大数据时代PPT设计.pdfVIP

大数据时代 班级 :电信111 大数据简介 • 数据正在迅速膨胀并变大，它决定着企业的未来 发展，虽然很多企业可能并没有意识到数据爆炸 性增长带来问题的隐患，但是随着时间的推移， 人们将越来越多的意识到数据对企业的重要性。 • 哈佛大学社会学教授加里 ·金说：“这是一场革 命，庞大的数据资源使得各个领域开始了量化进 程，无论学术界、商界还是政府，所有领域都将 开始这种进程。” 大数据简介 • 随着云时代的来临，大数据（Big data ）也吸引了越来越多的关注。 大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要 像MapReduce （分布式计算）一样的框架来向数十、数百或甚至数千 的电脑分配工作。 • 大数据到底有多大？一组名为“互联网上一天”的数据告诉我们，一 天之中，互联网产生的全部内容可以刻满1.68亿张DVD ；发出的邮件 有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖 子达200万个（相当于《时代》杂志770年的文字量）；卖出的手机为 37.8万台…… • 这样的趋势会持续下去。我们现在还处于所谓“物联网”的最初级阶 段，而随着技术成熟，我们的设备、交通工具和迅速发展的“可穿戴 ”科技将能互相连接与沟通。科技的进步已经使创造、捕捉和管理信 息的成本降至2005年的六分之一，而从2005年起，用在硬件、软件、 人才及服务之上的商业投资也增长了整整50% ，达到了4000亿美元。 四个特征 • 数据量大（Volume ） • 第一个特征是数据量大。大数据的起始计量单位至少是P （1000个T ） 、E （100万个T ）或Z （10亿个T ）。 • 类型繁多（Variety ） • 第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地 理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求 。 • 价值密度低（Value ） • 第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信 息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器 算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难 题。 • 速度快时效高（Velocity ） • 第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数 据挖掘最显著的特征。 大数据分析与处理方法介绍 • 众所周知，大数据已经不简简单单是数据大的事 实了，而最重要的现实是对大数据进行分析，只 有通过分析才能获取很多智能的，深入的，有价 值的信息。那么越来越多的应用涉及到大数据， 而这些大数据的属性，包括数量，速度，多样性 等等都是呈现了大数据不断增长的复杂性，所以 大数据的分析方法在大数据领域就显得尤为重要 ，可以说是决定最终信息是否有价值的决定性因 素。 大数据分析的五个基本方面 • 1. Analytic Visualizations （可视化分析） • 不管是对数据分析专家还是普通用户，数据可视化是数据 分析工具最基本的要求。可视化可以直观的展示数据，让 数据自己说话，让观众听到结果。 • 2. Data Mining Algorithms （数据挖掘算法） • 可视化是给人看的，数据挖掘就是给机器看的。集群、分 割、孤立点分析还有其他的算法让我们深入数据内部，挖 掘价值。这些算法不仅要处理大数据的量，也要处理大数 据的速度。 • 3. Predictive Analytic Capabilities （预测性分析能 力） • 数据挖掘可以让分析员更好的理解数据，而预测性分析可 以让分析员根据可视化分析和数据挖掘的结果做出一些预 测性的判断。 大数据分析的五个基本方面 • 4. Semantic Engines （语义引擎） • 我们知道由于非结构化数据的多样性带来了数据分析的新 的挑战，我们需要一系列的工具去解析，提取，分析数据 。语义引擎需要被设计成能够从“文档”中智能提取信息 。 • 5. Data Quality and Master Data Management （数据质 量和数据管理） • 数据质量和数据管理是一些管理方面的最佳实践。通过标 准化的流程和工具对数