1-5數(shù)據(jù)與大數(shù)據(jù)課件-浙教版(2019)高中信息技術必修1《數(shù)據(jù)與計算》

1.5數(shù)據(jù)與大數(shù)據(jù)1大數(shù)據(jù)

問題提出導航上交通擁堵情況怎么判斷？導航上最佳路線怎么計算的？導航根據(jù)什么來確定未來用時？

一、大數(shù)據(jù)概念★大數(shù)據(jù)：代表著數(shù)據(jù)量大、速度快、種類繁多的信息資產，需要特定的技術和分析方法將其轉化為價值。在大數(shù)據(jù)時代，任何微小的數(shù)據(jù)都可能產生不可思議的價值

二、大數(shù)據(jù)4V特征數(shù)量（volume）大數(shù)據(jù)4V特征速度（Velocity）多樣（Variety）價值（Value）速度(Velocity):數(shù)據(jù)產生的速度快，數(shù)據(jù)處理的速度快價值（Value）：價值高，但價值密度低，且價值與數(shù)量成反比

二、大數(shù)據(jù)4V特征數(shù)量(volume):數(shù)據(jù)體量巨大，TB\PB\EB\ZBK

1KB=1024ByteM（兆）字節(jié)

1MB=1024KBG（吉）字節(jié)

1GB=1024MBT（太）字節(jié)

1TB=1024GBP（拍）字節(jié)

1PB=1024TBE（艾）字節(jié)

1EB=1024PBZ（澤）字節(jié)

1ZB=1024EBY（堯）字節(jié)

1YB=1024ZB

二、大數(shù)據(jù)4V特征數(shù)量(volume):數(shù)據(jù)體量巨大，TB\PB\EB\ZB1Byte1KB1MB1GB1TB1PB1EB1ZB1YB1PB相當于50%的全美學術研究圖書館藏書信息內容5EB相當于至今全世界人類所講過的話語1ZB如同全世界海灘上的沙子數(shù)量總和1YB相當于7000位人類體內的微細胞總和一般情況下，大數(shù)據(jù)以PB、EB、ZB為單位進行計量

二、大數(shù)據(jù)4V特征速度(Velocity):數(shù)據(jù)產生的速度快，數(shù)據(jù)處理的速度快“1秒定律”或者秒級定律，就是說對處理速度有要求，一般要在秒級時間范圍內給出分析結果，時間太長就失去價值了。這個速度要求是大數(shù)據(jù)處理技術和傳統(tǒng)的數(shù)據(jù)挖掘技術最大的區(qū)別。道路監(jiān)控攝像頭24小時不間斷地記錄著視頻數(shù)據(jù)，根據(jù)第3節(jié)中圖像數(shù)據(jù)的計算公式，引入幀頻參數(shù)進行計算，對于1個720p(1280×720像素、24位色)的高清攝像頭，按25FPS拍攝，可以計算出每秒的數(shù)據(jù)量，乘以86400秒就是1天的數(shù)據(jù)量。若按200:

1的壓縮比進行存儲，大致可以估算出1個720p高清攝像頭1天產生的數(shù)據(jù)量。

二、大數(shù)據(jù)4V特征多樣(Variety)：數(shù)據(jù)來源多，有人工產生的+機器自動產生，所以數(shù)據(jù)類型多。短信、微信、視頻、語音、電子郵件結構化、半結構化、非結構化結構化——數(shù)據(jù)庫中數(shù)據(jù)；非結構化——word、ppt、圖片和視頻等半結構化——電子郵件等。拓展知識10結構化數(shù)據(jù)行數(shù)據(jù)，是由二維表結構來進行邏輯表達和實現(xiàn)的數(shù)據(jù)嚴格遵守數(shù)據(jù)格式與長度規(guī)范通過關系型數(shù)據(jù)庫進行存儲和管理半結構化數(shù)據(jù)介于結構化數(shù)據(jù)和非結構化數(shù)據(jù)之間的數(shù)據(jù)具有一定的結構性非結構化數(shù)據(jù)數(shù)據(jù)結構不規(guī)則或不完整，沒有預定義的數(shù)據(jù)模型，不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)各類格式的辦公文檔、文本、圖片、HTML、各類報表、圖像、音頻、視頻等。

二、大數(shù)據(jù)4V特征價值(Value)：價值高但價值密度低，且價值與數(shù)量成反比挖掘大數(shù)據(jù)的價值類似沙里淘金，從海量數(shù)據(jù)中挖掘稀疏但珍貴的信息；價值密度低，是大數(shù)據(jù)的一個典型特征；

二、大數(shù)據(jù)4V特征三、大數(shù)據(jù)思維大數(shù)據(jù)是一場變革，

改變的不僅是數(shù)據(jù)，還有人們的思維。

大數(shù)據(jù)要分析的是全體數(shù)據(jù)，而不是抽樣數(shù)據(jù)。

對于數(shù)據(jù)不再追求精確性，而是能夠接受數(shù)據(jù)的混雜性。

不一定強調對事物因果關系的探求，而是更加注重它們的相關性。

三、大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的區(qū)別對比項采集方法分析方法表示方法……大數(shù)據(jù)傳統(tǒng)數(shù)據(jù)采用自動化方法采集數(shù)據(jù)采用分布式數(shù)據(jù)庫對數(shù)據(jù)進行處理PB（拍字節(jié)）以上數(shù)量級表示GB（吉字節(jié)）或TB（太字節(jié)）表示采用手工方法采集數(shù)據(jù)大多采用關系型數(shù)據(jù)庫和并行數(shù)據(jù)倉庫即可處理大數(shù)據(jù)：認識全面、信息詳盡傳統(tǒng)數(shù)據(jù)：樣本隨機、結論不準大數(shù)據(jù)：關注關聯(lián)，較為準確傳統(tǒng)數(shù)據(jù)：樣本少、局限多傳統(tǒng)數(shù)據(jù)：容錯低、數(shù)據(jù)量小大數(shù)據(jù)：容錯強、弱化個體樣本的影響四、大數(shù)據(jù)對社會的影響

大數(shù)據(jù)已經滲入到社會的各個層面，不斷提高工作效率與生活便利性

大數(shù)據(jù)讓決策更加精準

大數(shù)據(jù)帶來新的就業(yè)機會

大數(shù)據(jù)帶來新的社會問題一起討論★

大數(shù)據(jù)背景下，我們該如何保護自己信息不被泄露？保護自己的隱私不被偷窺？★下列關于大數(shù)據(jù)思維的描述，錯誤的是（）A.大數(shù)據(jù)時代，人們可以采集全體數(shù)據(jù)進行分析，避免樣本不同導致結論不同B.基于大數(shù)據(jù)技術，我們能夠接受數(shù)據(jù)的混雜性，個別數(shù)據(jù)的不準確不影響數(shù)據(jù)分析C.數(shù)據(jù)總量變大會導致大量不相干的數(shù)據(jù)增加，大數(shù)據(jù)具有價值密度低的特點D.使用大數(shù)據(jù)思維，我們更強調事物因果關系的探求，而不僅僅是數(shù)據(jù)之間的相關性課堂練習D★下列數(shù)據(jù)中屬于大數(shù)據(jù)的是（）①各地交通攝像頭記錄的全部數(shù)據(jù)②學生