一、大数据技术 --概论

目录

1、大数据概论

1.1 大数据概念

1.2 大数据特点

1.3 大数据应用场景

1.4 大数据发展前景

1.5 大数据部门业务流程分析

1.6 大数据部门组织结构*

---

1、大数据概论

1.1 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。

主要解决：海量数据的存储和海量数据的分析计算问题。

数据的存储单位（由小到大）：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

1Byte=8bit      1K=1024Byte      1M=1024K      1G=1024M      1T=1024G      1P=1024T      

1.2 大数据特点

1.2.1 Volume（大量）

      当前，典型个人计算机的硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。

1.2.2 Velocity（高速）

      这是大数据区分于传统数据挖掘的最显著的特征。根据IDC的“数字宇宙”的研究报告，全球数据使用量增长迅速。在如此海量的数据面前，处理数据的效率就是企业的生命。

1.2.3 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的要求。

1.2.4 Value（低价值密度）

      价值密度的高低与数据总量的大小成反比，如何快速对有价值的数据“提纯”成为目前大数据背景下待解决的难题。

1.3 大数据应用场景

1.3.1 物流仓储
            比如：大数据分析系统助力商家精细化运营、提升销量、节约成本；
1.3.2 零售
            比如：分析用户消费行为，为用户购买商品提供方便，达到提升商品销量的目的；
                经典案例：纸尿布+啤酒；
1.3.3 旅游
            比如：深度结合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；
1.3.4 商品广告推荐
            比如：给用户推荐可能喜欢的商品；
1.3.5 保险
            比如：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；
1.3.6 金融
            比如：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；
1.3.7 房产
            比如：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。
1.3.8 人工智能

1.4 大数据发展前景

1.4.1 党的十八大提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，大数据技术和应用处于创新突破期，国内市场需求处于爆发期，我国大数据产业面临重要的发展机遇。
1.4.2 党的十九大提出“推动互联、大数据、人工智能和实体经济深度融合”。
1.4.3 国际数据公司IDC预测，到2020年，企业基于大数据计算分析平台的支出将突破5000亿美元。目前，我国大数据人才只有46万，未来3到5年人才缺口达到150万之多。
        人才缺口计算   150w/5年=30w/年   30w/12月=2.5w/月
1.4.4 2017年北京大学、中国人民大学、北京邮电大学等25所高校成功申请开设大数据课程。
1.4.5 大数据属于高新技术，大牛少，升职竞争小。   

1.5 大数据部门业务流程分析

* 产品人员提需求（统计总用户数、日活跃用户数、回流用户数等）
->
* 数据部门搭建数据平台、分析数据指标
->
* 数据可视化（报表展示、邮件发送、大屏幕展示等）

1.6 大数据部门组织结构*

大数据部门组织结构，适用于大中型企业。