我們?nèi)绾卫么髷?shù)據(jù)？

我們?nèi)绾卫么髷?shù)據(jù)？

如果我們想利用大數(shù)據(jù)，首先要有大數(shù)據(jù)的公式，但是這些大數(shù)據(jù)的搜集渠道一般都集中在一些大的互聯(lián)網(wǎng)公司，比如說(shuō)國(guó)內(nèi)知美的一些公司個(gè)人去搞大數(shù)據(jù)的話，確實(shí)還是有很大的困難，因?yàn)槟銢](méi)有辦法得到那么多人的數(shù)據(jù)，比方說(shuō)他的消費(fèi)數(shù)據(jù)或者是他的通訊數(shù)據(jù)之類的，或者是它的地理位置之類的，你只有得到了大數(shù)據(jù)，然后才能夠做一些定點(diǎn)發(fā)送之類的大數(shù)據(jù)操作。

如何運(yùn)用大數(shù)據(jù)

1.可視化分析大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家，同時(shí)還有普通用戶，但是他們二者對(duì)于大數(shù)據(jù)分析最基本的要求就是可視化分析，因?yàn)榭梢暬治瞿軌蛑庇^的呈現(xiàn)大數(shù)據(jù)特點(diǎn)，同時(shí)能夠非常容易被讀者所接受，就如同看圖說(shuō)話一樣簡(jiǎn)單明了。2. 數(shù)據(jù)挖掘算法 大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點(diǎn)，也正是因?yàn)檫@些被全世界統(tǒng)計(jì) 學(xué)家所公認(rèn)的各種統(tǒng)計(jì)方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部，挖掘出公認(rèn)的價(jià)值。

另外一個(gè)方面也是因?yàn)橛羞@些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如 果一個(gè)算法得花上好幾年才能得出結(jié)論，那大數(shù)據(jù)的價(jià)值也就無(wú)從說(shuō)起了。

3. 預(yù)測(cè)性分析 大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測(cè)性分析，從大數(shù)據(jù)中挖掘出特點(diǎn)，通過(guò)科學(xué)的建立模型，之后便可以通過(guò)模型帶入新的數(shù)據(jù)，從而預(yù)測(cè)未來(lái)的數(shù)據(jù)。4. 語(yǔ)義引擎 非結(jié)構(gòu)化數(shù)據(jù)的多元化給數(shù)據(jù)分析帶來(lái)新的挑戰(zhàn)，我們需要一套工具系統(tǒng)的去分析，提煉數(shù)據(jù)。語(yǔ)義引擎需要設(shè)計(jì)到有足夠的人工智能以足以從數(shù)據(jù)中主動(dòng)地提取信息。5.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。

大數(shù)據(jù)分析離不開(kāi)數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無(wú)論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實(shí)和有價(jià)值。大數(shù)據(jù)分析的基礎(chǔ)就是以上五個(gè)方面，當(dāng)然更加深入大數(shù)據(jù)分析的話，還有很多很多更加有特點(diǎn)的、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法。 大數(shù)據(jù)的技術(shù)數(shù)據(jù)采集： ETL工具負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，**加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。

數(shù)據(jù)存?。?關(guān)系數(shù)據(jù)庫(kù)、NOSQL、SQL等?；A(chǔ)架構(gòu)： 云存儲(chǔ)、分布式文件存儲(chǔ)等。數(shù)據(jù)處理： 自然語(yǔ)言處理(NLP，Natural Language Processing)是研究人與計(jì)算機(jī)交互的語(yǔ)言問(wèn)題的一門學(xué)科。

處理自然語(yǔ)言的關(guān)鍵是要讓計(jì)算機(jī)”理解”自然語(yǔ)言，所以自然語(yǔ)言處理又叫做自然語(yǔ)言理解也稱為計(jì)算語(yǔ)言學(xué)。一方面它是語(yǔ)言信息處理的一個(gè)分支，另一方面它是人工智能的核心課題之一。統(tǒng)計(jì)分析： 假設(shè)檢驗(yàn)、顯著性檢驗(yàn)、差異分析、相關(guān)分析、T檢驗(yàn)、 方差分析 、 卡方分析、偏相關(guān)分析、距離分析、回歸分析、簡(jiǎn)單回歸分析、多元回歸分析、逐步回歸、回歸預(yù)測(cè)與殘差分析、嶺回歸、logistic回歸分析、曲線估計(jì)、 因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對(duì)應(yīng)分析、多元對(duì)應(yīng)分析（**尺度分析）、bootstrap技術(shù)等等。

數(shù)據(jù)挖掘： 分類 （Classification）、估計(jì)（Estimation）、預(yù)測(cè)（Prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復(fù)雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)模型預(yù)測(cè) ：預(yù)測(cè)模型、機(jī)器學(xué)習(xí)、建模仿真。結(jié)果呈現(xiàn)： 云計(jì)算、標(biāo)簽云、關(guān)系圖等。 大數(shù)據(jù)的處理1. 大數(shù)據(jù)處理之一：采集大數(shù)據(jù)的采集是指利用多個(gè)數(shù)據(jù)庫(kù)來(lái)接收發(fā)自客戶端（Web、App或者傳感器形式等）的 數(shù)據(jù)，并且用戶可以通過(guò)這些數(shù)據(jù)庫(kù)來(lái)進(jìn)行簡(jiǎn)單的查詢和處理工作。比如，電商會(huì)使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)MySQL和Oracle等來(lái)存儲(chǔ)每一筆事務(wù)數(shù)據(jù)，除 此之外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫(kù)也常用于數(shù)據(jù)的采集。

在大數(shù)據(jù)的采集過(guò)程中，其主要特點(diǎn)和挑戰(zhàn)是并發(fā)數(shù)高，因?yàn)橥瑫r(shí)有可能會(huì)有成千上萬(wàn)的用戶 來(lái)進(jìn)行訪問(wèn)和操作，比如火車票售票網(wǎng)站和淘寶百科，它們并發(fā)的訪問(wèn)量在峰值時(shí)達(dá)到上百萬(wàn)，所以需要在采集端部署大量數(shù)據(jù)庫(kù)才能支撐。并且如何在這些數(shù)據(jù)庫(kù)之間 進(jìn)行負(fù)載均衡和分片的確是需要深入的思考和設(shè)計(jì)。2. 大數(shù)據(jù)處理之二：導(dǎo)入/預(yù)處理雖然采集端本身會(huì)有很多數(shù)據(jù)庫(kù)，但是如果要對(duì)這些海量數(shù)據(jù)進(jìn)行有效的分析，還是應(yīng)該將這 些來(lái)自前端的數(shù)據(jù)導(dǎo)入到一個(gè)集中的大型分布式數(shù)據(jù)庫(kù)，或者分布式存儲(chǔ)集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡(jiǎn)單的清洗和預(yù)處理工作。也有一些用戶會(huì)在導(dǎo)入時(shí)使 用來(lái)自Twitter的Storm來(lái)對(duì)數(shù)據(jù)進(jìn)行流式計(jì)算，來(lái)滿足部分業(yè)務(wù)的實(shí)時(shí)計(jì)算需求。

導(dǎo)入與預(yù)處理過(guò)程的特點(diǎn)和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會(huì)達(dá)到百兆，甚至千兆級(jí)別。3. 大數(shù)據(jù)處理之三：統(tǒng)計(jì)/分析統(tǒng)計(jì)與分析主要利用分布式數(shù)據(jù)庫(kù)，或者分布式計(jì)算集群來(lái)對(duì)存儲(chǔ)于其內(nèi)的海量數(shù)據(jù)進(jìn)行普通 的分析和分類匯總等，以滿足大多數(shù)常見(jiàn)的分析需求，在這方面，一些實(shí)時(shí)性需求會(huì)用到EMC的GreenPlum、Oracle的Exadata，以及基于 MySQL的列式存儲(chǔ)Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。統(tǒng)計(jì)與分析這部分的主要特點(diǎn)和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對(duì)系統(tǒng)資源，特別是I/O會(huì)有極大的占用。4. 大數(shù)據(jù)處理之四：挖掘與前面統(tǒng)計(jì)和分析過(guò)程不同的是，數(shù)據(jù)挖掘一般沒(méi)有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù) 據(jù)上面進(jìn)行基于各種算法的計(jì)算，從而起到預(yù)測(cè)（Predict）的效果，從而實(shí)現(xiàn)一些高級(jí)別數(shù)據(jù)分析的需求。

比較典型算法有用于聚類的Kmeans、用于 統(tǒng)計(jì)學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過(guò)程的特點(diǎn)和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并 且計(jì)算涉及的數(shù)據(jù)量和計(jì)算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。 整個(gè)大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個(gè)方面的步驟，才能算得上是一個(gè)比較完整的大數(shù)據(jù)處理。

如何運(yùn)用大數(shù)據(jù)？

我們?nèi)绾问褂么髷?shù)據(jù)？**點(diǎn)，明確數(shù)據(jù)分析的目的首先，您必須知道手中的數(shù)據(jù)要怎么處理，這意味著您需要清楚需求以及要從數(shù)據(jù)中獲取什么。讓我們以產(chǎn)品經(jīng)理為例。

當(dāng)許多產(chǎn)品經(jīng)理設(shè)計(jì)自己的產(chǎn)品時(shí)，他們可能會(huì)花費(fèi)大量時(shí)間來(lái)設(shè)計(jì)產(chǎn)品，但是他們忽略了該產(chǎn)品是否可以成功。

這很難滿足客戶的需求。因此，如果要**化自己的數(shù)據(jù)的價(jià)值，則必須事先考慮要執(zhí)行的操作。第二點(diǎn)，必須擴(kuò)大數(shù)據(jù)收集方式關(guān)于數(shù)據(jù)收集，通常有四種方法。它們是從外部行業(yè)數(shù)據(jù)分析報(bào)告（例如iResearch）獲得的;積極從社區(qū)論壇（如AppStore，客戶服務(wù)反饋和微博）收集用戶反饋;參加問(wèn)卷調(diào)查設(shè)計(jì)和用戶訪談等調(diào)查，收集并觀察用戶在使用產(chǎn)品時(shí)遇到的問(wèn)題和感受的**手?jǐn)?shù)據(jù);從記錄的用戶行為軌跡研究數(shù)據(jù)。

教你如何利用大數(shù)據(jù)，為自己所用

一、用**的大數(shù)據(jù)工具進(jìn)行目標(biāo)產(chǎn)品銷售數(shù)據(jù)預(yù)測(cè)，并根據(jù)調(diào)查數(shù)據(jù)，進(jìn)行市場(chǎng)預(yù)測(cè)和一定的銷售渠道建議： （一）、場(chǎng)景假設(shè)：你上班以后，老板某天問(wèn)你，公司新款的打底褲（或者目前你感興趣的某個(gè)產(chǎn)品），應(yīng)該如何在**上銷售，你作為大學(xué)畢業(yè)的知識(shí)分子，如何回答呢？因?yàn)槟銢](méi)有經(jīng)驗(yàn)，那你就應(yīng)該靠**工具，通過(guò)數(shù)據(jù)來(lái)證明你的想法，你想要做的某個(gè)產(chǎn)品能不能開(kāi)展**銷售。 （1）創(chuàng)建并保持技術(shù)優(yōu)勢(shì)和時(shí)尚品味的企業(yè)網(wǎng)站，作為吸引用戶的主陣地之一 a. 以消費(fèi)者為中心建設(shè)企業(yè)網(wǎng)站，藍(lán)帷幕應(yīng)圍繞消費(fèi)者關(guān)心的問(wèn)題進(jìn)行設(shè)計(jì)，相關(guān)內(nèi)容及時(shí)更新，保證消費(fèi)者快速、便捷查詢; b. 確保與消費(fèi)者交流的管道暢通，回饋要及時(shí); c. 面向消費(fèi)者，積極**一切可以吸引消費(fèi)者注意的企業(yè)**，宣傳企業(yè)的文化內(nèi)涵，突出企業(yè)員工的整體素質(zhì)和道德修養(yǎng)，讓消費(fèi)者相信，本企業(yè)值得信賴; d. 設(shè)置專門的網(wǎng)站管理人員，以便更專業(yè)的應(yīng)對(duì)各種問(wèn)題 （2）SEM、博客營(yíng)銷、人際社區(qū)營(yíng)銷等營(yíng)銷方式對(duì)產(chǎn)品進(jìn)行大數(shù)據(jù)的推廣 B2B平臺(tái)可以迅速把產(chǎn)品發(fā)布到互聯(lián)網(wǎng)，并快速獲得許多行業(yè)市場(chǎng)內(nèi)的客戶詢盤; 搜索引擎時(shí)至今日已經(jīng)成為網(wǎng)民上網(wǎng)尋找信息的必經(jīng)之路，可以很好的增加網(wǎng)民對(duì)產(chǎn)品的了解度，擴(kuò)大對(duì)產(chǎn)品的認(rèn)知范圍以及銷售范圍 （3）B2B平臺(tái)、淘寶、京東等店鋪、新媒體（微信）以及等的推廣和傳播 在目標(biāo)人群發(fā)布話題、文章吸引注意、進(jìn)行互動(dòng) （二）、女性油性肌膚，各品牌粉底液的比較 1、油性肌膚中，選擇了雅詩(shī)蘭黛粉底液、迪奧粉底液、紀(jì)梵希粉底液、阿瑪尼粉底液進(jìn)行比較 通過(guò)百度指數(shù)對(duì)以上四款粉底液進(jìn)行了大數(shù)據(jù)調(diào)查。

通過(guò)以下圖片，可以看出，近一個(gè)月以來(lái)雅詩(shī)蘭黛和阿瑪尼的粉底液搜索次數(shù)較多，且對(duì)雅詩(shī)蘭黛粉底液的需求是**的; 在沿海、中部發(fā)達(dá)地區(qū)，對(duì)粉底液的需求更多以及分布更為密集; 對(duì)粉底液的需求20-29歲最多，女性占了絕大部分。