我們?nèi)绾卫么髷?shù)據(jù)？

我們?nèi)绾卫么髷?shù)據(jù)？

如果我們想利用大數(shù)據(jù)，首先要有大數(shù)據(jù)的公式，但是這些大數(shù)據(jù)的搜集渠道一般都集中在一些大的互聯(lián)網(wǎng)公司，比如說國內(nèi)知美的一些公司個人去搞大數(shù)據(jù)的話，確實還是有很大的困難，因為你沒有辦法得到那么多人的數(shù)據(jù)，比方說他的消費數(shù)據(jù)或者是他的通訊數(shù)據(jù)之類的，或者是它的地理位置之類的，你只有得到了大數(shù)據(jù)，然后才能夠做一些定點發(fā)送之類的大數(shù)據(jù)操作。

如何運用大數(shù)據(jù)

1.可視化分析大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家，同時還有普通用戶，但是他們二者對于大數(shù)據(jù)分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現(xiàn)大數(shù)據(jù)特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。2. 數(shù)據(jù)挖掘算法 大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學(xué)的呈現(xiàn)出數(shù)據(jù)本身具備的特點，也正是因為這些被全世界統(tǒng)計 學(xué)家所公認的各種統(tǒng)計方法（可以稱之為真理）才能深入數(shù)據(jù)內(nèi)部，挖掘出公認的價值。

另外一個方面也是因為有這些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如 果一個算法得花上好幾年才能得出結(jié)論，那大數(shù)據(jù)的價值也就無從說起了。

3. 預(yù)測性分析 大數(shù)據(jù)分析最終要的應(yīng)用領(lǐng)域之一就是預(yù)測性分析，從大數(shù)據(jù)中挖掘出特點，通過科學(xué)的建立模型，之后便可以通過模型帶入新的數(shù)據(jù)，從而預(yù)測未來的數(shù)據(jù)。4. 語義引擎 非結(jié)構(gòu)化數(shù)據(jù)的多元化給數(shù)據(jù)分析帶來新的挑戰(zhàn)，我們需要一套工具系統(tǒng)的去分析，提煉數(shù)據(jù)。語義引擎需要設(shè)計到有足夠的人工智能以足以從數(shù)據(jù)中主動地提取信息。5.數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理。

大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無論是在學(xué)術(shù)研究還是在商業(yè)應(yīng)用領(lǐng)域，都能夠保證分析結(jié)果的真實和有價值。大數(shù)據(jù)分析的基礎(chǔ)就是以上五個方面，當然更加深入大數(shù)據(jù)分析的話，還有很多很多更加有特點的、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法。 大數(shù)據(jù)的技術(shù)數(shù)據(jù)采集： ETL工具負責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時中間層后進行清洗、轉(zhuǎn)換、集成，**加載到數(shù)據(jù)倉庫或數(shù)據(jù)集市中，成為聯(lián)機分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。

數(shù)據(jù)存?。?關(guān)系數(shù)據(jù)庫、NOSQL、SQL等?；A(chǔ)架構(gòu)： 云存儲、分布式文件存儲等。數(shù)據(jù)處理： 自然語言處理(NLP，Natural Language Processing)是研究人與計算機交互的語言問題的一門學(xué)科。

處理自然語言的關(guān)鍵是要讓計算機”理解”自然語言，所以自然語言處理又叫做自然語言理解也稱為計算語言學(xué)。一方面它是語言信息處理的一個分支，另一方面它是人工智能的核心課題之一。統(tǒng)計分析： 假設(shè)檢驗、顯著性檢驗、差異分析、相關(guān)分析、T檢驗、 方差分析 、 卡方分析、偏相關(guān)分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預(yù)測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、 因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應(yīng)分析、多元對應(yīng)分析（**尺度分析）、bootstrap技術(shù)等等。

數(shù)據(jù)挖掘： 分類 （Classification）、估計（Estimation）、預(yù)測（Prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復(fù)雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)模型預(yù)測 ：預(yù)測模型、機器學(xué)習(xí)、建模仿真。結(jié)果呈現(xiàn)： 云計算、標簽云、關(guān)系圖等。 大數(shù)據(jù)的處理1. 大數(shù)據(jù)處理之一：采集大數(shù)據(jù)的采集是指利用多個數(shù)據(jù)庫來接收發(fā)自客戶端（Web、App或者傳感器形式等）的 數(shù)據(jù)，并且用戶可以通過這些數(shù)據(jù)庫來進行簡單的查詢和處理工作。比如，電商會使用傳統(tǒng)的關(guān)系型數(shù)據(jù)庫MySQL和Oracle等來存儲每一筆事務(wù)數(shù)據(jù)，除 此之外，Redis和MongoDB這樣的NoSQL數(shù)據(jù)庫也常用于數(shù)據(jù)的采集。

在大數(shù)據(jù)的采集過程中，其主要特點和挑戰(zhàn)是并發(fā)數(shù)高，因為同時有可能會有成千上萬的用戶 來進行訪問和操作，比如火車票售票網(wǎng)站和淘寶百科，它們并發(fā)的訪問量在峰值時達到上百萬，所以需要在采集端部署大量數(shù)據(jù)庫才能支撐。并且如何在這些數(shù)據(jù)庫之間 進行負載均衡和分片的確是需要深入的思考和設(shè)計。2. 大數(shù)據(jù)處理之二：導(dǎo)入/預(yù)處理雖然采集端本身會有很多數(shù)據(jù)庫，但是如果要對這些海量數(shù)據(jù)進行有效的分析，還是應(yīng)該將這 些來自前端的數(shù)據(jù)導(dǎo)入到一個集中的大型分布式數(shù)據(jù)庫，或者分布式存儲集群，并且可以在導(dǎo)入基礎(chǔ)上做一些簡單的清洗和預(yù)處理工作。也有一些用戶會在導(dǎo)入時使 用來自Twitter的Storm來對數(shù)據(jù)進行流式計算，來滿足部分業(yè)務(wù)的實時計算需求。

導(dǎo)入與預(yù)處理過程的特點和挑戰(zhàn)主要是導(dǎo)入的數(shù)據(jù)量大，每秒鐘的導(dǎo)入量經(jīng)常會達到百兆，甚至千兆級別。3. 大數(shù)據(jù)處理之三：統(tǒng)計/分析統(tǒng)計與分析主要利用分布式數(shù)據(jù)庫，或者分布式計算集群來對存儲于其內(nèi)的海量數(shù)據(jù)進行普通 的分析和分類匯總等，以滿足大多數(shù)常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基于 MySQL的列式存儲Infobright等，而一些批處理，或者基于半結(jié)構(gòu)化數(shù)據(jù)的需求可以使用Hadoop。統(tǒng)計與分析這部分的主要特點和挑戰(zhàn)是分析涉及的數(shù)據(jù)量大，其對系統(tǒng)資源，特別是I/O會有極大的占用。4. 大數(shù)據(jù)處理之四：挖掘與前面統(tǒng)計和分析過程不同的是，數(shù)據(jù)挖掘一般沒有什么預(yù)先設(shè)定好的主題，主要是在現(xiàn)有數(shù) 據(jù)上面進行基于各種算法的計算，從而起到預(yù)測（Predict）的效果，從而實現(xiàn)一些高級別數(shù)據(jù)分析的需求。

比較典型算法有用于聚類的Kmeans、用于 統(tǒng)計學(xué)習(xí)的SVM和用于分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰(zhàn)主要是用于挖掘的算法很復(fù)雜，并 且計算涉及的數(shù)據(jù)量和計算量都很大，常用數(shù)據(jù)挖掘算法都以單線程為主。 整個大數(shù)據(jù)處理的普遍流程至少應(yīng)該滿足這四個方面的步驟，才能算得上是一個比較完整的大數(shù)據(jù)處理。

如何運用大數(shù)據(jù)？

我們?nèi)绾问褂么髷?shù)據(jù)？**點，明確數(shù)據(jù)分析的目的首先，您必須知道手中的數(shù)據(jù)要怎么處理，這意味著您需要清楚需求以及要從數(shù)據(jù)中獲取什么。讓我們以產(chǎn)品經(jīng)理為例。

當許多產(chǎn)品經(jīng)理設(shè)計自己的產(chǎn)品時，他們可能會花費大量時間來設(shè)計產(chǎn)品，但是他們忽略了該產(chǎn)品是否可以成功。

這很難滿足客戶的需求。因此，如果要**化自己的數(shù)據(jù)的價值，則必須事先考慮要執(zhí)行的操作。第二點，必須擴大數(shù)據(jù)收集方式關(guān)于數(shù)據(jù)收集，通常有四種方法。它們是從外部行業(yè)數(shù)據(jù)分析報告（例如iResearch）獲得的;積極從社區(qū)論壇（如AppStore，客戶服務(wù)反饋和微博）收集用戶反饋;參加問卷調(diào)查設(shè)計和用戶訪談等調(diào)查，收集并觀察用戶在使用產(chǎn)品時遇到的問題和感受的**手數(shù)據(jù);從記錄的用戶行為軌跡研究數(shù)據(jù)。

教你如何利用大數(shù)據(jù)，為自己所用

一、用**的大數(shù)據(jù)工具進行目標產(chǎn)品銷售數(shù)據(jù)預(yù)測，并根據(jù)調(diào)查數(shù)據(jù)，進行市場預(yù)測和一定的銷售渠道建議： （一）、場景假設(shè)：你上班以后，老板某天問你，公司新款的打底褲（或者目前你感興趣的某個產(chǎn)品），應(yīng)該如何在**上銷售，你作為大學(xué)畢業(yè)的知識分子，如何回答呢？因為你沒有經(jīng)驗，那你就應(yīng)該靠**工具，通過數(shù)據(jù)來證明你的想法，你想要做的某個產(chǎn)品能不能開展**銷售。 （1）創(chuàng)建并保持技術(shù)優(yōu)勢和時尚品味的企業(yè)網(wǎng)站，作為吸引用戶的主陣地之一 a. 以消費者為中心建設(shè)企業(yè)網(wǎng)站，藍帷幕應(yīng)圍繞消費者關(guān)心的問題進行設(shè)計，相關(guān)內(nèi)容及時更新，保證消費者快速、便捷查詢; b. 確保與消費者交流的管道暢通，回饋要及時; c. 面向消費者，積極**一切可以吸引消費者注意的企業(yè)**，宣傳企業(yè)的文化內(nèi)涵，突出企業(yè)員工的整體素質(zhì)和道德修養(yǎng)，讓消費者相信，本企業(yè)值得信賴; d. 設(shè)置專門的網(wǎng)站管理人員，以便更專業(yè)的應(yīng)對各種問題 （2）SEM、博客營銷、人際社區(qū)營銷等營銷方式對產(chǎn)品進行大數(shù)據(jù)的推廣 B2B平臺可以迅速把產(chǎn)品發(fā)布到互聯(lián)網(wǎng)，并快速獲得許多行業(yè)市場內(nèi)的客戶詢盤; 搜索引擎時至今日已經(jīng)成為網(wǎng)民上網(wǎng)尋找信息的必經(jīng)之路，可以很好的增加網(wǎng)民對產(chǎn)品的了解度，擴大對產(chǎn)品的認知范圍以及銷售范圍 （3）B2B平臺、淘寶、京東等店鋪、新媒體（微信）以及等的推廣和傳播 在目標人群發(fā)布話題、文章吸引注意、進行互動 （二）、女性油性肌膚，各品牌粉底液的比較 1、油性肌膚中，選擇了雅詩蘭黛粉底液、迪奧粉底液、紀梵希粉底液、阿瑪尼粉底液進行比較 通過百度指數(shù)對以上四款粉底液進行了大數(shù)據(jù)調(diào)查。

通過以下圖片，可以看出，近一個月以來雅詩蘭黛和阿瑪尼的粉底液搜索次數(shù)較多，且對雅詩蘭黛粉底液的需求是**的; 在沿海、中部發(fā)達地區(qū)，對粉底液的需求更多以及分布更為密集; 對粉底液的需求20-29歲最多，女性占了絕大部分。