微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 UBDC峰会:揭秘阿里数据中台 双11当日调用超75亿次

UBDC峰会:揭秘阿里数据中台 双11当日调用超75亿次

2016-04-21 16:42
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-04-21 16:42 CNET科技资讯网

亿次。”

阿里巴巴高级技术专家

阿里巴巴高级技术专家 罗金鹏

420日, UBDC全域大数据峰会·2016上,阿里巴巴公共数据平台负责人罗金鹏首次对外披露了在阿里中台战略下,如何推动数据中台落地的个中细节。

据悉,中台战略是阿里巴巴于2015年底首次提出。作为阿里中台战略的核心之一——数据中台旨在对内提供数据基础建设和统一的数据服务,对外提供服务商家的数据产品。

OneData是阿里数据中台的核心,罗金鹏介绍,OneData体系建立的集团数据公共层,从设计、开发、部署和使用上保障了数据口径的规范和统一,实现数据资产全链路管理,提供标准数据输出。

统一数据标准是一项非常复杂的工作,譬如,针对UV这一相同的指标,在统一之前阿里内部竟然有10多种数据定义。据介绍,OneData数据公共层总共对30000多个数据指标进行了口径的规范和统一,梳理后缩减为3000余个。

尽管工程浩大,但是此举却为阿里带来了显著的收效。借助于OneData平台实时数据分析能力,在2015年双11当天,淘宝搜索排序中引入实时数据影响因子,实现增收数十亿元,罗金鹏表示。

DT时代,数据暴增对存储计算成本带来很大的挑战。据罗金鹏介绍在没有建设统一的数据公共层时,阿里内部服务器需求量会在5年之后达到现在的100倍之多。而经过数据公共层的统一建设,5年后的服务器需求量相对会节约90%

此外,阿里基于数据中台孵化了一个内部名叫“GProfile”全域用户档案的标签服务。“GProfile”根据用户行为,打上不同的标签,再推荐与买家消费能力和喜好匹配的商品。基于此每个用户在手机淘宝上搜索“连衣裙”,每个人看到的搜索结果都是不一样。

千人千面的个性化服务背后的数据基础就是“GProfile”。据罗金鹏的介绍,目前标签有300多种,如此多的标签,都是为了更精准地定位用户,从而实现更好的用户体验与精准营销。

除对内挖掘数据的价值,用技术驱动和创新内部的业务,阿里数据同时也将数据能力通过产品对外服务。而这一产品即是“生意参谋”,为商家提供多维度的数据服务,帮助商家通过数据分析来进行商业决策。

罗金鹏告诉记者,生意参谋可以用数据化来贯穿到企业管理的整体链路中,包括了,品类管理数据化、营销数据化、品牌数据化以及服务数据化。

据悉到目前为止,生意参谋已经为千万商家服务,月成交额30万元以上的商家中,逾90%在使用生意参谋;月成交金额100万元以上的商家中,逾90%每月登录生意参谋天次达20次以上。

DT时代,数据已经成为推动商业发展的新能源,而数据中台的建设成为新能源能否在阿里巴巴生态中发挥价值的关键。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-