CDA資料分析研究院原創作品

一、大資料概念

大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。

二、大資料的特點

1）Volume（大量）：

截至目前，人類生產的所有印刷材料的資料量是200PB，而歷史上全人類總共說過的話的資料量大約是5EB。當前，典型個人計算機硬碟的容量為TB量級，而一些大企業的資料量已經接近EB量級。

2）Velocity（高速）：

這是大資料區分於傳統資料探勘的最顯著特徵。根據IDC的“數字宇宙”的報告，預計到2020年，全球資料使用量將達到35.2ZB。在如此海量的資料面前，處理資料的效率就是企業的生命。

天貓雙十一：2016年6分58秒，天貓交易額超過100億

3）Variety（多樣）：

這種型別的多樣性也讓資料被分為結構化資料和非結構化資料。相對於以往便於儲存的以資料庫/文字為主的結構化資料，非結構化資料越來越多，包括網路日誌、音訊、視訊、圖片、地理位置資訊等，這些多型別的資料對資料的處理能力提出了更高要求。

訂單資料：

4）Value（低價值密度）：

價值密度的高低與資料總量的大小成反比。比如，在一天監控視訊中，我們只關心小偷偷盜的片刻，如何快速對有價值資料“提純”成為目前大資料背景下待解決的難題。

三 大資料應用

1）O2O：百度大資料+平臺通過先進的線上線下打通技術和客流分析能力，助力商家精細化運營，提升銷量。

2）零售：探索使用者價值，提供個性化服務解決方案；貫穿網路與實體零售，攜手創造極致體驗。經典案例，子尿布+啤酒。

3）旅遊：深度結合百度獨有大資料能力與旅遊行業需求，共建旅遊產業智慧管理、智慧服務和智慧營銷的未來。

4）商品廣告推薦：給使用者推薦訪問過的商品廣告型別

5） 房產：大資料全面助力房地產行業，打造精準投策與營銷，選出更合適的地，建造更合適的樓，賣給更合適的人。

6）保險：海量資料探勘及風險預測，助力保險行業精準營銷，提升精細化定價能力。

7）金融：多維度體現使用者特徵，幫助金融機構推薦優質客戶，防範欺詐風險。

8）移動聯通&移動聯通

9）人工智慧

四 常用大資料分析技術

常見的大資料分析技術主要由以下幾部分構成：

分散式的檔案系統儲存海量的非結構化資料（例如：hdfs等）

分散式的離線計算系統，對業務資料批量處理。（例如：mapreduce等）

分散式的實時計算系統，實時對業務資料進行處理（例如：sparkStreaming、storm、flink等）

分散式的結構化資料分析工具（例如：hive等）

分散式的資料庫（例如：hbase等）

完整的大資料平臺往往還要跟業務系統整合起來為使用者提供服務。