数据分析之道概要1.pptx

  1. 1、本文档共32页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数据分析之道概要1

大数据分析师的卓越之道 2 Infrastructure Data Value Knowledge Discovery 数据分析的典型场景 Data Value 改变思维方式 提高技术素养 丰富分析能力 3 基础设施已经改朝换代 分析师也需要与时俱进 新的世界观:不确定的世界 4 大数据的测不准 5 《科学》:大数据傲慢 《自然》:测不准 6 Collection Analytics Interpretation Evaluation Preparation Hypotheses 数据分析方法论的升级 7 Collection Analytics Interpretation Evaluation Preparation Hypotheses 数据分析方法论的升级 8 Hypotheses 机械地发掘相关性和假设 直觉,拿侦探小说练手 阅读广泛涉猎 跨界思维碰撞 融入业务部门 防止数据采集与分析、业务与数据分析的脱节 9 Collection Analytics Interpretation Evaluation Preparation Hypotheses 数据分析方法论的升级 10 数据!数据!数据! n=All ! Enterprise Data Warehouse  Enterprise Data Hub/Data Lake External data sources Structured  semi-structured  unstructured Log analysis Text analysis Image/video Data with geo and temporal tags Networks and graphs 11 数据?数据?数据? n=All ? More data vs. sampling “Raw data” is an oxymoron Signals and noises Sampling bias Data exchange and sharing Data rights, data pricing Data lifecycle management Provenance capture, representation, and querying Sometimes data are not assets, but costs 12 Collection Analytics Interpretation Evaluation Preparation Hypotheses 数据分析方法论的升级 13 数据质量:重中之重 Noisy, biased and polluted data are unavoidable Goal: models = components for noise + relatively complex models for signal Cleansing, validation, … Can it start with a small subset? Can the process be automated? Work together with visualization, machine learning Curation, Wrangling, … Automated learning to discover structure, resolve entities, and transform data 14 数据表示 Reduce compute and communication complexity Sparse, compressed data structure Approximate computation Reduce statistical complexity Dimensionality reduction, clustering Sampling Non-random sampling, compressive sensing, … … Choose best representation for specific computational methods E.g. tables for data parallelism, networks/graphs for graph parallelism UIMA: Unstructured Information Management Architecture 15 Collection Analytics Interpretation Evaluation Preparation Hypotheses 数据分析方法论的升级 16 Source: Computational Sc

文档评论(0)

yaocen + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档