您查看的活动已结束

美团点评技术沙龙由美团-点评技术团队主办，每期沙龙邀请美团-点评及其他互联网公司的技术专家分享来自一线的实践经验，覆盖各主要技术领域。

提到O2O领域，外卖的迅猛发展是非常抢眼的话题。根据企鹅智酷最近发布的调研报告，外卖已经成为很多人习以为常的用餐方式，目前在中国网民中的渗透率超过七成，相比不到两年前已经翻番。与行业大势相呼应，美团深耕外卖领域两年多来，业务发展迅猛，日单量率先破400万单。快速发展的业务背后，离不开大数据技术的演进和有力支持。 无论是通过用户运营的技术手段快速提升用户渗透率，还是积累用户行为、交易等数据以提供个性化的用户体验，或者是通过智能的配送调度算法提升配送速度，都离不开背后的大数据分析及挖掘技术。在此次沙龙中，我们会针对上述话题，和大家一起分享外卖大数据的收集分析处理流程，以及在个性化的用户体验和配送调度等方面的应用。也会邀请外部嘉宾作为他山之石，来一起谈谈O2O领域大数据的关键应用场景。

欢迎大家报名参加外卖大数据 - 全链路应用揭秘！

日程安排 

议题简介

主题一：外卖O2O的用户画像实践

美团外卖经过3年的飞速发展，达到了上亿用户，每天数百万订单的规模，留存了大量的用户数据。如何充分挖掘这些用户数据以更好地帮助外卖的发展是一个重大课题。同时外卖的高频O2O的特点也带来了一些新的问题需要解决。本报告将分享我们在助外卖吸引新的客户、留存已有用户以及用户订单数据挖掘的实践。

分享者：李滔，美团点评高级技术专家，负责用户画像和营销策略研发工作。 之前曾就职于理光北京研究所以及Teradata公司。在理光期间设计了理光相机的第一代人脸检测/对焦系统。之后在Teradata公司从事大规模数据挖掘的算法设计开发，基于Teradata Aster的Map/Reduce和图计算平台设计实现了多种机器学习/数据挖掘算法并成功应用于商业实践。

主题二：一个用户行为分析产品的设计与实现

神策分析是一个可以私有化部署的用户行为分析产品，支持每个实例每天十亿级别用户行为数据的秒级导入与秒级查询延迟。本次分享会以产品的功能设计与性能指标为出发点，详细介绍整个系统的技术选型、整体架构、数据模型、技术实现，以及我们团队一年多的开发演进过程中所遇到的问题。

分享者：曹犟，神策数据联合创始人，CTO，清华大学2002级计算机系本科，2006级硕士。2008年至2014年就职于百度，先后负责/参与了百度知道的问题个性化推荐、百度日志处理平台、百度用户行为分析平台、百度统一用户画像（User Profile）、百度用户数据仓库（User Data Warehouse）、ID-Mapping 等项目的技术研发工作。在数据收集与传输、数据建模、海量数据处理、数据应用、数据分析等领域有一定的实践经验。 2014年4月至2015年4月就职于北京极科即客科技有限公司(极路由)任数据总监职务。 2015年4月至今作为神策数据创始人并担任CTO职务，负责产品与技术研发工作。

主题三：美团配送智能调度实践

美团配送智能调度系统是针对外卖配送业务，支持超大数据量、多目标、实时调度需求的新一代调度系统。系统依托大数据和实时云计算平台，采用多目标动态优化、实时预测、并行仿真等创新技术手段，每天能处理 2,000,000订单 * 100,000骑手的实时调度任务，并大幅提升配送效率、降低配送时长。在本报告中，我们将探讨外卖配送问题的难点以及我们主要采用的技术手段，未来的优化方向等技术热点问题。

分享者：郝井华，美团点评技术专家，负责配送优化调度算法研发工作。加入美团前，在清华大学从事复杂工业过程的智能控制、智能调度与优化技术的学术研究和产品研发工作，主持设计了多个行业的智能物流调度系统并取得成功应用，在该领域发表学术论文20多篇，获授权发明专利6项。

主题四：美团外卖中的单量预估及列表优化

经过几年的发展，目前每天美团外卖的已是一个数百万单量级的大应用。在此报告中我们一起探讨其中的几个问题： 1，订单量的预测：针对不同地理位置级别，如果对日单量进行建模，分析有哪些因数会影响单量，如何提高预测精度的同时，保证模型的可解释性； 2，主流量的优化：列表是美团外卖平台的主要流量入口，利用技术手段更好地完成了用户订餐需求和商家外卖供给的个性化匹配，提升用户点餐体验和流量使用效率。

分享者：王兴星，美团点评高级技术专家，负责外卖广告技术工作。加入美团前，担任搜狗广告技术部资深研究员，负责搜狗PC、无线联盟的整体算法工作。所研发的特征框架、训练系统应用于搜狗多个商业产品线。曾获多次公司年度最佳个人，广告技术部犀牛、MVP等奖项。他也是数据挖掘爱好者，曾获百度电影推荐大赛第一名、品友互动RTB算法竞赛Offline/Online第一名等奖项。

往期回顾

美团点评技术沙龙第一期：O2O技术架构与实践

美团点评技术沙龙第二期：O2O算法与挖掘实践

美团点评技术沙龙第三期：O2O实时数据仓库应用和数据治理实践

美团点评技术沙龙第四期：海量存储之道

美团点评技术沙龙第五期：前端技术综合应用实战

美团点评技术沙龙第六期：O2O质量体系构建

美团点评技术沙龙第七期：高并发下的实时O2O系统架构设计

美团点评技术沙龙第八期：大规模集群的服务治理设计与实践