針對電子商務(wù)，Yahoo臺灣團隊自主研發(fā)演算法與歸納消費者行為模式進(jìn)行分群，透過數(shù)百群產(chǎn)品推薦模組，提供更優(yōu)質(zhì)的個人化服務(wù)，讓購物中心來自個人化推薦模組的業(yè)績顯著增加。電子商務(wù)方向的大數(shù)據(jù)分析經(jīng)驗，發(fā)現(xiàn)使用者對于即時性的要求很高，也就是說，使用者的任何行為，要在10幾分鐘后就能完成分析，提供進(jìn)一步的建議。
要做到前述的使用者行為分析，其實需要各種數(shù)據(jù)分析技術(shù)支援，如分析消費者各類行為與需求的預(yù)測模型，也要有能力即時偵測互動事件，并回饋產(chǎn)生最佳的個人化服務(wù)內(nèi)容，而具備一個能夠從互動產(chǎn)生的大數(shù)據(jù)中，快速地搜集、儲存、擷取、匯整與計算的大數(shù)據(jù)分析平臺，更是其中的關(guān)鍵要素。
大數(shù)據(jù)分析平臺的運作過程，必須先要有數(shù)據(jù)來源，然后透過Hadoop、Shark及SQL等技術(shù)，很快地完成數(shù)據(jù)分析處理，最后再將結(jié)果儲存并展示在使用者的面前。此外，大數(shù)據(jù)要做到個人化分析應(yīng)用，科學(xué)建模(Science Modeling)的重要性不言可喻，科學(xué)建模依據(jù)的數(shù)學(xué)或科學(xué)理論，透過雅虎的實際工程(Practical Engineering)及適應(yīng)學(xué)習(xí)(Adaptive Learning)能力，可以具體實踐出成果。大數(shù)據(jù)分析要做到個人化應(yīng)用，批次訊號及即時訊號的分析技術(shù)，兩者無法相互替代，必須相輔相成，再透過分群數(shù)據(jù)技術(shù)及個人化引擎，最后才能提供為使用者個人量身訂做的專屬建議。