数据处理要成本把控
平台开展促销活动不仅仅是为用户着想，也是对自身负载上限的一次考验。在未来几年中，我国的物流行业将会进入日均1亿快件的节奏，这就意味着订单量会爆发性增加，物流频次加速，数据量继续上升，数据处理的提速和降耗将会变成急需解决的问题。
快节奏的数据时代成本很重要
数据处理提速目前提倡的是流式大数据处理，流式处理的优势在于借助开源的分布式系统，运行数据流代码时，分配数据到容错力高的计算机中并行运行，从而达到低延迟、可扩展和容错率高的目的。但这种处理方式最大的限制在于成本过高，尤其是对于超大量数据应用流式数据处理会让平台得不偿失，以此处理所得的数据价值未必比成本更高。
数据处理降耗则是指降低在数据处理过程中的人力和财力消耗。在促销活动期间，用人紧张导致人力资源价值提升，这就需要在数据价值和人力价值之间寻找平衡点；同时无法处理的数据在存储和管理方面的成本也需要纳入考虑范围。
人用数据不能被数据牵着走
解决数据问题需要从多个层面来考虑：人力方面，数据价值是不可忽视的一部分，专业人从事专业事，让人的价值最大化发挥；技术层面，将人工智能的深度学习和机器学习技术深化与大数据技术的结合，让人在大数据处理流程中只指挥，不执行，把计算力还给云和HPC；数据层面，强化数据分流，将时效性明显的数据优先处理，并且有选择的进行数据清洗，降低存储和管理成本，提高处理效率。
