李一名——工业大数据的落地选择与分析实践.pdfVIP

工业大数据的落地选择与分析实践 报告人：李一名 大数据落地的一些疑问 • 先建平台还是先做应用？ • 选择新的算法还是获取新的数据？ • 解决老问题还是发现新价值？ 大数据冰山 工具和方法 是什么 统计 为什么 分析 怎么样 探索 数据密度 利用难度 未来会怎样 预测 数据价值 挖掘成本 如何应对 决策 用户和场景 对象定义和 认知 如何进入良性循环？ • 大数据必须附着于业务 • 大数据需专注于核心和盈利领域 • 基于大数据的自动化决策是未来主要方向 具体实践 • 平台：从数据仓库到大数据 • 应用： • 预测不可测结果，实现优化调整 • 提升识别精度，实现智能自动判定 • 产品：解决技术的最后一公里 结果数据 过程数据 数据仓库的分析对象都是管理的结果数据、业务的状态数据，对这些数据的统计分析在一定 程度上有效的帮助管理者把握企业运营态势，使决策有据可依。然而，环境、业务、人员都 处于不断的变化之中，数据呈现的状态结果并不可靠，也不全面，决策者并不具有真正敏锐 的洞察力。充分利用各领域的过程数据，挖掘潜在规律，突破固有认识，将推动商业、管理、 技术跨越式创新。 更大的数据量 (Volume) TB(10 12B) à PB(1015B) 更及时地数据更新 (Velocity) 天 à 时/分 4V à 更丰富的数据类型 (Variety) 结构化(传统数据) à 结构 化、半结构化、非结构化 更经济的成本 (Value) 高端设备 à 低端并行 结构化数据OLAP分析 统计分析与数据挖掘 下钻 上卷 管理费 用