近些年,传统的B2B企业面对“互联网+”这一新形态时摩拳擦掌,但是企业与企业之间的数字化的程度却迥然不同。对于企业命脉生死攸关的销售部来说,同样也面临着行业竞争异常激烈、开发新客户难度日益增加以及获取新客户的成本水涨船高的问题。针对上述问题,基于大数据技术,结合企业特有数据,在保证系统兼容性的前提下,设计并实现一个具有易用性、高响应性以及高精确性的销售线索推荐系统。销售线索推荐系统基于BI大数据平台,主要分为两个部分。一个部分负责海量数据的存储与推荐计算,另一个部分负责系统的数据展示以及业务处理。对于第一部分,利用Scrapy爬虫技术采集垂直行业特有数据,使用Hadoop的HDFS分布式文件系统存储包括业务数据、工商数据、爬虫数据以及其他数据在内的海量数据,结合Flume、Sqoop以及Hive等技术对数据进行ETL处理后入库,通过Spark SQL、Spark MLlib结合Jieba分词进行相似度计算之后得到销售线索,最后将任务放在Azkaban任务调度器上进行任务的调度更新。对于第二个部分,使用Spring Boot和Mybatis框架技术对后台部分进行代码编写和逻辑处理,利用My SQL、Postgre SQL等关系型数据库存储用户信息、客户信息以及线索信息等数据,Redis非关系型数据库提升特殊业务数据处理速度,结合Vue开源框架实现的前端页面进行数据的展示、页面交互与业务处理。由于任务调度策略以及客户的新增会导致推荐线索的计算不及时,因此采用Elasticsearch进行数据的检索以便于新增客户的临时推荐。目前线索推荐系统已经内部测试上线。经过验证,可以较为精准的命中相似线索,解决了销售人员找线索困难的问题。真正意义上打破了传统B2B行业通过传统人工手段寻找潜在客户的局面,实现了销售人员的找线索自由。