IT技术给我们带来最大的变化就是从PC转向移动设备，比如在2012年第四季度，每天通过移动设备访问Facebook的人数首次超过了通过PC访问的数量。同时，智慧城市的建设当然也离不开“移动”这个主题。在我们实施的智慧城市系统中，无一例外都要建设无线城市门户，要求所有的智慧系统提供手机客户端系统。
移动互联网产业发展迅速，据工信部相关数据，移动互联网用户超过4亿，相关产业规模超过9000亿元，中国已经成为第一大智能手机和平板市场，潜力巨大。
需求方的转移 促使移动大数据快速发展
过往几年，是移动大数据上升的阶段，各行各业对数据的需求越来越强烈，同时对数据的质量要求也越来越高、越来越灵活。
TalkingData CTO肖文峰表示：移动大数据市场发展很快，在2014年上半年的时候，我们需要出去找客户谈需求。但是2014年下半年，很多客户拿着需求来找我们。同时，我们已经组建专门独立的数据采集、数据计算、数据存储、数据挖据、以及数据可视化的团队。
市场开始要求大数据公司的研发体系具备很灵活的资源配置以应对业务需求。对于过去的大数据公司而言，其研发团队一般是按照产品线区分的，有通用统计分析产品线、有特定行业的运营分析产品线、有广告监测产品线以及数据的产品线，这些产品线都是互相独立的，每一块配制相对独立的资源，互相之间缺乏共享。
为了应对移动大数据市场灵活的变化，数据公司的研发团队开始向功能模块服务化的方向迁移，从数据采集SDK、数据收集、数据初加工，再到数据的可视化都成为服务模块。
移动大数据的要求更高
本质上来讲，移动大数据和PC大数据的技术栈应该是差别不大，但是服务等级不同。移动大数据有多样性的特征，比如通过手机收集的数据与PC端不一样，PC端上没有传感器，但是智能手机上有位置传感器、有加速度传感器、有光感、有声音、有磁场等，这些信息都是对用户的刻画，给移动大数据带来新的价值。
另外，移动数据也具备实时性的特征，比如地理位置信息是不断变化的，有衰减的特性，需要数据不断更新，以拿到最新的用户画像。
正因为移动数据具有多样性和实时性的特性，所以才导致数据在量级和复杂度上比PC端上大很多，对数据的处理性能也要求更高，其技术架构也会面临更多压力。
移动大数据的新战场：SDK
针对移动大数据来说，绝大部分行业和公司还没有重视传感器信息，比如广告精准投放，位置信息再加上操作系统信息是现在的普遍做法，这与真正的“精准”还存在距离。对于移动大数据的“精准”，应该与智能手机用户的场景关联起来，应适应景应人，所谓没有场景就谈不上精准。
对此，TalkingData带来了场景感知SDK。这个SDK能做什么事儿？它可以将用户手持智能手机时的步态数据，例如静止、走路、跑步或驾车等，通过API的方式提供给App访问。这样一来，App就可以知道用户当时是在饭店吃饭，还是在健身房健身。另一方面也提供地理围栏的触发功能，让开发者能判断用户地理位置相关的场景，比如用户是否是快要到家了。通过场景感知，App可以对用户有更清晰深刻的认识。
对于一些O2O的App来说，场景感知可以决定在什么时候推送什么样的功能、内容和服务。比如上班的路上，在咖啡厅附近推送一杯咖啡的优惠券；下班的路上经过花店，推送一束鲜花的优惠。基于场景，功能和服务的转换率和效果会大大增高。
TalkingData CTO肖文峰：TalkingData始终聚焦于移动大数据，我们希望通过各种各样的数据把智能设备后面那个人刻画出来，刻画的越细越好，越细价值越大。
#p#
做务实的移动大数据团队
研发人员，尤其一线研发人员，很容易头脑发热，什么热门学什么，什么热门用什么，但是学得用的都不扎实。比如，很多工程师简历里面都写着，掌握了各种大数据的技术，实际上深入后可能会发现，他们掌握的其实非常浅，比如能够部署Hadoop成功，会说自己精通Hadoop。每一项技术，引入都很容易，但是一旦深度使用，就会发现各种各样的坑，这些都需要对这项技术有很深的了解才可能解决。从MongoDB到Redis，从Hadoop到Kafka，甚至是硬件，在更大量级的数据压力下，都可能出现新的问题，需要不断投入资源去应对。
采用何种技术，还需要根据需求来确定。数据变化导致需求变化，需求变化才是技术更新的原因所在，对于大数据，尤其是移动大数据来说，一次次技术的创新才是对数据梳理、整合、拆分以及分析、挖掘最有的放矢的处理办法。
TalkingData CTO肖文峰：TalkingData技术团队是一个务实的团队，从来不会为了引进新技术而引进新技术。同时，我们也是一个开放的团队，我们团队会有20%左右的时间做前沿技术的研究，也会定期和技术社区以及硅谷的技术专家作交流和分享，确保我们能够充分理解新的技术，以准确判断新技术对业务的影响。
移动大数据的未来
对于移动大数据未来的发展，我们借用一下TalkingData的核心价值来说：用数据去改变企业做决定的方式，用数据去帮助人们了解周围的环境。
基于这两点，对于移动大数据需要聚焦在两个方向上：一是如何让数据能够像水一样高效流动，并加快流动的效率。在移动大数据市场上，线上、线下的数据需求非常强烈，包括数据的提取、加工、交换，需要一个公共的框架能够成为数据的“水库“，汇聚从各个不同的数据源流入的数据，并加工成不同质量的”水“，然后提供给不同行业来满足不同需求。
二是了解周围环境，这需要对智能手机传感器进行研究，包括处理传感器数据的算法。场景化能够帮助开发者把应用做得更加智能，帮助他们去判断用户当前的状态和目的。如果知道是什么样的人，在什么时刻做什么事情的话，就能触发一些更有针对性的功能、服务和内容，提升用户体验。
世界的本质就是数据，万物皆可被数据化——而移动互联网时代为此提供了更加可行的方案。过去，只有客观世界才能用数据描述，实现定量分析的目标，而现在，大数据甚至可以描述人类精神、社会行为等主观世界。移动大数据，将通过“量化一切”来实现数据的无处不在！
