在硅谷觀察之大數(shù)據(jù)篇的【上】篇中，我把硅谷地區(qū)大數(shù)據(jù)生長狀況基本梳理了一個相對完整的形狀出來。有朋友看了【下】的預告后在微博上給我留言說，聽說下篇要介紹一些公司的大數(shù)據(jù)部門情況，問能不能點名加個 Google 尤其是 Google Maps，因為特別想知道這個世界上最大的搜索引擎以及每天必不可少的出行神器是怎么當一個挖掘機的。

于是，上周我又去了 Google 采訪。本篇將一共呈現(xiàn)硅谷四大不同類型的公司如何玩轉大數(shù)據(jù)，其中包括了著名 FLAG 中的三家(Apple 在大數(shù)據(jù)這塊來說表現(xiàn)并不突出)。

本篇內容來自對 Evernote AI 負責人 Zeesha Currimbhoy、LinkedIn 大數(shù)據(jù)部門資深總監(jiān) Simon Zhang、前 Facebook 基礎架構工程師 Ashish Thusoo 和 Google 大數(shù)據(jù)部門一線工程師及 Google Maps 相關負責人的專訪。Enjoy~~

Evernote：今年新建 AI 部門劍指深度學習

Evernote 的全球大會上，CEO Phil Libin 提到，Evernote 的一個重要方向就是 “讓 Evernote 變成一個強大的大腦”。要實現(xiàn)這個目標，就不得不提他們剛剛整合改組的 Augmented Intelligence 團隊(以下簡稱 AI team)。我在斯坦福約到 AI team 的 manager Zeesha Currimbhoy，在此分析一下從她那里得到的一手資料。

是什么

今年早些時候，這個 2 歲的數(shù)據(jù)處理團隊改組為由 Zeesha 帶領的 Augmented Intelligence team，總共十人不到，很低調，平日幾乎聽不到聲響。他們究竟在做什么?

與我們常說的 AI(artificial Intelligence)不同，Evernote 的團隊名叫做 Augmented Intelligence，通常情況下簡稱為 IA。

Zeesha 顯然是這個團隊里元老級的人物：“我是在 2012年 加入 Evernote 的，直接加入到了當時剛剛建立的數(shù)據(jù)處理團隊，這也就是現(xiàn)在 AI team 的雛形。我們最開始的項目都是簡單易行的小項目，比如按照你的個人打字方式來優(yōu)化用戶的輸入體驗。”

傳統(tǒng)意義上的 AI 指的是通過大量數(shù)據(jù)和算法讓機器學會分析并作出決定。而這里講到 IA 則是讓電腦進行一定量的運算，而終極目的是以之武裝人腦，讓人來更好的做決定。這兩個概念在具體實施中自然有不少相通之處，但是其出發(fā)點卻是完全不同的。

這個區(qū)別也是 Evernote AI team 的亮點所在。作為一個筆記記錄工具，Evernote 與 Google 之類的搜索引擎相比，最大的區(qū)別就是它非常的個人化。用戶所儲存的筆記、網(wǎng)站鏈接、照片、視頻等都是他思維方式和關注點的體現(xiàn)。

從哪來

Zeesha 小組的初衷便是，通過分析用戶儲存的筆記來學習其思維方式，然后以相同的模式從第三方數(shù)據(jù)庫(也就是互聯(lián)網(wǎng)上的各種開源信息)抽取信息推送給用戶，從而達到幫助用戶思考的過程。從這個意義上講，Zeesha 版的未來 Evernote 更像是一個大腦的超級外掛，為人腦提供各種強大的可理解的數(shù)據(jù)支持。

目前整個團隊的切入點是很小而專注的。

“我們不僅僅是幫助用戶做搜索，更重要的是在正確的時間給用戶推送正確的信息。”

實現(xiàn)這個目標的第一步就是給用戶自己的筆記分類，找到關聯(lián)點。今年早些時候，Evernote 已經(jīng)在 Mac 的英文版上實行了一項叫做 “Descriptive Search” 的功能。用戶可以直接描述想要搜索的條目，Evernote 就會自動返回所有相關信息。

例如，用戶可以直接搜索 “2012 后在布拉格的所有圖片”，或者 “所有素食菜單”。不管用戶的筆記是怎樣分類的，Decriptive Search 都可以搜索到相關的信息并且避免返回過大范圍的數(shù)據(jù)。而這還僅僅是 AI team 長期目標的開始，這個團隊將在此基礎上開發(fā)一系列智能化的產(chǎn)品。

到哪去

不用說，這樣一個新創(chuàng)團隊自然也面臨這諸多方面的挑戰(zhàn)。當下一個比較重要的技術難點就是 Evernote 用戶的數(shù)據(jù)量。雖然 Evernote 的用戶量已經(jīng)達到了一億，但是由于整個團隊的關注點在個人化分析，外加隱私保護等諸多原因，AI team 并沒有做跨用戶的數(shù)據(jù)分析。

這樣做的結果就是團隊需要分析一億組各不相同的小數(shù)據(jù)組。比如，假設我只在 Evernote 上面存了 10 個筆記，那 Evernote 也應該能夠通過這些少量的數(shù)據(jù)來分析出有效結果。當然，這些技術的直接結果是用戶用 Evernote 越多，得到的個性化用戶體驗就越好。長期來講，也是一個可以增加用戶黏性的特點。

不過 Zeesha 也坦言：“的確，我們都知道沒有大數(shù)據(jù)就沒有所謂的智能分析。但是我們現(xiàn)在所做的正是在這樣的前提下來找到新的合適的算法。” 她并沒有深入去講目前團隊所用的是什么思路，但是考慮到這個領域一時還沒有很成功的先例，我們有理由期待在 Zeesha 帶領下的 Evernote AI team 在近期做出一些有意思的成果。

Facebook：大數(shù)據(jù)主要用于外部廣告精準投放和內部交流

Facebook 有一個超過 30 人的團隊花了近 4年 的時間才建立了 Facebook 的數(shù)據(jù)處理平臺。如今，F(xiàn)acebook 仍需要超過 100 名工程師來支持這個平臺的日常運行。可想而知，光是大數(shù)據(jù)分析的基礎設施就已經(jīng)是一個耗時耗力的項目了。

Facebook 的一大價值就在于其超過 13.5 億活躍用戶每天發(fā)布的數(shù)據(jù)。而其大數(shù)據(jù)部門經(jīng)過七八年的摸索，才在 2013年 把部門的 key foundation 定位成廣告的精準投放，開始建了一整套自己的數(shù)據(jù)處理系統(tǒng)和團隊。并進行了一系列配套的收購活動，比如買下世界第二大廣告平臺 Atlas。

據(jù)前 Facebook Data Infrastructure Manager Ashish Thusoo 介紹，F(xiàn)acebook 的數(shù)據(jù)處理平臺是一個 self-service, self-managing 的平臺，管理著超過 1 Exabyte 的數(shù)據(jù)。公司內部的各個部門可以直接看到處理過的實時數(shù)據(jù)，并根據(jù)需求進一步分析。

目前公司超過 30%的團隊，包括工程師、Product Managers、Business Analysts 等多個職位人群每個月都一定會使用這項服務。這個數(shù)據(jù)處理平臺的建立讓各個不同部門之間可以通過數(shù)據(jù)容易地交流，明顯改變了公司的運行方式。

追溯歷史，F(xiàn)acebook 最早有大數(shù)據(jù)的雛形是在 2005年，當時是小扎克親自做的。方法很簡單：用 Memcache 和 MySQL 進行數(shù)據(jù)存儲和管理。

很快 bug 就顯現(xiàn)了，用戶量帶來數(shù)據(jù)的急速增大，使用 Memcache 和 MySQL 對 Facebook 的快速開發(fā)生命周期(改變-修復-發(fā)布)帶來了阻礙，系統(tǒng)同步不一致的情況經(jīng)常發(fā)生?；谶@個問題的解決方案是每秒 100 萬讀操作和幾百萬寫操作的 TAO (“The Associations and Objects”) 分布式數(shù)據(jù)庫，主要解決特定資源過量訪問時服務器掛掉的 bug。

小扎克在 2013年 第一季度戰(zhàn)略時提到的最重點就是公司的大數(shù)據(jù)方向，還特別提出不對盈利做過多需求，而是要求基于大數(shù)據(jù)來做好以下三個功能：

發(fā)布新的廣告產(chǎn)品。比如類似好友，管理特定好友和可以提升廣告商精確投放的功能。

除與 Datalogix, Epsilon,Acxiom 和 BlueKai 合作外，以加強廣告商定向投放廣告的能力。

通過收購 Atlas Advertising Suite，加強廣告商判斷數(shù)字媒體廣告投資回報率(ROI)。

LinkedIn：大數(shù)據(jù)如何直接支持銷售和變現(xiàn)賺錢

LinkedIn 大數(shù)據(jù)部門的一個重要功用是分析挖掘網(wǎng)站上巨大的用戶和雇主信息，并直接用來支持銷售并變現(xiàn)。其最核心團隊商業(yè)分析團隊的總監(jiān) Simon Zhang 說，現(xiàn)在國內大家都在討論云，討論云計算，討論大數(shù)據(jù)，討論大數(shù)據(jù)平臺，但很少有人講：我如何用數(shù)據(jù)產(chǎn)生更多價值，通俗點講，直接賺到錢。

但這個問題很重要，因為關系到直接收入。四年半前 LinkedIn 內所有用戶的簡歷里抽取出來大概有 300 萬公司信息，作為銷售人員不可能給每個公司都打電話，所以問題來了：哪家公司應該打?打了后會是個有用的 call?

銷售們去問 Simon，他說只有通過數(shù)據(jù)分析。而這個問題的答案在沒有大數(shù)據(jù)部門之前這些決策都是拍腦袋想象的。

Simon 和當時部門僅有的另外三個同事寫出了一個模型后發(fā)現(xiàn)：真正買 LinkedIn 服務的人，在決定的那個環(huán)節(jié)上，其實是一線的產(chǎn)品經(jīng)理，和用 LinkedIn 在上面獵聘的那些人。但他們做決策后是上面的老板簽字，這是一個迷惑項。數(shù)據(jù)分析結果出來后，他們銷售人員改變投放策略，把目標群體放在這些中層的管理人身上，銷售轉化率瞬間增加了三倍。

那時 LinkedIn 才 500 個人，Simon 一個人支持 200 名銷售人員。他當時預測谷歌要花 10 個 Million 美金在獵聘這一塊上，銷售人員說，Simon，這是不可能的事。

“但是數(shù)據(jù)就是這么顯示的，只有可能多不會少。我意識到，一定要流程化這個步驟。”

今天 LinkedIn 的 “獵頭” 這塊業(yè)務占據(jù)了總收入的 60%。是怎么在四年里發(fā)展起來的，他透露當時建造這個模型有以下這么幾個步驟：

分析每個公司它有多少員工。

分析這個公司它招了多少人。

分析人的位置功能職位級別一切參數(shù)，這些都是我們模型里面的各種功能。然后去分析，他們內部有多少 HR 員工，有多少負責獵頭的人，他們獵頭的流失率，他們每天在 Linkedin 的活動時間是多少。

這是 LinkedIn 大數(shù)據(jù)部門最早做的事情。

Simon 告訴 36 氪，公司內部從大數(shù)據(jù)分析這一個基本項上，可以不斷迭代出新產(chǎn)品線 LinkedIn 的三大商業(yè)模型是人才解決方案、市場營銷解決方案和付費訂閱，也是我們傳統(tǒng)的三大收入支柱。事實上我們還有一個，也就是第四個商業(yè)模型，叫 “銷售解決方案”，已經(jīng)在今年7 月底上線。

這是賣給企業(yè)級用戶的?；氐絼偛配N售例子，LinkedIn 大數(shù)據(jù)系統(tǒng)是一個牛逼的模型，只需要改動里面一下關鍵字，或者一個參數(shù)，就可以變成另一個產(chǎn)品。“我們希望能幫到企業(yè)級用戶，讓他們在最快的速度里知道誰會想買你的東西。”

雖然這第四個商業(yè)模式目前看來對收入的貢獻還不多，只占 1%，但 anyway 有著無限的想象空間，公司內部對這個產(chǎn)品期待很高。“我還不能告訴你它的增長率，但這方向代表的是趨勢，Linkedin 的 B2B 是一個不用懷疑的大的趨勢。” Simon 說。

Google：一個閉環(huán)的大數(shù)據(jù)生態(tài)圈

作為世界上最大的搜索引擎，Google 和大數(shù)據(jù)的關系又是怎樣的呢?感謝微博上留言的朋友，這可確實是一個很有意思的議題。

Google 在大數(shù)據(jù)方面的基礎產(chǎn)品最早是 2003年 發(fā)布的第一個大規(guī)模商用分布式文件系統(tǒng) GFS(Google File System)，主要由 MapReduce 和 Big Table 這兩部分組成。前者是用于大數(shù)據(jù)并行計算的軟件架構，后者則被認為是現(xiàn)代 NOSQL 數(shù)據(jù)庫的鼻祖。

GFS 為大數(shù)據(jù)的計算實現(xiàn)提供了可能，現(xiàn)在涌現(xiàn)出的各種文件系統(tǒng)和 NOSQL 數(shù)據(jù)庫不可否認的都受到 Google 這些早期項目的影響。

隨后 2004 和 2006年 分別發(fā)布的 Map Reduce 和 BigTable，奠定了 Google 三大大數(shù)據(jù)產(chǎn)品基石。這三個產(chǎn)品的發(fā)布都是創(chuàng)始人謝爾蓋-布林和拉里-佩奇主導的，這兩人都是斯坦福大學的博士，科研的力量滲透到工業(yè)界，總是一件很美妙的事。

2011年，Google 推出了基于 Google 基礎架構為客戶提供大數(shù)據(jù)的查詢服務和存儲服務的 BigQuery，有點類似于 Amazon 的 AWS，雖然目前從市場占有率上看與 AWS 還不在一個數(shù)量級，但價格體系更有優(yōu)勢。Google 通過這個迎上了互聯(lián)網(wǎng)公司拼服務的風潮，讓多家第三方服務中集成了 BigQuery 可視化查詢工具。搶占了大數(shù)據(jù)存儲和分析的市場。

BigQuery 和 GAE(Google App Engine)等 Google 自有業(yè)務服務器構建了一個大數(shù)據(jù)生態(tài)圈，程序創(chuàng)建，數(shù)據(jù)收集，數(shù)據(jù)處理和數(shù)據(jù)分析等形成了閉環(huán)。

再來看 Google 的產(chǎn)品線，搜索，廣告，地圖，圖像，音樂，視頻這些，都是要靠大數(shù)據(jù)來支撐，根據(jù)不同種類數(shù)據(jù)建立模型進行優(yōu)化來提升用戶體驗提升市場占有率的。

單獨說一下 Google maps，這個全球在移動地圖市場擁有超過 40%的市場占有率的產(chǎn)品，也是美國這邊的出行神器。它幾乎標示了全球有互聯(lián)網(wǎng)覆蓋的每個角落，對建筑物的 3D 視覺處理也早在去年就完成，這個數(shù)據(jù)處理的工作量可能是目前最大的了，但這也僅限于數(shù)據(jù)集中的層面。真正的數(shù)據(jù)分析和挖掘體現(xiàn)在：輸入一個地點時，最近被最多用戶采用的路徑會被最先推薦給用戶。

Google 還把 Google+，Panoramio 和其他 Google 云平臺的圖片進行了標記和處理，將圖片內容和地理位置信息地結合在一起，圖像識別和社交系統(tǒng)評分處理后，Google 能夠把質量比較高的的圖片推送給用戶，優(yōu)化了用戶看地圖時的視覺感受。

大數(shù)據(jù)為 Google 帶來了豐厚的利潤，比如在美國你一旦上網(wǎng)就能感覺到時無處不在的 Google 廣告(AdSense)。當然，它是一把雙刃劍，給站長們帶來收入的同時，但如何平衡用戶隱私的問題，是大數(shù)據(jù)處理需要克服的又一個技術難關，或許還需要互聯(lián)網(wǎng)秩序的進一步完善去支持。

像在【上】中所說，除 Facebook 等幾個很領先的公司外，大部分公司要么還沒有自行處理數(shù)據(jù)的能力。最后附上兩個例子，想說這邊的大公司沒有獨立大數(shù)據(jù)部門也是正常的，采取外包合作是普遍現(xiàn)象：

Pinterest：

Pinterest 曾嘗試自行通過 Amazon EMR 建立數(shù)據(jù)處理平臺，但是因為其穩(wěn)定性無法控制和數(shù)據(jù)量增長過快的原因，最終決定改為使用 Qubole 提供的服務。在 Qubole 這個第三方平臺上，Pinterest 有能力處理其 0.7 億用戶每天所產(chǎn)生的海量數(shù)據(jù)，并且能夠完成包括 ETL、搜索、ad hoc query 等不同種類的數(shù)據(jù)處理方式。盡管 Pinterest 也是一個技術性公司，也有足夠優(yōu)秀的工程師來建立數(shù)據(jù)處理團隊，他們依然選擇了 Qubole 這樣的專業(yè)團隊來完成數(shù)據(jù)處理服務。

Nike:

不僅僅硅谷的互聯(lián)網(wǎng)公司，眾多傳統(tǒng)企業(yè)也逐漸開始使用大數(shù)據(jù)相關技術。一個典型的例子就是 Nike。Nike 從 2012年 起與 API 服務公司 Apigee 合作，一方面，他們通過 Apigee 的 API 完善公司內部的數(shù)據(jù)管理系統(tǒng)，讓各個部門的數(shù)據(jù)進行整合，使得公司內部運行更加順暢、有效率。另一方面，他們也通過 API 開發(fā) Nike Fuel Band 相關的移動產(chǎn)品。更是在 2014年 開啟了 Nike+ FuelLab 項目，開放了相關 API，使得眾多的開放者可以利用 Nike 所收集的大量數(shù)據(jù)開發(fā)數(shù)據(jù)分析產(chǎn)品，成功地連接了 Nike 傳統(tǒng)的零售業(yè)務，新的科技開發(fā)，和大數(shù)據(jù)價值。

相關文章

硅谷大數(shù)據(jù)【上】：什么是 “改變世界” 的大數(shù)據(jù)公司

來源：36氪