近日，第二十二屆中國國際軟件博覽會（簡稱“2018軟博會”）第五場全球軟件產業發展高峰論壇“大數據賦能實體經濟”在北京展覽館召開。快手科技平臺研發和大數據負責人韋彬發表主題演講“快手的數據驅動實踐”，分享中提到數據驅動是快手公司文化的一部分，每個崗位的員工都需要用科學系統化的方法解決問題。

[[235386]]

（快手科技平臺研發和大數據負責人韋彬在大會上發表主題演講）

用大數據、AI等技術 提升每個人獨特幸福感

韋彬舉了兩個快手用戶的例子，解釋快手如何用科技提升用戶的幸福感。四川大涼山懸崖村的用戶楊陽，楊陽通過快手向全世界展示家鄉的美麗景色，幫助家鄉的土特產找到了銷路，帶領村里人脫貧。還有一位的獨居的老人，老人在快手展示拉二胡的視頻積累了8萬多粉絲，體會到網友的關注、關心，快手幫助老人消除了一點點孤獨感，提升了一點點幸福感。

韋彬介紹，要做好提升每個人獨特的幸福感，需要用到大數據技術、AI技術，實現數億級別用戶和50億海量視頻的精準匹配。此外，快手采用AR等前沿技術給用戶帶來等新奇體驗，提升用戶體驗。

快手簡單UI背后是復雜的AI系統。從視頻生產到分發的各個環節，AI技術貫穿其中。在視頻生產階段，快手自研的YCNN深度學習引擎及AR算法，通過人臉識別、姿態估計、肢體識別等技術給用戶提供新奇的視頻特效。視頻上傳后，會通過AI來識別和理解視頻中的人物、場景、語言、音樂等各種豐富內容。

用戶理解環節，快手會通過大數據去理解每一位用戶的興趣偏好，不僅基于視頻內容，還基于點贊、評論、觀看時長、用戶關系等用戶行為數據，幫助快手來更好的理解用戶。除了理解用戶的興趣偏好，還會理解用戶潛在的興趣，幫助用戶探索更大的未知領域。

快手的視頻分發環節，背后是一個超大規模的實時推薦系統，它基于深度學習模型，使用萬億級的特征大數據，實現了全鏈路的實時在線學習。能夠將用戶實時行為秒級更新到模型，通過檢索、預測、排序等子系統實現視頻與用戶的精準匹配

AI是快手大腦 數據驅動是心臟

產品是快手的面龐，工程是快手的整個身軀，AI是快手的大腦，數據驅動就是快手的心臟。韋彬介紹，之所數據驅動可以稱之為快手的心臟，因為不管是算法、產品還是工程，在快手均重度依賴數據，需要數據體系的持續支撐。

快手的數據驅動，有自己的一套價值觀，韋彬把它總結為三個關鍵詞。***個是文化，數據驅動是快手公司文化的一部分，在快手要求每個崗位的同事，需要用科學系統化的方法解決問題，數據驅動是系統性方法里最基本的。

第二個是賦能。希望公司任何一個崗位的同事，只要對數據有需求，只要能夠通過數據改進工作，都可以方便高效地使用快手數據平臺及工具獲取和使用數據。

第三個是洞見。數據驅動應該幫助各個不同層級，不同崗位的同事做業務上的決策。也就是說，關注的是從數據上，能夠發掘出有洞見的知識及有價值的結論。

數據賦能 用數據驅動建設短視頻社區

韋彬分享了快手在數據驅動實踐過程中的經驗積累。經驗之一，如果不能很好的監測和量化數據，就不能去管理和改進。韋彬認為，使用科學的數據驅動方法，是快手建立短視頻社區以及社區獲得高速發展的重要原因。

快手很早建立實時的數據指標監測體系，通過定義核心指標、監測核心指標來指導社區優化，逐步建立正反饋的健康社區。比如，通過監測原創視頻的一些核心指標，不斷提升原創視頻的比例，并刺激原創視頻生產，形成良性循環。

快手的普惠價值觀，希望所有人都能在這個平臺上分享生活。韋彬介紹，快手把這個價值觀落地成了具體的可以數據驅動的指標。比如，經濟學用基尼系數反應貧困差距的核心指標，快手的社區系統里面，也會建立類似的核心指標，監測整個系統的中心化的程度以及“貧富差距”程度。

經驗之二，不同職能團隊需要不同的數據賦能方法。韋彬以決策人員、產品經理、算法\策略工程師、后端工程師四個不同的崗位為例，分析了不同的數據賦能方法。

決策人員更關心宏觀的核心指標，以及隨時間的變化趨勢，一旦發現異常會希望能下鉆分析和找出原因，針對決策層面的數據需求，快手建設了配置化報表平臺、留存分析、多維分析等一系列工具。

對于產品經理，他們對數據系統的關注點在于怎么使產品的迭代更加快，怎么樣更好的做產品上的決策。針對產品的訴求，快手建立了高效的A/B Test平臺。快手的A/B Test的平臺能夠支持同時并行，互不干擾做大量并行的小流量實驗。每天同一時刻有上百個實驗同時進行，最終選擇客觀指標證明更優的方案，產品迭代的效率得到數量級的提升。

大數據怎樣給AI體系最核心的開發人員賦能？韋彬介紹，快手的算法策略工程師，每天在花大量時間分析和回答各種偏微觀的數據上的問題，這些問題通常具有不確定性和可探索性，快手針對這些場景建設了一個交互式多維分析系統。

系統的實時性能夠實現亞秒更新，實時接入；系統具有非常強的交互性，在90%的場景可以一秒鐘之內返回結果。此外，該系統提供豐富的多維分析能力以及可視化能力。

對于后端的工程師的賦能，快手建立一個基于服務間調用大數據的調用鏈分析監控系統，在快手復雜的服務依賴樹中，實時發現問題，確定影響指標，定位問題范圍，以讓后端工程師對服務質量盡在掌握。

經驗之三，韋彬分享了平臺重要的基本功。快手的數據增長非常迅速，超大規模存儲與計算設施的建設考驗平臺的基本功。在監控、調優開源系統的基礎上，快手對開源系統做了二次開發的深度優化，并搭建平臺，實現對超大規模集群的使用。

此外，隨著數據規模的極速增長、數據從生產到消費的鏈條變長變復雜，給數據體系帶來多方面的挑戰。快手重視數據治理，在質量治理、產出治理、安全治理、成本治理4個方面，并持續投入，通過工具鏈研發、流程改進、指標驅動等方法為快手大數據持續健康發展做好保障。