1.1 大数据概念
大数据(Big Data):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。
主要解决海量数据数据的存储和海量数据的分析计算问题
按顺序给出数据存储单位:bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。
1.2 大数据特点(4V)
Volume(大量)
截至目前,人类生产的所有印刷材料的数据量是200PB,而历史上人类总共说过的话的数据量大约是5EB。当前,典型计算机硬盘的容量为TB量级,而一些大企业的数据量已经接近EB量级。
Velocity(高速)
这是大数据区分与传统数据挖掘的最显著特征。根据IDC数据宇宙的报告,预计到2020年,全球数据使用量将达到35.2ZB。在如此海量的数据面前,处理数据的效率就是企业的生命。
Variety(多样)
这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以数据库文本为主的结构化数据,非结构化数据或者半结构化数据越来越多,包括网络日志、音频、视频、图片、地理位置信息等,这些多类型的数据对数据的处理能力提出了更高要求。
Value(低价值密度)
价值密度的高低与数据总量的大小成反比。比如,交通实时监控过程中,车辆穿红灯被视为有价值的信息,价值信息数据占比低,如何快速对有价值数据提纯成为目前大数据背景下待解决的难题。
1.3 大数据应用场景
物流仓储:大数据分析系统助力商家精细化运营、提升销量、节约成本。
零售:分析用户消费习惯,为用户啊购买商品提供方便,从而提升商品销量,经典案例-啤酒尿布
旅游:深度结合大数据能力与旅游行业需求,共建旅游产业智慧管理、智慧服务和智慧营销的未来。
商品广告推荐:根据用户浏览数据及商品购买记录来给用户推荐可能喜欢的商品。
保险:海量数据挖掘及风险预测,助力保险行业精准营销,来提升精细化定价能力。
金融:多维度体现用户特征,帮助金融机构推荐优质客户,防范欺诈风险。
交通:根据人流量数据,车辆交通数据,依靠大数据处理分析能力,来规划交通出行方案,打造智慧交通、智慧城市等。