主要做社交媒体领域里的推荐 / 排序、文本 / 图像分类、反垃圾 / 反作弊等。在开源 Hadoop数据湖的基础上，借助阿里巴巴MaxCompute和PAI，解决了超大规模下的特征工程、模型训练等性能问题，形成了MaxCompute 和Hadoop数据湖共存的格局

数据同步安排专人专项负责，工作量巨大；训练数据体量大，导致耗时多，无法满足实时训练要求；新写 SQL 数据处理 query，无法复用 Hive SQL 原有 query

通过湖仓一体，无须进行数据搬迁和作业迁移，原有生产作业无缝灵活调度MaxCompute 集群和 EMR 集群中，且性能有提升；封装构建AI计算中台，极大提升该团队的业务支撑能力

某集团打造以大数据为驱动，模型为决策的智能风险管理体系，自主研发的大数据信用平分、坏账预测系统，为实际消费场景增加受众范围、降低入门门槛，承担起”护城河”的使命。

Hadoop多集群版本不一致，集群管理复杂，导致稳定性不足、性能极差、经常被业务团队投诉；算法平台比较传统、实时性不足。

集团数仓迁移到飞天大数据平台后，任务基线整体提前3小时，性能提升30%。采用MMA 实现Hadoop->MaxCompute迁移策略，2周实现PB级数据上万张表的高效迁移，上千个核心任务只用了5天完成迁移改造。在离线计算和数仓基础上拓展了实时计算和金融AI领域的需求，MC数仓离线计算用户画像数据，增加实时计算Flink处理kafka数据对接Hologres实时数仓并归档MC，并使用MC+Hologres+Flink+PAIAlink打造推荐、风控等场景。