大数据导论

数据是什么

数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合，它是可识别的、抽象的符号。

它不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等，也是客观事物的属性、数量、位置及其相互关系的抽象表示。例如，“0、1、2 . . .”、“ 阴、雨、下降”、“学生的栏案记录、货物的运输情况”等都是数据。

数据如何产生

对客观事物的计量和记录产生数据

企业数据分析方向

把隐藏在数据背后的信息集中和提炼出来，总结出所研究对象的内在规律，帮助管理者进行有效的判断和决策。

数据分析在企业日常经营分析中主要有三大方向∶

原因分析（分析过去的数据）

某一现状为什么发生，确定原因，做出调整优化;

现状分析(分析当下的数据）

现阶段的整体情况，各个部分的构成占比、发展、变动;

预测分析（结合数据预测未来）

结合已有数据预测未来发展趋势。

离线分析( Batch Processing )

面向过去，面向历史，分析已有的数据;

在时间维度明显成批次性变化。一周一分析(T+7)，一天一分析(T+1)，所以也叫做批处理。

实时分析( Real Time Processing | Streaming )

面向当下，分析实时产生的数据;

所谓的实时是指从数据产生到数据分析到数据应用的时间间隔很短，可细分秒级、毫秒级。

机器学习(Machine Learning )

基于历史数据和当下产生的实时数据预测未来发生的事情;

侧重于数学算法的运用，如分类、聚类、关联、预测。

数据分析基本步骤

概述

数据分析步骤（流程)的重要性体现在:对如何开展数据分析提供了强有力的逻辑支撑;

张文霖在《数据分析六步曲》说，典型的数据分析应该包含以下几个步骤

基本步骤

step1：明确分析的目的和思路

• 目的是整个分析流程的起点，为数据的收集、处理及分析提供清晰的指引方向;

• 思路是使分析框架体系化，比如先分析什么，后分析什么，使各分析点之间具有逻辑联系，保证分析维度的完整性，分析结果的有效性以及正确性，需要数据分析方法论进行支撑;

• 数据分析方法论是一些营销管理类相关理论，比如用户行为理论、PEST分析法、5W2H分析法等。

step2：数据收集

数据从无到有的过程∶比如传感器收集气象数据、埋点收集用户行为数据数据

传输搬运的过程:比如采集数据库数据到数据分析平台

公司常见数据源和种类

step3：数据预处理

• 准确来说，应该称之为数据预处理。

• 数据预处理需要对收集到的数据进行加工整理，形成适合数据分析的样式，主要包括数据清洗、数据转化、数据提取、数据计算﹔

• 数据预处理可以保证数据的一致性和有效性，让数据变成干净规整的结构化数据。

step4：数据分析

用适当的分析方法及分析工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程;

需要掌握各种数据分析方法，还要熟悉数据分析软件的操作;

step5：数据展现

数据展现又称之为数据可视化，指的是分析结果图表展示，因为人类是视觉动物;

数据可视化( Data Visualization)属于数据应用的一种;

注意，数据分析的结果不是只有可视化展示，还可以继续数据挖掘( Data Mining )、即席查询(Ad Hoc)等。

step6：撰写报告

数据分析报告是对整个数据分析过程的一个总结与呈现

把数据分析的起因、过程、结果及建议完整地呈现出来，供决策者参考

需要有明确的结论，最好有建议或解决方案

核心步骤

采集、处理、分析、应用

什么叫干净规整的结构化数据？有非结构化数据?

专业来说就是二维表的数据，行列对应;

通俗来说就是格式清晰，利于解读的数据

大数据时代

背景

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，其称︰“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

大数据定义

大数据( big data)是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。

大数据特点（5V）