現代社會是一個商業社會，工業化解決了批量生產商品的問題，促進商業蓬勃發展。隨著社會的不斷發展，商品也越來越多樣化，以期滿足大眾的不同需求。以電視機為例，最初只有尺寸的區別，后來可以選擇品牌型號。直到11年9月27日，海爾和天貓在網上發起用戶定制電視的活動;用戶可以在電視機生產以前就選擇電視尺寸、邊框、清晰度、能耗、顏色、接口等屬性，再由廠商組織生產并送貨到客戶家中。這樣的個性化服務受到廣泛歡迎，2天內1萬臺訂制電視的額度被搶光。類似的定制服務在空調、服裝等等商品上都受到用戶歡迎。這些事例已經展示了未來商業的曙光通過滿足個性化需求來使用戶得到更滿意的產品，進而縮短設計、生產、運輸、銷售的周期來提升商業運轉的效率。

　　大數據是實現個性化的基礎

　　要實現個性化的商業模式，充足的數據是基礎。比基尼生產廠商都知道他們的產品在海灘邊或濱海城市有市場?？捎姓l能料到新疆和內蒙古的男人最愛給自己女人買比基尼呢?這樣的潛規則隱藏在數據中，需要深挖才能見天日，就像啤酒和尿布的經典故事那樣。而大數據相對于傳統的數據挖掘更進一步。數據量大、數據種類多、數據之間有潛在關聯是挖掘大數據的前提。整個互聯網的用戶和所有的商品本身就是一個足夠大的數據空間，加上空間、時間、天氣等等潛在相關因素，想要知道每個用戶的喜好，所需要的數據量是巨大的。數據越多對用戶的理解越精準。

　　互聯網大數據處理的技術挑戰

　　處理互聯網大數據充滿挑戰，首當其沖的就是處理大數據的能力。為使消費數據的速度趕超生成數據的速度，擁有足夠的計算資源是必要條件。在此基礎上，線性擴展的計算框架、高效穩定的程序設計以及精準的算法都是大數據處理的核心能力。

　　第二個挑戰便是時效性。用戶在互聯網上的操作不斷地暗示其意圖，只有及時感知到這些意圖，才能在用戶下一次操作前做出有效的響應，最終給用戶帶來便捷。這樣的時效性要求系統的計算框架能夠以數據流的方式來運轉。最終導致系統在如何實時分流負載、實時容錯等問題上采用與傳統批量大數據處理截然不同的技術方案。

　　為了更大程度的滿足個性化需求，還必須具有足夠強大的定制能力。一方面，盡管單個用戶的定制需求可能很小，但用戶數量巨大，定制需求迥異，不是幾個工程師努力下就能完全解決問題的。需要有像數據庫SQL語言那樣給用戶足夠多的自由，使再小的需求通過簡單的操作就能滿足。這樣的定制能力要在數據的存儲、運算、查詢、展現等多方面都有體現。

　　阿里云的解決之道云推薦

　　不論是收集大數據的計算和存儲能力，還是處理個性化問題所需要的實時計算和算法技術;對于網站站長和開發者而言都是不容易快速得到解決的問題。阿里云正試圖通過云端服務來降低個性化服務的門檻，使更多網站站長和開發者能夠低成本享有自己的個性化服務。

　　如果某網站是介紹美食菜譜的，用戶在瀏覽茶樹菇雞湯的時候，如果能夠有些相關菜譜推薦，那么便可以讓用戶在網站內停留更多時間，訪問更多內容。事實上，有多種推薦算法可以找到用戶感興趣的內容：

　　l 從用戶訪問日志里面也許發現用戶訪問好這個菜譜以后五成用戶都會去看看補血益氣烏雞湯、這種現象一定有其背后的理由，也許會成為一個不錯的推薦。

　　l 既然用戶在看雞湯類別的菜譜，那就可以把網站里面其他熱門的雞湯菜譜推薦出來，如香菇雞湯。

　　l 通過分析某一個用戶過去歷史的訪問記錄，或許能發現該用戶相對于其他用戶更偏向于文火慢燉的湯，那就應該適當推薦出類似燉雞湯這樣的菜譜。

　　l 相對于雞湯而言，羊肉湯也是湯類別的熱門品種，用戶也許會吃雞湯吃膩了想換換口味。

　　然而，要實現這樣的推薦，傳統的做法需要大量人工編輯工作。既不能做到即時，也很難保證效果。人工編輯更難驗證這些推薦算法是否能在真實流量上產生足夠好的效果。一個精準的推薦模型，必須對算法本身的整體效果以及用戶對各種算法推薦結果的偏好作一個綜合評估，這樣才能找到合適每一個用戶的精準推薦模型。最終讓用戶享受到推薦展位千人千面的個性化服務。

　　在云推薦的管理界面里，網站開發人員可以定制推薦位置大小、推薦內容條目數、URL范圍、展現形式等參數。網站站長還能看到推薦展位的點擊情況，并根據建議適當調整推薦位置參數以改善效果。

　　根據后臺統計，網站啟用云推薦后的整體流量會提升10%。這樣的個性化服務讓人感覺就像是錢存銀行能拿到利息一樣，是大數據魅力的展現。相信隨著數據的不斷積累及用戶數量的累積，個性化服務在大數據時代能給人帶來的遠不止10%流量提升這樣的驚喜!（文章來源：CDA數據分析師）