
云消費(fèi)時(shí)代大數(shù)據(jù)與商業(yè)智能的應(yīng)用
云消費(fèi)時(shí)代隨著電子商務(wù)的普及與電子身份識(shí)別、傳感技術(shù)的快速發(fā)展,越來越多的經(jīng)濟(jì)行為被記錄下來,例如淘寶網(wǎng)站單日數(shù)據(jù)產(chǎn)生量超過5萬GB,百度公司每天大約要處理60億次搜索請求,目前數(shù)據(jù)總量超過10億GB,而一個(gè)8Mbps的攝像頭一小時(shí)就能產(chǎn)生3.6GB的數(shù)據(jù),一個(gè)城市每月產(chǎn)生的數(shù)據(jù)則高達(dá)上千萬GB?!秶H數(shù)據(jù)公司(IDC)全球大數(shù)據(jù)研究報(bào)告》指出,過去3年人類社會(huì)產(chǎn)生的數(shù)據(jù)總量被以往4萬年還多,到2020年數(shù)據(jù)量將增長10倍,達(dá)到44ZB(ZB:十萬億億字節(jié)=1024*1024*1024TB)。這些數(shù)據(jù)不但在數(shù)量上十分龐大,包含的信息類型也越來越繁雜,相較于過去的數(shù)據(jù)量被稱之為大數(shù)據(jù)。
云消費(fèi)時(shí)代的大數(shù)據(jù)發(fā)展趨勢
1、大數(shù)據(jù)的技術(shù)應(yīng)用特征
大數(shù)據(jù)其表現(xiàn)的特征如下:首先是數(shù)據(jù)來源多,這其中包括企業(yè)內(nèi)部多個(gè)應(yīng)用系統(tǒng)的數(shù)據(jù)、互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的興起,帶來了微博、社交網(wǎng)站、傳感器等多種來源;其次是數(shù)據(jù)類型多,表現(xiàn)為保存在關(guān)系數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)只占少數(shù),80%以上數(shù)據(jù)是如圖片、音頻、視頻、模型、連接信息、文檔等非結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù);以及關(guān)聯(lián)性強(qiáng),表現(xiàn)為數(shù)據(jù)之間頻繁交互,比如游客在旅行途中上傳的圖片和日志,就與游客的位置、行程等信息有了很強(qiáng)的關(guān)聯(lián)性。
圖1結(jié)構(gòu)化數(shù)據(jù)與非/半結(jié)構(gòu)化數(shù)據(jù)比例
在商業(yè)領(lǐng)域,這些信息不僅僅包括交易行為本身,還包括消費(fèi)者線上交易從搜索、對比、選擇、購買、一直到售后評(píng)價(jià)等一系列操作數(shù)據(jù),以及消費(fèi)者線下交易通過手機(jī)電子標(biāo)簽、商場的識(shí)別裝置等記錄的瀏覽軌跡、停留時(shí)間、商品購買頻率等一系列活動(dòng)數(shù)據(jù)。這些數(shù)據(jù)與以往以字段為基本數(shù)據(jù)單位的結(jié)構(gòu)化數(shù)據(jù)大不相同,被稱為非結(jié)構(gòu)化數(shù)據(jù),而對非結(jié)構(gòu)化讀取、處理的技術(shù),即是大數(shù)據(jù)技術(shù)的重要組成。在小數(shù)據(jù)時(shí)代,依靠傳統(tǒng)商業(yè)智能的計(jì)算方法以批處理為主,采用離線計(jì)算、集中式運(yùn)行。而在云消費(fèi)時(shí)代,海量數(shù)據(jù)的查詢、分析與利用所需要的時(shí)間從量變到質(zhì)變,1s響應(yīng)時(shí)間成為臨界點(diǎn)。對于大數(shù)據(jù)應(yīng)用而言,必須要在1秒鐘內(nèi)形成答案,否則處理結(jié)果就是過時(shí)和無效的。因此支持流計(jì)算,能夠?qū)崟r(shí)分析,數(shù)據(jù)庫采用分布式結(jié)構(gòu),成為云消費(fèi)時(shí)代商業(yè)智能的主流處理方式。而在的計(jì)算方式上,傳統(tǒng)數(shù)據(jù)分析依靠企業(yè)報(bào)表系統(tǒng),通過特定數(shù)值的比對、增長分析、交叉分析、回歸分析等,數(shù)據(jù)向算法靠攏,將數(shù)據(jù)套入到固定的算法當(dāng)中,對數(shù)據(jù)進(jìn)行整合分析與報(bào)送。而云消費(fèi)時(shí)代,海量數(shù)據(jù)處理的最終結(jié)果不再僅僅是對一組或幾組數(shù)據(jù)的趨勢性概況與分析,而是通過更加深入的智能挖掘,算法向數(shù)據(jù)靠攏,根據(jù)數(shù)據(jù)的形式與結(jié)構(gòu)采用更加靈活也更加復(fù)雜的算法,從而將過去的歷史數(shù)據(jù)報(bào)送轉(zhuǎn)變?yōu)閷ξ磥砼c結(jié)果的預(yù)測。以上就是區(qū)別大數(shù)據(jù)以及云消費(fèi)時(shí)代的商業(yè)智能與傳統(tǒng)數(shù)據(jù)倉庫技術(shù)、商業(yè)智能技術(shù)的關(guān)鍵差別。
2、大數(shù)據(jù)的發(fā)展規(guī)模與前景
據(jù)國際數(shù)據(jù)公司(IDC)預(yù)計(jì),全球大數(shù)據(jù)技術(shù)及服務(wù)市場2016年收入將達(dá)238億美元,接近1500億元人民幣,中國市場規(guī)模未來5年將增長近7倍。據(jù)中國產(chǎn)業(yè)發(fā)展研究網(wǎng)報(bào)告,2014年,中國大數(shù)據(jù)應(yīng)用市場規(guī)模為80.54億元,同比增長3.2%,預(yù)計(jì)2015年市場規(guī)模將增長37.3%,至110.56億元,預(yù)計(jì)到2020年,中國大數(shù)據(jù)應(yīng)用市場規(guī)模將增長至5019.58億元。2015-2017年復(fù)合增速為87.8%,這也是中國大數(shù)據(jù)應(yīng)用市場預(yù)計(jì)增長最快的三年。
圖2 2014-2020年中國大數(shù)據(jù)產(chǎn)業(yè)規(guī)模市場及預(yù)測
以大數(shù)據(jù)為核心的變革正在商業(yè)領(lǐng)域掀起巨大波瀾,從搜索引擎、社交網(wǎng)絡(luò)、電子商務(wù)平臺(tái)等IT企業(yè),到批發(fā)、零售、商業(yè)服務(wù)等流通領(lǐng)域企業(yè),無不感到變革帶來的巨大機(jī)遇與挑戰(zhàn)。大數(shù)據(jù)與云消費(fèi)時(shí)代的商業(yè)智能助力企業(yè)優(yōu)化運(yùn)營、簡化組織、智能決策以及創(chuàng)造更大的客戶價(jià)值,大數(shù)據(jù)應(yīng)用越來越成為商業(yè)企業(yè)創(chuàng)新發(fā)展、制勝未來的重要因素。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL 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)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 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)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
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)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 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(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)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
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)營問題、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) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10