移動大數據這一年：一邊是海水，一邊是火焰

大家還在對Facebook的動輒百萬臺服務器以及淘寶每天幾百個T的數據，表現出無比羨慕、嫉妒、恨。轉眼間一年過去了，移動大數據領域的改變卻在悄然發生。

市場規模

估計各家市場調查機構很快會放出各種全年報告，來說明智能手機的出貨量遠遠超過PC出貨量。由于Win8市場表現不佳，今年全球PC銷量的首次下滑將會很快成為現實。市場規模此消彼長，迫使更多的企業采取Mobile First戰略。

根據TalkingData平臺2012年第4季度的統計數據顯示，活躍用戶每日打開應用次數以及使用時長呈規律性，用戶的行為數據具有一定的研究價值。

由于智能手機的大量的出現，攜帶眾多傳感器的移動設備給數據系統提供了更多的高質量情景數據，可以評估人們平時看不見的行為和社交互動，還可以使用新算法來挖掘這種數據的價值。

移動大數據的研究領域

其實移動大數據領域研究并不是今年才開始的，2012年也不是所謂的“移動大數據元年”。近10幾年來，包括政府、運營商、設備廠商出于管控、商業等多種目的，持續投入巨資在移動數據挖掘領域，特別是和可攜帶設備相關的一些項目。

這些項目的重點在于通過移動設備采集數據（位置、語音，等各種傳感器），通過數據挖掘的方法來了解人們的情緒變化以及社交情況，對于人們未來的行為進行預測。

比較有名的情景感知項目如：MIT的Reality Mining（現實挖掘）、Nokia的Context Phone、DARPA的Pal（目的是為指揮官和作戰人員提供革命性的輔助系統）、以及Parc的Magitty。

近年來由于觸屏手機的迅速普及，人機交互成為移動應用的主要瓶頸，產業界研究的關注點在于如何改善輸入體驗，得益于此，源于Pal項目的Siri，由于定位于學習型個人助理，在蘋果收購SRI后終于修成正果。

說到移動大數據的未來，大家一致看好Augment Reality，如果說Google Glasses以及無人駕駛汽車讓大家初窺端倪的話，目前多家公司在虛擬三維建模領域的突破可以說讓人家充滿憧憬了，實現之效果遠不是Layer這些基于物理標識的簡單濾鏡可以比擬的。

以上主要是對于未來有一個美好的展望。下面，我們一起來看看移動大數據對于開發者意味著什么。

移動大數據對于開發者意味著什么

今年一提到大數據，很多專家就開始講3V：Volume、Variety、Velocity。這3V表明大數據的三方面特質：量大、多樣、實時。竊以為這種理論性的描述并不解決任何實際問題，對于移動應用來說，更多地是在于如何通過數據挖掘改善產品體驗、差異化競爭、產生商業價值。下面就舉例說明一下移動大數據對于移動應用的影響和促進。

數據驅動型工具應用

這兩年已經出現了不少基于數據的創新性的應用，包括國內一些創業公司也開始在語音識別/圖像識別/人臉識別/增強現實等模式識別方面取得了一些進步，產品差異化競爭方面做得比較好，但對于用戶體驗方面仍有很長的路要走。

基于情景的個性化應用

經常被一些大佬問及“你認為新的流量入口是什么？”個人認為肯定不是目前那些雷同的應用市場形態，未來的應用擴散模式應該是基于個性化的應用推薦或用戶自發發現。這方面，Discovr這款應用一定程度上代表了這個發展趨勢。

Discovr 使用互動地圖的方式來標記應用，只要搜索一個應用就能獲得應用推薦的大量應用，并能直觀地顯示應用介紹，并能夠根據人們的選擇來不斷的學習，適應人們的喜好。

預測類應用

通過數據作出預測是，是另外一個移動大數據應用發展方向。比如，Decide為消費者提供使用專用數據和預測算法的工具，讓他們充分了解何時是最佳購買時機？是否應該等待降價？或預計幾天后就會發布的新產品的出現。

將移動大數據應用的比較好的應用類型還有很多，由于篇幅關系，這里就不一一列出來了，有興趣讀者可以與我們進一步交流。

從上面這些例子不難看出，實際上大數據對于移動互聯網來說，絕不僅僅是統計應用下載量這么簡單，如果只是用來計數，實在對不起“大數據”這么響亮的名字。數據完全可以更為緊密、靈活的與移動互聯網、移動應用相結合。除了細致的用戶行為數據挖掘可以幫助開發者優化產品、調整市場策略外，諸如機器學習引擎之類的高級大數據應用模式，可以為我們帶來更大的價值。下面簡單介紹一下目前主流的機器學習引擎近況。

機器學習引擎

對于大部分移動應用開發者來說，主要精力還是放在產品、服務本身的開發、運營以及優化。而大多數應用開發技術人員往往缺乏足夠的數學背景、算法知識，如果無意愿自己實現基于機器學習的運算框架，目前有幾個機器學習框架、服務可供選擇。

Google Prediction API

Google Prediction API是一個基于云服務的機器學習工具，它可以幫助開發者分析數據，并為應用程序加入情感分析、流失預測、產品推薦等功能，缺點是根據調用次數/數據點收費，成本規模不好控制。

Apache Mahout

Apache Mahout 是 Apache Software Foundation (ASF) 旗下的一個開源項目，提供一些可擴展的機器學習領域經典算法的實現，旨在幫助開發人員更加方便快捷地創建智能應用程序，在 Mahout 支持采用 Apache Hadoop 的基礎框架，使這些算法可以更高效的運行在云計算環境中，是自己實現分析系統比較好的選擇。

TalkingData Insight

Talkingdata Insight就是騰云天下推出的針對移動互聯網應用的機器學習方案，接口采用Restful風格的API，提供包括關聯推薦、個性化推薦、用戶重定向、用戶標簽、付費意愿預測、流失概率預測等算法，同時提供數據清洗/模擬仿真工具。目前國內已經有包括第三方商店、移動廣告網絡，游戲CP等類型的客戶。

對開發者的建議

現實是，移動開發者一方面面對美好的未來，另一方面還要考慮如何艱難得生存著，然而數據運營的挑戰是必須要面對的，個人建議：

必須重視原始數據的收集和整理，很多開發者抱有“先存著，有用時再說”的心理。殊不知絕大部分數據挖掘項目就是死在數據清洗這個環節上。

不斷思考，如何利用數據和對手差異化以及構筑競爭壁壘。以后的應用的核心競爭力毋庸置疑就是基于數據的對于客戶以及市場的了解，誰能預先布局，就能在競爭中取得優勢，而這樣的差異性是山寨不來的。

小步快跑，沒必要浪費資源在那些基礎的“發明輪子”的工作上，盡量采用成熟的產品，通過小的迭代，不斷優化數據分析過程。