基于Hadoop平台的电商数据分析系统设计与实现（开题报告）_基于hadoop的电商用户行为分析系统的设计与实现课题申请书

1.课题名称、来源、选题依据
1.1 课题名称
基于Hadoop平台的电商数据分析系统设计与实现
1.2 课题来源
课题来源于其他
1.3选题依据
电商数据分析作为大数据应用方向之一，历来都受到各大电商企业的高度重视。电商数据分析是电商卖货的重要参考因素，是实施未来战略的基本路径和必然选择。自2000年以来，大数据分析技术的发展一直面临着诸多问题，比如普遍存在信息孤岛，对大数据产业发展规律缺乏认识，技术创新和支撑能力不足，数据资源建设和应用水平低，提升信息普遍的能力，积极探索未来大数据的突破成为当代社会的一项重大和紧迫的任务。
自从移动互联网和 4G 网络的普及开来，使得人们接触外部信息的方式越来越多，也有越来越多的人了解到了网络购物。中国的人口基数使得国内的网络购物有着巨大的市场，各种电商网站层出不穷，形成了淘宝，京东，拼多多三足鼎立加各种中小型公司的情况。它们琳琅满目的商品、飞快的物流体验、相比实体店更低的价格，提高了人们的生活品质，让人们越来越离不开它们。而国内一些中小型电商企业甚至由于竞争不过巨头，开始向国外发展，于是怎么增加用户粘性、商品复购率等就成了各大电商企业必须要考虑的问题[1]。
电商中的大数据，包括客户在购物行为中产生的交易(或业务)数据、浏览网站产生的点击流数据，以及在电商活动各环节产生的音视频数据等。其中,交易(或业务)数据源自电商企业管理、 维护的客户关系资料，下单、支付、配送等销售过程数据，以及售后客户评价、投诉事件数据等，这些数据虽来源众多，但本质上是结构化的，利用其可帮助电商企业大幅提升在整个价值链中的收益;点击流数据源自互联网访问痕迹、在线广告(或推文)、社交媒体帖子等,利用其可帮助电商企业做出明智的、战略性的决策和精准化的、个性化的营销策略;音视频数据源自客服或呼叫中心的语音数据，售后评价中客户上传的图像、视频数据,以及在电商活动其他环节捕获的语音、图像和视频数据,这些数据是非结构化的，利用其可帮助电商企业识别客户的情感偏好、兴趣意图等细微差别，提供有针对性的、个性化的服务,以培养忠诚客户或锁定新客户，进而为电商企业增加竞争优势和价值[2]。
电子商务在大数据技术及移动互联网飞速发展的背景下呈现出井喷式发展趋势。电子商务将大数据技术应用到各个环节当中，并从中获取较大的经济效益，从而构建出一种新型的商业模式。基于大数据背景，电子商务得到快速发展，使得电子商务平台呈现出多样化的商品与服务，同时电子商务平台可以借助大数据技术进行精准的用户分析、全面营销，促进电子商务平台业务管理水平的提高，从而推动我国大数据电子商务平台的发展[3]。因此，发展基于Hadoop的电商数据分析系统，构建高效的数据处理平台，提升电商业务的决策支持能力，全面推进数据驱动的智能决策，实现电商行业的创新与发展，是基于当前电商行业的实际情况，着眼于提高竞争力和用户体验的战略性规划。因此，本文以基于Hadoop的电商数据分析系统为典型，深入剖析电商行业中存在的数据分析问题，研究如何利用Hadoop技术进行电商数据分析，以期为电商企业的发展、用户利益的实现提供有益参考。
2.课题国内外研究现状和发展趋势
2.1国外研究现状
曾鸿等通过研究发现，在当前大数据和云计算等技术的加持下，通过爬虫技术去收集相关明星的数据，可以更好地发现他们的兴趣共同特征，进而在其关注的用户中分析比对与之相对应的用户，通过精准的个性化推算让微博等产品有更好的用户体验，增进用户的黏性[4].在国外研究人员致力于整合多个数据源，包括电商平台数据、社交媒体数据和第三方数据，进行联合分析ÿ