Flink 速成

36、Flink项目 1、项目介绍

一、电商的用户行为

电商平台中的用户行为频繁且较复杂，系统上线运行一段时间后，可以收集到大量的用户行为数据，进而利用大数据技术进行深入挖掘和分析，得到感兴趣的商业指标并增强对风险的控制。

电商用户行为数据多样，整体可以分为用户行为习惯数据和业务行为数据两大类。用户的行为习惯数据包括了用户的登录方式、上线的时间点及时长、点击和浏览页面、页面停留时间以及页面跳转等等，我们可以从中进行流量统计和热门商品的统计，也可以深入挖掘用户的特征；这些数据往往可以从 web 服务器日志中直接读取到。而业务行为数据就是用户在电商平台中针对每个业务（通常是某个具体商品）所作的操作，我们一般会在业务系统中相应的位置埋点，然后收集日志进行分析。业务行为数据又可以简单分为两类：一类是能够明显地表现出用户兴趣的行为，比如对商品的收藏、喜欢、评分和评价，我们可以从中对数据进行深入分析，得到用户画像，进而对用户给出个性化的推荐商品列表，这个过程往往会用到机器学习相关的算法；另一类则是常规的业务操作，但需要着重关注一些异常状况以做好风控，比如登录和订单支付。

二、项目主要模块

基于对电商用户行为数据的基本分类，我们可以发现主要有以下三个分析方向：

1、热门统计利用用户的点击浏览行为，进行流量统计、近期热门商品统计等；
2、偏好统计利用用户的偏好行为，比如收藏、喜欢、评分等，进行用户画像分析，给出个性化的商品推荐列表；
3、风险控制利用用户的常规业务行为，比如登录、下单、支付等，分析数据，对异常情况进行报警提示本项目限于数据，我们只实现热门统计和风险控制中的部分内容，将包括以下五大模块：；
1)实时热门商品统计
2)实时流量统计
3)市场营销商业指标统计
4)恶意登录
5)监控和订单支付失效监控
其中细分为以下 9 个具体指标：