大数据应用对企业的价值

目录

一、大数据应用价值

1.1 大数据技术分析

1.2 原有技术场景的优化

1.2.1 数据分析优化

1.2.2 高并发数据处理

1.3 通过大数据构建新需求

1.3.1 智能推荐

1.3.2 广告系统

1.3.3 产品/流程优化

1.3.4 异常检测

1.3.5 智能管理

1.3.6 人工智能和机器学习

二、大数据应用价值分析

2.1 数据分析的价值

2.2 大数据技术性能的价值

2.3 构建新需求的价值

三、什么情况下不需要大数据岗位

四、结语

---

前言：这几年互联网寒冬，时常听到大数据工作者担忧，大数据是开发支持岗位，担心公司业务收缩，先裁大数据岗位；这从侧面说明大数据应用在公司没有体现出该有的价值，大数据应用有哪些价值？为什么没有实现大数据的价值？本文从这两个视角分析。

一、大数据应用价值

       最近几年，到处都能听到大数据这个词，比如大数据推荐，大数据分析，大数据挖掘等；仿佛用大数据这个词就能解释很多没有关联的事；但是大数据到底有哪些应用价值，却没有清晰认识。 一些企业和部门怀着对大数据的期盼，引入了大数据技术开发解决应用场景，发现带来的价值不如预期；大数据的核心特性，是对大数据量的处理能力。什么场景需要，处理能力能干什么？

       对于很多单位或者企业，会有这样的疑惑。笔身深耕在大数据应用一线，从使用者的角度去总结和分析大数据带来的价值，如果无法分析到尽善尽美，希望大家谅解和补充。

上一章基于企业和大数据应用做了详细分析。大数据企业应用场景分析-CSDN博客

1.1 大数据技术分析

      大数据技术就像个新的土地，如何基于新土地优化原有或者构建新东西，大体方向从这两个维度去思考。对于原有技术场景的优化，数据分析、高并发数据处理属于这类；智能推荐、产品/流程优化、异常检测、智能管理、人工智能和机器学习属于第二类，通过大数据技术构建新东西。

1.2 原有技术场景的优化

1.2.1 数据分析优化

       在大数据技术出现以前，数据分析通常在OLTP数据库之上，写SQL用数据库自带引擎做数据分析，数据存储瓶颈分表分库解决，计算性能也得不到保障；大数据技术出现以后，对于业务的分析，可以统一通过数仓产出，且可以跨业务关联分析；除此之外，由于大数据本身的处理能力，以前无法做到的，比如通过日志，或者更细节的埋点分析，都可以通过大数据技术做到业务支持。

对于数据分析的应用优化，这里总结出3个点：

• 代替OLTP数据库做业务指标计算
• 解决数据孤岛，跨业务关联分析计算指标
• 对业务系统运行，构建更细粒度的用户行为分析

1.2.2 高并发数据处理

       在大数据技术出现以前，对于提高业务性能的需求，基本是通过多线程高并发的方式实现，大数据技术将许多高并发的业务场景，简化成几个配置选项，对于一些数据采集、数据处理、数据分析，多数数据驱动的场景，使用大数据技术，