
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)務中的真相,你需要大量的非常詳細的數(shù)據(jù)資料。”數(shù)據(jù)倉庫研究院(TDWI)研究主任菲利普?盧瑟姆在其最新的一份TDWI大數(shù)據(jù)分析報告中寫道?!叭绻阏娴南肟匆恍┠銖奈匆娺^的東西,這有助于您挖掘從未被商業(yè)智能分析過的數(shù)據(jù)。”
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世紀初,“彼時,存儲和CPU技術(shù)正被百萬兆字節(jié)的數(shù)據(jù)所淹沒,IT面臨著數(shù)據(jù)的可擴展性危機?!贬槍Υ笠?guī)模和不同的數(shù)據(jù)集的應用程序中先進的分析技術(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)所帶來的劃時代的意義了。盧瑟姆說,這是數(shù)據(jù)可擴展性危機結(jié)束的信號。
這給企業(yè)帶來了前所未有的意義。針對企業(yè)所收集的數(shù)據(jù)進行數(shù)據(jù)挖掘、數(shù)據(jù)分析,并在某些情況下作出相關(guān)的報告。這就是為什么諸如數(shù)據(jù)抽樣這樣的實踐方案被視為企業(yè)相當務實的必需品。
“你不能把整個數(shù)據(jù)集都放入到數(shù)據(jù)挖掘計劃中。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,因為如果你沒有投入正確的數(shù)據(jù),你的技術(shù)可能不奏效?!?a href='/map/shujucangku/' style='color:#000;font-size:inherit;'>數(shù)據(jù)倉庫研究院研究員馬克?馬德森在預測分析研討會上告訴與會者。
“你可以將您所收集到的數(shù)據(jù)中的一個很小的比例投入挖掘…概率事件的采樣?!彼^續(xù)說,“但分解會非常罕見,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,他們屬于異常現(xiàn)象,如欺詐行為、客戶流失和潛在的供應鏈中斷。他們是隱藏在你未分化的數(shù)據(jù)中的高價值的東西,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)倉庫(DW)供應商,紛紛開始銷售整合了Hadoop的產(chǎn)品。有些甚至大肆宣揚自己實現(xiàn)了無處不在的MapReduce算法。
這些供應商不只是談論大數(shù)據(jù),他們正在談論大數(shù)據(jù)結(jié)合先進的分析技術(shù),如數(shù)據(jù)挖掘,統(tǒng)計分析和預測分析。換句話說,他們正在談論的是大數(shù)據(jù)分析。
根據(jù)數(shù)據(jù)倉庫研究院的研究顯示,大數(shù)據(jù)分析還沒有到來;尚未被主流所接受。在數(shù)據(jù)倉庫研究院最近的調(diào)查中,超過三分之一(34%)的受訪者表示,他們所在的企業(yè)結(jié)合大數(shù)據(jù),實行了某種形式的先進的分析。在大多數(shù)情況下,他們僅僅采用非常簡便的方法。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)品的高級主管DaveInbar說,事實上,如果企業(yè)沒有考慮逐步淘汰抽樣調(diào)查和其他過去的所謂最佳實踐的“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,你可以實際處理所有數(shù)據(jù),但數(shù)據(jù)的科學性本質(zhì)上是削弱的。”他說?!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。在過去,我們采用抽樣數(shù)據(jù),可能還有經(jīng)濟成本方面的考量原因,或者技術(shù)達不到的原因。但在今天,這些原因都不復存在。數(shù)據(jù)采樣在過去是最好的實踐方案,但我認為它的時代已經(jīng)過去了?!?br />
“大海撈針的問題不適合采用樣本,所以你這樣過分強調(diào)訓練集,可能會導致問題。”負責信息管理咨詢的馬德森指出,“最終,運行整個數(shù)據(jù)集要比緊緊按照統(tǒng)計算法和擔心樣本更容易。技術(shù)可以在出現(xiàn)分配挑戰(zhàn)時處理數(shù)據(jù)的問題,并可以訪問統(tǒng)計方法?!?
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(RNN)家族中,長短期記憶網(wǎng)絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認證愈發(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的實用指南? 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! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據(jù)查詢到趨勢預判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,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,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準切片? ? 在數(shù)據(jù)的世界里,時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 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
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)分析師認證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網(wǎng)絡(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調(diào)研數(shù)據(jù)中的深度應用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調(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)分析準確性的基礎 ...
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)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03