国庆期间，全国各处景点人满为患，水泄不通。然而一些景点却在爆冷门：10月1日五台山人数比去年同期减少近3成，黄山全天游客人数只与双休日水平 相当。如果假期到来前，有相关数据预测各地景点人流量，大家即可提前做好准备，错峰出行。事实上，在国庆假期之前，艺龙、同程等旅游网站已根据机票、酒店、景点门票预订量出具相应的数据分析报告：热门出游目的地中三亚最火爆，客流量最扎堆的城市是北京——大数据正悄然在我们身边发挥着作用。
1. 传统行业中的大数据应用
1）啤酒与尿布
美国沃尔玛超市里，啤酒与尿布总被摆放在同一个区域，方便“奶爸”购物；类似的情况还有出现在同一货架的方便面和火腿肠、口香糖和避孕套。这些贴心安排 无不得益于超市供货人员对客户习惯的深刻解读，也得益于大数据在大型商超、购物中心中的使用。在传统购物中心向商业综合体转变的过程中，利用大数据对用户 喜好和用户行为进行分析成为至关重要的一环。通常购物中心需要外部第三方数据来分析时下受欢迎的品牌、某地区人民的饮食口味、消费水平；同时内部数据，如 相应时段的人流量、POS机的消费数据、cctv监控数据、购物产品清单数据等也显得至关重要。
2）余额宝
余额宝自2013年6月上线后，仅用了半年的时间就使背后的天弘基金规模增长40倍。截止2014年3月，余额宝的用户数量已经达到8100万，超过整 个中国股市中的活跃帐户数。货币基金资产主要投资于短期货币工具，大规模的基金投资追求高收益，也要规避风险。通过大数据的支持，余额宝能够预测到流动性 的趋势，适时做好流动性需求支持，合理规避风险。基金公司能通过支付宝提供的余额宝资金流动情况，通过模型预估流动趋势，安排投资。而传统行业没有大数据支持，自然就失去了这样的能力。
2. 大数据在传统行业落地难
1）相关人员稀缺。既懂业务又懂数据的人，在互联网行业中不难找到。而传统行业中，数据和业务的结合通常非常松散。具备大数据专业知识的专家，显然这个 角色在传统行业以往的运作过程中是缺失的。传统行业的技术人员通常觉得大数据很潮很热，但回答不了以下问题：能拿到什么数据? 这些数据有什么用? 怎样用这些数据?
2）技术积累不足。在互联网行业中应用非常广泛的技术，传统行业的技术人员却接触很少。在大数据的实际实施中，像hadoop、消息队列、storm等这些大数据处理技术，传统行业还只是停留在初步了解阶段，能真正应用的比较少。
3）成本资金消耗。一些传统企业在准备独立做大数据应用的时候，发现实施的成本非常巨大，整个的IT方面预算的开支增加了1个甚至2个数量级，而这些投入是否能达到预期效果还不敢肯定。
3. UCloud云平台的针对性解决方案
对于人员稀缺的问题，除了积极的引入相关人才和内部技术人员的培养，传统企业也可以寻求外部合作。目前已经有很多企业在这些专业的领域内提供成熟的解决 方案。UCloud，作为国内最为专业的基础云计算服务商，也针对性地开发了大数据产品UDDP (UCloud Distributed Data Processor) 能够帮助用户轻松、快速地处理TB甚至PB级的海量数据。目前，UDDP正被应用于数字营销、数据分析、商业智能、科学模拟等领域。
对于技术积累不足的问题，UCloud所提供的大数据产品服务可以有效帮助企业用户降低技术门槛，规避掉复杂的技术细节。同时，UCloud的专业技术负责人也会为客户有针对性的提供培训课程，并不时在实际实施中进行技术指导，帮助用户快速消除技术短板。
资金成本问题就更为简单，使用云计算服务是降低综合成本非常有效的方式。传统企业通过使用云服务，复用资源，可以大规模降低大数据应用的成本。例如，使用UCloud的大数据产品，按每天计算数据在10TB来估算，每个月的成本大概也就在数千元。
4. UCloud大数据产品系统设计
在UCloud大数据产品的整体系统框架中，最下层是数据采集的接口，通过摄像头、传感器、各种日志、数据库等采集数据，存储在HDFS上。在存储之上，我们支持两种分布式计算框架，SPARK和MapReduce，针对不同习惯用户使用。同时也会提供列式存储HBase。
在数据之上，会有很多的工具支持，如基于Spark的Spark SQL、Spark Streaming、Spark Mlib等，以及基于MapReduce的Hive、Pig等。计算后的数据可以继续存回HDFS，也可以输出到DB或其它地方用作其它用途，在此之上建 立各种业务模型使用。
在集群内，我们会对数据分析任务进行调度，充分利用集群资源。同时对集群进行监控，对任务失败进行及时恢复，及时发现问题，并提供信息给集群日常维护。
UCloud大数据产品系统设计
5. 大数据在传统行业中应用的未来
1）智能视频监控
如今，智能视频监控已经应用到很多地方。比如奥林匹克公园内设的智能计数和密度分析系统，可以全天候的对入口区域、人流通道等重要区域的人流状况进行实时密度分析统计。
智能视频监控，核心就是将采集来的视频数据，按帧提取出来，应用到特征模型中进行匹配。然后将这些特征全部存储下来，添加标识、索引，在需要的时候再进 行检索、或进行更深层次的分析。在这个过程中，我们需要视频原始数据能很快能够转换成特征模型，同时也需要海量存储去保存这部分视频数据。技术的核心在于 特征模型的选取、转换的算法、海量数据的实时和离线分析能力。
特征模型的 选取，可以通过和一线工作人员沟通把模型建立起来，也可以寻求一些模型库。很多开发者社区里则有转换算法的分享。UCloud对一些开发者社区提供资金、 资源的支持，目的就是帮助开发社区沉淀经验，以便为更多人提供帮助。而海量数据的实时和离线分析能力可以在内部搭建，也可以考虑使用专业的大数据服务，比 如UCloud的UDDP。这样智能视频监控应用将会很容易落地。
2）医疗健康系统
未来的医疗健康系统或可借鉴身份证采集的模式，拍摄照片上传到指定网站，然后办理个人医疗证件。无论到大型医院就医，还是到社区医院体检，相关检查数据 都可以被传输到医疗系统。后续就医时，医生可以根据前期的体检数据直接开药，或者以这些数据为基础为病人诊断。这样即可大大提高医生的工作效率，有助解决 就医难的问题。另外，这些检查数据汇聚在一起后，可以供卫生防疫部门来做分析，提供更为完善的公共健康服务。也可以由个人委托商业机构追踪个人生理情况，做事先预防、调养。
当然，医疗健康行业有一定特殊性，需要体制改革支持。需要在信息化上解决现有医院个人医疗信息的孤岛，再引申出来和大数据结合的个人、公众医疗健康服务。
时代变革，从一开始就不可逆。互联网诞生时，有人说过这样一句话“在网络上，没人知道你是一条狗”。然而在大数据时代，我们不但知道你是一条狗，而且知道你是一直羞涩、前腿短的柯基，不爱吃狗粮爱吃肉，最喜欢粉色的小外套……■
