理解3:从静态存储数据,向动态流处理数据的扩展. 大数据“4V”特征. 对大数据特征的 ... 分布式文件系统. 层次2: 信息检索汇聚 ..... OLTP/在线事务处理应用. (~秒级别).

注脚

展开查看详情

1.大数据发展趋势分析及 中兴 GoldenData 解决方案 中兴通讯 . 云计算 &IT 经营部 2014 年 2 月

2.目 录 大数据时代的机遇和挑战 大数据关键技术发展趋势 中兴通讯大数据解决方案介绍 案例介绍

3.大数据是端 - 管 - 云发展的产物 201 1 -201 6 全球移动数据量(单位: EB/ 月) Source: Cisco Global IP Traffic Forecast Update 2012 201 1 -201 6 全球 IP 数据量(单位: EB/ 月) 2011 2012 2013 2014 2015 2016 29% CAGR 2011-2016 流量激增 : 2011-2016 年,全球移动数据流量将激增 18 倍,达到 10.8EB/ 月;全球 IP 宽带数据流量将达到 110.28EB/ 月 ( 1 EB = 1,024 PB = 1,048,576 TB ) 数据膨胀 :未来 10 年全球数据量将以 40+% 的速度增长, 2020 年全球数据量将达到 35ZB (千万亿兆比特 1 ZB = 1,024 EB ) 注: 到 2012 年为止,人类生产的所有印刷材料的数据量是 200PB ,全人类历史上说过的所有话的数据量大约是 5EB 。 3

4.大数据的 4V 特征 大数据概念的提出,通过三个方面的扩展延伸带来了 思维的变革 ,并对生活、工作产生深远影响 数据是源头和动力,数据源的变化带来数据应用的变化 数据量大 Volume 海量 结构化、非结构化、半结构化数据 Variety 多样性 数据实时、快速处理 Velocity 快速 能挖掘出高价值 Value 价值 理解 1 :从局部或样本数据,向全体数据的扩展 理解 2 :从结果数据,向过程数据的扩展 理解 3 :从静态存储数据,向动态流处理数据的扩展 大数据“ 4V ”特征 对大数据特征的理解 4

5.电信行业大数据应用需求和特点 移动设备 网络信令 Web 日志 计费系统 基站 预测分析 机器学习 数据挖掘 可视化 数据服务 统计 报表 查询 分布式数据库 ETL 数据集成 数据融合 层次 1: 数据收集与存储 分布式文件系统 层次 2: 信息检索汇聚 层次 3: 知识发现 层次 4 智慧 数据到信息 数据形成 信息到知识 知识到智慧 云存储 大数据中心 … 位置 BDS 多维信令分析 网管综合分析 网规网优 … 离网客户挽留 ROI 预测分析 … 电信数据源 精准营销 流量经营 个性化推荐 … 更加智能 数据挖 掘 深度增加

6.大数据时代,数据已经成为运营商的核心战略资产 电信运营商 真实 记录了人的社会化生活信息 运营商同时拥有用户的真实社会信息和流经管道的互联网虚拟社会信息,这是电信运营商同互联网厂商相比的优势所在。 上海某运营商 每分钟 8 万条位置更新信息(徐家汇商圈) 每小时近 300 万次移动电话呼叫 每天 70-100TB 数据及 30 亿次点击的互联网访问量 6 网络体验数据 信令数据 行为 / 业务使用数据 语音 短信 互联网 业务数据 业务订购 手机终端 电信网络用户 位置数据 账户数据 客服数据

7.大数据时代电信行业面临的主要挑战 异构海量数据,存储成本高 数据模型不一,共享困难 数据质量不一,干扰数据多 如何有效管理 数据资产? 如何有效挖掘 数据价值? 如何做好 数据经营? 数据处理实时性要求高 数据挖掘智能性不足 数据可视化手段匮乏 缺乏完善的数据开放访问机制 内部不能清晰确定各类数据价值 外部难以将需求转化为分析需求 电信行业海量数据还未形成有效的信息资产 7

8.目 录 大数据时代的机遇和挑战 大数据关键技术发展趋势 大数据关键技术发展趋势 数据分析与应用技术发展趋势 中兴通讯大数据解决方案介绍 案例介绍

9.大数据关键技术发展趋势 大数据基础设施 趋势 1 :计算单元向不同的专业化应用发展 趋势 2 :存储设备向低功耗、高性能和一体化方向发展 趋势 3 :大数据分析推动计算和存储能力趋向融合 存储及数据管理 趋势 1 :实现高效存储成为存储技术主要研究方向 趋势 2 :云存储系统从向多应用服务方向发展 趋势 3 :关系数据库和分布式数据管理方式逐步走向融合 数据隐私与安全 趋势:数据给数据安全和隐私保护带来更加严峻挑战

10.趋势 1 :计算模块向不同的专业化应用发展 专业加速计算模块 视频编解码 图像识别 图像搜索 在线加解密 轻量级 计算模块 网站前端接入 Cache 服务 一般计算模块 虚拟机租赁 数据库租赁 中间件租赁 ERP/CRM 租赁 重载计算模块 银行交易业务 电信综合计费业务 基础设施 存储与管理 隐私安全

11.趋势 2 :存储设备向低功耗、高性能方向发展 面向海量存储的低功耗存储服务器 面向海量访问的高性能存储服务器 ARM 存储服务器 SSD 存储服务器 低功耗、高性能成为存储设备形态发展方向

12.趋势 3 :计算、存储、网络能力趋向融合 将计算在离它操作的数据最近的地方执行,降低网络阻塞的影响,提高系统数据的吞吐量,任务执行更加高效 移动计算比移动数据更划算 ! 移动数据 移动计算 带宽消耗 1. 计算分配 数据存储节点 3. 循环计算 计算控制节点 计算节点 传统分布式系统 大 数据一体机 计算节点 … 数据存储节点 … 2. 移动数据到计算

13.趋势 1 :实现高效存储成为存储技术主要研究方向 13 自动精简配置:解决传统存储分配问题,达到按需分配,提高存储的使用率 自动分层存储技术:对存储资源进行分层,保证热点数据在性能最好的设备上存取 重复数据删除技术:减少数据重复存储,提高系统使用率 数据压缩:对存储数据进行压缩,提高存储资源利用率 自动精简配置 重复数据删除 自动分层存储 数据压缩 自动精简配置可以按应用需要自动扩展逻辑卷 大小; 客户 可以根据业务发展,动态 采购 物理 设备,优化存储投入 存储 优化 自动分层存储可以根据数据活动状况将数据转移到不同的存储介质 热点数据存储在高速的 SSD 设备中,提高存储效率和存储投入 重复数据删除技术着眼于删除重复出现的数据块 重复数据删除更适合于备份应用或者 NAS 应用的场景 数据压缩技术通过对数据重新编码来降低其冗余度 数据压缩更适用于一些结构化的数据应用 利用存储优化技术减少数据存储空间、提升吞吐 I/O 基础设施 存储与管理 隐私安全

14.趋势 2 :云存储系统朝多应用服务方向发展 通过专业化的管理策略满足不同应用的需求 通过清晰的应用边界保证服务质量 通过弹性扩展,实现资源利用的最优化 新型存储体系架构 传统存储 海量存储 应用 A 应用 B 应用 C 存储资源池管理 一体化统一管理 独立 存储 独立 存储 独立 存储 应用 A 应用 B 应用 C 独立 运维 独立 运维 独立 运维 应用 A 应用 B 应用 C 存储资源管理 (完全通用的管理策略) 一体化统一管理 专业化管理策略 1 专业化管理策略 2 专业化管理策略 3 数据融合存储,通过折中方式实现性能优化,不能实现所有应用的性能最优化 无应用边界的存储资源共享,导致服务质量无法保证 扩展能力有限,不能为应用提供足够的资源

15.趋势 3 : RDBMS 和分布式数据管理方式融合 各司其职,组合方案 取长补短,相互融合 RDBMS 劣势: 多类型数据表示 扩展性 简单分析 关系模型 事务处理 查询优化 优势: 简单模型 非过程 SQL 语言 丰富工具 劣势: 关系模型支持 SQL 的支持 分析和调试工具 优势: 高扩展性 高可靠 部署成本低 处理方式灵活 生产系统 RDBMS 分析系统 ETL( Sqoop ) 大数据清洗 OLAP Aster Data GreenPlum RDBMS RCFile HadoopDB

16.趋势:数据安全和隐私保护成为更严峻挑战 16 数据 用户 法律 法规 技术 个体数据、匿名数据、群体数据具有不同的隐私保护级别 对外服务的隐私风险远远高于内部服务,需要有效手段规避 让用户有选择的自由,同意或不同意提供数据 不同用户对隐私敏感度不同,可以区别对待 数据匿名技术实现敏感信息的匿名化,保护隐私 NoSQL 、 Hadoop 需要加强数据安全保护 安全框架和审计有利于保护数据不被泄露 关注法律法规的逐步完善,根据变化调整策略 关注西欧、北美等隐私保护严格区域的进展,借鉴经验 基础设施 存储与管理 隐私安全

17.趋势:数据安全和隐私保护成为更严峻挑战 16 数据 用户 法律 法规 技术 个体数据、匿名数据、群体数据具有不同的隐私保护级别 对外服务的隐私风险远远高于内部服务,需要有效手段规避 让用户有选择的自由,同意或不同意提供数据 不同用户对隐私敏感度不同,可以区别对待 数据匿名技术实现敏感信息的匿名化,保护隐私 NoSQL 、 Hadoop 需要加强数据安全保护 安全框架和审计有利于保护数据不被泄露 关注法律法规的逐步完善,根据变化调整策略 关注西欧、北美等隐私保护严格区域的进展,借鉴经验 基础设施 存储与管理 隐私安全

18.数据分析与应用技术发展趋势 分布式计算框架 趋势 1 :实时数据分析需求推动实时计算框架发展 趋势 2 :大数据分析平台提出多分布式计算框架融合需求 数据分析技术 业务应用技术 趋势 1 :对自然语言理解的需求推动语义 WEB 技术发展 趋势 2 :跨媒体的数据融合业务推动多维多模态信息融合与处理 趋势 3 :大数据可视化成为快速理解大数据的最佳途径 趋势 1 :个性化、社交化、智能化的业务趋势 趋势 2 :人机交互的需求推动智能问答发展和应用

19.趋势 1: 业务对数据分析实时性要求提升 批处理:先存储,再计算 捞! 流计算:数据流实时计算 拦! 数据的价值随着时间的流逝而降低 实时流计算平台:广告点击、 TopK CEP :用户行为分析、市场预测 金融交易、风控对海量交易实时性 用户体验的个性化和实时性 社交网站用户数据的实时统计和分析 点击付费广告位 与计费有关的反作弊业务的实时处理 实时搜索、个人实时信息服务等等 计算框架 数据分析 业务应用

20.趋势 2: 分布式框架同计算资源解耦 准实时批处理应用 ( ~ 分钟级别) 应用特征: 应用批量处理输入数据,输出 结果不需立即呈现给用户 ; 典型应用: 内容计费、网间结算、话 单文件计费等 OLTP/ 在线事务处理应用 ( ~ 秒级别) 应用特征: 应用逐个处理用户请求,输出 结果需立即呈现给用户 ; 典型应用: 各种门户、 CRM 、实时事件告 警、积分平台、搜索引擎等 非实时批处理应用 ( ~ 小时级别) 应用特征: 应用批量处理大量输入数据,输出结果不需立即呈现给用户 ; 典型应用: ETL 数据处理、 KPI 计算、日志清 洗、用户行为分析等 OLAP/ 在线分析应用 ( ~ 秒级别) 应用特征: 应用逐个处理用户请求,输出结果需立即呈现给用户 ; 典型应用: 一级经分主题分析、数据钻取 、 市场预测、多维数据报表等 不同应用场景需要使用不同的云计算框架 计算资源 计算资源 调度管理 BSP 框架 DAG 框架 业务引擎 M/R 框架 MPI 框架 平台为不同场景提供不同的分布式框架 YARN/MESOS/ 等开源项目推动了分布式框架同计算资源的解耦

21.趋势 1 :利用语义技术解决自然语言理解 云计算和云存储基础架构 大规模语义 知识网络 异构媒体语义 计算与链接 语义查询与知识服务应用 语义网络动态更新与知识融合 异构知识资源的语义网络构建 软硬件计算基础 知识服务 知识资源抽取与语义网络构建技术 自然语言处理 图数据管理 图结构的大规模语义数据管理平台 语义网络数据 质量控制 网络 知识源 工具书年鉴 科技文献 新闻 电影 电视音乐 图书 结构化数据 文、图音视频 计算框架 数据分析 业务应用

22.趋势 2 :大数据推动多维多模态信息融合与处理 文本信息处理 多维度和多模态数据与信息的处理 语音视频信息处理 用户数据的关联、分析和建模 图像信息处理 地图位置信息处理 数据挖掘和机器学习处理平台

23.趋势 3 :大数据可视化成为快速理解大数据的最佳方式 折线图 饼图 GIS 应用 条形图 分析报告 地图

24.趋势 1 :业务发展趋势更加个性化、社交化、智能化 人 基于多维度用户建模和知识 挖掘共同 满足个性化需求 基于多维度用户 建模在不同场景满足用户个性化需求 在不同场景下提供基于知识体系的信息扩展 综合满足 用户需求 内容 场景 SNS 数据 短信数据 微博数据 浏览日志 LBS 数据 User Profile 计算框架 数据分析 业务应用

25.趋势 2 :智能问答交互将成为下一代人机接口 谁控制了入口,谁就控制了互联网

26.目 录 大数据时代的机遇和挑战 大数据关键技术发展趋势 中兴通讯大数据平台介绍 系统架构及特点 对 Hadoop 的优化改进 中移大数据测试情况 案例介绍

27.G91, B170 G137, B207 G174, B239 G171, B189 标题 : 字体 : 微软雅黑 字号 : 30-32pt 颜色 : 主题蓝色 正文 (1-5 级 ): 字体 : 微软雅黑 字号 : 28-12pt 颜色 : 黑色 GoldenData 大数据分布式处理平台架构 大 数 据 挖 掘 DMP 精分 实 时 流 处 理 数据源 ZDH 应用 数据源 结构化数据 管理 部分 元数据管理 系统管理 安全管理 流数据 非结构化数据 半结构化数据 静态数据 ETL 分布 式中 间件 HDFS/ZXDFS HBase Oozie MapReduce 用户行为分析组件 OLAP 客流分析组件 挖掘工具 流量统计工具 位置业务 垃圾短 信分析 客服中心 无线网络优化 日志留存与分析系统 精准营销 用户画像推荐 QSP 搜索 企业搜索 金融业务 HIVE 统一开放服务接口 UDAS 查询 IPTV 应用商店 舆情分析 CEP 引擎 输入适配器 输出适配器 大数据平台 DHSS YARN

28.完善的大数据处理平台及工具 HDFS ZX-DFS HBase ZX-MR Mahout ZX-R Hive Flume Sqoop ZooKeeper ZX-Hadoop Manager Hadoop 基础上的 ZTE 优化版本 丰富的应用开发、维护工具 一体化数据管控平台 分布式 OLAP-ZXDAP 分布式挖掘算法库 -ZXDMP 分布式搜索引擎 -ZXQSP 丰富多样的数据展现 -ZXUMAP 并行数据分析与挖掘工具 SQL 、 WebService 标准接口 数据导入导出工具 集群的批量安装、维护 MR 作业的图形化开发工具

29.提供灵活的端到端数据处理方案 数据库和数据仓库 静态数据分析 分析结果 关系型 数据源 非关系型数据源 分析结果 数据分析建模 结构化 数据 流式数据 非结构 化数据 关系或非关系数据源 实时结果 CEP 实时数据分析

30.提供灵活的端到端数据处理方案 数据库和数据仓库 静态数据分析 分析结果 关系型 数据源 非关系型数据源 分析结果 数据分析建模 结构化 数据 流式数据 非结构 化数据 关系或非关系数据源 实时结果 CEP 实时数据分析

31.开源 Hadoop 系统存在的性能问题 优化前的任务调度流程 心跳机制导致基于短作业任务调度性能低下 优化前的通信机制任务调度流程

32.中兴通讯 Hadoop 系统性能优化解决方案 通信机制调度流程优化 优化 任务调度流程优化 去除相应的心跳周期,改用“即时通信”机制,对 WorldCount , Grep 和 TeraSort 等 MapReduce 等标准算法性能提升达到 30% 以上 。

33.Hadoop MR 性能优化结果 - 典型算法 优 化 前 优 化 后 WordCount Grep Sort 处理时间缩短、系统处理更平稳

34.Hadoop MR 性能优化结果 - 性能线性扩展 GlodenData Hadoop 集群性能随节点数增加呈线性增加 Standard Hadoop

35.Hadoop MR Slot 分配性能问题及优化方案 问题:开源版静态配置的 Slot 调度策略,导致性能低下 解决方案:采用资源环境感知动态调度技术,收集和分析 Hadoop 系统 Slot 资源分配信息,实现动态分配、调整 Slot 资源

36.Hadoop MR 性能优化结果 -Slot 动态分配 动态 Slot 调度性能优化结果 整体性能提升 15% 以上

37.Hadoop MR 性能优化结果 -Slot 动态分配 优化前: 集群负载波动较大,因而利用率并不高 优化后: 集群负载波动范围缩小,利用率提高,最终计算时间缩短

38.Hadoop MR 作业问题及优化方案 组混搭作业测试结果 问题:不同的作业,会具有不同的资源消耗特征,如: CPU 技术密集型、 I/O 密集型、内存密集型等 解决方案:实时检测资源消耗特征,根据不同的特征对不同的作业进行均衡混搭分配,达到整个集群均衡的作业和任务分配调度

39.Hadoop MR 性能优化结果 - 作业开销动态调配 优化前资源利用不均,优化后资源利用趋于均衡

40.对 HDFS 元数据存储的改进 NameNode1 NameNode2 ZXDHSS-MEM 分布式内存库 IMAGE LOG 采用中兴自研内存数据库替代 MYSQL 后,双机切换时间由数分钟降低到数秒

41.GoldenData Hbase 功能增强 — 高速即时分析 研发 Hive Over Hbase ,实现了基于 HBase 的高效率复杂查询和统计汇总功能 实现了基于 HBase 内数据的 HiveQL 前端功能,性能提升数十倍

42.提供异构数据的 ETL 导入 / 导出工具 1 、 支持流计算、文本文件、关系数据库、 HDFS 、 HBase 等,以满足结构化、非结构化数据处理的需求 2 、 数据转换的过程界面化配置 3 、 数据转换的过程显性化 监控

43.GoldenData 产品其他功能优化 A D B C 功能优化 性能统计、告警调优 提供 MR 、 HDFS 、 Hive 、 Hbase 等子系统的性能统计及告警功能 Hbase 多列族副本 设定不同的副本个数,做到精细化的管理表的每个列族 HDFS 支持 FTP 功能 支持 FTP 直接传文件到 HDFS 硬盘插拔调优 热插拔硬盘过程中, Hadoop 可以持续写新的数据 .

44.GoldenData 算法优化 reduce 任务 调优 reduce 任务的 slot 数 调优 reduce 任务启动调度 调优 数据存取调优 Block 大小调优 读取缓存大小调优 HDFS 多硬盘配置 JVM 虚拟机 调优 JVM 虚拟机的复用 调优 JVM 虚拟机 内存调优 Hbase /Hive 调优 HBase 预分区 HBase 调整 scan 缓存设置 Hive 导入导出压缩 Hive 并行执行 Map 相关调优 Map 任务并行运行个数调优 Map 输出数据的最大缓存 调优 算法优化 B E C D A

45.目 录 大数据时代的机遇和挑战 大数据关键技术发展趋势 中兴通讯大数据平台介绍 系统架构及特点 对 Hadoop 的优化改进的总结 中移大数据测试情况 案例介绍

46.中国移动大数据平台测试环境 测试环境: 18 台测试机部署日志详单软件,其中 2 台作为管理节点节点,另外 16 台作为存储节点和计算节点。 其中性能和可扩展性需要用全部 18 台节点,其他项只使用其中 10 台进行测试。 测试机配置: 管理节点 / 元数据节点的配置:双路六核 CPU 、 64GB 内存、 4 块 SATA 硬盘、万兆以太网卡;  数据 / 计算节点的配置:双路六核 CPU 、 48GB 内存, 12 块 SATA 硬盘、万兆以太网卡;  万兆交换机: 24 口万兆交换机。 万兆以太网交换机 . . . 管理节点 1 管理节点 2 计算 / 存储节点 16 计算 / 存储节点 1 计算 / 存储节点 2 测试网络拓扑图

47.中国移动大数据平台主要工具 测试类别 测试负载 Micro BenchMark Sort Workcount TeraSort Machine learning Bayesian classification K-means clustering HDFS BenchMark Enhanced DFSIO DataAnalyticBenchmark HiveAggregation HiveAggregationComp 测试工具 2 、 NoSQL 的 PerformanceEvaluation 测试工具 1 、 Hibench Hibench BenchMark suite ,开源的 Hadoop 性能测试软件 用于测试 NoSQL 存储引擎的性能。 测试方法: 性能测试采用 Hibench 模拟产生不同的负载,记录测试时间,并计算出相关的性能指标。功能测试、可管理性测试、可靠性测试直接采用手工操作加脚本的方式进行验证。 可扩展性测试分为动态可扩展和性能可扩展。动态可扩展直接手工操作加脚本的方式进行验证,性能可扩展分别测试在不同节点规模下的性能,并确定线性加速比

48.中国移动大数据平台主要测试项目 功能测试 可管理性测试 可靠性测试 性能测试 可扩展性测试 包括结构化 / 非结构化数据存储引擎功能、并行计算引擎功能、数据统计、排序等 包括安装部署、日志管理、性能检测、故障管理、网关告警等 包括数据、存储节点故障测试、单磁盘故障测试、并行计算可靠性测试等 包括数据读写性能、并行计算性能、结构化引擎性能测试等 包括性能扩展、动态扩展测试等 结论: 本次中移测试,必选项我们全部通过,可选项的测试 性能绝大多数指标均优于其他厂商。

49.中国移动大数据平台主要测试项目 功能测试 可管理性测试 可靠性测试 性能测试 可扩展性测试 包括结构化 / 非结构化数据存储引擎功能、并行计算引擎功能、数据统计、排序等 包括安装部署、日志管理、性能检测、故障管理、网关告警等 包括数据、存储节点故障测试、单磁盘故障测试、并行计算可靠性测试等 包括数据读写性能、并行计算性能、结构化引擎性能测试等 包括性能扩展、动态扩展测试等 结论: 本次中移测试,必选项我们全部通过,可选项的测试 性能绝大多数指标均优于其他厂商。

50.案例 1 :中国移动北方信息港日志详单大数据项目 中兴通讯 11 月底中标该项目,共 130 个处理节点,存储物理容量为 3P ,有效容量 1P 。

51.案例 2 : O2 DaaS 服务 O2 做了什么? 1 、收集 O2 手机用户一段时期内的位置信息 2 、通过分析海量的位置信息,得出各类价值用户的流动分布规律、消费习惯,给出咨询、预测结果 3 、将这些统计信息、分布规律、消费习惯、咨询结果 有偿提供 给 商家 ;并开展相关的其他应用(广告等) ZTE 做了什么? 提供 ZTE 自主研发 、 业界领先的基于NoSQL的实时高速分布式缓存技术 。 超过 30 万次操作 / 秒 实现并发处理 40 亿次位置更新事件 / 天 最大并发支持 10 万个过滤规则 对数据挖掘、分析,实现位置大数据 的 应用 。并且, 可对第三方应用提供开放接口,提供 更多的 大数据服务。 Big Data 收集 Data Mining & Research Provide to Business Partner

52.案例 3 :江苏电信基于 IPTV 视频的个性化 推荐 关键技术 网页的爬取技术 底层视频特征抽取技术 用户评论的情感分类 协同推荐技术 项目背景 视频包含了声音、图像和文字等多种形式的信息,因而比文本、声音、图像等单模态的信息包括了更为丰富的内容,但另一方面也加大了视频处理的难度;用户对于视频的评论往往直接隐含了用户的观看偏好;结合视频底层特征和用户评论包含的隐式打分,丰富用户稀疏的打分矩阵,是为用户提供精准视频推荐的重要思路。 解决方案 基于视频信息,抽取视频底层特征,抽取视频之间隐含的关联; 根据用户评论,判断情感倾向,丰富用户打分矩阵; 分别从用户行为、评论和内容关联,预测用户打分,并基于此进行视频推荐。

53.案例 4 :中国联通 WoStore 精准营销 —— 采集及处理 数据 应用 数据 采集 UDC/UDB 处理 在用户数据统一管理基础上利用传统和大数据技术进行数据采集 对采集的用户数据通过 UDC/UDB 系统进行处理,给出用户 360 度全方位画像 以用户 360 度画像为基础,制定各种应用策略,针对不同的需求,推广对应的应用,实现用户数据的价值

54.案例 4 :中国联通 WoStore 精准营销 —— 策略 营销策略 根据不同的需求,制定不同的应用策略

55.