大数据分析技术与应用

CDA数据分析研究院原创作品

一、大数据概念

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

二、大数据的特点

1）Volume（大量）：

截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上全人类总共说过的话的数据量大约是5EB。当前，典型个人计算机硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。

2）Velocity（高速）：

这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。

天猫双十一：2016年6分58秒，天猫交易额超过100亿

3）Variety（多样）：

这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库/文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。

订单数据：

4）Value（低价值密度）：

价值密度的高低与数据总量的大小成反比。比如，在一天监控视频中，我们只关心小偷偷盗的片刻，如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题。

三 大数据应用

1）O2O：百度大数据+平台通过先进的线上线下打通技术和客流分析能力，助力商家精细化运营，提升销量。

2）零售：探索用户价值，提供个性化服务解决方案；贯穿网络与实体零售，携手创造极致体验。经典案例，子尿布+啤酒。

3）旅游：深度结合百度独有大数据能力与旅游行业需求，共建旅游产业智慧管理、智慧服务和智慧营销的未来。

4）商品广告推荐：给用户推荐访问过的商品广告类型

5） 房产：大数据全面助力房地产行业，打造精准投策与营销，选出更合适的地，建造更合适的楼，卖给更合适的人。

6）保险：海量数据挖掘及风险预测，助力保险行业精准营销，提升精细化定价能力。

7）金融：多维度体现用户特征，帮助金融机构推荐优质客户，防范欺诈风险。

8）移动联通&移动联通：根据用户年龄、职业、消费情况，分析统计哪种套餐适合哪类人群。对市场人群精准定制。

9）人工智能

四 常用大数据分析技术

常见的大数据分析技术主要由以下几部分构成：

分布式的文件系统存储海量的非结构化数据（例如：hdfs等）

分布式的离线计算系统，对业务数据批量处理。（例如：mapreduce等）

分布式的实时计算系统，实时对业务数据进行处理（例如：sparkStreaming、storm、flink等）

分布式的结构化数据分析工具（例如：hive等）

分布式的数据库（例如：hbase等）

完整的大数据平台往往还要跟业务系统整合起来为用户提供服务。