大数据入门的四个必备常识.pdfVIP

大数据入门的四个必备常识 大数据入门的四个必备常识 一、大 数据分析 的五个基本方面 1，可视化分析 大数据 分析的使用者有大数据分析专家， 同 时还有普通用户， 但是他们二者对于大数据分析 最基本的要求就是可视化分析， 因为可视化分析 能够直观的呈现大数据特点， 同时能够非常容易 被读者所接受，就如同看图说话一样简单明了。 2 2，数据挖掘 算法 大数据分析的理论核心就是数据挖掘算法， 各种数据挖掘的算法基于不同的数据类型和格 式才能更加科学的呈现出数据本身具备的特点， 也正是因为这些被全世界统计学家所公认的各 种统计方法 （可以称之为真理）才能深入数据内 部，挖掘出公认的价值。 另外一个方面也是因为 有这些数据挖掘的算法才能更快速的处理大数 据，如果一个算法得花上好几年才能得出结论， 那大数据的价值也就无从说起了。 3，预测性分析能力 大数据分析最终要的应用领域之一就是预 测性分析， 从大数据中挖掘出特点， 通过科学的 3 建立模型，之后便可以通过模型带入新的数据， 从而预测未来的数据。 4，语义引擎 大数据分析广泛应用于网络数据挖掘， 可从 用户的搜索关键词、 标签关键词、 或其他输入语 义，分析，判断用户需求，从而实现更好的用户 体验和广告匹配。 5，数据质量和数据管理 大数据分析离不开数据质量和数据管理， 高 质量的数据和有效的数据管理， 无论是在学术研 究还是在商业应用领域， 都能够保证分析结果的 真实和有价值。 大数据分析的基础就是以上五 个方面， 当然更加深入大数据分析的话， 还有很 多很多更加有特点的、 更加深入的、 更加专业的 大数据分析方法。 二、如何选择适合的数据分析工具 要明白分析什么数据， 大数据要分析的数据 类型主要有四大类： 4 交易数据（ TRANSACTION DATA） 大数据平台能够获取时间跨度更大、 更海量 的结构化交易数据， 这样就可以对更广泛的交易 数据类型进行分析， 不仅仅包括 POS或电子商务 购物数据， 还包括行为交易数据， 例如 Web服务 器记录的互联网点击流数据日志。 人为数据（ HUMAN-GENERATED DATA） 非结构数据广泛存在于电子邮件、 文档、 图 片、音频、视频，以及通过博客、维基，尤其是 社交媒体产生的数据流。 这些数据为使用文本分 析功能进行分析提供了丰富的数据源泉。 移动数据（ MOBILE DATA） 5 能够上网的智能手机和平板越来越普遍。 这 些移动设备上的 App 都能够追踪和沟通无数事 件，从 App 内的交易数据 （如搜索产品的记录事 件）到个人信息资料或状态报告事件