大数据的未来趋势.pdfVIP

大数据的未来趋势

把握大数据的发展未来

智能大数据分析成热点

智能大数据分析成热点

2014年全球大数据细分市场2015年中国大数据细分市场规模占比

智能大数据分析成热点

大数据未来发展方向

知识任务

1——

（）了解新兴学科数据科学的基础知识和主要内容。

2

（）熟悉数据工作者的技能要求、素质要求、知识结构和培养途径。

3

（）认识“数据开放”的重要意义，重视隐私保护和信息安全。

4

（）认识投身大数据时代的积极意义，做大数据的先行者。

知识准备

每当提及“数据科学”（datascience），人们总会联想到另一个含义相近的名

词一一“商务智能”（BI）。而测量尺度和关键绩效指标（KPI）通常是在联机分析

处理模式（OLAP）中定义，使得商务智能报表的内容能够基于已定义的衡量标准。

知识准备

商务智能的典型技术和数据类型包括：

·

标准和满足特定需求的报表、信息面板、警报、查询及细节；

·

结构化数据、传统数据源、易操作的数据集。

数据科学的典型技术和数据类型包括：

·

优化模型、预测模型、预报、统计分析；

·/

结构化非结构化数据、多种类型数据源、超大数据集。

数据科学

数据科学

通常，数据科学的实践需要三个一般领域的技能，即：商业洞察、计算机

技术/编程和统计学/数学。而另一方面，不同的工作对象，他的具体技能集合

会有所不同。

技能领域技能详情

1.产品设计和开发

2.项目管理

商业3.商业开发

4.预算

5.管理和兼容性（例如：安全性）

6.处理非结构化数据（例如：NoSQL）

7.管理结构化数据（例如：SQL、JSON、XML）

技术8.自然语言处理（NLP）和文本挖掘

9.机器学习（例如：决策树、神经网络、支持向量机、聚类）

10.大数据和分布式数据（例如：Hadoop、Map/Reduce、Spark）

11.最优化（例如：线性、整数、凸优化、全局）

12.数学（例如：线性代数、实变分析、微积分）

数学建模13.图模型（例如：社会网络）

14.算法（例如：计算复杂性、计算科学理论）和仿真（例如：离散、基于agent、连续）

15.贝叶斯统计（例如：马尔科夫链蒙特卡罗方法）

16.系统管理（例如：UNIX）和设计