问：数据团队很神秘，是个怎样的团队？都在做什么工作？

　　车：团队大概是400人左右，主要有四种岗位，当中有很多分析师，基本全集团各个部门的分析师都在这里，分析师聚在一起能做出东西并且不会太零散，很多部门发现分析师打散了会没有凝聚力，会变成打杂，不是去想分析的部分。

　　另外有很多数据工程师，这些同事最主要是让数据进来稳定，对数据进行规范、计量，然后每天输送出去；他们下面就有产品经理，开发产品，一种给小二使用一种给卖家们使用。所以不会因为双11，卖家们就看不到数据，有独立团队。

　　此外，还有数据科学家，当每一个部门需要算法的东西，他们会去协同，一些未来的产品都需要数据科学家做算法。总结一下他们的工作，有些是做数据服务，有些做产品服务，还有些做分析服务和算法研究。

　　问：解决问题需要用多少数据？如何用大数据来解决问题？实际运用场景是怎样的？

　　车：我是个实用主义者，我要解决一个问题，一般来说都会找一个最简单成本最低的方法，除非不能解决，才会使用一些更转折的方法。这个时候就需要更多数据量来解决，甚至还有一些今天没有准备好的数据。

　　其实大数据应用是商业问题，不是技术问题。商业应用上，如果有一些很简单的结构性数据，大概能解决这个事情的80%，就不要寻找用很难的方法去解决另外20%。我不需要用阿里那么多数据来解决，我用很简单的方法都能解决这个事情，我觉得可以了。
　　
　　当然，一部分困难问题，我们需要用比较复杂的方法来解决，分为两种，一种使用很复杂的算法来解决，一个是用更多的数据来解决。以打车软件为例，打车软件如何更容易打车，那个时候就研究怎么样把算法提炼到很快找到出租车。在数据不变之下，算法可以更精准。等算法到了瓶颈，会发现有些情况是之前没有考虑到的，就要去搜集这些数据，可能包括天气，只要下大雨出租车就会减少需求就会增加。

　　大数据其实是一个全局观的分析。需要全局观解决问题的时候，别人的知识对你很重要，不能只依靠自己解决，所以我们要和其他东西关联起来。关联性对大数据来说和物联网一样，不关联价值会降低，关联价值会增大，只是要考虑到个人隐私和数据安全两条维度，数据开放性会增加更多关联性，也会增加数据安全问题，需要注意平衡。

　　问：数据部门在双11主要负责什么？数据如何保障？压力是什么？

　　车：双11需要准备的数据和数据大屏都是我们负责。数据人的压力，就是数据要准确，数据不准其他都是浮云，最担心的是数据不能及时出来。双11整个数据的回传、计算，都要做很多方案去确保数据不要停滞。因为数据是实时计算的，卡在任何位置都是可能的。每年双11的每一秒都可能破记录，所以要提前几个礼拜模仿这种压力，以及在压力下会出什么问题，我们叫抗压测试。

　　数据有个麻烦是需要归总，万一源头出错了，后续都出错，出错之后更正需要时间，更正回来再回去就慢了，所以我们要确保24小时的数据没出错，所以压力很大。去年很顺利，过去几年很顺利。今年新突破是我们在卖家端开通了数据作战室大屏，今年他们能看到的数据量大很多。

　　以往只有阿里集团的屏幕，现在是这么多卖家这么多大屏，每个都可能卡住。数据实时就是最大的挑战，一旦实时就暴露了数据的不稳定，以往数据晚了15分钟进来你没感觉，但实时数据1秒不动我们都会有感知。实时挑战的是整个数据团队的合作性，哪个环节掉了链子，所有全盘就都不动了。