大数据，Facebook的下一座金矿

就目前来看，Facebook核心的社交网络其实是一个广告公司。如果你看一下他们的季度报告，你就会发现约Facebokk有82%的收入来自广告，从一个侧面印证了这个断言。但问题是,“喜欢”某些东西，并不等于“购买”它。

你可能记得，作为Facebook广告客户的通用汽车公司，最近放弃向Facebook投广告。而另一方面，搜索与广告协同运作，这样你就可以有针对性地购买你可能感兴趣的广告产品，这是一种行之有效的方法，这是谷歌的优势。

当我们说传统的网络广告公司时，大多数人会想到谷歌。如果我们将谷歌和Facebook的市盈率(P/E)作比较的话，就会看到其中存在着很大的脱节。

市盈率P/E是指在一段时间内(通常是12个月的时间)是公司股票的价格和每股收益的比率。用谷歌作为一个例子，我们看到它现在的市盈率是18.88。这是因为谷歌目前的交易价格为每股636.69美元，而在过去的12个月收益为每股33.72美元，因此谷歌的市盈率就是18.88(636.69美元/33.72美元)。

在6月份时,我们看到了谷歌的市盈率为11，而Facebook是以预期收益的40倍进行交易的。因此，脱节之处就在这里。

根据Michael Wolff所说：“对于那些依靠网络广告做生意的人来说，现实是如今每个季度数字广告所能带来的价值都在下降。”

如果MichaelWolff所说的是正确的，那么Facebook将需要比广告更多的东西来进行实践和克服炒作问题。因此，Facebook需要的是一个“伟大的想法”。

Facebook的9.55亿用户中，一半以上的用户每天都在积极使用Facebook生成大量数据。麻省理工《科技创业》中引用Facebookd工程总监Sameet Agarwal的数据称，Facebook目前的数据量预计在100PB以上。“在过去的几年中，我们的数据量每年都要翻一番。”

大部分数据是在单一的Hadoop存储库中，如果适当地对这些数据进行挖掘，将有可能重塑我们对于人类相互作用以及社会最终如何协作的理解。这或许就是Facebook下一个伟大的想法。

但是如何开采这座金矿呢?

有着超过100PB数据并且每天都在增长的用户数据，Facebook已经基于Hadoop建立了一个数据存储系统。Apache Hadoop项目旨在开发可靠的、可伸缩的、可分布式计算的开源软件。

Hadoop实际上是一个将大量数据集处理流程分发到多台计算机上的框架，它能够从单台服务器纵向扩展到成千上万台分布式服务器，提供一个高度可伸缩的、高可用性的大数据解决方案。

尽管编程模型的目的是要简单化，但这也被证明是一个相当复杂的进化，至少针对Facebook的需求来说是这样的。如果Facebook的“伟大的想法”是来自对数据的研究，那么他们就要适应Hadoop来支持自己的数据科学了。

Facebook与Cloudera、Hortonworks等厂商合作，构建了基于Hadoop的Hive数据仓库系统。Hive让Facebook由12位研究人员所组成的数据科学小组能够应用社会科学研究方法，来创建特定的查询，并对存储在Hadoop中的大型数据集进行各种分析。

Hive项目为数据科学团队提供了一个机制，可以用来在这些数据上构建一个项目结构，使用类似于结构查询语言SQL的语言(HiveQL)来查询数据;因此，允许他们来挖掘Facebook的数据。

据Greylock Partners的数据科学家DJ Patil表示：“Facebook数据仓库的一个潜在用途，是出售通过挖掘这些数据所获得的洞察结果。这些信息可以是几乎任何类型业务的基础。如果Facebook可以在不惹恼用户和监管者的前提下进行这项工作的话，那么这有可能会是有利可图的。”

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友