1.3 大数据与用户行为分析

近年来，移动互联网的发展对大数据量级的行为数据处理技术也提出了更高的要求。数据采集的实时性、数据分析的大规模计算能力等都需要引入大数据技术的支持才能得以实现。因此，了解技术原理是学会用户行为分析的必备前提。

大数据技术有别于传统的数据加工处理技术，其对数据的“数量级”“存储形式”“业务含义”“时效性”都有着更高的要求。大数据的概念更接近“形态复杂的立体型数据”。因此，大数据技术是指面对海量、复杂的数据时必须使用的存储方法、加工工艺等相关技术手段。

对于用户行为分析领域来说，大数据技术是当下惯用的，甚至是必用的数据加工分析手段。用户的行为来源已经不再像若干年前那样渠道单一，线上行为可以同时来自多台计算机、Pad、手机，线下行为也将同时结合Wi-Fi地理定位、智能手环、智能汽车、智能机器人等回收的数据。如何将这些数据进行统一的识别？如何将一个用户线上、线下的多种渠道行为贯穿起来？如何存储与处理超大量的流水账一样的行为数据？这不可能通过简单的Excel文件或传统的关系型数据结构就能进行有效处理。

相比而言，大数据技术与传统数据加工处理技术在原理上是相通的，它的优势在于处理“庞大海量”且“数据结构多样”的数据集合时更为高效。这种高效是传统技术手段无法做到的。随着业务需求的不断深化，用户行为分析所面对的挑战也越来越大，经营者总是不断地在行为数据的海洋中进行挖掘分析，希望得到更加有效的信息或构思更加有用的辅助策略。因此，越是丰富细腻的行为数据，越是值得分析加工的优质原材料。在这样的趋势下，大数据技术必然成为当下进行用户行为数据分析的常规手段。因本书的主题限制，我们不对大数据的技术细节展开阐述，但后文涉及的若干数据采集方法和分析加工手段等，都是依托于大数据技术进行的。