38-大數(shù)據(jù)大數(shù)據(jù)概念與應(yīng)用

會(huì)計(jì)學(xué)大數(shù)據(jù)大數(shù)據(jù)概念與應(yīng)用第一章 大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)的概念與意義大數(shù)據(jù)的來源大數(shù)據(jù)應(yīng)用場(chǎng)景大數(shù)據(jù)處理方法習(xí)題of401.1大數(shù)據(jù)的概念與意義第一章大數(shù)據(jù)概念與應(yīng)用1．從“數(shù)據(jù)”到“大數(shù)據(jù)”時(shí)至今日，“數(shù)據(jù)”變身“大數(shù)據(jù)”，“開啟了一次重大的時(shí)代轉(zhuǎn)型”。

“大數(shù)據(jù)”這一概念的形成，有三個(gè)標(biāo)志性事件：of404

V特征VV大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)相比，數(shù)據(jù)來源廣、維度多、類型雜，各種機(jī)器儀表在自動(dòng)產(chǎn)生數(shù)據(jù)的同時(shí)，人自身的生活行為也在不斷創(chuàng)造數(shù)據(jù)；不僅有企業(yè)組織內(nèi)部的業(yè)務(wù)數(shù)據(jù)，還有海量相關(guān)的外部數(shù)據(jù)。V隨著現(xiàn)代感測(cè)、互聯(lián)網(wǎng)、計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)生成、儲(chǔ)存、分析、處理的速度遠(yuǎn)遠(yuǎn)超出人們的想象力，這是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)或小數(shù)據(jù)的顯著特征。V大數(shù)據(jù)有巨大的潛在價(jià)值，但同其呈幾何指數(shù)爆發(fā)式增長相比，某一對(duì)象或模塊數(shù)據(jù)的價(jià)值密度較低，這無疑給我們開發(fā)海量數(shù)據(jù)增加了難度和成本。第一章大數(shù)據(jù)概念與應(yīng)用從2013年至2020年，人類的數(shù)據(jù)規(guī)模將擴(kuò)大50倍，每年產(chǎn)生的數(shù)據(jù)量將增長到44萬億GB，相當(dāng)于美國國家圖書館of40數(shù)據(jù)量的數(shù)百萬倍，且每18個(gè)月翻一番。1.1大數(shù)據(jù)的概念與意義第一章大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)數(shù)據(jù)源整合進(jìn)行存儲(chǔ)、清洗、挖掘、分析后得出結(jié)果直到優(yōu)化企業(yè)管理提高效率云計(jì)算、硬件性價(jià)比的提高以及軟件技術(shù)的進(jìn)步智能設(shè)備、傳感器的普及，推動(dòng)物聯(lián)網(wǎng)、人工智能的發(fā)展計(jì)算運(yùn)行、計(jì)算速度越來越快存儲(chǔ)存儲(chǔ)成本下降智能實(shí)現(xiàn)信息對(duì)等解放腦力，機(jī)器擁有人的智慧1.1大數(shù)據(jù)的概念與意義of402．大數(shù)據(jù)的技術(shù)支撐第一章大數(shù)據(jù)概念與應(yīng)用1.1大數(shù)據(jù)的概念與意義1）存儲(chǔ)：存儲(chǔ)成本的下降云計(jì)算出現(xiàn)之前云計(jì)算出現(xiàn)之后在云計(jì)算出現(xiàn)之前，數(shù)據(jù)存儲(chǔ)的成本是非常高的。例如，公司要建設(shè)網(wǎng)站，需要購置和部署服務(wù)器，安排技術(shù)人員維護(hù)服務(wù)器，保證數(shù)據(jù)存儲(chǔ)的安全性和數(shù)據(jù)傳輸?shù)臅惩ㄐ裕€會(huì)定期清理數(shù)據(jù)，騰出空間以便存儲(chǔ)新的數(shù)據(jù)，機(jī)房整體的人力和管理成本都很高。云計(jì)算出現(xiàn)后，數(shù)據(jù)存儲(chǔ)服務(wù)衍生出了新的商業(yè)模式，數(shù)據(jù)中心的出現(xiàn)降低了公司的計(jì)算和存儲(chǔ)成本。例如，公司現(xiàn)在要建設(shè)網(wǎng)站，不需要去購買服務(wù)器，不需要去雇用技術(shù)人員維護(hù)服務(wù)器，可以通過租用硬件設(shè)備的方式解決問題。of40存儲(chǔ)成本的下降，也改變了大家對(duì)數(shù)據(jù)的看法，更加愿意把1年、2年甚至更久遠(yuǎn)的歷史數(shù)

據(jù)保存下來，有了歷史數(shù)據(jù)的沉淀，才可以通過對(duì)比，發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)聯(lián)和價(jià)值。正是由于存儲(chǔ)成本的下降，才能為大數(shù)據(jù)搭建最好的基礎(chǔ)設(shè)施。第一章大數(shù)據(jù)概念與應(yīng)用1.1大數(shù)據(jù)的概念與意義of402）計(jì)算：運(yùn)算速度越來越快海量數(shù)據(jù)從原始數(shù)據(jù)源到產(chǎn)生價(jià)值，期間會(huì)經(jīng)過存儲(chǔ)、清洗、挖掘、分析等多個(gè)環(huán)節(jié)，如果計(jì)算速度不夠快，很多事情是無法實(shí)現(xiàn)的。所以，在大數(shù)據(jù)的發(fā)展過程中，計(jì)算速度是非常關(guān)鍵的因素。分布式系統(tǒng)基礎(chǔ)架構(gòu)Hadoop的出現(xiàn)，為大數(shù)據(jù)帶來了新的曙光；

HDFS為海量的數(shù)據(jù)提供了存儲(chǔ)；MapReduce則為海量的數(shù)據(jù)提供了并行計(jì)算，從而大大提高了計(jì)算效率；

Spark、Storm、Impala等各種各樣的技術(shù)進(jìn)入人們的視野。第一章大數(shù)據(jù)概念與應(yīng)用1.1大數(shù)據(jù)的概念與意義3）智能：機(jī)器擁有理解數(shù)據(jù)的能力大數(shù)據(jù)帶來的最大價(jià)值就是“智慧”，大數(shù)據(jù)讓機(jī)器變得有智慧，同時(shí)人工智能進(jìn)一步提升了處理和理解數(shù)據(jù)的能力。例如：谷歌AlphaGo大勝世界圍棋冠軍李世石阿里云小Ai成功預(yù)測(cè)出《我是歌手》的總決賽歌王12iPhone上智能化語音機(jī)器人Siri微信上與大家聊天的微軟小冰34of40第一章大數(shù)據(jù)概念與應(yīng)用美國著名管理學(xué)家愛德華·戴明所言：“我們信靠上帝。除了上帝，任何人都必須用數(shù)據(jù)來說話?！?.1大數(shù)據(jù)的概念與意義of403．大數(shù)據(jù)的意義有數(shù)據(jù)可說在大數(shù)據(jù)時(shí)代，“萬物皆數(shù)”，“量化一切”，“一切都將被數(shù)據(jù)化”。人類生活在一個(gè)海量、動(dòng)態(tài)、多樣的數(shù)據(jù)世界中，數(shù)據(jù)無處不在、無時(shí)不有、無人不用，數(shù)據(jù)就像陽光、空氣、水分一樣常見，好比放大鏡、望遠(yuǎn)鏡、顯微鏡那般重要。說數(shù)據(jù)可靠大數(shù)據(jù)中的“數(shù)據(jù)”真實(shí)可靠，它實(shí)質(zhì)上是表征事物現(xiàn)象的一種符號(hào)語言和邏輯關(guān)系，其可靠性的數(shù)理哲學(xué)基礎(chǔ)是世界同構(gòu)原理。世界具有物質(zhì)統(tǒng)一性，統(tǒng)一的世界中的一切事物都存在著時(shí)空一致性的同構(gòu)關(guān)系。這意味著任何事物的屬性和規(guī)律，只要通過適當(dāng)編碼，均可以通過統(tǒng)一的數(shù)字信號(hào)表達(dá)出來。因此，“用數(shù)據(jù)說話”、“讓數(shù)據(jù)發(fā)聲”，已成為人類認(rèn)知世界的一種全新方法。1.1從“數(shù)據(jù)”到“大數(shù)據(jù)”第一章大數(shù)據(jù)概念與應(yīng)用風(fēng)馬牛可相及在大數(shù)據(jù)背景下，因海量無限、包羅萬象的數(shù)據(jù)存在，讓許多看似毫不相干的現(xiàn)象之間發(fā)生一定的關(guān)聯(lián)，使人們能夠更簡捷、更清晰地認(rèn)知事物和把握局勢(shì)。大數(shù)據(jù)的巨大潛能與作用現(xiàn)在難以進(jìn)行估量，但揭示事物的相關(guān)關(guān)系無疑是其真正的價(jià)值所在。經(jīng)典案例：（1）啤酒與尿布（2）谷歌與流感of40第一章 大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)的概念與意義大數(shù)據(jù)的來源大數(shù)據(jù)應(yīng)用場(chǎng)景大數(shù)據(jù)處理方法習(xí)題of401.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用of40全球數(shù)據(jù)總量圖杰姆·格雷（Jim

Gray）提出著名的“新摩爾定律”，即人類有史以來的數(shù)據(jù)總量，每過

18個(gè)月就會(huì)翻一番。(EB)(年份)為什么全球數(shù)據(jù)量增長如此之快？1.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用互聯(lián)網(wǎng)每天產(chǎn)生的全部內(nèi)容可以刻滿6.4億張DVDGoogle每天需要處理24PB的數(shù)據(jù)網(wǎng)民每天在Facebook上要花費(fèi)

234億分鐘，被移動(dòng)互聯(lián)網(wǎng)使用者發(fā)送和接收的數(shù)據(jù)高達(dá)44PB全球每秒發(fā)送290萬封電子郵件，一分鐘讀一篇的話，足夠一個(gè)人晝夜不停地讀5.5年每天會(huì)有2.88萬個(gè)小時(shí)的視頻上傳到Y(jié)ouTube，足夠一個(gè)人晝夜不停地觀看3.3年Twitter上每天發(fā)布5000萬條消息，假設(shè)10秒就瀏覽一條消息，足夠一個(gè)人晝夜不停地瀏覽16年大數(shù)據(jù)到底有多大？of40以上一組互聯(lián)網(wǎng)數(shù)據(jù)1.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用來自大量傳感器的機(jī)器數(shù)據(jù)科學(xué)研究及行業(yè)多結(jié)構(gòu)專業(yè)數(shù)據(jù)來自“大人群”泛互聯(lián)網(wǎng)數(shù)據(jù)發(fā)微博、發(fā)微信of40其他互聯(lián)網(wǎng)數(shù)據(jù)海量的數(shù)據(jù)的產(chǎn)生智能終端拍照、拍視頻隨著人類活動(dòng)的進(jìn)一步擴(kuò)展，數(shù)據(jù)規(guī)模會(huì)急劇膨脹，包括金融、汽車、零售、餐飲、電信、能源、政務(wù)、醫(yī)療、體育、娛樂等在內(nèi)的各行業(yè)累積的數(shù)據(jù)量越來越大，數(shù)據(jù)類型也越來越多、越來越復(fù)雜，已經(jīng)超越了傳統(tǒng)數(shù)據(jù)管理系統(tǒng)、處理模式的能力范圍，于是“大數(shù)據(jù)”這樣一個(gè)概念才會(huì)應(yīng)運(yùn)而生。1.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用按產(chǎn)生數(shù)據(jù)的主體劃分1）少量企業(yè)應(yīng)用產(chǎn)生的數(shù)據(jù)如關(guān)系型數(shù)據(jù)庫中的數(shù)據(jù)和數(shù)據(jù)倉庫中的數(shù)據(jù)等。

2）大量人產(chǎn)生的數(shù)據(jù)如推特、微博、通信軟件、移動(dòng)通信數(shù)據(jù)、電子商務(wù)在線交易日志數(shù)據(jù)、企業(yè)應(yīng)用的相關(guān)評(píng)論數(shù)據(jù)等。3）巨量機(jī)器產(chǎn)生的數(shù)據(jù)如應(yīng)用服務(wù)器日志、各類傳感器數(shù)據(jù)、圖像和視頻監(jiān)控?cái)?shù)據(jù)、二維碼和條形碼（條碼）掃描數(shù)據(jù)等。01of401.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用按數(shù)據(jù)來源的行業(yè)劃分1）以BAT為代表的互聯(lián)網(wǎng)公司百度公司數(shù)據(jù)總量超過了千PB級(jí)別，阿里巴巴公司保存的數(shù)據(jù)量超過了百PB級(jí)別，擁有90%以上的電商數(shù)據(jù)，騰訊公司總存儲(chǔ)數(shù)據(jù)量經(jīng)壓縮處理以后仍然超過了百PB級(jí)別，數(shù)據(jù)量月增加達(dá)到10%。2）電信、金融、保險(xiǎn)、電力、石化系統(tǒng)電信行業(yè)數(shù)據(jù)年度用戶數(shù)據(jù)增長超過10%，金融每年產(chǎn)生的數(shù)據(jù)超過數(shù)十PB，保險(xiǎn)系統(tǒng)的數(shù)據(jù)量也超過了PB級(jí)別，電力與石化方面，僅國家電網(wǎng)采集獲得的數(shù)據(jù)總量就達(dá)到了數(shù)十PB，石油化工領(lǐng)域每年產(chǎn)生和保存下來的數(shù)據(jù)量也將近百PB級(jí)別。3）公共安全、醫(yī)療、交通領(lǐng)域一個(gè)中、大型城市，一個(gè)月的交通卡口記錄數(shù)可以達(dá)到3億條；整個(gè)醫(yī)療衛(wèi)生行業(yè)一年能夠保存下來的數(shù)據(jù)就可達(dá)到數(shù)百

PB級(jí)別；航班往返一次產(chǎn)生的數(shù)據(jù)就達(dá)到TB級(jí)別；列車、水

陸路運(yùn)輸產(chǎn)生的各種視頻、文本類數(shù)據(jù)，每年保存下來的也達(dá)到數(shù)十PB。02of404）氣象、地理、政務(wù)等領(lǐng)域中國氣象局保存的數(shù)據(jù)將近10PB，每年約增數(shù)百TB；各種地圖和地理位置信息每年約數(shù)十PB；政務(wù)數(shù)據(jù)則涵蓋了旅游、教育、交通、醫(yī)療等多個(gè)門類，且多為結(jié)構(gòu)化數(shù)據(jù)。5）制造業(yè)和其他傳統(tǒng)行業(yè)制造業(yè)的大數(shù)據(jù)類型以產(chǎn)品設(shè)計(jì)數(shù)據(jù)、企業(yè)生產(chǎn)環(huán)節(jié)的業(yè)務(wù)數(shù)據(jù)和生產(chǎn)監(jiān)控?cái)?shù)據(jù)為主。其中產(chǎn)品設(shè)計(jì)數(shù)據(jù)以文件為主，非結(jié)構(gòu)化，共享要求較高，保存時(shí)間較長；企業(yè)生產(chǎn)環(huán)節(jié)的業(yè)務(wù)數(shù)據(jù)主要是數(shù)據(jù)庫結(jié)構(gòu)化數(shù)據(jù)，而生產(chǎn)監(jiān)控?cái)?shù)據(jù)則數(shù)據(jù)量非常大。在其他傳統(tǒng)行業(yè)，雖然線下商業(yè)銷售、農(nóng)林牧漁業(yè)、線下餐飲、食品、科研、物流運(yùn)輸?shù)刃袠I(yè)數(shù)據(jù)量劇增，但是數(shù)據(jù)量還處于積累期，整體體量都不算大，多則達(dá)到PB級(jí)別，少則數(shù)十TB或數(shù)百TB級(jí)別。1.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用按數(shù)據(jù)存儲(chǔ)的形式劃分大數(shù)據(jù)不僅僅體現(xiàn)在數(shù)據(jù)量大，還體現(xiàn)在數(shù)據(jù)類型多。如此海量的數(shù)據(jù)中，僅有20%左右屬于結(jié)構(gòu)化的數(shù)據(jù)，80%的數(shù)據(jù)屬

于廣泛存在于社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、電子商務(wù)等領(lǐng)域的非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)簡單來說就是數(shù)據(jù)庫，如企業(yè)ERP、財(cái)務(wù)系統(tǒng)、醫(yī)療HIS數(shù)據(jù)庫、教育一卡通、政府行政審批、其他核心數(shù)據(jù)庫等數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報(bào)表、圖像和音頻、視頻信息等數(shù)據(jù)。03of401.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用常用的大數(shù)據(jù)獲取途徑1）系統(tǒng)日志采集可以使用海量數(shù)據(jù)采集工具，用于系統(tǒng)日志采集，如Hadoop的Chukwa、Cloudera的Flume、Facebook的Scribe等，這些工具均采用分布式架構(gòu)，能滿足大數(shù)據(jù)的日志數(shù)據(jù)采集和傳輸需求。04of403）APP移動(dòng)端數(shù)據(jù)采集APP是獲取用戶移動(dòng)端數(shù)據(jù)的一種有效方法，APP中的

SDK插件可以將用戶使用APP的信息匯總給指定服務(wù)器，即便用戶在沒有訪問時(shí)，也能獲知用戶終端的相關(guān)信息，包括安裝應(yīng)用的數(shù)量和類型等。單個(gè)APP用戶規(guī)模有限，數(shù)據(jù)量有限；但數(shù)十萬APP用戶，獲取的用戶終端數(shù)據(jù)和部分行為數(shù)據(jù)也會(huì)達(dá)到數(shù)億的量級(jí)。4）與數(shù)據(jù)服務(wù)機(jī)構(gòu)進(jìn)行合作數(shù)據(jù)服務(wù)機(jī)構(gòu)通常具備規(guī)范的數(shù)據(jù)共享和交易渠道，人們可以在平臺(tái)上快速、明確地獲取自己所需要的數(shù)據(jù)。而對(duì)于企業(yè)生產(chǎn)經(jīng)營數(shù)據(jù)或?qū)W科研究數(shù)據(jù)等保密性要求較高的數(shù)據(jù)，也可以通過與企業(yè)或研究機(jī)構(gòu)合作，使用特定系統(tǒng)接口等相關(guān)方式采集數(shù)據(jù)。2）互聯(lián)網(wǎng)數(shù)據(jù)采集通過網(wǎng)絡(luò)爬蟲或網(wǎng)站公開API等方式從網(wǎng)站上獲取數(shù)據(jù)信息，該方法可以數(shù)據(jù)從網(wǎng)頁中抽取出來，將其存儲(chǔ)為統(tǒng)一的本地?cái)?shù)據(jù)文件，它支持圖片、音頻、視頻等文件或附件的采集，附件與正文可以自動(dòng)關(guān)聯(lián)。除了網(wǎng)站中包含的內(nèi)容之外，還可以使用DPI或DFI等帶寬管理技術(shù)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)流量的采集。第一章 大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)的概念與意義大數(shù)據(jù)的來源大數(shù)據(jù)應(yīng)用場(chǎng)景大數(shù)據(jù)處理方法習(xí)題of401.3大數(shù)據(jù)應(yīng)用場(chǎng)景第一章大數(shù)據(jù)概念與應(yīng)用環(huán)境教育行業(yè)醫(yī)療行業(yè)農(nóng)業(yè)智慧城市零售行業(yè)金融行業(yè)of401.3大數(shù)據(jù)應(yīng)用場(chǎng)景第一章大數(shù)據(jù)概念與應(yīng)用零售行業(yè)零售行業(yè)大數(shù)據(jù)應(yīng)用有兩個(gè)層面，一個(gè)層面是零售行業(yè)可以了解客戶的消費(fèi)喜好和趨勢(shì)，進(jìn)行商品的精準(zhǔn)營銷，降低營銷成本。另一個(gè)層面是依據(jù)客戶購買的產(chǎn)品，為客戶提供可能購買的其他產(chǎn)品，擴(kuò)大銷售額，也屬于精準(zhǔn)營銷范疇。未來考驗(yàn)零售企業(yè)的是如何挖掘消費(fèi)者需求，以及高效整合供應(yīng)鏈滿足其需求的能力，因此，信息技術(shù)水平的高低成為獲得競爭優(yōu)勢(shì)的關(guān)鍵要素。金融行業(yè)1）銀行數(shù)據(jù)應(yīng)用場(chǎng)景利用數(shù)據(jù)挖掘來分析出一些交易數(shù)據(jù)背后的商業(yè)價(jià)值。2）保險(xiǎn)數(shù)據(jù)應(yīng)用場(chǎng)景用數(shù)據(jù)來提升保險(xiǎn)產(chǎn)品的精算水平，提高利潤水平和投資收益。3）證券數(shù)據(jù)應(yīng)用場(chǎng)景對(duì)客戶交易習(xí)慣和行為分析可以幫助證券公司獲得更多的收益。of401.3大數(shù)據(jù)應(yīng)用場(chǎng)景第一章大數(shù)據(jù)概念與應(yīng)用醫(yī)療行業(yè)醫(yī)療行業(yè)擁有大量的病例、病理報(bào)告、治愈方案、藥物報(bào)告等，通過對(duì)這些數(shù)據(jù)進(jìn)行整理和分析將會(huì)極大地輔助醫(yī)生提出治療方案，幫助病人早日康復(fù)?？梢詷?gòu)建大數(shù)據(jù)平臺(tái)來收集不同病例和治療方案，以及病人的基本特征，建立針對(duì)疾病特點(diǎn)的數(shù)據(jù)庫，幫助醫(yī)生進(jìn)行疾病診斷。醫(yī)療行業(yè)的大數(shù)據(jù)應(yīng)用一直在進(jìn)行，但是數(shù)據(jù)并沒有完全打通，基本都是孤島數(shù)據(jù)，沒辦法進(jìn)行大規(guī)模的應(yīng)用。未來可以將這些數(shù)據(jù)統(tǒng)一采集起來，納入統(tǒng)一的大數(shù)據(jù)平臺(tái)，為人類健康造福。教育行業(yè)信息技術(shù)已在教育領(lǐng)域有了越來越廣泛的應(yīng)用，教學(xué)、考試、師生互動(dòng)、校園安全、家校關(guān)系等，只要技術(shù)達(dá)到的地方，各個(gè)環(huán)節(jié)都被數(shù)據(jù)包裹。通過大數(shù)據(jù)的分析來優(yōu)化教育機(jī)制，也可以作出更科學(xué)的決策，這將帶來潛在的教育革命，在不久的將來，個(gè)性化學(xué)習(xí)終端將會(huì)更多地融入學(xué)習(xí)資源云平臺(tái)，根據(jù)每個(gè)學(xué)生的不同興趣愛好和特長，推送相關(guān)領(lǐng)域的前沿技術(shù)、資訊、資源乃至未來職業(yè)發(fā)展方向。of401.3大數(shù)據(jù)應(yīng)用場(chǎng)景第一章大數(shù)據(jù)概念與應(yīng)用農(nóng)業(yè)行業(yè)環(huán)境行業(yè)借助于大數(shù)據(jù)提供的消費(fèi)能力和趨勢(shì)報(bào)告，政府可為農(nóng)業(yè)生產(chǎn)進(jìn)行合理引導(dǎo)，依據(jù)需求進(jìn)行生產(chǎn)，避免產(chǎn)能過剩造成不必要的資源和社會(huì)財(cái)富浪費(fèi)。通過大數(shù)據(jù)的分析將會(huì)更精確地預(yù)測(cè)未來的天氣，幫助農(nóng)民做好自然災(zāi)害的預(yù)防工作，幫助政府實(shí)現(xiàn)農(nóng)業(yè)的精細(xì)化管理和科學(xué)決策。借助于大數(shù)據(jù)技術(shù)，天氣預(yù)報(bào)的準(zhǔn)確性和實(shí)效性將會(huì)大大提高，預(yù)報(bào)的及時(shí)性將會(huì)大大提升，同時(shí)對(duì)于重大自然災(zāi)害如龍卷風(fēng)，通過大數(shù)據(jù)計(jì)算平臺(tái)，人們將會(huì)更加精確地了解其運(yùn)動(dòng)軌跡和危害的等級(jí)，有利于幫助人們提高應(yīng)對(duì)自然災(zāi)害的能力。大數(shù)據(jù)技術(shù)可以了解經(jīng)濟(jì)發(fā)展情況、各產(chǎn)業(yè)發(fā)展情況、消費(fèi)支出和產(chǎn)品銷售情況等，依據(jù)分析結(jié)果，科學(xué)地制定宏觀政策，平衡各產(chǎn)業(yè)發(fā)展，避免產(chǎn)能過剩，有效利用自然資源和社會(huì)資源，提高社會(huì)生產(chǎn)效率。大數(shù)據(jù)技術(shù)也能幫助政府進(jìn)行支出管理，透明合理的財(cái)政支出將有利于提高公信力和監(jiān)督財(cái)政支出。智慧城市of40第一章 大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)的概念與意義大數(shù)據(jù)的來源大數(shù)據(jù)應(yīng)用場(chǎng)景大數(shù)據(jù)處理方法習(xí)題of401.4大數(shù)據(jù)處理方法第一章大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)正帶來一場(chǎng)信息社會(huì)的變革。大量的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的廣泛應(yīng)用，致使人們需要重新思考已有的IT模式；與此同時(shí)，大數(shù)據(jù)將推動(dòng)進(jìn)行又一次基于信息革命的業(yè)務(wù)轉(zhuǎn)型，使社會(huì)能夠借助大數(shù)據(jù)獲取更多的社會(huì)效益和發(fā)展機(jī)會(huì)；龐大的數(shù)據(jù)需要我們進(jìn)行剝離、整理、歸類、建模、分析等操作，通過這些動(dòng)作后，我們開始建立數(shù)據(jù)分析的維度，通過對(duì)不同的維度數(shù)據(jù)進(jìn)行分析，最終才能得到想到的數(shù)據(jù)和信息。因此，如何進(jìn)行大數(shù)據(jù)的采集、導(dǎo)入/預(yù)處理、統(tǒng)計(jì)/分析和大數(shù)據(jù)挖掘，是“做”好大數(shù)據(jù)的關(guān)鍵基礎(chǔ)。of401.4大數(shù)據(jù)處理方法第一章大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)的采集1大數(shù)據(jù)的采集通常采用多個(gè)數(shù)據(jù)庫來接收終端數(shù)據(jù)，包括智能硬件端、多種傳感器端、網(wǎng)頁端、移動(dòng)APP應(yīng)用端等，并且可以使用數(shù)據(jù)庫進(jìn)行簡單的處理工作。常用的數(shù)據(jù)采集的方式主要包括以下幾種：數(shù)據(jù)抓取01數(shù)據(jù)導(dǎo)入02物聯(lián)網(wǎng)傳感設(shè)備自動(dòng)信息采集03of401.4大數(shù)據(jù)處理方法第一章大數(shù)據(jù)概念與應(yīng)用2

導(dǎo)入/預(yù)處理雖然采集端本身有很多數(shù)據(jù)庫，但是如果要對(duì)這些海量數(shù)據(jù)進(jìn)行有效的分析，還是應(yīng)該將這些數(shù)

據(jù)導(dǎo)入到一個(gè)集中的大型分布式數(shù)據(jù)庫或者分布式存儲(chǔ)集群當(dāng)中，同時(shí)，在導(dǎo)入的基礎(chǔ)上完成數(shù)

據(jù)清洗和預(yù)處理工作。也有一些用戶會(huì)在導(dǎo)入時(shí)使用來自Twitter的Storm來對(duì)數(shù)據(jù)進(jìn)行流式計(jì)算，來滿足部分業(yè)務(wù)的實(shí)時(shí)計(jì)算需求?，F(xiàn)實(shí)世界中數(shù)據(jù)大體上都是不完整、不一致的“臟”數(shù)據(jù)，無法直接進(jìn)行數(shù)據(jù)挖掘，或挖掘結(jié)果差強(qiáng)人意，為了提高數(shù)據(jù)挖掘的質(zhì)量，產(chǎn)生了數(shù)據(jù)預(yù)處理技術(shù)。of40主要是達(dá)到數(shù)據(jù)格式標(biāo)準(zhǔn)化、異常數(shù)據(jù)清除、數(shù)據(jù)錯(cuò)誤糾正、重復(fù)數(shù)據(jù)的清除等目標(biāo)。是將多個(gè)數(shù)據(jù)源中的數(shù)據(jù)結(jié)合起來并統(tǒng)一存儲(chǔ)，建立數(shù)據(jù)倉庫。過平滑聚集、數(shù)據(jù)概化、規(guī)范化等方式將數(shù)據(jù)轉(zhuǎn)換成適用于數(shù)據(jù)挖掘的形式。尋找依賴于發(fā)現(xiàn)目標(biāo)的數(shù)據(jù)的有用特征，縮減數(shù)據(jù)規(guī)模，最大限度地精簡數(shù)據(jù)量。1.4大數(shù)據(jù)處理方法第一章大數(shù)據(jù)概念與應(yīng)用統(tǒng)計(jì)與分析3of40統(tǒng)計(jì)與分析主要是利用分布式數(shù)據(jù)庫，或分布式計(jì)算集群來對(duì)存儲(chǔ)于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通的分析和分類匯總，以滿足大多數(shù)常見的分析需求，在這些方面可以使用R語言。R語言是用于統(tǒng)計(jì)分析、繪圖的語言和操作環(huán)境，屬于GNU系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的軟件，它是一個(gè)用于統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖的優(yōu)秀工具。R語言在國際和國內(nèi)的發(fā)展差異非常大，國際上R語言已然是專業(yè)數(shù)據(jù)分析領(lǐng)域的標(biāo)準(zhǔn)，但在國內(nèi)依舊任重而道遠(yuǎn)，這固然有數(shù)據(jù)學(xué)科地位的原因，國內(nèi)很多人版權(quán)概念薄弱，以及學(xué)術(shù)領(lǐng)域相對(duì)閉塞也是原因。R語言是一套完整的數(shù)據(jù)處理、計(jì)算和制圖軟件系統(tǒng)。R語言的思想是：它可以提供一些集成的統(tǒng)計(jì)工具，但更大量的是它提供各種數(shù)學(xué)計(jì)算、統(tǒng)計(jì)計(jì)算的函數(shù)，從而使使用者能靈活機(jī)動(dòng)地進(jìn)行數(shù)據(jù)分析，甚至創(chuàng)造出符合需要的新的統(tǒng)計(jì)計(jì)算方法。在大數(shù)據(jù)的統(tǒng)計(jì)與分析過程中，主要面對(duì)的挑戰(zhàn)是分析涉及的數(shù)據(jù)量太大，其對(duì)系統(tǒng)資源，特別是I/O會(huì)有極大的占用。1.4大數(shù)據(jù)處理方法第一章大數(shù)據(jù)概念與應(yīng)用大數(shù)據(jù)挖掘4數(shù)據(jù)挖掘是創(chuàng)建數(shù)據(jù)挖掘模型的一組試探法和計(jì)算方法，通過對(duì)提供的數(shù)據(jù)進(jìn)行分析，查找特定類型的模式和趨勢(shì)，最終形成創(chuàng)建模型。分類樸素貝葉斯算法一種重要的數(shù)據(jù)分析形式，根據(jù)重要數(shù)據(jù)類的特征向量值及其他約束條件，構(gòu)造分類函數(shù)或分類模型，目的是根據(jù)數(shù)據(jù)集的特點(diǎn)把未知類別的樣本映射到給定類別中。支持向量機(jī)SVM算法 AdaBoost算法 C4.5算法 CART算法聚類目的在于將數(shù)據(jù)集內(nèi)具有相似特征屬性的數(shù)據(jù)聚集在一起，同一個(gè)數(shù)據(jù)群中的數(shù)據(jù)特征要盡可能相似，不同的數(shù)據(jù)群中的數(shù)據(jù)特征要有明顯的區(qū)別。BIRCH算法

K-Means算法 期望最大化算法（EM算法）

K近鄰算法關(guān)聯(lián)規(guī)則Apriori算法索系統(tǒng)中的所有數(shù)據(jù)，找出所有能把一組事件或數(shù)據(jù)項(xiàng)與另一組事件或數(shù)據(jù)項(xiàng)聯(lián)系起來的規(guī)則，以獲得預(yù)先未知的和被隱藏的，不能通過數(shù)據(jù)庫的邏輯操作或統(tǒng)計(jì)的方法得出的信息。FP-Growth算法預(yù)測(cè)模型序貫?zāi)Ｊ酵诰騍PMGC算法of40一種統(tǒng)計(jì)或數(shù)據(jù)挖掘的方法，包括可以在結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)中使用以確定未來結(jié)果的算法和技術(shù)，可為預(yù)測(cè)、優(yōu)化、預(yù)報(bào)和模擬等許多業(yè)務(wù)系統(tǒng)所使用。含義是什么的？新摩

定大數(shù)數(shù)如何是怎么哪來源有 些？6．挖哪些習(xí)題：感謝聆聽第一章 大數(shù)據(jù)概念與應(yīng)用of40大數(shù)據(jù)的概念與意義大數(shù)據(jù)的來源大數(shù)據(jù)應(yīng)用場(chǎng)景大數(shù)據(jù)處理方法習(xí)題為什么全球數(shù)據(jù)量增長如此之快？1.2大數(shù)據(jù)的來源第一章大數(shù)據(jù)概念與應(yīng)用按數(shù)據(jù)存儲(chǔ)的形式劃分大數(shù)據(jù)不僅僅體現(xiàn)在數(shù)據(jù)量大，還體現(xiàn)在數(shù)據(jù)類型多。如此海量的數(shù)據(jù)中，僅有20%左右屬于結(jié)構(gòu)化的數(shù)據(jù)，80%的數(shù)據(jù)屬

于廣泛存在于社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、電子商務(wù)等領(lǐng)域的非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)簡單來說就是數(shù)據(jù)庫，如企業(yè)ERP、財(cái)務(wù)系統(tǒng)、醫(yī)療HIS數(shù)據(jù)庫、教育一卡通、政府行政審批、其他核心數(shù)據(jù)庫等數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)包括所有格式的辦公文檔、文本、圖片、XML、HTML、各類報(bào)表、圖像和音頻、視頻信息等數(shù)據(jù)。03of401.3大數(shù)據(jù)應(yīng)用場(chǎng)景第一章大數(shù)據(jù)概念與應(yīng)用農(nóng)業(yè)行業(yè)環(huán)境行業(yè)借助于大數(shù)據(jù)提供的消費(fèi)能力和趨勢(shì)報(bào)告，政府可為農(nóng)業(yè)