大数据到底能为企业节省哪些（多少）成本？大数据到底能为企业节省哪些（多少）成本？新技术的发展趋势百家号“信息”与“数据”是我们在日常生活中，时常互相替换的两个概念。但是事实上，它们的区别可谓泾渭分明：搜集而来的，是信息；沉淀下来的，才能叫数据。有了互联网之后，数据的沉淀和利用，变得更加容易，成本也更低。以发动机制造企业为例。波音公司的波音787，采用的是GEnx发动机，这一设备每次飞行会产生0.5TB的数据。而罗伊斯罗尔斯公司以前的Trent发动机每次飞行会产生几M的数据，现在最新的Trent XWB发动机，每次飞行将得到几个G的数据。这时，一家发动机生产商的核心竞争力，除了材料、设计和制造工艺外，还包括了数据量。换言之，数据成为产品非常重要的组成部分，成为企业新的生产资料。十多年前，企业可以通过购买或租赁一批服务器，来满足业务需求。但现在，数据量日益庞大，作为新时代的“原油”，大数据也需要用全新的方法来提炼。这种方法就是在线云计算。博采公司的做法或许能更直观地解读这一现象。博采出品的3D动画电影《昆塔》，是首次使用大规模云计算来进行后期渲染的电影。“渲染”这一关键步骤，如果要使用传统的技术，需要花费巨额投入。比如，维塔数码为完成影片《阿凡达》的渲染工作，就雇佣了超过900人的技术团队，并使用了占地1万平方英尺的4000台服务器群组。博采公司的做法，则是通过Web自助提交任务的方式，利用在线云计算技术开展云渲染。如此一来，博采以3个月的时间，就完成了传统技术方法需要40个月完成的渲染技术工作，而且减免了至少2800万元的硬件设备投入，这相当于节省了全片投入总成本的91%。每个客户都是数据源。当成千上万的客户累积到一个平台上，就有成千上万个数据源，这些数据源需要用全新的方法来提炼，也就是云计算，云计算作为计算资源的底层，支撑着上层大数据，通过大数据的整合分析，就会总结出新的规律，从而帮助企业了解客户，实施合理的营销策略和市场规划，帮助企业节约成本。企业的经营成本分很多种，但主要还是指在经营期内应该负担的全部成本，包括销售成本、销售税金、管理费用及财务费用等。——对电商行业来说：大数据可以减少从生产到物流环节的成本。比如，消费者行为、商品属性都可以转化成数据，数据让企业实现“按需生产”，可以帮助降低生产成本；通过大数据平台对商品优缺点、消费者购物习惯分析，以及互联网商品用户反馈的评论数据等，还可以通过计算预判未来商品销售情况制定新的产品战略及营销战略；在运输成本上，大数据技术还可以将一车货物满载率从96%提高到97.9%，从而实现“装得最满、用时最少”。此外，大数据技术还可以帮助物流公司提前预测路况，帮助货车选择最佳行驶路线，减少运输成本。——对金融银行业来说：与传统电商相比，银行缺少中小微企业及个人客户交易数据的积累，也不具备电商平台这样的自有交易场景，面对小微客户和个人客户发放信用贷款时，缺少此类数据的支撑。面对这一短板，各家商业银行开始搭建自有的电子商务平台，如工行的融e购平台，通过平台产生交易流、资金流、信息流。银行通过这些信息数据，便可以对客户进行数据分析，在信用分析的基础上为客户发放贷款数额或推销相应的金融理财产品，降低银行的风险，减少成本。那么，大数据能帮企业节约哪些经营成本呢？1、信息成本信息成本同实物资产、人力资产、技术、财务资源及知识一样，已成为经济发展必不可少的生产要素。在多数情况下，信息并不形成企业产品实体，这与人力不构成产品实体的道理是一样的。信息产品的品种也纷繁多样。从本质上说，任何可以被数字化的事物都是信息。信息是消费者必须在试用一次后才能对它进行评价的产品，因而信息是“经验产品”。信息对不同的消费者有不同的价值，不管信息的具体来源是什么，人们都愿意为获得信息付出代价。比如房产企业会为了了解用户，去购买用户数据信息；互联网公司玩烧钱游戏，说到底圈的也是用户的数据。在现如今的信息时代，面对如此复杂的需要和大量信息，早期的最简单的收集方式，仅靠个人的看、听、读早已不再适用，机器系统虽能满足对速度、批量和准确性的要求。借用大数据平台挖掘信息，将信息处理转化为数据，将会为企业带来意想不到的收获。2、生产成本生产成本包括材料费、人工费和制造费用。其中，材料费的控制主要是防止不必要的浪费；人工费的控制主要是提高工人的生产效率；制造费用的控制主要是防止在温度适宜的时候开空调、光线合适的时候开灯、不应该开水龙头的时候出现长流水、在可以维修的时候报废了某机器零件等。生产部要获取的数据信息就是一周内或者半月内领了多少原材料、生产出多少产成品，将这些数据信息输入系统内，与以往的数据资料信息进行对比。人工费也要合理控制，可以综合比较计件工资模式和计时工资模式下的单个产品的生产成本数据信息，通过这种对比，找出提高生产工人生产效率的方法，降低单位人工费。在生产过程中，数据信息全程监控，通过电量数据变化表，检查白天几点钟到几点钟是否开灯、开空调；根据水量数据变动表，检查是否出现长流水；根据机器维修记录表，看是否存在很多零件替换情况。以这种方式对生产车间进行控制，可以很好地降低生产成本，提高生产效率。 同时，销售部要实时监测市场变化，根据往年企业同类产品的销售情况，分析总结影响销售情况的因素。生产部要及时获取销售部实时数据，一旦市场出现和销售部当初预测不一致的情况，也可以及时改变策略，以免影响企业利润。3、管理成本据说90%的企业倒闭是因为管理不善造成的。如何让管理更高效、更轻松是每一位企业管理层最伤脑子的事情，毕竟企业管理不像流水线生产产品一样。企业管理的面很多，涉及到内部管理及外部经营管理。基于现代化企业移动办公需求持续增长及客户关系管理难的现状，数企BDSaaS把企业OA(协同办公)功能和CRM(客户管理)的功能综合到一个平台，OA办公系统集成先进的CRM功能，对客户资源、销售订单等都进行深层次的挖掘。为企业内部的管理提供有效的支撑和规范，也为企业的营销提供有效的支持，极大地降低企业管理成本。数企(OA+CRM)根据企业需求量身定制办公管理平台，不仅能让企业管理者管理企业更轻松，更简单，查看员工月度、周度任务及日常工作日志更便捷，清晰洞察每一位业务员的工作动态，实时掌握业务员的销售业绩。有效提高提高员工工作积极性、提升企业业绩、增进企业内部的沟通交流。另一方面，也可以帮助企业员工随时随时提交工作日志，收发邮件，提交审批等，节省大量时间。用手机就可以轻松查看今日、明日、本周的日程安排，提升工作效率。帮助员工快速有效的管理客户资料，凝聚客户关系。全面详细的客户资料及客户跟进等功能，并且支持客户移交或共享。轻松查看今天需要联系的客户，已过期未联系的客户及未处理的服务等等。强大的数据导入导出功能，使员工快速掌握客户资源信息及销售业绩。4、采购成本在网络信息发展迅速的今天，电子商务平台离人们的生活越来越近，线上购买对企业对个人来说也越来越常见，企业的材料可以向实体供应商采购，也可以通过网络电子商务平台进行采购。在线上采购，原材料的数据信息都可以获取到，包括价格、质量、评价、产地、用途等，由于供应商比较多，企业作为采购方有较强的议价能力，通过和线上供应商交流磋商协定合理的价格和批量，将协定结果进行汇总分析，最终选择适合企业的、质量优良而价格合适的原材料。用这种汇总数据信息然后分析得出的结论，有利于企业选择物美价廉的材料供应商，从而减少采购成本。5、仓储成本在大数据时代，数据获取的及时性很重要，企业仓储部门联系着采购部、生产部以及其他部门，仓储部的材料既不能太多以致闲置浪费，也不能太少以致延误生产。生产部门、管理部门或者销售部门以及后勤部门领用材料，填写领料申请单，将这些数据输入系统内，如果发现生产部门领料过于频繁，系统就会发出预警，提示是否出现车间用料浪费的情况，或者是否存在工人将材料挪用别处或者私自带离企业的情况。仓储部的信息要实时更新，时时传送，时时总结和预测，生产部的生产计划要实时与仓储所存材料进行对比、核对，一旦发现不匹配就要检查仓储材料存量，及时采购。仓储部要及时获取生产部一段时间内计划生产所用总材料数量，并根据以往仓储数据资料分析出最佳订购批量，确保在不耽误生产及销售的情况下，最大程度上减少企业库存成本，为企业节省一笔支出。6、营销成本在实体店销售，往往会由于地理位置的 因素，企业的销售市场受到局限，而网络销售就可以避免这一点，网络面向的人群扩大了，自然而然就会增加销售量。至于在哪个或哪些网络电子商务平台上销售，企业可以收集各个平台的信誉、受欢迎度、被认可度、销售量等数据信息，还要结合该商务平台上同类产品的销售价格、销售数量、销售潜力等信息进行综合考虑。企业选定了大数据平台后，可以制定合理的价格及促销方案，并成立专门的网络营销团队，激活网上销售渠道。 在网络销售平台上，可以比较容易地获得老客户的资料，甚至可以分析出他们的职业、年龄以及爱好等，也可以看到有哪些潜在的客户。针对这样的客户，我们可以发放一些网络优惠券，激发购买的积极性。这些方法在增大企业销售量的同时，可以减少企业销售成本，因为网络销售成本在一定程度上比实体销售成本低很多。7、运输成本企业在实体销售产品时，有时需要将批量产品运输至购买商，选择哪种运输渠道或者物流方，要根据具体情况分析，针对小批量、中批量和大批量的产品区别对待，搜集物流企业价格数据信息，分别进行洽谈以及汇总对比，找出能为企业节省更多运输成本的方法。在网络销售中，物流显得更为重要，因为相对于大批量购买的厂家来说，零售商对物流速度的要求更高，所以企业在物流合作方的选择上，除了要考虑经济成本之外，还要考虑速度。由于物流企业的特殊性，针对不同地区，其收费标准不同，所以必要时可以选择与多家物流方合作，根据客户购买区域的不同，为其选用不同的物流方，确保用户在最短的时间内收到产品，这在某种程度上会增加客户对于产品的满意度。文章来源/数据观界面新闻东湖大数据编辑整理免责声明东湖大数据若非注明原创保护，本公号所载内容来源于互联网、微信公众号等公开渠道，不代表本公号观点，仅为交流学习所用。转载请务必注明来源、出处及作者信息，版权归属原作者和机构所有，如有侵权，请联系删除。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。新技术的发展趋势百家号最近更新：简介:大学生，有很多话题跟大家分享哦作者最新文章相关文章八爪鱼，最好的网络爬虫工具
大数据是什么意思？大数据有哪些应用？
大数据是什么意思？大数据有哪些应用？
作者：keven
发布时间： 11:39:00
879 人已阅读
大数据这个词很多人并不陌生，但是大数据是什么可能没有多少人可以解释清楚。所谓大数据究竟是什么，它的来源在哪里，如何定义，和当下的各行业有什么关联应用，让我们一起来看看吧。
大数据是什么意思
由于计量、记录、预测生产生活过程的需要，人类对数据探寻的脚步从未停歇，从原始数据的出现，到科学数据的形成，再到大数据的诞生，走过了漫漫长路。
2011年5月，麦肯锡研究院发布报告——Big data: The nextfrontier for innovation, competition, and productivity,第一次给大数据做出相对清晰的定义：“大数据是指其大小超出了常规数据库工具获取、储存、管理和分析能力的数据集。”
日，国务院《促进大数据发展行动纲要》指出：“大数据是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”
《大数据白皮书2016》称：“大数据是新资源、新技术和新理念的混合体。从资源视角看，大数据是新资源，体现了一种全新的资源观；从技术视角看，大数据代表了新一代数据管理与分析技术；从理念的视角看，大数据打开了一种全新的思维角度。”
当前，业界公认的大数据有“4V特征，即：Volume（体量大）、Variety（种类多）、Velocity（速度快）和Value（价值高）。
大数据的作用在于在庞大的全量数据的基础上，通过算法模型，得出有意义的结果，进而进行资源配置的优化、现象的发现、未来的预测等。
大数据有哪些应用
2014年“大数据”的概念首次正式写入《政府工作报告》，其后的2015年是大数据政策顶层设计年、2016年政策细化落地，国家发改委、环保部、工信部、国家林业局、农业部等均推出了关于大数据的发展意见和方案，行至2017年，大数据产业的发展正从理论研究加速进入应用时代，相关的政策内容已经从全面、总体的指导规划逐渐向各大行业、细分领域延伸，物联网、云计算、人工智能、5G技术与大数据的关系越走越近……
很多行业的应用都离不开大数据，比如大数据在医疗领域的应用：日前在贵州通过大数据成立的医药综合监管平台，主要对医疗行为、医疗服务价格、居民医疗负担控制、药品使用等关键指标进行实时监测,同时建立健全基于大数据的医疗机构评价体系,整合分析临床、运营、成本核算、质量评价数据,加强数据综合挖掘分析和评估评价,辅助卫生计生行政部门决策。
日常生活娱乐也有大数据的应用，比如，电影网站、音乐网站、电影网站、电商网站这些网站都会根据你的浏览行为进行分析，根据你的兴趣推荐给你相应的物品，比如爱奇艺、QQ音乐、京东等。
咨询顾问联系方式 7
免费版QQ群
专业版QQ群
旗舰版QQ群大数据技术有哪些_百度知道
大数据技术有哪些
我有更好的答案
简单以永洪科技的技术说下，有四方面，其实也代表了部分通用大数据底层技术:Z-Suite具有高性能的大数据分析能力，她完全摒弃了向上升级(Scale-Up)，全面支持横向扩展(Scale-Out)。Z-Suite主要通过以下核心技术来支撑PB级的大数据:跨粒度计算(In-DatabaseComputing)Z-Suite支持各种常见的汇总，还支持几乎全部的专业统计函数。得益于跨粒度计算技术，Z-Suite数据分析引擎将找寻出最优化的计算方案，继而把所有开销较大的、昂贵的计算都移动到数据存储的地方直接计算，我们称之为库内计算(In-Database)。这一技术大大减少了数据移动，降低了通讯负担，保证了高性能数据分析。并行计算(MPP Computing)Z-Suite是基于MPP架构的商业智能平台，她能够把计算分布到多个计算节点，再在指定节点将计算结果汇总输出。Z-Suite能够充分利用各种计算和存储资源，不管是服务器还是普通的PC，她对网络条件也没有严苛的要求。作为横向扩展的大数据平台，Z-Suite能够充分发挥各个节点的计算能力，轻松实现针对TB/PB级数据分析的秒级响应。列存储 (Column-Based)Z-Suite是列存储的。基于列存储的数据集市，不读取无关数据，能降低读写开销，同时提高I/O 的效率，从而大大提高查询性能。另外，列存储能够更好地压缩数据，一般压缩比在5 -10倍之间，这样一来，数据占有空间降低到传统存储的1/5到1/10 。良好的数据压缩技术，节省了存储设备和内存的开销，却大大了提升计算性能。内存计算得益于列存储技术和并行计算技术，Z-Suite能够大大压缩数据，并同时利用多个节点的计算能力和内存容量。一般地，内存访问速度比磁盘访问速度要快几百倍甚至上千倍。通过内存计算，CPU直接从内存而非磁盘上读取数据并对数据进行计算。内存计算是对传统数据处理方式的一种加速，是实现大数据分析的关键应用技术。简介：大数据技术是以数据为本质的新一代革命性的信息技术，在数据挖潜过程中，能够带动理念、模式、技术及应用实践的创新。本书系统性地介绍了大数据的概念、发展历程、市场价值、大数据相关技术，以及大数据对中国信息化建设、智慧城市、广告、媒体等领域的核心支撑作用，并对对数据科学理论做了初步探索。内容：数据价值的凸显和数据获取手段、数据处理技术的改进是&大数据&爆发的根源。而随着数据生产要素化，数据科学、数据科技的不断发展和数据价值的深度挖掘及应用，一场大数据革命正在进行，它将带动国家战略及区域经济发展，智慧城市建设，企业转型升级，社会管理及个人工作、生活等各个领域的创新和变革。如何真正应用好大数据，发挥大数据的威力，是当前所有人都在共同研究和探索的问题。大数据在数据科学理论的指导下，改变创新模式和理念，发展大数据技术，深化大数据应用和实践，而行业大数据将是大数据最大、最佳的应用领域。
采纳率：100%
非常多的，问答不能发link，不然我给你link了。有譬如Hadoop等开源大数据项目的，编程语言的，以下就大数据底层技术说下。简单以永洪科技的技术说下，有四方面，其实也代表了部分通用大数据底层技术：Z-Suite具有高性能的大数据分析能力，她完全摒弃了向上升级(Scale-Up)，全面支持横向扩展(Scale-Out)。Z-Suite主要通过以下核心技术来支撑PB级的大数据：跨粒度计算(In-DatabaseComputing)Z-Suite支持各种常见的汇总，还支持几乎全部的专业统计函数。得益于跨粒度计算技术，Z-Suite数据分析引擎将找寻出最优化的计算方案，继而把所有开销较大的、昂贵的计算都移动到数据存储的地方直接计算，我们称之为库内计算(In-Database)。这一技术大大减少了数据移动，降低了通讯负担，保证了高性能数据分析。并行计算(MPP Computing)Z-Suite是基于MPP架构的商业智能平台，她能够把计算分布到多个计算节点，再在指定节点将计算结果汇总输出。Z-Suite能够充分利用各种计算和存储资源，不管是服务器还是普通的PC，她对网络条件也没有严苛的要求。作为横向扩展的大数据平台，Z-Suite能够充分发挥各个节点的计算能力，轻松实现针对TB/PB级数据分析的秒级响应。列存储 (Column-Based)Z-Suite是列存储的。基于列存储的数据集市，不读取无关数据，能降低读写开销，同时提高I/O 的效率，从而大大提高查询性能。另外，列存储能够更好地压缩数据，一般压缩比在5 -10倍之间，这样一来，数据占有空间降低到传统存储的1/5到1/10 。良好的数据压缩技术，节省了存储设备和内存的开销，却大大了提升计算性能。内存计算得益于列存储技术和并行计算技术，Z-Suite能够大大压缩数据，并同时利用多个节点的计算能力和内存容量。一般地，内存访问速度比磁盘访问速度要快几百倍甚至上千倍。通过内存计算，CPU直接从内存而非磁盘上读取数据并对数据进行计算。内存计算是对传统数据处理方式的一种加速，是实现大数据分析的关键应用技术。
本回答被提问者和网友采纳
大数据的类型大致可分为三类：1)传统企业数据(Traditionalenterprisedata)：包括 CRMsystems的消费者数据，传统的ERP数据，库存数据以及账目数据等。2)机器和传感器数据(Machine-generated/sensor data)：包括呼叫记录(CallDetailRecords)，智能仪表，工业设备传感器，设备日志(通常是Digitalexhaust)，交易数据等。3)社交数据(Socialdata)：包括用户行为记录，反馈数据等。如Twitter，Facebook这样的社交媒体平台。
基础阶段：Linux、Docker、KVM、MySQL基础、Oracle基础、MongoDB、redis。hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、历史，HDFS工作原理，YARN介绍及组件介绍。大数据存储阶段：hbase、hive、sqoop。大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。大数据实时计算阶段：Mahout、Spark、storm。大数据数据采集阶段：Python、Scala。大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。在掌握Java基础的前提下，各阶段的大数据学习需要掌握的专业技术。
　　大数据技术，就是从各种类型的数据中快速获得有价值信息的技术。大数据领域已经涌现出了大量新的技术，它们成为大数据采集、存储、处理和呈现的有力武器。　　大数据处理关键技术一般包括：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用(大数据检索、大数据可视化、大数据应用、大数据安全等)。& & & & & & & &&　　一、大数据采集技术　　数据是指通过RFID射频数据、传感器数据、社交网络交互数据及移动互联网数据等方式获得的各种类型的结构化、半结构化(或称之为弱结构化)及非结构化的海量数据，是大数据知识服务模型的根本。重点要突破分布式高速高可靠数据爬取或采集、高速数据全映像等大数据收集技术;突破高速数据解析、转换与装载等大数据整合技术;设计质量评估模型，开发数据质量技术。& & & &互联网是个神奇的大网，大数据开发和软件定制也是一种模式，这里提供最详细的报价，如果你真的想做，可以来这里，这个手机的开始数字是一八七中间的是三儿零最后的是一四二五零，按照顺序组合起来就可以找到，我想说的是，除非你想做或者了解这方面的内容，如果只是凑热闹的话，就不要来了。　　大数据采集一般分为大数据智能感知层：主要包括数据传感体系、网络通信体系、传感适配体系、智能识别体系及软硬件资源接入系统，实现对结构化、半结构化、非结构化的海量数据的智能化识别、定位、跟踪、接入、传输、信号转换、监控、初步处理和管理等。必须着重攻克针对大数据源的智能识别、感知、适配、传输、接入等技术。基础支撑层：提供大数据服务平台所需的虚拟服务器，结构化、半结构化及非结构化数据的数据库及物联网络资源等基础支撑环境。重点攻克分布式虚拟存储技术，大数据获取、存储、组织、分析和决策操作的可视化接口技术，大数据的网络传输与压缩技术，大数据隐私保护技术等。& & & & & & & & &&　　二、大数据预处理技术　　主要完成对已接收数据的辨析、抽取、清洗等操作。1)抽取：因获取的数据可能具有多种结构和类型，数据抽取过程可以帮助我们将这些复杂的数据转化为单一的或者便于处理的构型，以达到快速分析处理的目的。2)清洗：对于大数据，并不全是有价值的，有些数据并不是我们所关心的内容，而另一些数据则是完全错误的干扰项，因此要对数据通过过滤“去噪”从而提取出有效数据。& & & & & & & & &&　　三、大数据存储及管理技术　　大数据存储与管理要用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用。重点解决复杂结构化、半结构化和非结构化大数据管理与处理技术。主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。开发可靠的分布式文件系统(DFS)、能效优化的存储、计算融入存储、大数据的去冗余及高效低成本的大数据存储技术;突破分布式非关系型大数据管理与处理技术，异构数据的数据融合技术，数据组织技术，研究大数据建模技术;突破大数据索引技术;突破大数据移动、备份、复制等技术;开发大数据可视化技术。　　开发新型数据库技术，数据库分为关系型数据库、非关系型数据库以及数据库缓存系统。其中，非关系型数据库主要指的是NoSQL数据库，分为：键值数据库、列存数据库、图存数据库以及文档数据库等类型。关系型数据库包含了传统关系数据库系统以及NewSQL数据库。　　开发大数据安全技术。改进数据销毁、透明加解密、分布式访问控制、数据审计等技术;突破隐私保护和推理控制、数据真伪识别和取证、数据持有完整性验证等技术。& & & & & & & & & 　　四、大数据分析及挖掘技术　　大数据分析技术。改进已有数据挖掘和机器学习技术;开发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术;突破基于对象的数据连接、相似性连接等大数据融合技术;突破用户兴趣分析、网络行为分析、情感语义分析等面向领域的大数据挖掘技术。　　数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘涉及的技术方法很多，有多种分类法。根据挖掘任务可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等等;根据挖掘对象可分为关系数据库、面向对象数据库、空间数据库、时态数据库、文本数据源、多媒体数据库、异质数据库、遗产数据库以及环球网W根据挖掘方法分，可粗分为:机器学习方法、统计方法、神经网络方法和数据库方法。机器学习中，可细分为:归纳学习方法(决策树、规则归纳等)、基于范例学习、遗传算法等。统计方法中，可细分为:回归分析(多元回归、自回归等)、判别分析(贝叶斯判别、费歇尔判别、非参数判别等)、聚类分析(系统聚类、动态聚类等)、探索性分析(主元分析法、相关分析法等)等。神经网络方法中，可细分为:前向神经网络(BP算法等)、自组织神经网络(自组织特征映射、竞争学习等)等。数据库方法主要是多维数据分析或OLAP方法，另外还有面向属性的归纳方法。& & & & & & & &&　　从挖掘任务和挖掘方法的角度，着重突破：& & & &1.可视化分析。数据可视化无论对于普通用户或是数据分析专家，都是最基本的功能。数据图像化可以让数据自己说话，让用户直观的感受到结果。& & & &2.数据挖掘算法。图像化是将机器语言翻译给人看，而数据挖掘就是机器的母语。分割、集群、孤立点分析还有各种各样五花八门的算法让我们精炼数据，挖掘价值。这些算法一定要能够应付大数据的量，同时还具有很高的处理速度。& & & 3.预测性分析。预测性分析可以让分析师根据图像化分析和数据挖掘的结果做出一些前瞻性判断。& & & 4.语义引擎。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。语言处理技术包括机器翻译、情感分析、舆情分析、智能输入、问答系统等。& & & 5.数据质量和数据管理。数据质量与管理是管理的最佳实践，透过标准化流程和机器对数据进行处理可以确保获得一个预设质量的分析结果。& & & & & & & & & & & & & &　　六、大数据展现与应用技术　　大数据技术能够将隐藏于海量数据中的信息和知识挖掘出来，为人类的社会经济活动提供依据，从而提高各个领域的运行效率，大大提高整个社会经济的集约化程度。在我国，大数据将重点应用于以下三大领域：商业智能、政府决策、公共服务。例如：商业智能技术，政府决策技术，电信数据信息处理与挖掘技术，电网数据信息处理与挖掘技术，气象信息分析技术，环境监测技术，警务云应用系统(道路监控、视频监控、网络监控、智能交通、反电信诈骗、指挥调度等公安信息系统)，大规模基因序列分析比对技术，Web信息挖掘技术，多媒体数据并行化处理技术，影视制作渲染技术，其他各种行业的云计算和海量数据处理应用技术等。
现在感觉大家说大数据，一般都在炒概念，大数据并不难，怎么让数据分析落地式很难的，在我来看，目前很多人都在吹嘘大数据，但是真正懂大数据落地的人寥寥无几。给你一个工具，FineBI,楼主可以自己看看。
基础是Hadoop：基于MapReduce和分布式文件管理系统的开源批处理存储及分析引擎。在这个基础上有：Facebook的Presto：实时查询其数据仓储的引擎，开源。亚马逊的RedShift：基于SQL的数据仓储服务，可以查询大到1.6拍字节的数据库。IBM的BigSQL,也是基于Hadoop的SQL查询引擎。此外还有HortonWorks' Stinger initiative，EMC's HAWQ等等.
其他4条回答
为您推荐：
其他类似问题
您可能关注的内容
大数据的相关知识
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。}