【智匯工業編者語】什么是大數據？你對大數據了解多少呢？

定義大數據

一般而言，大數據是指容量龐大的數據集，大到傳統的數據處理軟件產品無法在合理的時間內捕獲、管理和處理數據。

這些大數據集可以包括結構化數據、非結構化數據和半結構化數據，人們可以從每個數據挖掘到洞察。

多大的數據才算得上“大”尚無定論，但它通常可能是幾個拍字節（petabyte），并且對于艾字節（exabyte）范圍中的最大項目也是如此。

通常，大數據的特點是三個V：

·極大的數據量

·各種類型的數據

·數據得到處理和分析的速度

構成大數據存儲中的數據可以來自網站、社交媒體、臺式機和移動應用、科學實驗以及物聯網（IoT）中日益增多的傳感器和其他設備。

大數據的概念帶有一組相關組件，這些組件使組織可以使數據得到實際應用并解決一些業務問題。這包括用來支持大數據所需的IT基礎設施、應用于數據的分析、大數據項目所需的技術、一系列有關的技能、以及對大數據很重要的實際用例。

大數據和分析

真正能從組織所收集的所有大數據中實現價值的東西是應用于數據的分析。沒有分析的話，這只是一大堆商業用途十分有限的數據。

企業通過將分析應用于大數據就可以看到銷售額的增長、客戶服務的改善、效率的提高以及競爭力得到全面提升等優勢。

數據分析包括檢查數據集以獲得洞察或得出關于它們包含的內容的結論，例如關于未來活動的趨勢和預測。

組織通過數據分析可以做出更明智的業務決策，例如何時何地進行營銷活動或引入新產品或服務。

分析可以指基本的商業智能應用程序或更高級的預測分析，例如科學機構所使用的分析。最先進的數據分析類型是數據挖掘，分析師在這里評估大型數據集以確定關系、模式和趨勢。

數據分析可以包括探索性數據分析（識別數據中的模式和關系）和驗證性數據分析（應用統計方法來確定關于特定數據集的假設是否屬實）。

另一個區別是定量數據分析（或對具有可以統計比較的可量化變量的數字數據的分析）與定性數據分析（其側重于非數字數據，如視頻、圖像和文本）。

支持大數據的IT基礎設施

要讓大數據的概念發揮作用，組織需要有合適的基礎設施來收集和存儲數據、提供對數據的訪問并保護信息在存儲和傳輸過程中的安全。

這在較高的層面上還包括為大數據，數據管理和集成軟件，商業智能和數據分析軟件以及大數據應用設計的存儲系統和服務器。

由于公司希望繼續利用其數據中心投資，大部分這種基礎設施可能會在本地部署。但越來越多的組織依靠云計算服務來處理他們的大部分大數據需求。

數據收集需要有收集數據的來源。其中有很多來源——如Web應用程序、社交媒體渠道、移動應用程序和電子郵件存檔——已經就位。但隨著物聯網的逐漸成熟，企業可能需要在各種設備、車輛和產品上部署傳感器、以及生成用戶數據的新應用程序來收集數據。（面向物聯網的大數據分析具有自身的專業技術和工具。）

為了存儲所有傳入的數據，組織需要有足夠的數據存儲。存儲選項包括傳統的數據倉庫，數據湖泊和基于云的存儲。

安全基礎架構工具可能包括數據加密、用戶身份驗證和其它訪問控制、監控系統、防火墻、企業移動管理以及其它保護系統和數據的產品，

大數據特有的技術

一般來說，除了上述用于數據的IT基礎架構之外。你的IT基礎架構應該支持大數據特有的幾種技術。

Hadoop生態系統

Hadoop是其中一項與大數據密切相關的技術。Apache Hadoop項目為可擴展的分布式計算開發開源軟件。

Hadoop軟件庫是一個框架，該框架支持使用簡單的編程模型在計算機集群中對大數據集進行分布式處理。它旨在從單個服務器擴展到數千個，每個服務器都提供本地計算和存儲。

該項目包括幾個模塊：

· Hadoop Common是支持其它Hadoop模塊的通用工具

· Hadoop分布式文件系統，它可以為應用程序數據提供高吞吐量的訪問

· Hadoop YARN是一個作業調度和集群資源管理的框架

· Hadoop MapReduce是一個基于YARN的大數據集并行處理系統。

Apache Spark

作為Hadoop生態系統的一部分的Apache Spark是一個開源的集群計算框架，它可充當在Hadoop中處理大數據的引擎。Spark已經成為關鍵的大數據分布式處理框架之一，而且它可以通過多種方式進行部署。它為Java、Scala、Python（尤其是Natrona Python發行版）和R編程語言（R特別適用于大數據）提供本地綁定，它還支持SQL、流數據、機器學習和圖形處理。

數據湖泊

數據湖泊是存儲庫，這個存儲庫可以容納大量以原始格式的形式存在的數據，直到業務用戶需要數據為止。數字化轉型舉措和物聯網的發展是數據湖泊發展的推手。數據湖的宗旨是，在用戶有需求時，使他們更輕松地訪問大量的數據。

NoSQL數據庫

常規的SQL數據庫是為可靠的事務（transactions）和即時查詢（ad hoc queries）而設計的，但它們具有嚴謹架構（schema）之類的限制，這些限制使得它們不太適合某些類型的應用程序。NoSQL數據庫解決了這些限制，并以這樣的方式存儲和管理數據——將高操作速度和巨大的靈活性考慮進來。很多NoSQL數據庫都是由這樣的公司開發的——這些公司追求能為大量網站存儲內容或處理數據的更好的方法。NoSQL數據庫與SQL數據庫不同的是，前者可以在數百或數千臺服務器上水平擴大和縮小規模。

內存數據庫

內存數據庫（IMDB）是一種數據庫管理系統，它主要依靠主存儲器而不是磁盤來存儲數據。內存數據庫比磁盤優化的數據庫運行得更快，這是大數據分析使用和數據倉庫和數據集市創建的重要考慮因素。

大數據技能

大數據和大數據分析工作需要特定的技能，無論這些技能是從組織內部還是外部專家那里獲取。

這其中有很多技能都與關鍵的大數據技術組件相關，如Hadoop、Spark、NoSQL數據庫，內存數據庫和分析軟件。

其它技能則針對數據科學、數據挖掘、統計和定量分析、數據可視化、通用編程以及數據結構和算法等學科。我們還需要具備全面管理技能的人員來完成大數據項目。

鑒于大數據分析項目的普遍性在以及這一系列技能的人才的短缺，尋找有經驗的專業人員可能是組織面臨的最大挑戰之一。

大數據用例

大數據和分析可以應用于很多業務問題和用例。下面就是幾個例子：

·客戶分析。公司可以檢驗客戶數據以改善客戶體驗，提高轉化率并增加留存率。

·運營分析。提高運營績效并更好地利用企業資產是很多公司的目標。大數據分析可以幫助企業找到更高效地運營的方法，以及提高績效的方法。

·預防詐騙。數據分析有助于發現可能表明出欺詐行為的可疑活動和模式，并有助于降低風險。

·價格優化。公司可以使用大數據分析來優化他們為產品和服務收取的價格，從而幫助提高收入。