我們正處于大數(shù)據(jù)和數(shù)字化轉型的時代。數(shù)據(jù)無處不在，運用數(shù)據(jù)驅動的思想和策略在實踐中逐漸成為共識，數(shù)據(jù)的價值已在科學研究和工商業(yè)的不同領域得到充分展現(xiàn)。然而，如果無法從數(shù)據(jù)中提取出知識和信息并加以有效利用，數(shù)據(jù)本身并不能驅動和引領數(shù)字化轉型取得成功。如何讓數(shù)據(jù)發(fā)揮它最大的價值？“數(shù)據(jù)智能”(Data Intelligence) 應運而生。

然而，技術的不斷發(fā)展終究要服務于現(xiàn)實生活，海量數(shù)據(jù)背后那些未被挖掘的價值，需要企業(yè)不斷挖掘并樂于分享才能真正促進行業(yè)轉型，才能賦能各種應用場景。日前，由MobTech MobAI團隊基于Spark自研的因子分解機(Factorization Machine，簡稱FM)模型已得到Spark merge，Spark使用者只要更新Spark后，即可使用該模型。

Apache Spark是一個互聯(lián)網(wǎng)行業(yè)普遍使用的開源大數(shù)據(jù)分布式編程框架，借助Catalyst、新的混排方法、新的網(wǎng)絡模塊等，獲得了超越MapReduce框架的性能，也提供了豐富的API接口。截至2015年年底，Spark是所有大數(shù)據(jù)項目中最活躍的開源項目。如今，許多公司使用Spark，包括亞馬遜、Autodesk、Groupon、TripAdvisor，百度、阿里巴巴和騰訊、微軟等國內外一流互聯(lián)網(wǎng)公司都在使用。

而FM模型自從2010年被提出后，由于易于整合交叉特征、能夠有效解決高維數(shù)據(jù)特征組合的稀疏問題且具有較高的預測精度和計算效率，在推薦系統(tǒng)及廣告CTR預估等領域得到了大規(guī)模使用，國內很多大廠(如美團、頭條等)都用它來做推薦及CTR預估。在數(shù)據(jù)稀疏的情況(如CTR預測)下，F(xiàn)M模型展現(xiàn)出非常高的預測質量，被提出后迅速成為學術界和行業(yè)研究和應用的熱點。

比如在某銀行短信投放的項目中，一開始使用對于計算廣告等有天然優(yōu)勢的邏輯回歸模型，點擊率為1.18%。但是，邏輯回歸雖然適合用來學習需要大規(guī)模訓練的樣本和特征，同時也有著不容忽視的缺點：1.模型表達能力弱，需要大量的特征組合提高特征的表達；2.模型簡單，容易欠擬合。所以在評估后，MobTech選擇了使用FM模型，成功幫助用戶的點擊率增長至3.62%，帶來了更多轉化。

作為全球領先的數(shù)據(jù)智能科技平臺，MobTech結合大規(guī)模數(shù)據(jù)處理、數(shù)據(jù)挖掘、機器學習、可視化等多種技術，從數(shù)據(jù)中提煉、發(fā)掘、獲取有揭示性和可操作性的信息，為企業(yè)和品牌在基于數(shù)據(jù)制定決策或執(zhí)行任務時提供有效的智能支持。自研FM模型并得到Spark merge是MobTech助力各企業(yè)探求數(shù)據(jù)空間中未知世界，在不同領域里尋找巨大機會的見證，也彰顯了MobTech在推動行業(yè)重塑商業(yè)分析和商業(yè)智能領域的決心。

新一輪技術革命帶來的商業(yè)演進把我們帶進“ABC”時代，即人工智能（AI）、大數(shù)據(jù)（Big Data）和云計算（Cloud Computing）。而根據(jù)Gartner的調研，一種新的
“增強分析”的分析模式正在顛覆舊有方式，預計在幾年內將成為商業(yè)智能系統(tǒng)采購的主導驅動力。這種“增強分析”模式正是由數(shù)據(jù)智能技術賦能，提供了自然語言查詢和敘述、增強的數(shù)據(jù)準備、自動的高級分析、基于可視化的數(shù)據(jù)探索等多種核心能力。

未來，MobTech將會潛心數(shù)據(jù)智能研究，讓產(chǎn)品更加契合當今大數(shù)據(jù)時代各領域、各行業(yè)從數(shù)據(jù)中挖掘、實現(xiàn)價值，進行數(shù)字化轉型的迫切需要。并不斷將成果與眾企業(yè)分享，一同實現(xiàn)數(shù)據(jù)智能在更多領域的落地和發(fā)展，不斷挑戰(zhàn)新應用和新場景，進一步激發(fā)和驅動數(shù)字智能研究保持強勁的發(fā)展勢頭，邁向更高的層次。