付宝还在后端开发了一款即时计算引擎 Higo, 使用 sql 语法，可以秒级响应 10 亿数据。

这两个工具面向的人员包括 Pd/BD/ 运营、分析师以及包括客服在内的其他人员。这些人员通常要进行数据分析的业务场景包括业务分析、日报 / 周报 / 月报、以及包括数据分析在内的其他场景。