在大數據時代，最不缺伐的就是峰值流量的出現。一旦出現降價、打折或者平臺周年慶，當日的峰值流量將可能刷新平臺服務器承載上限，而這也意味著多種壓力共同提升，其中最容易被忽視的一部分在于數據。因為當天數據量會爆炸，如果不及時處理，這些數據的核心價值將會隨之而降低。

流量峰值帶來數據爆炸

從去年的數據來看，我國電商業務的交易額達到了22.97萬億元，同比增長25.5%。這種增長率也意味著數據量飆升，從服務器、網絡、物流、售后和品控等多個方面的數據都會產生壓力。

服務器與網絡的數據壓力將首當其沖。每次活動前夕，程序員幾乎都要徹夜難眠，有時需要靠”玄學”祈禱才能幫助服務器度過難關。即便云服務器準備再充分，擴容再強，也很難保證千軍萬馬同一秒沖入活動界面時不會出問題。

商業促銷是各種數據的爆炸點

相應的，商業促銷也會帶動物流方面的數據的爆炸。去年我國快遞企業營收為4005億元，同比2015年增長44.6%。如此大量的訂單不僅存在的交通、工作人員等方面的難題，還有物流信息的處理、同步和管理等大量的難題。

品控和售后是對平臺品牌的保障，如果這兩步出了問題，那么平臺就會面臨口碑下滑，甚至活動起到相反的效果。而在活動期間，進行品控和售后都絕非簡單，這些數據的產生和消化都在考驗著工作人員和官方平臺的協調能力。

數據資源面臨時間考驗

在這些方面產生的大量數據之后，把活動期間產生的大數據簡單的統計然后丟棄顯然是一種資源浪費。想讓這些數據資源實現價值，在存儲、處理和分析等方面都存在不小的難題。

第一，活動期間，企業將全面面臨人手不足的問題。因此程序員、運維人員和系統管理人員常常顧此失彼，數據處理和分析人員又不能招收臨時工應急，反還會被外借到其他部門去做緊急處理，從而讓大量的活動峰值數據面臨擱置危機。

第二，活動期間是一個數據爆發點，這些數據具有大流量、高并發和急需求等多種特點。原本慢條斯理的數據處理工作面臨轉瞬即逝的問題，簡單來講這就像把一個月的工作堆積到一天去完成，數據處理難上加難。

第三，數據處理等不得。事實上，所有的大數據都具有等不得的特點，數據的價值保質期僅有三個月，而以一些時效性較強的商業數據迭代速度更快，如果得不到處理，那么消耗大量資源存儲的商業數據自身價值就會急速下滑，對企業的指導作用都會相應的下降。

數據處理要成本把控

平臺開展促銷活動不僅僅是為用戶著想，也是對自身負載上限的一次考驗。在未來幾年中，我國的物流行業將會進入日均1億快件的節奏，這就意味著訂單量會爆發性增加，物流頻次加速，數據量繼續上升，數據處理的提速和降耗將會變成急需解決的問題。

數據處理提速目前提倡的是流式大數據處理，流式處理的優勢在于借助開源的分布式系統，運行數據流代碼時，分配數據到容錯力高的計算機中并行運行，從而達到低延遲、可擴展和容錯率高的目的。但這種處理方式最大的限制在于成本過高，尤其是對于超大量數據應用流式數據處理會讓平臺得不償失，以此處理所得的數據價值未必比成本更高。

數據處理降耗則是指降低在數據處理過程中的人力和財力消耗。在促銷活動期間，用人緊張導致人力資源價值提升，這就需要在數據價值和人力價值之間尋找平衡點；同時無法處理的數據在存儲和管理方面的成本也需要納入考慮范圍。

解決數據問題需要從多個層面來考慮：人力方面，數據價值是不可忽視的一部分，專業人從事專業事，讓人的價值最大化發揮；技術層面，將人工智能的深度學習和機器學習技術深化與大數據技術的結合，讓人在大數據處理流程中只指揮，不執行，把計算力還給云和HPC；數據層面，強化數據分流，將時效性明顯的數據優先處理，并且有選擇的進行數據清洗，降低存儲和管理成本，提高處理效率。