移动互联网中海量用户数据的分析与研究

摘 要：互联网是当今社会不可取代的一种工具，她的出现改变了人们原有的生活方式，随着科技的不断进步，互联网也在进行不断的转变。移动终端井喷式的爆发，预示着移动互联网络的兴盛。随时随地获取通信联络、获取信息，利用碎片化的时间学习和生活，人们逐渐形成了移动生活行为。而这一切都是因为移动互联网。面对庞大的用户群，作为移动互联网是否具备了良好的分析能力呢？本文就将从移动互联网的数据概念说起，分析海量用户的数据应用。

关键词：海量用户；数据分析；移动互联网；智能移动端

智能移动终端的快速发展，为人们的工作生活带来了新的时代，互联网也由传统的PC端向移动端进行转变。智能移动端拥有便捷性、即时性、定向性以及精准性的特点，符合当前人们的快速的生活方式，因此拥有了一大批的追随者，移动互联网络也由此快速发展。相比PC端互联网，移动互联网络更能深入到人们生活、休闲、娱乐等各方各面。而支撑移动互联网功能性的是海量用户的数据分析，下面就介绍有关移动互联网大数据的情况。

1、移动互联网的大数据时代

在互联网的模式下，数据分析作为一个强大的工具，成为近些年来“兵家争先获取的香饽饽”，更是有“得数据者的天下”的说法。在大数据的时代中，移动互联网拥有着强大的用户群体，其面对着诸多不同类型的数据，如何对这些数据进行有序的整理和分析，是移动互联网络最有价值的部分。目前，根据种类对海量用户数据基本得出三大类：

一是用户数据：即使用移动互联网络的用户信息、行为习惯、支付习惯等。具体信息包含个人信息：用户的姓名、年龄、性别、职业等；行为习惯：在移动终端上的浏览记录、兴趣爱好等；行为轨迹：上网的时间，常用地点等；消费记录：资金支付明细、支付习惯等。

二是产品数据：在移动互联网络中出现的产品，拥有自己的数据分类，其中包含产品的属性、名称、图片、功能介绍、品牌、来源渠道等信息。

三是运营数据：使用移动互联网的过程中，网管的能力以及网络的运营数据等。

通过了解数据的种类可以看出，移动互联网的大数据可以帮助用户进行行为习惯的选择，根据日常喜好进行产品、娱乐、生活等推荐。其提供了完整的行为轨迹，同时也帮助运营商很好的了解用户的习惯，以此来推出更加适应消费者的商业模式。大数据时代下的“精准营销”正是利用这一点，通过大数据获取对象的喜好，行为偏好，对不同对象进行不同营销。从此可以看出数据分析的能力非常重要。可以说大数据时代下，促进了整个电信产业的发展。但如何高效的利用海量用户数据，是当前移动互联网络运营商所需要思考的问题。

2 移踊チ网大数据中具备的关键性技术

移动互联网络面对海量的用户数据，是由一整套的技术串联在一起的。他们之间相互合作，确保数据分析结果准确无误。其具备了诸多的关键性技术，像是异构数据管理、挖掘实时数据、分析高效数据等。大数据时代，说的简单一点就是有效的管理、分析和利用收集到的用户数据。通过数据探测收集用户在使用移动互联网过程中的数据信息，然后分析数据的类别做出实时处理和批量处理的判断，再根据所需进行数据的有效利用。这就是数据分析的大致流程。其中在进行数据处理判断时，涉及处理时间的问题，一般根据需求和处理的时间划分为三种处理方式，分别是在线式、近线式以及离线式。本文中讨论在线处理时间的方式――流处理方式。

一般流处理方式的处理数据时间在毫秒之间，速度非常快，这就体现了移动互联网的真谛――实时计算。互联网上海量数据（一般为日志流）的实时计算过程被划分为三个阶段：分别是数据的产生与收集阶段、传输与分析处理阶段、存储对对外提供服务阶段。三个阶段都讲求实时性。流处理系统就是实时计算最好的体现形式。目前，国内常见的流处理系统是采用Flume、Kafka以及Storm系统框架，三者都可以提供对数据进行实时分析处理的功能。在对数据进行处理后，将会提供数据服务，这一步骤是向数据访问层提供的，在处理后将统一存入DBMS数据库系统。以淘宝的实例进行分析，Storm被淘宝用来进行实时日志处理，出现在实时统计、实时风控、实时推荐等场景中。每天淘宝的实时消息量从几百万到几十亿不等，数据总量达到TB级（TB级数据库是指存储数据量为1TB以上的数据库，相当于万亿字节），所以对于淘宝来讲，Storm往往会配合分布式存储服务一起使用，以此来确保数据的分析，一般来讲构建合理的架构后，可以确保从用户行为发生到完成分析延迟在秒级。

3 移动互联网海量用户的数据分析及要点

每天从智能移动终端上会海量的数据，其具有广泛分布、多元异构、动态持续增长的特点。面对这一情况，移动互联网一定要拥有强大的数据采集、处理和分析能力。但现实的情况并没有理想中的乐观，常常会出现数据收集有误或不全的情况。为了解决这一问题，结合移动互联网的特点，得出以下五个改进方面：

3.1 异构数据管理

异构数据是当前互联网大数据时代中最基本的数据类型，拥有不同的结构和来源的数据。在大数据时代中具体的表现形式就是，数据没有完全标示用户、数值、符号、声音等信息，没有办法对该数据进行有效的分析和管理。面对具有时效性的信息，也没有办法及时做出反馈，针对这样的情况，在移动互联网中建立了异构数据管理系统，针对大量的异构数据进行类别划分，方便记录、储存和分析。异构数据管理的目标是为了实现不同结构的数据之间的数据信息资源、硬件设备资源的合并和共享。

3.2 资源的分享和数据分析

对大数据进行有效的资源管理是确保移动互联网络正常运行的关键。移动互联网每分每秒都在接收来自海量智能移动终端的数据，而当前智能移动终端的种类繁杂，类型也多变，在对数据的处理、感知、控制上也都存在较大的差异，所以当前的移动互联网是一个高度混杂的状态。这一情况的出现对于移动互联网来讲，是收集用户信息中的难题。如何高效的进行用户信息资源的管理和分析是当前移动互联网最需要着重考虑的地方。

3.3 数据实时共享和挖取

实时计算最重要的一个需求是能够实时响应计算结果，一般要求为秒级。在移动互联网大数据处理中一般会出现两种实时情景：第一是数据源是实时的不间断的，要求对用户的响应时间是实时的。主要的体现是互联网流式数据处理。第二是数据量大且无法或没必要预算，要求对用户的响应时间是实时的。当数据量很大，同时发现无法穷举所有可能条件的查询组合或者大量穷举出来的条件组合无用的时候，实时计算就可以发挥作用，将计算过程推迟到查询阶段进行，但需要为用户提供实时响应。实时共享和实时计算两者有着密不可分的联系，其也正是移动互联网的最大特点。

在进行实时的计算和共享之前，需要对数据进行深度的挖掘，数据挖掘是用人工智能、机器学习、统计学和数据库的交叉方法在相对较大型的数据集中发现模式的计算过程，属于非传统的数据处理。一般挖掘的过程是在隐藏的数据信息中，在原始数据中含有很多具有趋向性、相关性的信息，数据挖掘就是找出这些信息，进行数据的分析和判断。而这也正是日后移动互联网大数据的发展方向。

3.4 建立大数据平台

大数据平台的建立是为了迎合海量的数据需求，所谓大数据平台，既要收集亿级的海量数据，然后还要筛选出来数据属性和范畴，数据分析逻辑需要像人一样的思考，又要超越人的思维能力。建立大数据平台是建立一个生态的过程，力求在整个生态环境中各个环节都可以平衡。大数据平台需要具备两个特点分别是稳定性 Stability 和可扩展性 Scalability。

稳定性：这是一个系统平台的基础，稳定性包含的内容有很多，像是运营商信息数据分布稳定、接口的稳定、收集用户信息的稳定等等。这些同时稳定的运行才会确保平台的平稳。收集数据、分析数据、管理数据、整合数据等步骤才能有序进行。稳定性是高效运作的前提，同时也保证了数据完整性和准确性。

可拓展性：平台系统并不是一次性就可以完善的，这是一个不断进步的过程，对于数据平台来讲，每天接收的数据不可计数，数据平台则需要根据实际的情况进行有利的改变。所以大数据平台是具有可拓展性的，要用长远的眼光去看待，才将有利于该平台的发展。

3.5 确保安全管理

数据安全是大数据时代最需要警戒的问题，互联网之所以成就了时代，是因为便捷、快速传播以及低门槛，每个人都可以使用互联网络，通过移动终端产生使用数据，而后个人信息就会通过网络传输到对应的数据管理系统中。数据被盗的事故鲜有发生，越来越多的黑客了利用大数据时代盗取相关的信息，从中谋取利益。这样的行为令人发指，同时也应该让人有所警惕。数据安全管理是确保大数据时代顺利发展的保障。面海量的用户信息，如何确保信息的完整和私密性，是接下来大数据时代需要着重考虑的问题，也是政府相关部门需要了解和深入的问题。

4 结束语

综上所述，移动终端井喷式的爆发，预示着移动互联网络的兴盛。移动互联网络深入到人们生活、休闲、娱乐等各方各面，随之而来的是海量用户的信息数据处理问题。在互联网的模式下，有“得数据者得天下”的说法，数据对于互联网来讲有十分重要的作用，移动互联网的大数据可以帮助用户进行行为习惯的选择，根据日常喜好进行产品、娱乐、生活等推荐。其提供了完整的行为轨迹，同时也帮助运营商很好的了解用户的习惯。大数据时代下的“精准营销”正是利用的这一点。而在进行移动互联网海量用户数据的分析与研究时，涉及到的核心技术包括异构数据管理、挖掘实时数据、分析高效数据等。

面对广泛分布、多元异构、动态持续增长的海量数据，目前移动互联网还存在不足，可在异构数据管理、资源的分享和数据分析、数据实时共享和挖取、建立大数据平台、确保安全管理方面加强改善。相信未来，在科技不断的进步之下，我国移动互联网也将克服困难迎来璀璨的明天。

参考文献

[1]罗海艳. 移动用户网络行为分析与预测方法研究[D].沈阳农业大学，2015.

[2]王冲生. 移动互联网用户数据的分析与研究[D].北京邮电大学，2013.

[3]余波. 移动互联网中海量用户数据分析与研究[J]. 技术与市场，2016，08：192+195.

[4]陶彩霞，谢晓军，陈康，郭利荣，刘春. 基于云计算的移动互联网大数据用户行为分析引擎设计[J]. 电信科学，2013，03：27-31.