姓名：韓政
學(xué)號：16010188021
轉(zhuǎn)載自：https://www.zhihu.com/question/23896161，有刪節(jié)
【嵌牛導(dǎo)讀】：大數(shù)據(jù)這個名詞只是一個空洞的商業(yè)術(shù)語，大數(shù)據(jù)究竟有什么具體的含義
【嵌牛鼻子】：可視化 ?存儲
【嵌牛提問】：什么是大數(shù)據(jù)梅鹦，究竟有什么含義
【嵌牛正文】
一疗垛、大數(shù)據(jù)概念
"大數(shù)據(jù)"是一個體量特別大纹笼，數(shù)據(jù)類別特別大的數(shù)據(jù)集饱普，并且這樣的數(shù)據(jù)集無法用傳統(tǒng)數(shù)據(jù)庫工具對其內(nèi)容進(jìn)行抓取孵延、管理和處理吕漂。 "大數(shù)據(jù)"首先是指數(shù)據(jù)體量(volumes)?大，指代大型數(shù)據(jù)集尘应，一般在10TB?規(guī)模左右惶凝，但在實際應(yīng)用中，很多企業(yè)用戶把多個數(shù)據(jù)集放在一起犬钢，已經(jīng)形成了PB級的數(shù)據(jù)量梨睁；其次是指數(shù)據(jù)類別(variety)大，數(shù)據(jù)來自多種數(shù)據(jù)源娜饵，數(shù)據(jù)種類和格式日漸豐富坡贺，已沖破了以前所限定的結(jié)構(gòu)化數(shù)據(jù)范疇，囊括了半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。接著是數(shù)據(jù)處理速度（Velocity）快遍坟，在數(shù)據(jù)量非常龐大的情況下拳亿，也能夠做到數(shù)據(jù)的實時處理。最后一個特點是指數(shù)據(jù)真實性（Veracity）高愿伴，隨著社交數(shù)據(jù)肺魁、企業(yè)內(nèi)容、交易與應(yīng)用數(shù)據(jù)等新數(shù)據(jù)源的興趣隔节，傳統(tǒng)數(shù)據(jù)源的局限被打破鹅经，企業(yè)愈發(fā)需要有效的信息之力以確保其真實性及安全性。
"大數(shù)據(jù)"是需要新處理模式才能具有更強(qiáng)的決策力怎诫、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量瘾晃、高增長率和多樣化的信息資產(chǎn)。從數(shù)據(jù)的類別上看幻妓，"大數(shù)據(jù)"指的是無法使用傳統(tǒng)流程或工具處理或分析的信息蹦误。它定義了那些超出正常處理范圍和大小、迫使用戶采用非傳統(tǒng)處理方法的數(shù)據(jù)集肉津。
亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）强胰、大數(shù)據(jù)科學(xué)家JohnRauser提到一個簡單的定義：大數(shù)據(jù)就是任何超過了一臺計算機(jī)處理能力的龐大數(shù)據(jù)量。
研發(fā)小組對大數(shù)據(jù)的定義："大數(shù)據(jù)是最大的宣傳技術(shù)妹沙、是最時髦的技術(shù)偶洋，當(dāng)這種現(xiàn)象出現(xiàn)時，定義就變得很混亂距糖。" Kelly說："大數(shù)據(jù)是可能不包含所有的信息玄窝，但我覺得大部分是正確的。對大數(shù)據(jù)的一部分認(rèn)知在于肾筐，它是如此之大，分析它需要多個工作負(fù)載缸剪，這是AWS的定義吗铐。當(dāng)你的技術(shù)達(dá)到極限時，也就是數(shù)據(jù)的極限"杏节。 大數(shù)據(jù)不是關(guān)于如何定義唬渗，最重要的是如何使用。最大的挑戰(zhàn)在于哪些技術(shù)能更好的使用數(shù)據(jù)以及大數(shù)據(jù)的應(yīng)用情況如何奋渔。這與傳統(tǒng)的數(shù)據(jù)庫相比镊逝，開源的大數(shù)據(jù)分析工具的如Hadoop的崛起，這些非結(jié)構(gòu)化的數(shù)據(jù)服務(wù)的價值在哪里嫉鲸。
二撑蒜、大數(shù)據(jù)分析
從所周知，大數(shù)據(jù)已經(jīng)不簡簡單單是數(shù)據(jù)大的事實了，而最重要的現(xiàn)實是對大數(shù)據(jù)進(jìn)行分析座菠，只有通過分析才能獲取很多智能的狸眼，深入的，有價值的信息浴滴。那么越來越多的應(yīng)用涉及到大數(shù)據(jù)拓萌，而這些大數(shù)據(jù)的屬性，包括數(shù)量升略，速度微王，多樣性等等都是呈現(xiàn)了大數(shù)據(jù)不斷增長的復(fù)雜性，所以大數(shù)據(jù)的分析方法在大數(shù)據(jù)領(lǐng)域就顯得尤為重要品嚣，可以說是決定最終信息是否有價值的決定性因素炕倘。基于如此的認(rèn)識腰根，大數(shù)據(jù)分析普遍存在的方法理論有哪些呢激才？
1、可視化分析
大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家额嘿，同時還有普通用戶瘸恼，但是他們二者對于大數(shù)據(jù)分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現(xiàn)大數(shù)據(jù)特點册养，同時能夠非常容易被讀者所接受东帅，就如同看圖說話一樣簡單明了
2、數(shù)據(jù)挖掘算法
大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法球拦，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點靠闭，也正是因為這些被全世界統(tǒng)計學(xué)家所公認(rèn)的各種統(tǒng)計方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部，挖掘出公認(rèn)的價值坎炼。另外一個方面也是因為有這些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)愧膀，如果一個算法得花上好幾年才能得出結(jié)論，那大數(shù)據(jù)的價值也就無從說起了谣光。
3檩淋、預(yù)測性分析能力
大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測性分析，從大數(shù)據(jù)中挖掘出特點萄金，通過科學(xué)的建立模型蟀悦，之后便可以通過模型帶入新的數(shù)據(jù)，從而預(yù)測未來的數(shù)據(jù)氧敢。
4日戈、數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理
大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理孙乖，無論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域浙炼，都能夠保證分析結(jié)果的真實和有價值份氧。
大數(shù)據(jù)分析的基礎(chǔ)就是以上五個方面，當(dāng)然更加深入大數(shù)據(jù)分析的話鼓拧，還有很多很多更加有特點的半火、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法季俩。
三钮糖、大數(shù)據(jù)技術(shù)
1、數(shù)據(jù)采集：ETL工具負(fù)責(zé)將分布的酌住、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)店归、平面數(shù)據(jù)文件等抽取到臨時中間層后進(jìn)行清洗、轉(zhuǎn)換酪我、集成消痛，最后加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理都哭、數(shù)據(jù)挖掘的基礎(chǔ)秩伞。
2欺矫、數(shù)據(jù)存取：關(guān)系數(shù)據(jù)庫脸爱、NOSQL、SQL等未妹。
3簿废、基礎(chǔ)架構(gòu)：云存儲络它、分布式文件存儲等。
4化戳、數(shù)據(jù)處理：自然語言處理(NLP单料，NaturalLanguageProcessing)是研究人與計算機(jī)交互的語言問題的一門學(xué)科。處理自然語言的關(guān)鍵是要讓計算機(jī)"理解"自然語言迂烁，所以自然語言處理又叫做自然語言理解(NLU看尼，NaturalLanguage Understanding)，也稱為計算語言學(xué)(Computational Linguistics躏结。一方面它是語言信息處理的一個分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心課題之一黄橘。
5、統(tǒng)計分析：假設(shè)檢驗塞关、顯著性檢驗、差異分析小压、相關(guān)分析椰于、T檢驗、方差分析瘾婿、卡方分析、偏相關(guān)分析抢呆、距離分析竹挡、回歸分析、簡單回歸分析梯码、多元回歸分析好啰、逐步回歸轩娶、回歸預(yù)測與殘差分析鳄抒、嶺回歸椰弊、logistic回歸分析、曲線估計秉版、因子分析清焕、聚類分析祭犯、主成分分析滚停、因子分析、快速聚類法與聚類法最盅、判別分析起惕、對應(yīng)分析、多元對應(yīng)分析（最優(yōu)尺度分析）疤祭、bootstrap技術(shù)等等勺馆。
6、數(shù)據(jù)挖掘：分類（Classification）草穆、估計（Estimation）悲柱、預(yù)測（Prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping orassociation rules）豌鸡、聚類（Clustering）涯冠、描述和可視化、Description and Visualization）蛇更、復(fù)雜數(shù)據(jù)類型挖掘(Text,Web ,圖形圖像，視頻砸逊，音頻等)
7掌逛、模型預(yù)測：預(yù)測模型、機(jī)器學(xué)習(xí)字旭、建模仿真崖叫。
8、結(jié)果呈現(xiàn)：云計算屈暗、標(biāo)簽云脂男、關(guān)系圖等。
四弃甥、大數(shù)據(jù)特點
要理解大數(shù)據(jù)這一概念汁讼，首先要從"大"入手，"大"是指數(shù)據(jù)規(guī)模，大數(shù)據(jù)一般指在10TB(1TB=1024GB)規(guī)模以上的數(shù)據(jù)量轩勘。大數(shù)據(jù)同過去的海量數(shù)據(jù)有所區(qū)別，其基本特征可以用4個V來總結(jié)(Vol-ume蝉娜、Variety召川、Value和Veloc-ity)，即體量大扮宠、多樣性、價值密度低坛增、速度快。
1届案、數(shù)據(jù)體量巨大罢艾。從TB級別尽纽，躍升到PB級別童漩。
2矫膨、數(shù)據(jù)類型繁多，如前文提到的網(wǎng)絡(luò)日志侧馅、視頻馁痴、圖片、地理位置信息邮绿，等等攀例。
3、價值密度低挖胃。以視頻為例梆惯，連續(xù)不間斷監(jiān)控過程中，可能有用的數(shù)據(jù)僅僅有一兩秒凹髓。
4怯屉、處理速度快。1秒定律赌躺。最后這一點也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同羡儿。物聯(lián)網(wǎng)、云計算缅叠、移動互聯(lián)網(wǎng)、車聯(lián)網(wǎng)肤粱、手機(jī)狼犯、平板電腦领铐、PC以及遍布地球各個角落的各種各樣的傳感器，無一不是數(shù)據(jù)來源或者承載的方式瓢姻。
大數(shù)據(jù)技術(shù)是指從各種各樣類型的巨量數(shù)據(jù)中音诈，快速獲得有價值信息的技術(shù)。解決大數(shù)據(jù)問題的核心是大數(shù)據(jù)技術(shù)褥傍。目前所說的"大數(shù)據(jù)"不僅指數(shù)據(jù)本身的規(guī)模喇聊，也包括采集數(shù)據(jù)的工具、平臺和數(shù)據(jù)分析系統(tǒng)朋贬。大數(shù)據(jù)研發(fā)目的是發(fā)展大數(shù)據(jù)技術(shù)并將其應(yīng)用到相關(guān)領(lǐng)域窜骄，通過解決巨量數(shù)據(jù)處理問題促進(jìn)其突破性發(fā)展邻遏。因此，大數(shù)據(jù)時代帶來的挑戰(zhàn)不僅體現(xiàn)在如何處理巨量數(shù)據(jù)從中獲取有價值的信息削解，也體現(xiàn)在如何加強(qiáng)大數(shù)據(jù)技術(shù)研發(fā)沟娱，搶占時代發(fā)展的前沿。
五矫废、大數(shù)據(jù)處理
大數(shù)據(jù)處理之一：采集
大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自客戶端（Web、App或者傳感器形式等）的數(shù)據(jù)唉铜，并且用戶可以通過這些數(shù)據(jù)庫來進(jìn)行簡單的查詢和處理工作律杠。比如，電商會使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫MySQL和Oracle等來存儲每一筆事務(wù)數(shù)據(jù)灰嫉，除此之外嗓奢，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。
在大數(shù)據(jù)的采集過程中根盒，其主要特點和挑戰(zhàn)是并發(fā)數(shù)高物蝙，因為同時有可能會有成千上萬的用戶來進(jìn)行訪問和操作，比如火車票售票網(wǎng)站和淘寶厂榛，它們并發(fā)的訪問量在峰值時達(dá)到上百萬丽惭，所以需要在采集端部署大量數(shù)據(jù)庫才能支撐责掏。并且如何在這些數(shù)據(jù)庫之間進(jìn)行負(fù)載均衡和分片的確是需要深入的思考和設(shè)計。
大數(shù)據(jù)處理之二：導(dǎo)入/預(yù)處理
雖然采集端本身會有很多數(shù)據(jù)庫痰驱，但是如果要對這些海量數(shù)據(jù)進(jìn)行有效的分析瞳浦，還是應(yīng)該將這些來自前端的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群蝇完，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。也有一些用戶會在導(dǎo)入時使用來自Twitter的Storm來對數(shù)據(jù)進(jìn)行流式計算氢架，來滿足部分業(yè)務(wù)的實時計算需求朋魔。
導(dǎo)入與預(yù)處理過程的特點和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大警检，每秒鐘的導(dǎo)入量經(jīng)常會達(dá)到百兆，甚至千兆級別扇雕。
大數(shù)據(jù)處理之三：統(tǒng)計/分析
統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫洼裤，或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通的分析和分類匯總等溪王，以滿足大多數(shù)常見的分析需求，在這方面移国，一些實時性需求會用到EMC的GreenPlum道伟、Oracle的Exadata蜜徽，以及基于MySQL的列式存儲Infobright等，而一些批處理拘鞋，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop盆色。
統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源摩梧，特別是I/O會有極大的占用宣旱。
大數(shù)據(jù)處理之四：挖掘
與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題驾霜，主要是在現(xiàn)有數(shù)據(jù)上面進(jìn)行基于各種算法的計算，從而起到預(yù)測（Predict）的效果强霎，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求蓉冈。比較典型算法有用于聚類的Kmeans寞酿、用于統(tǒng)計學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等拉馋。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜惨好，并且計算涉及的數(shù)據(jù)量和計算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主蔓腐。
整個大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個方面的步驟龄句，才能算得上是一個比較完整的大數(shù)據(jù)處理
六、大數(shù)據(jù)應(yīng)用與案例分析
大數(shù)據(jù)應(yīng)用的關(guān)鍵傀蓉，也是其必要條件葬燎，就在于"IT"與"經(jīng)營"的融合繁调，當(dāng)然，這里的經(jīng)營的內(nèi)涵可以非常廣泛岳遥，小至一個零售門店的經(jīng)營裕寨，大至一個城市的經(jīng)營派继。以下是關(guān)于各行各業(yè)驾窟，不同的組織機(jī)構(gòu)在大數(shù)據(jù)方面的應(yīng)用的案例认轨，在此申明，以下案例均來源于網(wǎng)絡(luò)恩急，本文僅作引用纪蜒，并在此基礎(chǔ)上作簡單的梳理和分類纯续。
大數(shù)據(jù)應(yīng)用案例之：醫(yī)療行業(yè)
[1] Seton Healthcare是采用IBM最新沃森技術(shù)醫(yī)療保健內(nèi)容分析預(yù)測的首個客戶。該技術(shù)允許企業(yè)找到大量病人相關(guān)的臨床醫(yī)療信息窗看，通過大數(shù)據(jù)處理兔魂，更好地分析病人的信息析校。
[2] 在加拿大多倫多的一家醫(yī)院铜涉，針對早產(chǎn)嬰兒，每秒鐘有超過3000次的數(shù)據(jù)讀取吊奢。通過這些數(shù)據(jù)分析纹烹，醫(yī)院能夠提前知道哪些早產(chǎn)兒出現(xiàn)問題并且有針對性地采取措施铺呵，避免早產(chǎn)嬰兒夭折。
[3] 它讓更多的創(chuàng)業(yè)者更方便地開發(fā)產(chǎn)品幻林，比如通過社交網(wǎng)絡(luò)來收集數(shù)據(jù)的健康類App。也許未來數(shù)年后躏敢，它們搜集的數(shù)據(jù)能讓醫(yī)生給你的診斷變得更為精確整葡，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中藥劑已經(jīng)代謝完成會自動提醒你再次服藥蛾扇。
大數(shù)據(jù)應(yīng)用案例之：能源行業(yè)
[1] 智能電網(wǎng)現(xiàn)在歐洲已經(jīng)做到了終端魏滚，也就是所謂的智能電表鼠次。在德國，為了鼓勵利用太陽能成翩，會在家庭安裝太陽能赦役，除了賣電給你掂摔，當(dāng)你的太陽能有多余電的時候還可以買回來。通過電網(wǎng)收集每隔五分鐘或十分鐘收集一次數(shù)據(jù)级历，收集來的這些數(shù)據(jù)可以用來預(yù)測客戶的用電習(xí)慣等叭披，從而推斷出在未來2~3個月時間里，整個電網(wǎng)大概需要多少電嚼贡。有了這個預(yù)測后同诫，就可以向發(fā)電或者供電企業(yè)購買一定數(shù)量的電剩辟。因為電有點像期貨一樣往扔，如果提前買就會比較便宜萍膛，買現(xiàn)貨就比較貴嚷堡。通過這個預(yù)測后，可以降低采購成本串塑。
[2] 維斯塔斯風(fēng)力系統(tǒng)北苟，依靠的是BigInsights軟件和IBM超級計算機(jī)友鼻，然后對氣象數(shù)據(jù)進(jìn)行分析，找出安裝風(fēng)力渦輪機(jī)和整個風(fēng)電場最佳的地點妆档。利用大數(shù)據(jù)虫碉，以往需要數(shù)周的分析工作敦捧，現(xiàn)在僅需要不足1小時便可完成。
大數(shù)據(jù)應(yīng)用案例之：通信行業(yè)
[1] XO Communications通過使用IBM SPSS預(yù)測分析軟件逼纸，減少了將近一半的客戶流失率济蝉。XO現(xiàn)在可以預(yù)測客戶的行為王滤，發(fā)現(xiàn)行為趨勢滓鸠，并找出存在缺陷的環(huán)節(jié)糜俗，從而幫助公司及時采取措施曲饱，保留客戶扩淀。此外啤挎，IBM新的Netezza網(wǎng)絡(luò)分析加速器，將通過提供單個端到端網(wǎng)絡(luò)胜臊、服務(wù)伙判、客戶分析視圖的可擴(kuò)展平臺宴抚，幫助通信企業(yè)制定更科學(xué)、合理決策沥邻。
[2] 電信業(yè)者透過數(shù)以千萬計的客戶資料羊娃，能分析出多種使用者行為和趨勢蕊玷，賣給需要的企業(yè)，這是全新的資料經(jīng)濟(jì)延届。
[3] 中國移動通過大數(shù)據(jù)分析贸诚，對企業(yè)運(yùn)營的全業(yè)務(wù)進(jìn)行針對性的監(jiān)控、預(yù)警酱固、跟蹤械念。系統(tǒng)在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負(fù)責(zé)人运悲，使他在最短時間內(nèi)獲知市場行情龄减。
[4] NTT docomo把手機(jī)位置信息和互聯(lián)網(wǎng)上的信息結(jié)合起來，為顧客提供附近的餐飲店信息班眯，接近末班車時間時希停，提供末班車信息服務(wù)烁巫。
大數(shù)據(jù)應(yīng)用案例之：零售業(yè)
[1] "我們的某個客戶，是一家領(lǐng)先的專業(yè)時裝零售商宠能，通過當(dāng)?shù)氐陌儇浬痰瓿淌谩⒕W(wǎng)絡(luò)及其郵購目錄業(yè)務(wù)為客戶提供服務(wù)棍潘。公司希望向客戶提供差異化服務(wù)恃鞋，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息亦歉，更深入的理解化妝品的營銷模式恤浪，隨后他們認(rèn)識到必須保留兩類有價值的客戶：高消費(fèi)者和高影響者。希望通過接受免費(fèi)化妝服務(wù)肴楷，讓用戶進(jìn)行口碑宣傳水由，這是交易數(shù)據(jù)與交互數(shù)據(jù)的完美結(jié)合，為業(yè)務(wù)挑戰(zhàn)提供了解決方案赛蔫。"Informatica的技術(shù)幫助這家零售商用社交平臺上的數(shù)據(jù)充實了客戶主數(shù)據(jù)砂客，使他的業(yè)務(wù)服務(wù)更具有目標(biāo)性。
[2] 零售企業(yè)也監(jiān)控客戶的店內(nèi)走動情況以及與商品的互動呵恢。它們將這些數(shù)據(jù)與交易記錄相結(jié)合來展開分析鞠值，從而在銷售哪些商品、如何擺放貨品以及何時調(diào)整售價上給出意見渗钉，此類方法已經(jīng)幫助某領(lǐng)先零售企業(yè)減少了17%的存貨彤恶，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例鳄橘。
