美国电商网站eBay每天要处理100PB的数据，其中包括50TB的机器数据，这对于eBay来说是个不小的挑战。

在日前在伦敦举行的Gartner CRM高峰论坛上，eBay全球业务分析负责人David Stephenson做了演讲，他表示，我们做网站的目的很简单，就是要让交易成功。

作为交易市场，eBay的首要任务就是让销售者和消费者都能获得满意的体验。

应对大数据，从提出正确的问题开始

eBay借助分析软件更好地理解客户。Stephenson希望能够将小商铺的个性化推荐成功运用到面向全球的eBay网站上。他表示：“在小商店，理解客户很重要。店主需要提供个性化的推荐、了解客户偏好、从客户身上不断学习。”

网络测量数据对Stephenson来说还是陌生的新数据类型。eBay会生成大量的网站分析数据，Stephenson称之为“客户的足迹”。它可以鲜明地告诉工作人员谁来过他们的网站，都做了些什么。

Stephenson表示：“网站上能够提供和实体店购物同样的体验，客户可以比较不同的商品。我们也能够了解到客户的意图。”这些都在慢慢改变着eBay。

eBay的网站分析无所不至，就像是在每个顾客前面安装了摄像头一般。细致的网站分析也给数据管理带来困难。整个网站平均每月产生1亿小时的录像，客户数据多的难以想象。Stephenson坦言：“谁也没有办法每月处理1亿小时的数据。”

“我们只能尽量理解客户，应用数据科学技术利用更多的数据和更新类型的数据。”

eBay面临的是1亿的用户，3万多种商品，每秒钟几千美元的交易。Stephenson表示，交易数据还只是所有数据的“冰山一角”。

eBay开始处理所有的客户行为数据。

大数据给eBay带来的挑战首先是，要提出正确的问题。Stephenson表示，要回答一个简单的问题，比如“昨天搜索某一关键字时，置顶显示的商品是什么?”，系统要处理50亿的浏览页面。因此，最重要的问题是要问关键的业务问题。

三个平台实现全面的用户行为分析

除了提出问题，Stephenson还希望网站能够运行情感分析、网络分析和图片分析，这些都难以在传统交易性数据库中实现。

eBay把它的数据分析业务分发到三个平台，第一个是Teradata提供的传统企业数据仓库（EDW）。Stephenson表示：“核心交易系统必须具有极高的稳定性。我们每天要处理50TB的数据，系统绝对不能停机。”

2002年，eBay搭建了13TB的Teradata企业数据仓库，提供高效的大规模并行关系型数据库。截止到目前，系统构建在上千个节点上，数据量已经增长到14PB。

说到用户行为数据，过去，eBay只能保留1%的样本，其他全部扔掉。

Stephenson介绍到：“对于提出的很多问题，我们事先并不知道，我们是根据客户的行为数据决定问什么问题的。大概有85%的问题是新问题。如果你只关注结构不关心数据，你就无法问出新问题，但如果你要存储所有的数据，数据量会大的根本无法分析。”

这其实是企业面临的一个困境，究竟应该扔掉一部分数据，还是把所有数据都保存。

为了解决这个问题，eBay开始搭建它的第二个平台。七年前，公司开始搭建能够存储所有客户数据的平台。Stephenson表示：”对于客户行为数据，我们希望能够通过大数据方法将其保留。“

eBay需要一个能够管理几百PB各种类型数据、只需要5个人就能维护、并且分析师可以轻松访问的产品。

公司和Teradata合作，开发出一款有几百个用户定义功能的客户应用。该系统运行在商业硬件上，应用自有软件，能够处理所有客户数据，廉价存储数据。

这就是著名的eBay开发的客户数据仓库Singularity。

该系统可以在32秒内运行临时查询。Stephenson表示，那是Hadoop处理类似的查询要30秒。

Stephenson表示Singularity在网站的“A/B测试”中发挥了重要作用，这可以比较出不同的产品组合中，哪种组合最受欢迎。eBay用它测试了很多东西，比如测试网站消费者是否喜欢网站显示商品大图。

这项技术还可以用于搜索提示，Stephenson称之为“搜索栏里的经济学家”。eBay可以根据用户已选择的话题或者已提出的问题，提供搜索查询建议。因为整个系统中，基本每一个问题都被问过了。

通过这样的查询，eBay销售者就可以了解到是否需要降价、包邮或提供其他优惠。

除了企业数据仓库和Singularity，eBay还使用了Hadoop，这就是它的第三个平台。eBay部署了两个2万节点的Hadoop集群，能处理80PB的数据。

有了这三个平台，eBay终于可以实现对所有用户行为数据的存储与分析。