
數(shù)據(jù)抽樣的終結(jié)者—大數(shù)據(jù)分析
“如果你真的想要了解發(fā)生在您企業(yè)業(yè)務(wù)中的真相,你需要大量的非常詳細(xì)的數(shù)據(jù)資料?!?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數(shù)據(jù)倉(cāng)庫(kù)研究院(TDWI)研究主任菲利普?盧瑟姆在其最新的一份TDWI大數(shù)據(jù)分析報(bào)告中寫道?!叭绻阏娴南肟匆恍┠銖奈匆娺^(guò)的東西,這有助于您挖掘從未被商業(yè)智能分析過(guò)的數(shù)據(jù)?!?br />
這便是大數(shù)據(jù)分析存在的理由,其是前所未有的。不僅僅是大數(shù)據(jù)概念的本身提醒著我們,至少我們還可以追溯到21世紀(jì)初,“彼時(shí),存儲(chǔ)和CPU技術(shù)正被百萬(wàn)兆字節(jié)的數(shù)據(jù)所淹沒,IT面臨著數(shù)據(jù)的可擴(kuò)展性危機(jī)?!贬槍?duì)大規(guī)模和不同的數(shù)據(jù)集的應(yīng)用程序中先進(jìn)的分析技術(shù)是前所未有的(如數(shù)據(jù)挖掘)。這便是大數(shù)據(jù)分析的出現(xiàn)所帶來(lái)的劃時(shí)代的意義了。盧瑟姆說(shuō),這是數(shù)據(jù)可擴(kuò)展性危機(jī)結(jié)束的信號(hào)。
這給企業(yè)帶來(lái)了前所未有的意義。針對(duì)企業(yè)所收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘、數(shù)據(jù)分析,并在某些情況下作出相關(guān)的報(bào)告。這就是為什么諸如數(shù)據(jù)抽樣這樣的實(shí)踐方案被視為企業(yè)相當(dāng)務(wù)實(shí)的必需品。
“你不能把整個(gè)數(shù)據(jù)集都放入到數(shù)據(jù)挖掘計(jì)劃中。你必須選擇你所需要的數(shù)據(jù),必須確保數(shù)據(jù)的正確性,因?yàn)槿绻銢]有投入正確的數(shù)據(jù),你的技術(shù)可能不奏效。”數(shù)據(jù)倉(cāng)庫(kù)研究院研究員馬克?馬德森在預(yù)測(cè)分析研討會(huì)上告訴與會(huì)者。
“你可以將您所收集到的數(shù)據(jù)中的一個(gè)很小的比例投入挖掘…概率事件的采樣。”他繼續(xù)說(shuō),“但分解會(huì)非常罕見,成為非常罕見的事件,使其很難變成樣本?!?br />
理想情況下,你要找出所有這些“罕見”事件,他們屬于異?,F(xiàn)象,如欺詐行為、客戶流失和潛在的供應(yīng)鏈中斷。他們是隱藏在你未分化的數(shù)據(jù)中的高價(jià)值的東西,很難找到。
IBM,微軟,甲骨文和Teradata,以及與其他大多數(shù)著名的BI和數(shù)據(jù)倉(cāng)庫(kù)(DW)供應(yīng)商,紛紛開始銷售整合了Hadoop的產(chǎn)品。有些甚至大肆宣揚(yáng)自己實(shí)現(xiàn)了無(wú)處不在的MapReduce算法。
這些供應(yīng)商不只是談?wù)摯髷?shù)據(jù),他們正在談?wù)摯髷?shù)據(jù)結(jié)合先進(jìn)的分析技術(shù),如數(shù)據(jù)挖掘,統(tǒng)計(jì)分析和預(yù)測(cè)分析。換句話說(shuō),他們正在談?wù)摰氖?a href='/map/dashujufenxi/' style='color:#000;font-size:inherit;'>大數(shù)據(jù)分析。
根據(jù)數(shù)據(jù)倉(cāng)庫(kù)研究院的研究顯示,大數(shù)據(jù)分析還沒有到來(lái);尚未被主流所接受。在數(shù)據(jù)倉(cāng)庫(kù)研究院最近的調(diào)查中,超過(guò)三分之一(34%)的受訪者表示,他們所在的企業(yè)結(jié)合大數(shù)據(jù),實(shí)行了某種形式的先進(jìn)的分析。在大多數(shù)情況下,他們僅僅采用非常簡(jiǎn)便的方法。例如,數(shù)據(jù)抽樣。
數(shù)據(jù)集成專家PervasiveSoftware公司的大數(shù)據(jù)產(chǎn)品的高級(jí)主管DaveInbar說(shuō),事實(shí)上,如果企業(yè)沒有考慮逐步淘汰抽樣調(diào)查和其他過(guò)去的所謂最佳實(shí)踐的“神器”,他們真的是后知后覺了。
“如果你繼續(xù)采用數(shù)據(jù)抽樣的方法,你可以實(shí)際處理所有數(shù)據(jù),但數(shù)據(jù)的科學(xué)性本質(zhì)上是削弱的?!彼f(shuō)?!霸?a href='/map/hadoop/' style='color:#000;font-size:inherit;'>Hadoop的世界,沒有任何理由不采用商品硬件、真正的智能軟件。在過(guò)去,我們采用抽樣數(shù)據(jù),可能還有經(jīng)濟(jì)成本方面的考量原因,或者技術(shù)達(dá)不到的原因。但在今天,這些原因都不復(fù)存在。數(shù)據(jù)采樣在過(guò)去是最好的實(shí)踐方案,但我認(rèn)為它的時(shí)代已經(jīng)過(guò)去了?!?br />
“大海撈針的問(wèn)題不適合采用樣本,所以你這樣過(guò)分強(qiáng)調(diào)訓(xùn)練集,可能會(huì)導(dǎo)致問(wèn)題。”負(fù)責(zé)信息管理咨詢的馬德森指出,“最終,運(yùn)行整個(gè)數(shù)據(jù)集要比緊緊按照統(tǒng)計(jì)算法和擔(dān)心樣本更容易。技術(shù)可以在出現(xiàn)分配挑戰(zhàn)時(shí)處理數(shù)據(jù)的問(wèn)題,并可以訪問(wèn)統(tǒng)計(jì)方法。”
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
LSTM 模型輸入長(zhǎng)度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長(zhǎng)序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報(bào)考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計(jì)的實(shí)用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強(qiáng)大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠(chéng)摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實(shí)施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價(jià)值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡(jiǎn)稱 BI)深度融合的時(shí)代,BI ...
2025-07-10SQL 在預(yù)測(cè)分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢(shì)預(yù)判? ? 在數(shù)據(jù)驅(qū)動(dòng)決策的時(shí)代,預(yù)測(cè)分析作為挖掘數(shù)據(jù)潛在價(jià)值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價(jià)值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點(diǎn),而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報(bào)考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭(zhēng)搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢(shì)性檢驗(yàn):捕捉數(shù)據(jù)背后的時(shí)間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢(shì)性檢驗(yàn)如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時(shí)間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時(shí)間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實(shí)戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗(yàn):數(shù)據(jù)趨勢(shì)與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢(shì)變化以及識(shí)別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國(guó)內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對(duì)策略? 長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨(dú)特的門控機(jī)制,在 ...
2025-07-07統(tǒng)計(jì)學(xué)方法在市場(chǎng)調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場(chǎng)調(diào)研是企業(yè)洞察市場(chǎng)動(dòng)態(tài)、了解消費(fèi)者需求的重要途徑,而統(tǒng)計(jì)學(xué)方法則是市場(chǎng)調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動(dòng)力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動(dòng)力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價(jià)值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03