
探索大數(shù)據(jù)理論
最早的大數(shù)據(jù)這個(gè)概念是由McKinsey提出的,他認(rèn)為在當(dāng)今世界,已經(jīng)滲透到各個(gè)行業(yè)及其業(yè)務(wù)職能的各個(gè)領(lǐng)域的數(shù)據(jù)已成為生產(chǎn)人員能夠開(kāi)采和利用海量數(shù)據(jù)的一個(gè)重要原因,可以看出,新的生產(chǎn)率上升和消費(fèi)者盈利的大潮即將到來(lái)。
行業(yè)中最早對(duì)大數(shù)據(jù)進(jìn)行定義的是IBM,它將其展開(kāi)并分為四個(gè)特質(zhì),那就是量,多種類,價(jià)值和速度。深入分析來(lái)看,大數(shù)據(jù)的這四個(gè)層次可以一一進(jìn)行剖析:首先,數(shù)據(jù)量是巨大的,對(duì)于大數(shù)據(jù)的初始計(jì)量的單位至少也是P(相當(dāng)于一千T),E(相當(dāng)于一百萬(wàn)T)或Z(相當(dāng)于十億T);其次是數(shù)據(jù)的類型品種十分豐富,舉例來(lái)說(shuō),有博客、視頻、圖片和位置信息等;再次,越低的密度造就了越高的商業(yè)價(jià)值;最后,大數(shù)據(jù)的處理速度與傳統(tǒng)的DM技術(shù)相比較而言從本質(zhì)上就拉開(kāi)了差距。
然而,事實(shí)上,這些特質(zhì)并沒(méi)有真正說(shuō)清大數(shù)據(jù)應(yīng)當(dāng)具備的所有特點(diǎn),實(shí)際上,還有更多大數(shù)據(jù)的特征需要我們?nèi)グl(fā)現(xiàn),例如分析性、社交性、研究性等等。
正如那句老話:三分靠技術(shù),七分靠數(shù)據(jù),誰(shuí)得到數(shù)據(jù),世界就是誰(shuí)的。有人可能會(huì)質(zhì)疑這句話的有效性,但實(shí)際上不管是誰(shuí)說(shuō)過(guò)的,這句話都是不變的真理。 Viktor Mayer-Sch?nberger在其著作《大數(shù)據(jù)時(shí)代》中列舉了各種例子,只為了說(shuō)清一個(gè)事實(shí),那就是大數(shù)據(jù)時(shí)代已經(jīng)來(lái)臨,所以我們必須使用大數(shù)據(jù)分析的探索性思維來(lái)挖掘大數(shù)據(jù)自身和對(duì)外界的價(jià)值,包括其潛在價(jià)值。他在書(shū)里著重闡述了谷歌是怎樣使用人們進(jìn)行搜索的歷史記錄來(lái)進(jìn)行二次BI數(shù)據(jù)挖掘從而得到更多價(jià)值的,其中令人印象最深的就是利用搜索記錄預(yù)計(jì)某個(gè)地方的流感傳染的情況。另外,作者還描寫(xiě)了亞馬遜網(wǎng)站是怎么購(gòu)買(mǎi)使用用戶的歷史瀏覽記錄數(shù)據(jù)來(lái)針對(duì)特定用戶進(jìn)行推薦不同種類書(shū)籍的購(gòu)買(mǎi),后來(lái)的統(tǒng)計(jì)結(jié)果發(fā)現(xiàn),這樣做的確能夠?qū)︿N售收入產(chǎn)生一個(gè)激增的影響。還有一些美國(guó)的購(gòu)票系統(tǒng)利用所有過(guò)去的十年里機(jī)票價(jià)格的數(shù)據(jù)來(lái)預(yù)計(jì)何時(shí)開(kāi)始放出購(gòu)買(mǎi)車(chē)票的權(quán)限是適當(dāng)?shù)?,主要是想得出一個(gè)對(duì)其盈利能力能有大幅增長(zhǎng)的方案,最后的結(jié)果也顯示出這么做的確具有較好的效果。
因此,問(wèn)題就來(lái)了,怎樣判定一個(gè)思維是大數(shù)據(jù)的? Viktor Mayer-Sch?nberger在書(shū)中寫(xiě)到,大數(shù)據(jù)并不存在抽樣,而是包括所有數(shù)據(jù)的樣本,并且它注重的不是準(zhǔn)確性,而是效率如何,另外,大數(shù)據(jù)注重相關(guān)性而非因果關(guān)聯(lián)。
其他還有一些專家對(duì)大數(shù)據(jù)也存在一些獨(dú)特的想法:
目前的數(shù)據(jù)還不算大,數(shù)據(jù)變得真正有趣的是因?yàn)樗诰W(wǎng)上,而這個(gè)正是互聯(lián)網(wǎng)的特征。
不在互聯(lián)網(wǎng)時(shí)代存在的產(chǎn)品的功能必須是它具有一定的價(jià)值,而如今在互聯(lián)網(wǎng)時(shí)代存在的產(chǎn)品,數(shù)據(jù)就是這個(gè)產(chǎn)品所具有的價(jià)值。
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
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過(guò)程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開(kāi)始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤(pán)手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11