大数据Hadoop入门01——大数据导论

目录

• 企业数据分析方向
• 数据分析基本步骤
• 大数据时代
• 分布式与集群

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”、“学生的档案记录、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，比如下面情况：

一、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：
  
• 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;
• 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;
• 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。

1.1 现状分析

• 实时分析(Real Time Processing |Streaming（流式分析） )

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。

1.2 原因分析

• 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。

1.3预测分析

• 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。

二、数据分析基本步骤

• 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
  

Step1 :明确分析目的和思路

• 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
  

step3:数据处理

• 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、数据揭取、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。
  
  思考：

1. 当下的企业中用于分析的数据是侧重于文本数据多一些，还是侧重于图片、视频数据多一些?
2. 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。

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∶报告撰写

• 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
• 需要有明确的结论，最好有建议或解决方案
  

总结

1. —切围绕着数据
2. 通俗描述︰数据从哪里来、数据到哪里去
3. 核心步骤:采集、处理、分析、应用

三、大数据时代

1、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。”
• 2019年，央视推出了国内首部大数据产业题材纪录片《大数据时代》，节目细致而生动地讲述了大数据技术在政府治理、民生服务、数据安全、工业转型、未来生活等方面给我们带来的改变和影响。

2、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。
  

3、大数据5V特征

• 5个V开头的单词，从5个方面准确、生动、形象的介绍了大数据特征。
  

3.1、数据体量大(Volume)

1. 采集数据量大
2. 存储数据量大
3. 计算数据量大
4. TB、PB级别起步

3.2、种类、来源多样化(Volume)

1. 种类:结构化、半结构化、非结构化
2. 来源︰日志文本、图片、音频、视频

3.3、低价值密度(Volume)

1. 信息海量但是价值密度低
2. 深度复杂的挖掘分析需要机器学习参与

3.4、速度快(Volume)

1. 数据增长速度快
2. 获取数据速度快
3. 数据处理速度快

3.5、数据的质量(Volume)

1. 数据的准确性
2. 数据的可信赖度

应用场景

• 电商领域
  精准广告位、个性化推荐、大数据杀熟

• 传媒领域
  精准营销、猜你喜欢、交互推荐
  

• 金融方面
  理财投资，通过对个人的信用评估，风险承担能力评估，集合众多理财产品、推荐响应的投资理财产品。

• 交通领域
  拥堵预测、智能红绿灯、导航最优规划

• 电信领域
  基站选址优化、舆情监控、客户用户画像

• 安防领域
  犯罪预防、天网监控

• 医疗领域
  智慧医疗、疾病预防、病源追踪

思考：
大数据场景下
1、海量数据如何存储？
2、海量数据如何计算？

四、分布式与集群

概念

• 分布式、集群是两个不同的概念，但口语照片那个经常混淆二者。
  

混淆点

• 分布式、集群的共同点：都是多台机器（服务器）组成的；
• 因此口语中混淆两者概念的时候都是：相对于单机来说的。
  

应用

• 数据大爆炸，海量数据处理场景面临问题