1.大数据概述

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.

按顺序给出数据存储单位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
1Byte = 8bit 1K = 1024Byte 1MB = 1024K
1G = 1024M 1T = 1024G 1P = 1024T

1.2 大数据特点(4V)

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。

特点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.

特点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.

特点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,我们只关心宋宋老师晚上在床上健身那一分钟,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.

1.3 大数据应用场景

1. 物流仓储:大数据分析系统助力商家精细化运营,提升销量,节约成本.
2. 零售:分析用户消费习惯,为用户购买商品提供方便,从而提升商品销量.经典案例:子尿布+啤酒.
3. 旅游: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.
4. 商品广告推荐:给用户推荐可能喜欢的商品.
5. 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.
6. 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.
7. 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.
8. 人工智能

1.4 大数据业务流程分析

1. 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)
2. 数据部门搭建数据平台,分析数据指标
3. 数据可视化(报表展示,邮件发送,大屏幕展示等)

1.5 大数据部门组织结构(重点)