大數據時代下電商的發展

伴隨著大數據時代的慢慢靠近，電商企業們通過不同的電子平臺，可以充分掌握用戶的數據信息，而這些數據資源逐漸得到電商們的關注，甚至被稱之為極具有優勢和價值的商業資源。越來越多的電商企業開始嘗試和注重大數據分析技術，希望借此技術獲得更多的機遇與財富。本文以電商霸主阿里巴巴為剖析對象，從實際出發分析大數據時代帶給電商企業的挑戰，以此對未來電商的發展提出自己的見解和意見。

一、緒論

（一）調研背景

經過兩次工業革命的洗禮以后，科技不斷進步追求的重要目標依舊是解放和提高生產力。21世紀以來，科學信息技術的不斷提升，計算量不斷擴增和計算方式的不斷升級，引領和加快了信息時代的來臨，以云計算為代表，開啟了現代信息科技進步的新篇章——大數據時代。

大數據時代的一步步接近，電商們迎來了百年不遇的發展機會，催生了零賣電商企業的改革。一批批電商如井噴式的涌現出來，如淘寶、蘇寧易購、唯品會、京東、拼多多等。而電商企業的崛起又加速推進了對大數據技術的提升和運用。二者相輔相成，密不可分。

（二）調研意義

大數據時代的靠近，使我們分析事物和解決問題帶來了新的見解和思路。也使本身沒有意義的數據信息成為電商們珍貴的營銷保障，而少做很多無用功。所謂大數據，我更覺得是一場新的技術革命，互聯網加大數據的時代正向我們揮手，大數據時代將數據共享，讓本身意義上沒有價值的一串串數字變成珍貴的數據，帶給電商很多機遇，同樣也面臨著很多挑戰。

而阿里巴巴企業作為電商企業的龍頭企業，最早認清和抓住了這一商機，穩中求勝，迅速而又充分的挖掘“大數據金庫”，如表12014-2017年阿里巴巴雙十一銷售額所示，2014年的“雙十一”購物狂歡節無疑是瘋狂的開端，2017年更是圓滿收場，最終交易額達到1682億。

電商企業發展的前提是提高產品的質量和用戶對于購物體驗的認可。秉持以加強客戶體驗為第一主導地位的工作理念，認真做好每個顧客的購物體驗就是電商企業在競爭中的取勝法寶。哪家電商企業的用戶群體大，哪家企業的數據庫就大，哪家企業最先發現商機，哪家企業就可以獲取市場。而大數據技術正是為此而誕生的，經過幾十年以來的用戶數據積累，已然形成了一個龐大而有價值的數據庫，例如阿里巴巴的數據庫就已經至少是京東商城的2倍。本文以阿里巴巴為剖析對象，對阿里數據進行分析，以此對大數據時代電子商務的發展提出一些合理的見解和意見。

二、大數據的內涵

對大數據的定義由于定義方式，以及側重點不同等，至今在業界仍未達到共識。大數據的特點是能夠準確地去處理傳統的數據管理而又不受局限，效率突出和準確性極高，換個角度來說，大數據的值不僅僅是數據值本身，而是通過大數據技術的處理分析，從而反映在高層領導精準的決策上，從而避免錯誤的決策。

換言之，大數據技術的真正涵義并不在于是否擁有復雜龐大的數據庫，而在于對這些擁有著不同意義的數據如何進行規范化地整理和計算。大數據實現盈利的關鍵必然在于對這些數據的采集整理、計算加工以及數據應用，從而實現對數據的“升值”。

三、阿里巴巴大數據系統

約翰.都爾曾說“發現好的市場機遇不亞于發現一座金礦”。阿里從一個電商企業逐漸升級為大數據分析公司。只要我們使用阿里巴巴企業的產品，如淘寶、天貓等，阿里的數據服務層就會記錄下我們的瀏覽記錄，而這些數據不斷演進，會讓你再次登錄時看到一個為你而定制的界面。

在阿里工作的數據管理員幾乎每一天都要面對數以萬計的數據信息，進行采集整理和計算工作。讓本身無序、無結構的數據得到有價值的挖掘和利用。如圖1阿里數據系統構架圖所示，共有四個層面。

（一）數據采集層

阿里巴巴是一家經營多項業態的企業，數億的用戶在各個阿里平臺上從事各種活動，同時也在產生爆炸式的數據，將這些錯綜復雜的數據信息整理收集成為阿里大數據系統的重中之重，更是第一環節。阿里創建了一套精準服務的數據采集系統，以此全面準確、高效率地完成數據采集任務，并把采集后的數據傳導至數據計算平臺。

Aplus.JS是阿里Web端日志采集技術方案；UserTrack是阿里APP端日志采集技術方案。當然除了上述的數據采集系統以外，阿里依舊有自己的特色，在消費者可以接觸到的每個場景都進行了埋點服務，打通一道隱形的場景變換路線，使得我們日常的瀏覽點擊數據以及APP間的關聯數據得到充分的收集。另外，阿里為了使數據得到安全可靠的傳輸，因而創建了另一套令其他企業望而卻步的數據傳輸系統。它依靠的是TimeTunnel平臺（簡稱TT），作為基于thrift通訊框架搭建的實時數據傳輸平臺，90%的消息5ms以內送達，具有實時性、高效率等特點。

（二）數據計算層

只有被計算和整合的數據，才能被運用于商業規律的洞察，潛在信息的挖掘，賦能于商業和創造價值，從而獲得和實現大數據價值，因而收集得到的原始數據需要進一步的整合與計算，也就是第二個層面，數據計算層。

針對爆炸式的數據，阿里的數據計算體系，共有兩大層次，依次分別是數據存儲及計算云平臺以及數據整合及管理體系。其中，MaxCompute是阿里自主研發并投入使用的離線大數據平臺，支持SQL、MapReduce、Graph等計算類型，擁有大規模的計算存儲，多種計算模型，以及強數據安全，穩定支持阿里全部離線分析業務7年以上；StreamCompute同樣也是阿里自主研發，作為阿里的流式大數據平臺，充分簡化編程，原有數據的離線儲備和靈活的資源調度使得阿里的數據計算變得迅速和簡便；OneData是數據整合及管理的方法體系和工具，數據驅動，統一定義，規模化建模，對模型架構標準化設計和管理，建立數據公共層，可以使同類的大數據項目快速得到實現，極致充分地發揮了阿里在大數據方面的獨特優勢。

（三）數據服務層

數據在前兩個環節已經得到了整合和計算，第三環節是需要將這些數據提供給產品和應用進行數據服務。因此，阿里創設了屬于自己的數據服務層，由于用戶的需求往往不同，所以數據服務層的數據源架構在多種數據庫之上，最后通過接口服務化方式對外提供數據服務。

（四）數據應用層

當準備工作已經完成，接下來就需要選擇合適的應用提供給用戶，而又不會使用戶產生厭煩情緒，讓數據最大化地發揮價值。就比如我們可能只是在網頁上搜索一個東西，后來彈跳出的商品基本都是與之相關的。

四、大數據時代下電商面臨的挑戰和對策

大數據帶來的商機必然會吸引更多電商向大數據方向發展，可這個漫長的發展過程中，有多少機遇，就必然要遇到更多的挑戰，畢竟阿里巴巴的成功不會輕易被復制。然而只有正面解決掉這些問題，順應潮流，才能在這個時代不被淘汰，繼續生存。

（一）技術方面：對大數據的處理能力不夠

對于紛呈交雜的21世紀來說，任何企業都可以有一個不小的數據庫，可是，如何歸類數據，如何提煉信息，如何利用數據等技術方面以及其他管理方面，這些都是電商企業生存所遇到的必然問題，而且無法被避免。正如當下共享單車遇到的壓力一般，82%的電商企業都會因為對數據的處理技術不成熟，而因集中整合數據的壓力而失去競爭的能力，連生存都變成問題。

因而我們可以得出技術的重要性，僅僅擁有龐大的數據庫并沒有什么太大的作用，要想做到和做好這一點，電商企業必須重新定位自身，定義大數據的處理方式，并對處理后的數據信息的設置使用基準。注重培養大數據方面的人才，注重學習，引進大數據處理方面的技術，畢竟技術才是硬道理。哪怕阿里如今的輝煌，但也仍然注重培養大數據方面的人才，如圖三所示，阿里巴巴在2017年10月13日投入5000萬，致力于培養更多的商業人才。

（二）隱私方面：客戶的隱私是否得到保護

正如上文所描述的，大數據時代，用戶的個人信息完全暴露在互聯網上，企業掌握了消費者太多的數據信息，那么如何保護這些數據信息也成了所有電商企業需要考慮的問題。如果顧客的數據信息被泄露，個人隱私問題就會極度凸顯出來，一旦用戶信息泄露，用戶忠誠度和信任度必然降為零分，后續企業不存在有任何的發展。為了不自斷后路，電商企業必然要做的就是：守法守紀，不私下販賣和紕漏客戶信息；提高對客戶隱私的保護度，增強顧客對企業的信任，提高隱私保護技術，比如設置防火墻防止黑客竊取信息等，從技術的層面充分保護。（作者單位為安徽財經大學工商管理學院）

作者簡介：姚晶晶（1998-9-10）女，漢族，安徽合肥人，單位：安徽財經大學工商管理學院，2016級本科生，工商管理專業。