大數據是指基于社會進步、經濟快速發展和技術進步，對人們生產生活中產生的大量數據信息進行有效、及時的處理和分析的技術。大數據具有四大特點：數據量大、數據種類繁多、價值密度高、處理速度快。近年來，大數據在經濟領域得到廣泛應用，目前已成為社會發展的重要標志(Sun Z., Zou H. & Strang K. 2015)。在電子商務服務模式的創新升級中，大數據將利用相關技術創新商業智能，更有利于電子商務的長期穩定發展。

一、大數據時代下的電子商務

在大數據背景下，電子商務的發展依托大數據高效的數據采集、處理和分析能力，將電子商務的價值創造推向了新的高峰。電子商務作為伴隨經濟發展和企業消費而出現的一系列新的消費形式，無論是在電商平臺、移動終端、社交軟件，還是其他任何第三方平臺，都擁有大量的數據(Choi T.、Chan HK & Yue X. 2017)。傳統方法無法處理這些數據，這些數據不僅信息量巨大、種類繁多，而且數據的分析和整理也面臨新的困難。在商業智能領域，數據信息不僅包括圖片和視頻，還包括用戶的評價和反饋。有效利用這些信息，可以為商業智能的發展提供正確的方向。電子商務相關領域可以根據數據中的用戶信息、評論以及反饋，對消費者的購物趨勢進行分析和梳理。根據分析結果及時調整產品的銷售模式及方向，或者重新梳理消費需求，改善產品不足、促進消費增長(Larson D. & Chang V. 2016)。在大數據時代，過去被認為無用的數據垃圾往往會通過一定的處理分析并加以利用，給企業帶來意想不到的好處。大數據還可為商業智能提供更準確、更實時的消費信息和消費者需求，進而更準確地制定出更適合企業的發展方向(Sun Z., Sun L. & Strang K. 2018)。

如今電子商務的商業模式發生了巨大的變化。從傳統的管理運營模式到信息化的數據化運營模式，從基礎物資采購到資產運營再到訂單完成，電子商務和各個經濟環節的管理已經數字化并貫穿整個電商流程。通過大數據專業分析技術的應用，電子商務可以分析和預測消費者的消費習慣和心理，從而為電子商務的市場供需調度提供一系列建議和指導，減少電子商務的商業生產成本(Ram J.、Zhang C. & Koronios A. 2016)。

在電商運營中，大數據時代的到來可以讓整個電商行業的信息資源共享變得方便快捷。電子商務的各個環節都有效地利用了大數據的綜合處理技術，實現了整個產品生產供應環節中各種數據信息的及時共享。為了更好地吸引消費者，促進產品銷售，電商企業最終將實現產業結構的優化提升，過去被認為沒有價值的數據資料也將成為熱點資源。電商模式下產生的數據資源不僅可以自己使用，還可以在電商企業間創造相應的商業利益。各電商企業可以利用數據信息開展數據分析服務、數據可視化服務、共享數據資源服務等，拓展電商業務渠道，為企業帶來效益。

二、為什么eBay需要數據分析

不論哪個行業都有自己的規則，必須熟悉并遵守行業規則。 eBay必須分析產品的選擇和營銷方式等因素。

首先，eBay的營銷活動應該以用戶和體驗為基礎。把用戶關注的產品和問題放在首位，告訴用戶為什么要買這個產品，解決需要為其解決的問題，打消用戶顧慮，促進交易成功。

其次，目標消費群體也需要通過大數據解決方案進行分析。這方面主要是分析用戶的年齡、性別、地區、職業、消費習慣及興趣。 eBay需要比用戶更了解產品，明白用戶為什么要買這個產品，清晰地知道用戶需要買什么，這樣才能更好地挖掘用戶市場和潛在消費者。通過分析數據，eBay知道什么樣的用戶購買什么樣的產品，根據自己的需求，確定主打產品、產品價格定位，進行一系列產品分析。

最后，從用戶喜好、產品創新、價格定位、品牌選擇等方面，與同類產品進行比較，分析熱銷產品的原因和熱銷時間的長短，以及后期可以更換哪些產品。最重要的是，大數據可以降低電商企業的運營成本，提高運營效率。

傳統電商平臺是根據市場反饋來推薦產品。這種做法目前來看不夠科學，業務變現也比較有限，浪費了大量平臺流量，消費者體驗也一般。如今，借用云計算下的大數據分析和總結，可以很好的提取產品優勢，從而根據用戶興趣進行系統推薦。這種大數據下的定向推薦機制，可以降低電商企業的運營成本，提升消費者體驗和運營效率。

三、eBay實現數據分析面臨的挑戰及解決方案

(一) 面臨的挑戰

隨著信息化階段的開始，信息服務業已成為21世紀的主導產業，電子商務也實現了爆發式的增長和發展。人類生活進入到了電子商務時代，電子商務行業的發展迎來了一個新的高峰。作為電子商務的代表，eBay也面臨許多挑戰。

最大的挑戰是數據庫集群問題。面對大數據處理，數據庫集群會出現一定的缺陷。首先是可擴展性不強，系統的硬件基礎設施會存在硬件復雜度高、架設安裝困難等問題，限制了其可擴展性。其次是提升空間小，這種空間主要是指數據庫數據集的可擴展空間。數據庫集群模型在兼容性、可靠性、容錯性、支持異構條件的能力等方面也存在局限性。

(二) 解決方案

解決數據庫集群問題的方案是使用 MapReduce 框架。云計算架構主要是由服務器組成的大規模集群的數據處理技術。在數據存儲能力和數據處理能力上具有絕對優勢。MapReduce計算過程的分解可以理解為對大數據集的解構。解構的結果是形成了大量的小數據集，這些小數據集由集群節點單獨處理。它得到中間結果，并將這些結果通過節點組合起來，從而得到整個大數據集的處理結果。

在經過大數據集解構處理后得到的結果，可以成為大數據分析的情報資料。按流程來看，大數據情報分析需要收集海量情報資料，然后對海量資料進行存儲、預處理和分析，其中數據存儲包括結構化和非結構化數據的存儲。對于來自不同來源的數據進行轉換，去除冗余或沖突的數據，并融合來自不同來源的數據。在完成這些流程之后，也就意味著完成了大數據智能分析。

總的來說，大數據智能分析的重點主要體現在大數據智能素材采集、大數據分布式存儲、大數據并行計算平臺、大數據分析算法和流程自動化等方面。大數據分布式存儲、并行計算平臺、分析算法、流程自動化的研發為大數據智能分析提供了堅實的技術基礎。目前已經有了很多大數據技術服務商、互聯網公司、研究機構和開源組織(如Apache Hadoop)，他們均致力于大數據處理和分析技術的研發，并提出了大數據的新方法，例如新型存儲和分析技術。他們開發了具有相應功能的大數據存儲和計算工具以及完整的通用大數據開源云計算平臺Hadoop，而且隨著開源社區的不斷發展壯大，這些開源軟件的功能也在不斷的完善和增加。從大數據智能分析的角度來看，主要是充分利用了開源社區的成果，針對大數據智能分析的具體需求，開發或定制相應的模塊。