大數(shù)據(jù)講座學(xué)習(xí)心得

大數(shù)據(jù)講座學(xué)習(xí)心得大數(shù)據(jù)講座學(xué)習(xí)心得大數(shù)據(jù)講座學(xué)習(xí)心得大數(shù)據(jù)時(shí)代已經(jīng)悄然到來，如何應(yīng)對(duì)大數(shù)據(jù)時(shí)代帶來的挑戰(zhàn)與機(jī)遇，是我們當(dāng)代大學(xué)生特別是我們計(jì)算機(jī)類專業(yè)的大學(xué)生的一個(gè)必須面對(duì)的嚴(yán)峻課題。大數(shù)據(jù)時(shí)代是我們的一個(gè)黃金時(shí)代，對(duì)我們的意義可以說就像是另一個(gè)“80年代”。在講座中秦永彬博士由一個(gè)電視劇《大太監(jiān)》中情節(jié)來深入淺出的簡(jiǎn)單介紹了“大數(shù)據(jù)”的基本概念，并由“塔吉特”與“犯罪預(yù)測(cè)”兩個(gè)案例讓我們深切的體會(huì)到了“大數(shù)據(jù)”的對(duì)現(xiàn)今這樣一個(gè)信息時(shí)代的不可替代的巨大作用。在前幾年本世紀(jì)初的時(shí)候，世界都稱本世紀(jì)為“信息世紀(jì)”。確實(shí)在計(jì)算機(jī)技術(shù)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展過后，我們面臨了一個(gè)每天都可以“信息爆炸”的時(shí)代。打開電視，打開電腦，甚至是在街上打開手機(jī)、PDA、平板電腦等等，你都可以接收到來自互聯(lián)網(wǎng)從世界各地上傳的各類信息:數(shù)據(jù)、視頻、圖片、音頻??這樣各類大量的數(shù)據(jù)累積之后達(dá)到了引起量變的臨界值，數(shù)據(jù)本身有潛在的價(jià)值，但價(jià)值比較分散;數(shù)據(jù)高速產(chǎn)生，需高速處理。大數(shù)據(jù)意味著包括交易和交互數(shù)據(jù)集在內(nèi)的所有數(shù)據(jù)集，其規(guī)模或復(fù)雜程度超出了常用技術(shù)按照合理的成本和時(shí)限捕捉、管理及處理這些數(shù)據(jù)集的能力。遂有了“大數(shù)據(jù)”技術(shù)的應(yīng)運(yùn)而生?，F(xiàn)在，當(dāng)數(shù)據(jù)的積累量足夠大的時(shí)候到來時(shí)，量變引起了質(zhì)變?！按髷?shù)據(jù)”通過對(duì)海量數(shù)據(jù)有針對(duì)性的分析，賦予了互聯(lián)網(wǎng)“智商”，這使得互聯(lián)網(wǎng)的作用，從簡(jiǎn)單的數(shù)據(jù)交流和信息傳遞，上升到基于海量數(shù)據(jù)的分析，一句話“他開始思考了”。簡(jiǎn)言之，大數(shù)據(jù)就是將碎片化的海量數(shù)據(jù)在一定的時(shí)間內(nèi)完成篩選、分析，并整理成為有用的資訊，幫助用戶完成決策。借助大數(shù)據(jù)企業(yè)的決策者可以迅速感知市場(chǎng)需求變化，從而促使他們作出對(duì)企業(yè)更有利的決策，使得這些企業(yè)擁有更強(qiáng)的創(chuàng)新力和競(jìng)爭(zhēng)力。這是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革，對(duì)國(guó)家治理模式、對(duì)企業(yè)的決策、組織和業(yè)務(wù)流程、對(duì)個(gè)人生活方式都將產(chǎn)生巨大的影響。后工業(yè)社會(huì)時(shí)代，隨著新興技術(shù)的發(fā)展與互聯(lián)網(wǎng)底層技術(shù)的革新，數(shù)據(jù)正在呈指數(shù)級(jí)增長(zhǎng)，所有數(shù)據(jù)的產(chǎn)生形式，都是數(shù)字化。如何收集、管理和分析海量數(shù)據(jù)對(duì)于企業(yè)從事的一切商業(yè)活動(dòng)都顯得尤為重要。大數(shù)據(jù)時(shí)代是信息化社會(huì)發(fā)展必然趨勢(shì)，我們只有緊緊跟隨時(shí)代發(fā)展的潮流，在技術(shù)上、制度上、價(jià)值觀念上做出迅速調(diào)整并牢牢跟進(jìn)，才能在接下來新一輪的競(jìng)爭(zhēng)中擺脫受制于人的弱勢(shì)境地，才能把握發(fā)展的方向。首先，“大數(shù)據(jù)”究竟是什么,它有什么用,這是當(dāng)下每個(gè)人初接觸“大數(shù)據(jù)”都會(huì)有的疑問，而這些疑問在秦博士的講座中我們都了解到了?！按髷?shù)據(jù)”的“大”不僅是單單純純指數(shù)量上的“大”，而是在諸多方面上闡釋了“大”的含義，是體現(xiàn)在數(shù)據(jù)信息是海量信息，且在動(dòng)態(tài)變化和不斷增長(zhǎng)之上。同時(shí)“大數(shù)據(jù)”在:速度(Velocity)、多樣性(Variety)、價(jià)值密度(Value)、體量(Volume)這四方面(4v)都有體現(xiàn)。其實(shí)“大數(shù)據(jù)”歸根結(jié)底還是數(shù)據(jù)，其是一種泛化的數(shù)據(jù)描述形式，有別于以往對(duì)于數(shù)據(jù)信息的表達(dá)，大數(shù)據(jù)更多地傾向于表達(dá)網(wǎng)絡(luò)用戶信息、新聞信息、銀行數(shù)據(jù)信息、社交媒體上的數(shù)據(jù)信息、購(gòu)物網(wǎng)站上的用戶數(shù)據(jù)信息、規(guī)模超過TB級(jí)的數(shù)據(jù)信息等。了解了“大數(shù)據(jù)”的“大”之后我們也該了解它所具有的巨大價(jià)值。就目前來說“大數(shù)據(jù)”的來源主要還是互聯(lián)網(wǎng)，來自互聯(lián)網(wǎng)上的大多數(shù)不被重視信息都是具有巨大開發(fā)價(jià)值的，其具有巨“大”的商業(yè)價(jià)值，我們所缺少的只是一些數(shù)據(jù)分析等手段。例如:在如今，網(wǎng)購(gòu)已經(jīng)成為了一種風(fēng)潮，網(wǎng)上也涌現(xiàn)了以淘寶、京東、亞馬遜等一系列的購(gòu)物網(wǎng)站。而在這些網(wǎng)站之中，顧客的瀏覽記錄，購(gòu)買記錄等等都是一些巨大商業(yè)價(jià)值的信息。借鑒“塔吉特”的先例，我們可以利用“大數(shù)據(jù)”技術(shù)收集分析，就可預(yù)測(cè)需求、供給和顧客習(xí)慣等，做到精準(zhǔn)采購(gòu)、精準(zhǔn)投放，達(dá)到利益放大的效果。從全球范圍來看，很多人都把2012年看做是大數(shù)據(jù)時(shí)代的元年。在這一年里，很多行業(yè)在大數(shù)據(jù)方面的管理、規(guī)劃和應(yīng)用已經(jīng)覺醒。電商、金融、電信等行業(yè)數(shù)據(jù)有著長(zhǎng)期的數(shù)據(jù)積累。事實(shí)上，很多互聯(lián)網(wǎng)公司，例如亞馬遜、Google、騰訊，更愿意將自己定位為數(shù)據(jù)企業(yè)。因?yàn)樾畔r(shí)代，數(shù)據(jù)成為經(jīng)營(yíng)決策的強(qiáng)有力依據(jù)，給企業(yè)帶來了發(fā)展和引領(lǐng)行業(yè)的機(jī)遇。銀行也同樣擁有豐富的數(shù)據(jù)礦藏，不僅存儲(chǔ)處理了大量結(jié)構(gòu)化的賬務(wù)數(shù)據(jù)，而且隨著銀行渠道快速滲透到社交網(wǎng)絡(luò)、移動(dòng)端等媒介，海量的非結(jié)構(gòu)化數(shù)據(jù)也在等待被收集和分析。未來的金融業(yè)將更多地受到科技創(chuàng)新力的驅(qū)動(dòng)，也越來越傾向于零售營(yíng)銷:對(duì)于金融業(yè)來說，大數(shù)據(jù)意味著巨大的商機(jī)，可強(qiáng)化客戶體驗(yàn)，提高客戶忠誠(chéng)度。大數(shù)據(jù)技術(shù)的發(fā)展帶來企業(yè)經(jīng)營(yíng)決策模式的轉(zhuǎn)變，驅(qū)動(dòng)著行業(yè)變革，衍生出新的商機(jī)和發(fā)展契機(jī)。駕馭大數(shù)據(jù)的能力已被證實(shí)為領(lǐng)軍企業(yè)的核心競(jìng)爭(zhēng)力，這種能力能夠幫助企業(yè)打破數(shù)據(jù)邊界，繪制企業(yè)運(yùn)營(yíng)全景視圖，做出最優(yōu)的商業(yè)決策和發(fā)展戰(zhàn)略。金融行業(yè)在大數(shù)據(jù)浪潮中，要以大數(shù)據(jù)平臺(tái)建設(shè)為基礎(chǔ)，夯實(shí)大數(shù)據(jù)的收集、存儲(chǔ)、處理能力;重點(diǎn)推進(jìn)大數(shù)據(jù)人才的梯隊(duì)建設(shè)，打造專業(yè)、高效、靈活的大數(shù)據(jù)分析團(tuán)隊(duì);不斷提升企業(yè)智商，挖掘海量數(shù)據(jù)的商業(yè)價(jià)值，從而在數(shù)據(jù)新浪潮的變革中拔得頭籌，贏得先機(jī)在如此快速的到來的大數(shù)據(jù)革命時(shí)代，我們還有很多知識(shí)需要學(xué)習(xí)，許多思維需要轉(zhuǎn)變，許多技術(shù)需要研究。職業(yè)規(guī)劃中，也需充分考慮到大數(shù)據(jù)對(duì)于自身職業(yè)的未來發(fā)展所帶來的機(jī)遇和挑戰(zhàn)。當(dāng)我們掌握大量數(shù)據(jù)，需要考慮有多少數(shù)字化的數(shù)據(jù)，又有哪些可以通過大數(shù)據(jù)的分析處理而帶來有價(jià)值的用途,在大數(shù)據(jù)時(shí)代制勝的良藥也許是創(chuàng)新的點(diǎn)子，也許可以利用外部的數(shù)據(jù)，通過多維化、多層面的分析給我們?nèi)蘸髣?chuàng)業(yè)帶來價(jià)值。借力，順勢(shì)，合作共贏。把自己的心門打開，像海綿般吸取積極、正能量的東西。篇二:新技術(shù)講座體會(huì)-大數(shù)據(jù)新技術(shù)講座體會(huì)大數(shù)據(jù)時(shí)代微創(chuàng)新對(duì)于企業(yè)發(fā)展的重要性事實(shí)上從2009年開始，大數(shù)據(jù)這個(gè)概念就是街頭巷尾熱議的時(shí)尚名詞，2013年這一概念依然是炙手可熱的話題，有關(guān)大數(shù)據(jù)的信息更是不勝枚舉。從物聯(lián)網(wǎng)到云計(jì)算再到現(xiàn)今的大數(shù)據(jù)，互聯(lián)網(wǎng)時(shí)代形成的新的商業(yè)模式、經(jīng)濟(jì)形態(tài)等使人們的生活方式發(fā)生了變化，也給企業(yè)的發(fā)展帶來了巨大的挑戰(zhàn)。所謂的“大數(shù)據(jù)”有兩個(gè)方面的內(nèi)涵——海量和非結(jié)構(gòu)化，其特性被歸納為4個(gè)V,即Volume,Variety.Value,Velocity,分別對(duì)應(yīng):數(shù)據(jù)體量巨大;數(shù)據(jù)類型繁多;數(shù)據(jù)本身有潛在的價(jià)值，但價(jià)值比較分散;數(shù)據(jù)高速產(chǎn)生,需高速處理。大數(shù)據(jù)意味著包括交易和交互數(shù)據(jù)集在內(nèi)的所有數(shù)據(jù)集,其規(guī)?；驈?fù)雜程度超出了常用技術(shù)按照合理的成本和時(shí)限捕捉、管理及處理這些數(shù)據(jù)集的能力。簡(jiǎn)言之,大數(shù)據(jù)就是將碎片化的海量數(shù)據(jù)在一定的時(shí)間內(nèi)完成篩選、分析,并整理成為有用的資訊,幫助用戶完成決策。借助大數(shù)據(jù)企業(yè)的決策者可以迅速感知市場(chǎng)需求變化,從而促使他們作出對(duì)企業(yè)更有利的決策,使得這些企業(yè)擁有更強(qiáng)的創(chuàng)新力和競(jìng)爭(zhēng)力。后工業(yè)社會(huì)時(shí)代,隨著新興技術(shù)的發(fā)展與互聯(lián)網(wǎng)底層技術(shù)的革新,數(shù)據(jù)正在呈指數(shù)級(jí)增長(zhǎng),所有數(shù)據(jù)的產(chǎn)生形式,都是數(shù)字化。如何收集、管理和分析海量數(shù)據(jù)對(duì)于企業(yè)從事的一切商業(yè)活動(dòng)都顯得尤為重要。不論是傳統(tǒng)的石油行業(yè)還是傳統(tǒng)銀行業(yè)亦或是零售業(yè),都意識(shí)到數(shù)據(jù)的重要性。傳統(tǒng)的石油巨頭們?cè)趯で笮畔⒒霓D(zhuǎn)型,很多巨頭每年在信息化建設(shè)中投入的比例往往占到公司盈利比例的1%-3%不等。據(jù)媒體報(bào)道，埃克森美孚曾在此前一次全球性招標(biāo)中，一次性投入10億美元來采購(gòu)信息化服務(wù)。傳統(tǒng)的商業(yè)銀行也努力和互聯(lián)網(wǎng)“合作共贏”，并進(jìn)行模式創(chuàng)新，如推出POS網(wǎng)絡(luò)商戶貸款業(yè)務(wù)。民生銀行正致力籌建電子商務(wù)銀行。全球最大零售商沃爾瑪也在其社交基因組計(jì)劃中整合了用戶在社交網(wǎng)絡(luò)中的關(guān)系數(shù)據(jù)，用以更精準(zhǔn)地推測(cè)消費(fèi)者的偏好。而小企業(yè)在大數(shù)據(jù)時(shí)代同樣有機(jī)會(huì)。正如電子科技大學(xué)互聯(lián)網(wǎng)科學(xué)中心主任周濤此前接受記者采訪時(shí)所說的，大數(shù)據(jù)具備了工業(yè)革命最重要的因素，新能源是計(jì)算，新材料是數(shù)據(jù)，更聰明的頭腦是先進(jìn)的工業(yè)技術(shù)。要用聰明的頭腦從數(shù)據(jù)中分析出更大的價(jià)值。面對(duì)大數(shù)據(jù)，小企業(yè)要找到提供差異化服務(wù)的點(diǎn)，收集大量的數(shù)據(jù)信息，從數(shù)據(jù)中找到新的價(jià)值并衍生出其他營(yíng)利方式。例如，一家專門提供包車和租車服務(wù)商旅運(yùn)輸公司，正常情況下是競(jìng)爭(zhēng)不過傳統(tǒng)出租車的，但如果通過獲取在線叫車服務(wù)的乘客、司機(jī)的雙向數(shù)據(jù)，如此可以針對(duì)不同客戶的需求提供個(gè)性化的服務(wù)以此來實(shí)現(xiàn)超越。未來10年是大數(shù)據(jù)時(shí)代從全球范圍來看，很多人都把2012年看做是大數(shù)據(jù)時(shí)代的元年。在這一年里，很多行業(yè)在大數(shù)據(jù)方面的管理、規(guī)劃和應(yīng)用已經(jīng)覺醒。電商、金融、電信等行業(yè)數(shù)據(jù)有著長(zhǎng)期的數(shù)據(jù)積累。我認(rèn)為做好大數(shù)據(jù)業(yè)務(wù)驅(qū)動(dòng)是關(guān)鍵，要具備以下幾個(gè)條件:第一、數(shù)據(jù)的管理，尤其是非結(jié)構(gòu)化大數(shù)據(jù)的管理;第二，大數(shù)據(jù)的加工和被消費(fèi);第三，高效、面向業(yè)務(wù)的數(shù)據(jù)挖掘算法。事實(shí)上，很多互聯(lián)網(wǎng)公司，例如亞馬遜、Google、騰訊，更愿意將自己定位為數(shù)據(jù)企業(yè)。因?yàn)樾畔r(shí)代，數(shù)據(jù)成為經(jīng)營(yíng)決策的強(qiáng)有力依據(jù)，給企業(yè)帶來了發(fā)展和引領(lǐng)行業(yè)的機(jī)遇。銀行也同樣擁有豐富的數(shù)據(jù)礦藏，不僅存儲(chǔ)處理了大量結(jié)構(gòu)化的賬務(wù)數(shù)據(jù)，而且隨著銀行渠道快速滲透到社交網(wǎng)絡(luò)、移動(dòng)端等媒介，海量的非結(jié)構(gòu)化數(shù)據(jù)也在等待被收集和分析。未來的金融業(yè)將更多地受到科技創(chuàng)新力的驅(qū)動(dòng)，也越來越傾向于零售營(yíng)銷:對(duì)于金融業(yè)來說，大數(shù)據(jù)意味著巨大的商機(jī)，可強(qiáng)化客戶體驗(yàn)，提高客戶忠誠(chéng)度。形象地說，數(shù)據(jù)的收集能力加上數(shù)據(jù)的分析能力等于企業(yè)智商，這關(guān)乎商業(yè)決策的速度和準(zhǔn)確性，關(guān)乎企業(yè)的生存和發(fā)展。大數(shù)據(jù)技術(shù)的發(fā)展帶來企業(yè)經(jīng)營(yíng)決策模式的轉(zhuǎn)變，驅(qū)動(dòng)著行業(yè)變革，衍生出新的商機(jī)和發(fā)展契機(jī)。駕馭大數(shù)據(jù)的能力已被證實(shí)為領(lǐng)軍企業(yè)的核心競(jìng)爭(zhēng)力，這種能力能夠幫助企業(yè)打破數(shù)據(jù)邊界，繪制企業(yè)運(yùn)營(yíng)全景視圖，做出最優(yōu)的商業(yè)決策和發(fā)展戰(zhàn)略。金融行業(yè)在大數(shù)據(jù)浪潮中，要以大數(shù)據(jù)平臺(tái)建設(shè)為基礎(chǔ)，夯實(shí)大數(shù)據(jù)的收集、存儲(chǔ)、處理能力;重點(diǎn)推進(jìn)大數(shù)據(jù)人才的梯隊(duì)建設(shè)，打造專業(yè)、高效、靈活的大數(shù)據(jù)分析團(tuán)隊(duì);不斷提升企業(yè)智商，挖掘海量數(shù)據(jù)的商業(yè)價(jià)值，從而在數(shù)據(jù)新浪潮的變革中拔得頭籌，贏得先機(jī)。事實(shí)上，如何把大數(shù)據(jù)帶來的大生意抓住，是金融行業(yè)不能停止思考的問題。毫無疑問，未來10年是大數(shù)據(jù)的10年。大數(shù)據(jù)時(shí)代給企業(yè)帶來挑戰(zhàn)，數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)是關(guān)鍵當(dāng)數(shù)以億計(jì)的數(shù)據(jù)可以在虛擬的空間中自由穿梭時(shí)，當(dāng)各種數(shù)據(jù)的獲取變得瞬間即達(dá)時(shí)，大數(shù)據(jù)對(duì)政府、對(duì)企業(yè)、乃至對(duì)個(gè)人，都產(chǎn)生了深遠(yuǎn)的影響。對(duì)于大多數(shù)企業(yè)來說，大數(shù)據(jù)是既是機(jī)遇也是挑戰(zhàn)。一方面，“得數(shù)據(jù)者得天下”，通過對(duì)大量的數(shù)據(jù)進(jìn)行科學(xué)的分類整理以及分析，能夠?yàn)槠髽I(yè)的外部營(yíng)銷、內(nèi)部運(yùn)營(yíng)和領(lǐng)導(dǎo)層決策等提供強(qiáng)大的數(shù)據(jù)支撐，不斷提升企業(yè)運(yùn)營(yíng)效率，提升企業(yè)管理水平?？梢哉f，利用互聯(lián)網(wǎng)與物聯(lián)網(wǎng)等帶來的海量數(shù)據(jù)，通過挖掘、分析與業(yè)務(wù)應(yīng)用，企業(yè)可以在激烈的市場(chǎng)競(jìng)爭(zhēng)中贏得優(yōu)勢(shì)。另外一個(gè)方面，海量的數(shù)據(jù)也給企業(yè)進(jìn)行數(shù)據(jù)挖掘、分析帶來巨大的挑戰(zhàn)。如何從紛繁復(fù)雜的數(shù)據(jù)中挖掘出有利于企業(yè)發(fā)展的信息，并利用好這些信息指導(dǎo)企業(yè)運(yùn)營(yíng)，對(duì)于一個(gè)企業(yè)來說顯得至關(guān)重要?！坝脭?shù)據(jù)說話”，如何讓數(shù)據(jù)產(chǎn)生真正的價(jià)值成為了擺在企業(yè)管理者面前不得不跨越的鴻溝。選用一體化及端到端業(yè)務(wù)系統(tǒng)，應(yīng)對(duì)數(shù)據(jù)分析難的問題“大數(shù)據(jù)”話題的日趨白熱化以及對(duì)企業(yè)管理帶來的深遠(yuǎn)影響，讓許多企業(yè)管理者更加關(guān)注數(shù)據(jù)帶來的業(yè)務(wù)價(jià)值，紛紛想要通過數(shù)據(jù)分析工具來挖掘數(shù)據(jù)價(jià)值，從而更好地指導(dǎo)企業(yè)的發(fā)展。然而，在數(shù)據(jù)挖掘、分析的過程中，一些弊端漸漸流露出來，海量的數(shù)據(jù)分析起來要耗費(fèi)非常大的精力，還常常出現(xiàn)錯(cuò)誤，得不到想要的分析結(jié)果。先進(jìn)BI技術(shù)+—體化，數(shù)據(jù)分析又快又準(zhǔn)BI（商業(yè)智能）系統(tǒng)是CIO十分歡迎的系統(tǒng)，因?yàn)樗梢宰屍髽I(yè)CEO親自體驗(yàn)到信息化的價(jià)值所在，移動(dòng)BI的逐漸普及也加快了CEO們應(yīng)用商業(yè)智能系統(tǒng)的速度。眾所周知，BI的源頭是數(shù)據(jù)，BI的對(duì)象也是數(shù)據(jù)。根據(jù)IDC的預(yù)測(cè)，從2009年到2020年，數(shù)據(jù)總量將增長(zhǎng)44倍，達(dá)到35ZB。其中，80%的數(shù)據(jù)都是非結(jié)構(gòu)化數(shù)據(jù)。毫無疑問，隨著大數(shù)據(jù)時(shí)代的來臨，海量數(shù)據(jù)給BI帶來了前所未有的壓力。如何有效地利用大數(shù)據(jù)，以及其中所沉淀的信息，成為未來的一大競(jìng)爭(zhēng)焦點(diǎn)。嵌入先進(jìn)BI技術(shù)，數(shù)據(jù)挖掘一步到位。面對(duì)瞬息萬變的市場(chǎng)環(huán)境，企業(yè)必須對(duì)海量的數(shù)據(jù)進(jìn)行快速的分析，以最快的速度為企業(yè)管理者提供有價(jià)值的信息，這對(duì)數(shù)據(jù)分析速度有嚴(yán)格的要求。商業(yè)智能技術(shù)為企業(yè)提供快捷數(shù)據(jù)倉(cāng)庫(kù)，與傳統(tǒng)數(shù)據(jù)倉(cāng)庫(kù)包含數(shù)據(jù)庫(kù)系統(tǒng)開發(fā)、數(shù)據(jù)清理、數(shù)據(jù)集成及數(shù)據(jù)挖掘的整個(gè)過程不同，該數(shù)據(jù)倉(cāng)庫(kù)簡(jiǎn)化數(shù)據(jù)挖掘的步驟，數(shù)據(jù)挖掘一步到位，不僅最小化數(shù)據(jù)集成的需要，還提供行業(yè)特定的預(yù)先集成解決方案，提高數(shù)據(jù)分析效率，幫助企業(yè)更好地應(yīng)對(duì)大數(shù)據(jù)“大”的挑戰(zhàn)。數(shù)據(jù)集成是重中之重大數(shù)據(jù)時(shí)代已經(jīng)來臨，隨著IT應(yīng)用的發(fā)展，企業(yè)積累的數(shù)據(jù)越來越多。而隨著社交網(wǎng)絡(luò)、移動(dòng)計(jì)算和傳感器等新渠道和新技術(shù)的不斷涌現(xiàn)，生產(chǎn)了大量的新型數(shù)據(jù)，各種各樣的數(shù)據(jù)散落在不同的系統(tǒng)中。各數(shù)據(jù)之間有哪些關(guān)聯(lián)性,哪個(gè)數(shù)據(jù)是可信的,如何從海量的數(shù)據(jù)中挖掘出有價(jià)值的、易用的客戶信息,要回答這些問題，企業(yè)需要一個(gè)單一、完整、可信的客戶數(shù)據(jù)視圖。而創(chuàng)建一個(gè)單一、完整、可信的客戶數(shù)據(jù)視圖，數(shù)據(jù)集成是關(guān)鍵。沒有集成的數(shù)據(jù)，其商業(yè)價(jià)值為零。大數(shù)據(jù)時(shí)代帶來的海量數(shù)據(jù)需要先進(jìn)的信息化手段進(jìn)行分析，這讓企業(yè)的IT管理面臨更加嚴(yán)峻的局勢(shì)?；谝惑w化及端到端管理，借助先進(jìn)的商業(yè)智能技術(shù)，提升數(shù)據(jù)分析的準(zhǔn)確率及速度，讓大數(shù)據(jù)分析變得又快又準(zhǔn)，且易用，幫助企業(yè)更好地實(shí)現(xiàn)商業(yè)價(jià)值。數(shù)據(jù)集成讓組織機(jī)構(gòu)能夠?qū)鹘y(tǒng)的交易數(shù)據(jù)與全新的交互數(shù)據(jù)組合起來，從而獲得在其他情況下無法達(dá)成的洞察力和價(jià)值。比如，可以通過社交媒體了解客戶的喜惡，以此充實(shí)客戶資料來提高目標(biāo)行銷效率。企業(yè)搜索提升決策質(zhì)量大數(shù)據(jù)時(shí)代信息規(guī)模快速增長(zhǎng)，更快獲取有用的信息是關(guān)鍵，企業(yè)搜索會(huì)變得越來越重要，其可以凌駕于多個(gè)管理系統(tǒng)、數(shù)據(jù)庫(kù)之上，其中包括BI系統(tǒng)，也就是說BI只是企業(yè)搜索的數(shù)據(jù)來源之一。企業(yè)搜索平臺(tái)能夠提升決策質(zhì)量，降低IT成本。BI信息只是給決策者一個(gè)結(jié)論，而企業(yè)搜索可以順著這個(gè)結(jié)論回溯，找到信息的來源及過程,所有信息通過企業(yè)搜索平臺(tái)組合在一起。而且，企業(yè)搜索平臺(tái)能夠提供覆蓋多個(gè)系統(tǒng)的全視角信息視圖，實(shí)現(xiàn)實(shí)時(shí)運(yùn)行報(bào)告和分析。用戶使用BI時(shí)，往往將BI產(chǎn)品集成在多種不同的解決方案中，其中包括CRM、ERP、金融服務(wù)乃至醫(yī)療等應(yīng)用。BI提供商會(huì)從不同來源了解相關(guān)信息，從而充分滿足用戶的需求，具體包括文檔、內(nèi)外部網(wǎng)站、案例管理系統(tǒng)等等。但分別搜索上述信息來源對(duì)BI提供商提出了巨大挑戰(zhàn)，這就需要用到企業(yè)搜索平臺(tái)。內(nèi)存計(jì)算加快分析速度在大數(shù)據(jù)時(shí)代，數(shù)據(jù)是以不同狀態(tài)存儲(chǔ)的。有的數(shù)據(jù)是結(jié)構(gòu)化的，有的是非結(jié)構(gòu)化的，有的是在社交媒體等媒體平臺(tái)呈現(xiàn)的，有的存在數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)集市中，調(diào)用這些數(shù)據(jù)需要占用大量時(shí)間。而為了快速響應(yīng)不斷變化的市場(chǎng)，業(yè)務(wù)用戶又需要快速獲得有用的信息并進(jìn)行分析。對(duì)于這些挑戰(zhàn)，我們認(rèn)為內(nèi)存計(jì)算可以解決這些難題。應(yīng)用內(nèi)存計(jì)算形成的高性能分析工具支持企業(yè)根據(jù)不斷變化的大量信息來分析業(yè)務(wù)運(yùn)營(yíng)情況。企業(yè)可以從數(shù)據(jù)源實(shí)時(shí)、快速地瀏覽和分析所有的交易數(shù)據(jù)和分析數(shù)據(jù)。發(fā)生業(yè)務(wù)時(shí)，運(yùn)營(yíng)數(shù)據(jù)將保存在內(nèi)存中，若要做整個(gè)企業(yè)的擴(kuò)展分析，可以將外部數(shù)據(jù)添加到分析模型中。這種分析工具可以理解為一個(gè)內(nèi)存式的數(shù)據(jù)倉(cāng)庫(kù)，儲(chǔ)存數(shù)據(jù)的方式是以列的方式，這樣就可以節(jié)省很多空間。下一步我們希望能夠把交易系統(tǒng)和分析系統(tǒng)都結(jié)合到工具上，從而避免分層處理過程，這樣運(yùn)行速度會(huì)更快、占用空間會(huì)更少。用大數(shù)據(jù)改變管理一旦有效利用大數(shù)據(jù)，傳統(tǒng)的商業(yè)模式和管理時(shí)間也會(huì)被顛覆。一般認(rèn)為優(yōu)秀的企業(yè)高管們大多信任自己的直覺，依靠“黃金般的直覺”做出商業(yè)決策和管理決策。然而，隨著管理決策越來越受預(yù)測(cè)性分析和大數(shù)據(jù)的影響和控制，由直覺做決定的方式將會(huì)被徹底改變。麻省理工學(xué)院商學(xué)院教授里克?布倫喬爾森和他的同事一起進(jìn)行了一項(xiàng)研究，發(fā)現(xiàn)決策依賴數(shù)據(jù)的公司的運(yùn)營(yíng)情況比不重視數(shù)據(jù)的公司要出色得多，這些公司的生產(chǎn)力比不使用數(shù)據(jù)進(jìn)行決策的公司高出6%?再次把目光轉(zhuǎn)回金融。事實(shí)上，金融同業(yè)們也早已窺視到了大數(shù)據(jù)中的商機(jī)。對(duì)金融而言，以指數(shù)級(jí)膨脹的數(shù)據(jù)既是“甜蜜的負(fù)擔(dān)”，又是“無價(jià)的寶藏”。企業(yè)大數(shù)據(jù)面臨的頂級(jí)挑戰(zhàn)一般企業(yè)的大數(shù)據(jù)項(xiàng)目得到公司管理層批準(zhǔn)，只是企業(yè)重視大數(shù)據(jù)價(jià)值方面的一個(gè)良好開頭。數(shù)據(jù)專家表示，接下來企業(yè)需要面對(duì)的四個(gè)在大數(shù)據(jù)管理方面的挑戰(zhàn)才是重頭戲，并且要著手處理。最近IDC在悉尼舉辦的亞太業(yè)務(wù)分析會(huì)議上，NICTA領(lǐng)域高級(jí)研究員DrRamiMukhtar分享了他關(guān)于大數(shù)據(jù)訪問管理面臨挑戰(zhàn)的四個(gè)主要觀點(diǎn)。1.提取大數(shù)據(jù)價(jià)值:大數(shù)據(jù)真正的價(jià)值應(yīng)該是，當(dāng)你試圖解決非常精準(zhǔn)的業(yè)務(wù)問題，涉及到相應(yīng)的數(shù)據(jù)時(shí)，分析其中的數(shù)據(jù)價(jià)值才是發(fā)揮其應(yīng)有的價(jià)值。業(yè)務(wù)數(shù)據(jù)映射:特定業(yè)務(wù)解決方案能夠幫助企業(yè)更好的預(yù)測(cè)未來業(yè)務(wù)的發(fā)展方向，如果企業(yè)不能將業(yè)務(wù)流程與數(shù)據(jù)資產(chǎn)更好的匹配在一起，那么即使是大數(shù)據(jù)，也很難解決企業(yè)業(yè)務(wù)面臨的問題。大數(shù)據(jù)分析:如何從公司業(yè)務(wù)數(shù)據(jù)中提取準(zhǔn)確無誤的關(guān)鍵信息，比如客戶的購(gòu)買習(xí)慣,已經(jīng)有的大數(shù)據(jù)解決方案只是一套平面的文件，為了克服這個(gè)問題，建議企業(yè)使用便于科學(xué)提取關(guān)鍵數(shù)據(jù)的目錄管理方式來管理企業(yè)數(shù)據(jù)資產(chǎn)。大數(shù)據(jù)隱私:大數(shù)據(jù)在隱私方面是一個(gè)重大挑戰(zhàn)，因?yàn)槿绻麤]有一個(gè)清晰的訪問控制規(guī)則，數(shù)據(jù)分析師和數(shù)據(jù)專家在訪問公司數(shù)據(jù)資產(chǎn)時(shí)，不可避免的會(huì)違反公司的數(shù)據(jù)隱私政策。HDS公布一項(xiàng)研究結(jié)果顯示，近半數(shù)接受調(diào)查的亞太地區(qū)企業(yè)認(rèn)為采用大數(shù)據(jù)將實(shí)現(xiàn)25%或者更高的業(yè)績(jī)?cè)鲩L(zhǎng)，HDS更是預(yù)測(cè)被調(diào)查的500多家企業(yè)的集體收益將達(dá)到2500億美元。不過，超過一半的企業(yè)在其大數(shù)據(jù)利用戰(zhàn)略方面進(jìn)展甚微，甚至止步不前。應(yīng)采用全新的方法，將數(shù)據(jù)視為“資本資產(chǎn)”，并制定全面的大數(shù)據(jù)發(fā)展戰(zhàn)略，以便為企業(yè)提供洞察和有價(jià)值的信息。這樣，企業(yè)才能利用信息，不斷驅(qū)動(dòng)創(chuàng)新，并創(chuàng)造增量收益。EIU對(duì)亞太地區(qū)500多名企業(yè)高管進(jìn)行了調(diào)查，調(diào)查結(jié)果顯示，迄今為止，亞太地區(qū)的各個(gè)企業(yè)在實(shí)施大數(shù)據(jù)發(fā)展戰(zhàn)略方面取得的成功并不多。僅有1/3的企業(yè)表示在此方面取得了良好的進(jìn)展，超過一半的企業(yè)則表示進(jìn)展不大。大約80%的一線員工認(rèn)為改善數(shù)據(jù)的獲取狀況至關(guān)重要，但僅有19%的員工表示他們總是能夠獲取到所需要的數(shù)據(jù)。盡管企業(yè)在此方面的進(jìn)展不大，但受訪者普遍認(rèn)為大數(shù)據(jù)能夠幫助企業(yè)改善績(jī)效:70%以上的受訪者認(rèn)為大數(shù)據(jù)可以推動(dòng)企業(yè)生產(chǎn)力、增加企業(yè)受益以及推動(dòng)企業(yè)創(chuàng)新。篇三:講座心得體會(huì)報(bào)告學(xué)術(shù)講座報(bào)告學(xué)號(hào):姓名:報(bào)告題目:指導(dǎo)教師:所屬學(xué)院:桂林電子科技大學(xué)研究生院年月日學(xué)術(shù)講座，它是研究生的一種學(xué)習(xí)途徑。利用課外學(xué)習(xí)時(shí)間，學(xué)校和學(xué)院給我們安排了一系列學(xué)術(shù)講座，在我看來，旨在豐富研究生學(xué)期生活，積累專業(yè)知識(shí)，拓寬視野。這些講座與我們專業(yè)知識(shí)緊密相關(guān)，但是卻不單一，涉及不同課題觀摩聆聽名師講座，名師神采飛揚(yáng)，聽者亦有心得。一千個(gè)讀者的心中有一千個(gè)哈姆雷特。而面對(duì)著鮮活的教學(xué)對(duì)象，智慧的教師必然沒有相同的課堂。聽學(xué)術(shù)講座過程中，不僅可以領(lǐng)略各行各業(yè)專家的口才藝術(shù)，還可以開闊視野，學(xué)到課堂上學(xué)不到的知識(shí)。在進(jìn)入研究生院一年多的時(shí)間里我參加了各種各樣的學(xué)術(shù)講座，我既了解到了各領(lǐng)域多層次的發(fā)展前沿，使自己能夠跟上科學(xué)發(fā)展的步伐;同時(shí)充實(shí)了多方面的知識(shí)，提升了我們的理論水平;同時(shí)也看到了知名學(xué)者成功人士的人格魅力。而這也激發(fā)并且加強(qiáng)了我們對(duì)于所在學(xué)科領(lǐng)域的探索之心。在參加的學(xué)術(shù)講座中我印象最深的是中國(guó)人民大學(xué)杜小勇教授“大數(shù)據(jù)時(shí)代的數(shù)據(jù)管理技術(shù)”這個(gè)講座，因?yàn)樗v的內(nèi)容是我特別感興趣的方面，拓寬了我的視野。該講座的主要內(nèi)容有大數(shù)據(jù)的定義、3V、管理技術(shù)等。一、大數(shù)據(jù)(bigdata)的3V大數(shù)據(jù)，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、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數(shù)據(jù)有3個(gè)V,—是大量化(Volume)，數(shù)據(jù)量是持續(xù)快速增加的，從TB級(jí)別，躍升到PB級(jí)別;二是多樣化(Variety),數(shù)據(jù)類型多樣化，結(jié)構(gòu)化數(shù)據(jù)已被視為小菜一碟，圖片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)正以傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)增長(zhǎng)的兩倍速快速創(chuàng)建;三是快速化(Velocity)，數(shù)據(jù)生成速度快，也就需要快速的處理能力，因此，產(chǎn)生了“1秒定律”，就是說一般要在秒級(jí)時(shí)間范圍內(nèi)給出分析結(jié)果，時(shí)間太長(zhǎng)就失去價(jià)值了，這個(gè)速度要求是大數(shù)據(jù)處理技術(shù)和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)最大的區(qū)別。二、數(shù)據(jù)庫(kù)管理技術(shù)目前數(shù)據(jù)庫(kù)可分為關(guān)系數(shù)據(jù)庫(kù)和noSQL數(shù)據(jù)庫(kù)，根據(jù)數(shù)據(jù)應(yīng)用的要求，再結(jié)合目前數(shù)據(jù)庫(kù)的種類，所以目前數(shù)據(jù)庫(kù)管理方式主要有以下4類。面向操作型的關(guān)系數(shù)據(jù)庫(kù)技術(shù)。首先，傳統(tǒng)數(shù)據(jù)庫(kù)廠商提供的基于行存儲(chǔ)的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)，如DB2、Oracle、SQLServer等，以其高度的一致性、精確性、系統(tǒng)可恢復(fù)性，在事務(wù)處理方面仍然是核心引擎。其次，面向?qū)崟r(shí)計(jì)算的內(nèi)存數(shù)據(jù)庫(kù)系統(tǒng)，如Hana、Timesten、Altibase等通過把對(duì)數(shù)據(jù)并發(fā)控制、查詢和恢復(fù)等操作控制在內(nèi)存內(nèi)部進(jìn)行，所以獲得了非常高的性能，在很多特定領(lǐng)域如電信、證券、網(wǎng)管等得到普遍應(yīng)用。另外，以VoltDB、Clustrix和NuoDB為代表的newSQL宣稱能夠在保持ACDI特性的同時(shí)提高了事務(wù)處理性能50倍~60倍。面向分析型的關(guān)系數(shù)據(jù)庫(kù)技術(shù)。首先，TeraData是數(shù)據(jù)倉(cāng)庫(kù)領(lǐng)域的領(lǐng)頭羊，Teradata在整體上是按SharedNothing架構(gòu)體系進(jìn)行組織的，定位就是大型數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)，支持較高的擴(kuò)展性。其次，面向分析型應(yīng)用，列存儲(chǔ)數(shù)據(jù)庫(kù)的研究形成了另一個(gè)重要的潮流。列存儲(chǔ)數(shù)據(jù)庫(kù)以其高效的壓縮、更高的I/O效率等特點(diǎn)，在分析型應(yīng)用領(lǐng)域獲得了比行存儲(chǔ)數(shù)據(jù)庫(kù)高得多的性能。如:MonetDB和Vertica是一個(gè)典型的基于列存儲(chǔ)技術(shù)的數(shù)據(jù)庫(kù)系統(tǒng)。面向操作型的n