
大數(shù)據(jù)(big data),或稱巨量資料,指的是所涉及的資料量規(guī)模巨大到無法透過目前主流軟件工具,在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理,大數(shù)據(jù)將為我們的生活創(chuàng)造前所未有的可量化的維度。 舉個(gè)例子: 2009年出現(xiàn)了一種新的流感病毒。這種甲型H1N1 流感結(jié)合了導(dǎo)致禽流 感和豬流感的病毒的特點(diǎn),在短短幾周之內(nèi)迅速傳播開來。全球的公共衛(wèi)生 機(jī)構(gòu)都擔(dān)心一場致命的流行病即將來襲。有的評(píng)論家甚至警告說,可能會(huì)爆 發(fā)大規(guī)模流感,類似于1918 年在西班牙爆發(fā)的、影響了5 億人口并奪走了數(shù) 千萬人性命的大規(guī)模流感。更糟糕的是,我們還沒有研發(fā)出對(duì)抗這種新型流 感病毒的疫苗。公共衛(wèi)生專家能做的只是減慢它傳播的速度。但要做到這一 點(diǎn),他們必須先知道這種流感出現(xiàn)在哪里。美國,和所有其他國家一樣,都要求醫(yī)生在發(fā)現(xiàn)新型流感病例時(shí)告知疾 病控制與預(yù)防中心(CDC)。但由于人們可能患病多日實(shí)在受不了了才會(huì)去醫(yī)院,同時(shí)這個(gè)信息傳達(dá)回疾控中心也需要時(shí)間,因此,通告新流感病例時(shí) 往往會(huì)有一兩周的延遲。而且,疾控中心每周只進(jìn)行一次數(shù)據(jù)匯總。然而, 對(duì)于一種飛速傳播的疾病,信息滯后兩周的后果將是致命的。這種滯后導(dǎo)致公共衛(wèi)生機(jī)構(gòu)在疫情爆發(fā)的關(guān)鍵時(shí)期反而無所適從。在甲型H1N1 流感爆發(fā)的幾周前,互聯(lián)網(wǎng)巨頭谷歌公司的工程師們在《自然》雜志上發(fā)表了一篇引人注目的論文。它令公共衛(wèi)生官員們和計(jì)算機(jī)科學(xué) 家們感到震驚。文中解釋了谷歌為什么能夠預(yù)測冬季流感的傳播:不僅是全 美范圍的傳播,而且可以具體到特定的地區(qū)和州。谷歌通過觀察人們在網(wǎng)上 的搜索記錄來完成這個(gè)預(yù)測,而這種方法以前一直是被忽略的。谷歌保存了 多年來所有的搜索記錄,而且每天都會(huì)收到來自全球超過30億條的搜索指令, 如此龐大的數(shù)據(jù)資源足以支撐和幫助它完成這項(xiàng)工作。發(fā)現(xiàn)能夠通過人們在網(wǎng)上檢索的詞條辨別出其是否感染了流感后,谷歌公司把5000萬條美國人最頻繁檢索的詞條和美國疾控中心在2003 年至2008年間季節(jié)性流感傳播時(shí)期的數(shù)據(jù)進(jìn)行了比較。其他公司也曾試圖確定這些相 關(guān)的詞條,但是他們?nèi)狈ο窆雀韫疽粯育嫶蟮臄?shù)據(jù)資源、處理能力和統(tǒng)計(jì)技術(shù)。雖然谷歌公司的員工猜測,特定的檢索詞條是為了在網(wǎng)絡(luò)上得到關(guān)于流 感的信息,如“哪些是治療咳嗽和發(fā)熱的藥物”,但是找出這些詞條并不是重點(diǎn),他們也不知道哪些詞條更重要,更關(guān)鍵的是,他們建立的系統(tǒng)并不依賴 于這樣的語義理解。他們設(shè)立的這個(gè)系統(tǒng)唯一關(guān)注的就是特定檢索詞條的頻 繁使用與流感在時(shí)間和空間上的傳播之間的聯(lián)系。谷歌公司為了測試這些檢 索詞條,總共處理了4.5億個(gè)不同的數(shù)字模型。在將得出的預(yù)測與2007 年、2008 年美國疾控中心記錄的實(shí)際流感病例進(jìn)行對(duì)比后,谷歌公司發(fā)現(xiàn),他們的軟件發(fā)現(xiàn)了45條檢索詞條的組合,一旦將它們用于一個(gè)數(shù)學(xué)模型,他們的 預(yù)測與官方數(shù)據(jù)的相關(guān)性高達(dá)97%。和疾控中心一樣,他們也能判斷出流感 是從哪里傳播出來的,而且他們的判斷非常及時(shí),不會(huì)像疾控中心一樣要在流感爆發(fā)一兩周之后才可以做到。所以,2009 年甲型H1N1流感爆發(fā)的時(shí)候,與習(xí)慣性滯后的官方數(shù)據(jù)相比,谷歌成為了一個(gè)更有效、更及時(shí)的指示標(biāo)。公共衛(wèi)生機(jī)構(gòu)的官員獲得了非常有價(jià)值的數(shù)據(jù)信息。驚人的是,谷歌公司的方法甚至不需要分發(fā)口腔試 紙和聯(lián)系醫(yī)生——它是建立在大數(shù)據(jù)的基礎(chǔ)之上的。這是當(dāng)今社會(huì)所獨(dú)有的一種新型能力:以一種前所未有的方式,通過對(duì)海量數(shù)據(jù)進(jìn)行分析,獲得有巨大價(jià)值的產(chǎn)品和服務(wù),或深刻的洞見?;谶@樣的技術(shù)理念和數(shù)據(jù)儲(chǔ)備,下一次流感來襲的時(shí)候,世界將會(huì)擁有一種更好的預(yù)測工具,以預(yù)防流感的傳播。
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(duì)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(duì)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