罗永浩|数据规模爆炸性增长，云原生数据仓库数据化运营实战分享( 六 ) 罗永浩

这个过程最核心的有几个方面。
第一个是将人群进行聚类，把人群划分，知道TA的历史交易，数据必须要能够支持任意维度多维分析。
第二个是能够对整个数仓里面的数据做具体的分析。
第三个是聚类后的向量近似度检索，找出与每个类向量相近的人群进行消息推送。
这就是我们拥有的能力，目前是基于AnalyticDB实现。
还有一个事情是要做Ad-hoc查询。例如，我们要找到对数码感兴趣的人群，，且去年没有买过比如iPhone 12的人，这样他今年才可能买iPhone12 。或者说去年买了iPhone12 ，同时又买了AirPods的人，那我们认为大概率他可能会买苹果的键盘，或者是苹果的电脑等。我们需要对这些人做各种各样的交易查询，从而精准地找到我们的目标人群。
广告精细化管理
业务挑战：
1）投放关键词搜索事件需要高并发实时入库；
2）所有用户通过仪表板同时查询转化率，复杂查询 QPS高；
3）响应时间要求高，避免错过调价黄金时段。
业务价值：
1）多个站点、多个店铺的关键词统一管理；
2）处理上万TPS并发写；
3）海量数据实时分析，按时段智能调价；
4）键词快速识别分析，最大化收益。
在线电商

业务挑战：
1）传统MySQL数据库分析满，千万级/亿级复杂报表无法返回；
2）复杂报表秒级返回；
3）兼容MySQL生态；
4）业务发展迅速，对计算存储有不同要求。
业务价值：
1）RDS + AnalyticDB 实现HTAP联合方案，业务和分析隔离；
2）2-10倍分析性能提升；
3）分布式架构，横向扩展，灵活变配，支持数据量和访问量的不同需求
这就是2020年至今，全面升级下一代云原生技术的阶段----Serverless时代。阿里巴巴成立云原生技术委员会，云原生升级为阿里技术新战略，未来云原生数据仓库还会有更多新功能，为行业解决更核心的痛点，敬请期待。
原文链接：http://click.aliyun.com/m/1000284829/
【罗永浩|数据规模爆炸性增长，云原生数据仓库数据化运营实战分享】本文为阿里云原创内容，未经允许不得转载。