1.1 分布式集群存储、分布式集群运算、安全高效稳定灵活（技术部门需要）
一句话概括：一台电脑存不过来的数据多台一块来存，一台电脑算得慢的数据多台同时来算，存储安全、计算高效、运行稳定、开发灵活。（针对海量数据存储与分析的需求）
1.2 日志点击流系统（可研发产品）
通过搜集公司现有系统中的用户行为日志（包括搜索日志、浏览日志、交易日志）及用户信息（IP、手机型号、屏幕尺寸等）,作为网站运营的眼睛,分析网站来访者的各项指标。
适用产品（门户网站、电商系统、社交系统）
数据来源
场景案例
1.3 “物品”推荐系统（可研发产品）
在物品和用户之间自动建立信息的桥梁，旨在于帮助用户发现他们感兴趣的信息，也能将信息推送给对它们感兴趣的用户。
图 1 给出了推荐引擎的工作原理图，这里先将推荐引擎看作黑盒，它接受的输入是推荐的数据源，一般情况下，推荐引擎所需要的数据源包括：
要推荐物品的元数据，例如主题，形式，价格等；
系统用户的基本信息，例如性别，年龄，收入等
用户对物品的偏好，根据物品业务属性的不同，可能包括游客对物品的评分，用户关注物品的记录，用户的曾经消费过的物品等记录。
基于人口统计学的推荐机制
从图中可以很清楚的看到，首先，系统对每个用户都有一个用户 Profile 的建模，其中包括用户的基本信息，例如用户的年龄，性别等等；然后，系统会根据用户的 Profile 计算用户的相似度，可以看到用户 A 的 Profile 和用户 C 一样，那么系统会认为用户 A 和 C 是相似用户，在推荐引擎中，可以称他们是“邻居”；最后，基于“邻居”用户群的喜好推荐给当前用户一些物品，图中将用户 A 喜欢的物品 A 推荐给用户 C。
基于物品内容的推荐机制
从例图中电影推荐系统，首先需要对电影的元数据有一个建模，这里只简单的描述了一下电影的类型；然后通过电影的元数据发现电影间的相似度，因为类型都是“爱情，浪漫”电影 A 和 C 被认为是相似的电影（当然，只根据类型是不够的，要得到更好的推荐，我们还可以考虑电影的导演，演员等等）；最后实现推荐，对于用户 A，他喜欢看电影 A，那么系统就可以给他推荐类似的电影 C。
基于用户的协同过滤推荐机制
基于物品的协同过滤推荐机制
适用产品（门户网站文章推荐，商盟、小猪CMS系统商品推荐）
1.4 公司业务系统（架构升级）
（数据随时间推移而量大，运算程序随需求增加而增多，实时并发量高）
1.5 舆情监测系统（接口接入）
1.定向感知用户关心的信息，用户只需设置关键词，即可实现对全互联网的信息进行监测、将关键字相关的信息进行自然语言分析处理。
（使用网络爬虫工具、百度AI自然语言分析接口等）
2.定向爬取各省市县旅游政务咨询网站的信息（包括文章、评论、商品信息等），
将文章存储后做数据挖掘分析。
1.6 景区游客大屏系统（产品研发）
景区门口针对游客的大屏数据看板
景区门口，给游客展示的大屏数据看板，包括景区实时人均消费、交通、停车、客流、为游客的游览和消费提供数据参考。
按日展示人均消费，游客景区内消费指导价
