想了解大數據

㈠ 本人想了解大數據行業，請問有沒有關於大數據方面可以推薦的書

近兩年，大數據火了，所以跟風了解了一下
給你推薦《大數據時代——生活、工作與思維的大變革》，這一本算是大數據領域入門的不二選擇，從思維變革、商業變革、管理變革三個部分闡述大數據對生活、工作、思維的改變。
裡面有很多案例，可讀性很強，重點是要了解大數據，需要先了解大數據思維，它是一種很顛覆的思維方式，這本書裡面講得比較清晰。
值得一提的是譯者周濤，有「最年輕的教授」之稱，是我國年輕有為的大數據專家，電子科技大學互聯網科學中心主任、教授、博士生導師。也是商業大數據服務公司數聯銘品的首席科學家。

㈡ 本人想了解大數據行業，請問有沒有關於大數據方面網站可以推薦

這個由九次方大數據和騰訊共同打造的平台，是國內門戶網站設立的首個大數據頻道。騰訊財經大數據頻道下設行業大數據、研究報告、數據新聞、大數據排行榜等特色欄目，依託九次方大數據資源，洞察大數據產業發展。每天都有大數據行業最鮮活的內容，助你清晰判斷行業的未來，在大數據應用途中更勝一籌。請記住唯一地址喲，http://tbd.jusfoun.com

㈢ 想了解學習大數據

西遊記丶紅樓夢等

㈣ 學習大數據需要哪些基本知識

1.了解大數據理論
要學習大數據你至少應該知道什麼是大數據，大數據一般運用在什麼領域。對大數據有一個大概的了解，你才能清楚自己對大數據究竟是否有興趣，如果對大數據一無所知就開始學習，有可能學著學著發現自己其實不喜歡，這樣浪費了時間精力，可能還浪費了金錢。所以如果想要學習大數據，需要先對大數據有一個大概的了解。
2.計算機編程語言的學習。
對於零基礎的朋友，一開始入門可能不會太簡單。因為需要掌握一門計算機的編程語言，大家都知道計算機編程語言有很多，比如：R，C++，java等等。目前大多數機構都是教JAVA，我們都知道Java是目前使用最為廣泛的網路編程語言之一。他容易學而且很好用，如果你學習過C++語言，你會覺得C++和Java很像，因為Java中許多基本語句的語法和C++一樣，像常用的循環語句，控制語句等和C++幾乎一樣，其實Java和C++是兩種完全不同的語言，Java只需理解一些基本的概念，就可以用它編寫出適合於各種情況的應用程序。Java略去了
運算符重載、多重繼承等模糊的概念，C++中許多容易混淆的概念，有的被Java棄之不用了，或者以一種更清楚更容易理解的方式實現，因此Java語言相對是簡單的。
在學習Java的時候，我們一般需要學習這些課程： HTML&CSS&JS，java的基礎，JDBC與資料庫，JSP java web技術， jQuery與AJAX技術，SpringMVC、Mybatis、Hibernate等等。這些課程都能幫助我們更好了解Java，學會運用Java。
3.大數據相關課程的學習。
學完了編程語言之後，一般就可以進行大數據部分的課程學習了。一般來說，學習大數據部分的時間比學習Java的時間要短。大數據課程，包括大數據技術入門，海量數據高級分析語言，海量數據存儲分布式存儲，以及海量數據分析分布式計算等部分，Linux，Hadoop，Scala, HBase, Hive, Spark等等專業課程。如果要完整的學習大數據的話，這些課程都是必不可少的。

㈤ 想要了解什麼是大數據嗎

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。 "大數據"首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的局限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。

數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。

數據存取：關系資料庫、NOSQL、SQL等。

基礎架構：雲存儲、分布式文件存儲等。

數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(Computational Linguistics。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慧(AI, Artificial Intelligence)的核心課題之一。
統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、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、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數據挖掘：分類 （Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測：預測模型、機器學習、建模模擬。
結果呈現：雲計算、標簽雲、關系圖等。
要理解大數據這一概念，首先要從"大"入手，"大"是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。

第一，數據體量巨大。從TB級別，躍升到PB級別。
第二，數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
第四，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質的不同。物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式。

大數據技術是指從各種各樣類型的巨量數據中，快速獲得有價值信息的技術。解決大數據問題的核心是大數據技術。目前所說的"大數據"不僅指數據本身的規模，也包括採集數據的工具、平台和數據分析系統。大數據研發目的是發展大數據技術並將其應用到相關領域，通過解決巨量數據處理問題促進其突破性發展。因此，大數據時代帶來的挑戰不僅體現在如何處理巨量數據從中獲取有價值的信息，也體現在如何加強大數據技術研發，搶占時代發展的前沿。

㈥ 大數據主要學什麼內容

大數據開發工程師是大數據領域一個比較熱門的崗位，有大量的傳統應用需要進行大數據改造，因此崗位有較多的人才需求。這個崗位需要掌握的知識結構包括大數據平台體系結構，比如目前常見的Hadoop、Spark平台，以及眾多組件的功能和應用，另外還需要掌握至少一門編程語言，比如Java、Python、Scala等。

大數據分析師是大數據領域非常重要的崗位，大數據分析師需要掌握的知識結構包括演算法設計、編程語言以及呈現工具，演算法設計是大數據分析師需要掌握的重點內容，而編程語言的作用則是完成演算法的實現。另外，大數據分析師還需要掌握一些常見的分析工具。

大數據運維工程師的主要工作內容是搭建大數據平台、部署大數據功能組件、配置網路環境和硬體環境、維護大數據平台，大數據運維工程師需要具備的知識結構包括計算機網路、大數據平台體系結構、編程語言（編寫運維腳本）等，通常情況下，大數據運維工程師也需要對資料庫有深入的了解。

㈦ 想了解下大數據 求淺談！

「大數據」是「數據化」趨勢下的必然產物！數據化最核心的理念是：「一切都被記錄，一切都被數字化」，它帶來了兩個重大的變化：一是數據量的爆炸性劇增，最近2年所產生的數據量等同於2010年以前整個人類文明產生的數據量總和；二是數據來源的極大豐富，形成了多源異構的數據形態，其中非結構化數據所佔比重逐年增大。牛津大學互聯網研究所Mayer-Schonberger教授指出，「大數據」所代表的是當今社會所獨有的一種新型的能力——以一種前所未有的方式，通過對海量數據進行分析，獲得有巨大價值的產品和服務，或深刻的洞見[1]。我認為，這種「前所未有的」巨大價值和深刻洞見，並不僅僅來自於單一數據集量上的變化，而是不同領域數據集之間深度的交叉關聯,姑且稱之為「跨域關聯」。譬如微博上的內容和社交關系，Flickr上的圖片共享，手機通訊關系，淘寶上的購物記錄等數據通過同一個用戶關聯起來；又如移動手機定位的移動軌跡，車載GPS的移動數據，街旁上的簽到數據，順豐物流的遞送數據通過同一個地點關聯起來。跨域關聯是數據量增大後從量變到質變的飛躍，是大數據巨大價值的基礎。
大數據會給整個社會帶來從生活到思維上革命性的變化：企業和政府的管理人員在進行決策的時候，會出現從「經驗即決策」到「數據輔助決策」再到「數據即決策」的變化；人們所接受的服務，將以數字化和個性化的方式呈現，藉助3D列印技術和生物基因工程，零售業和醫療業亦將實現數字化和個性化的服務；以小規模實驗、定性或半定量分析為主要手段的科學分支，如社會學、心理學、管理學等，將會向大規模定量化數據分析轉型；將會出現數據運營商和數據市場，以數據和數據產品為對象，通過加工和交易數據獲取商業價值；人類將在哲學層面上重新思考諸如「物質和信息誰更基礎」「生命的本質是什麼」「生命存在的最終形態是什麼」等本體論問題……綜上，大數據不是數據量的簡單刻畫，也不是特定演算法、技術或商業模式上的發展，而是從數據量、數據形態和數據分析處理方式，到理念和形態上重大變革的總和——大數據是基於多源異構、跨域關聯的海量數據分析所產生的決策流程、商業模式、科學範式、生活方式和觀念形態上的顛覆性變化的總和。

㈧ 哪位高手了解大數據怎麼操作，越詳細越好

你這個問題問的太泛了一點兒，首先，你的數據有多大，其次，你想用這個來幹啥。其次才是工具的選擇。如果你想自己學的話，有個PPV課的大數據的網站，可以去了解看看。

㈨ 大數據如何入門

聽說你想要學大數據？你確定你搞清楚概念了嗎？我們來做個小測驗吧：
數據分析師在公司是干什麼的？
大數據和普通數據最大的區別是什麼？
你的日常工作中根本接觸不到大數據，你真正想學的是大數據嗎？
有點蒙圈了吧。魚君正是要幫你在最短的時間內理清這些概念，找准自己前進的方向。
大數據之「大」數據，大家會陌生嗎？不會。我們每天的日常生活都會接觸到數據。淘寶購物時貨比三家的價格，年終考核之後發給我們的獎金，發表在知乎上的文章的評論數量，這些都是數據。
從人們會計數開始，數據就有了，數據分析也是。那麼大數據呢？
說到大數據，你就繞不開互聯網。在互聯網出現之前，雖然政府部門和一些公共事業單位通過日積月累獲得了較大量的數據，但並沒有形成足夠的影響力。直到互聯網產品的出現，由於它收集用戶數據的便利性，通常在一天之內就能夠累計其他行業可能一年才能獲取的數據量。
數據量的升級造成演算法和硬體都必須要升級，操作起來的技術難度也就會提高很多。這個時候，就需要專業的技術和平台來完成存儲，處理和分析大數據的工作。比如說，大家都聽過的Hadoop平台，MapRece演算法。都是大數據時代的產物。
因此，我認為，大數據的核心，就在於大。
有一定規模的互聯網公司都會成立專門的大數據部門來管理自己產品所收集到的大數據。數據量越大，處理難度就越高，相應的，可能挖掘到的內涵也會更多。於是，大數據就成了一個產業，一個火熱的產業。
大數據圈子裡的人在大數據行業這個圈子裡，公司提供的職位大致分為三類：數據分析師，數據產品經理，數據工程師。他們緊密合作，共同驅動公司的數據決策文化。
那麼，著三種職位都是做什麼的？又該怎麼入行呢？
數據分析師
數據分析師，是使用大數據的人。核心是掌握各種數據分析工具和數據分析技能，目標是為公司管理層和產品團隊提供分析報告，幫助他們做決策。
實際工作中，數據會被處理成各種不同的類型提供給數據分析師使用，有比較原始的，有比較簡單好用的。因此，數據分析師需要掌握R, SQL，Excel, Python基礎編程等多種技能，以及熟練掌握常用的數據分析方法。
如果你立志於成為一個數據分析師甚至數據科學家，那麼我強烈建議你進行系統的學習。
數據產品經理
數據產品經理是設計數據產品的人。核心技能是數據需求分析和數據產品的設計，和其他的互聯網產品經理並沒有本質的不同。實際工作中，數據產品經理需要收集不同用戶的數據需求並且設計出好用的數據產品提供給大家，幫助他們「用數據做決定」。
怎麼入門呢？關於具體的進階流程，我希望你聽一下我在一塊聽聽上做的講座《4步讓你成為大數據產品經理》，會為你提供非常全面的介紹。
常見的推薦入門書籍有《人人都是產品經理》，《The DatawareHouse Toolkit》，《Lean Analytics》等等。
數據工程師
數據工程師，簡單分兩種，一類是數據挖掘工程師，另外一類是大數據平台工程師。工程師的基本技能當然是寫代碼，寫高質量的代碼。
數據挖掘工程師主要工作是開發大數據流水線以及和數據分析師一起完成數據挖掘項目，而數據平台工程師主要工作是維護大數據平台。
因此，理工科背景出身，掌握C, C#, Python等編程/腳本語言，熟悉各種基礎演算法即可以勝任。
如何用數據做決策
對於那些並不想轉行進入大數據圈子的人，我們要學的究竟是什麼？
我相信，在我們的日常工作中，特別是業績不佳，找不到突破口的時候，都曾想過能否用數據來幫助自己。因為我們都曾或多或少聽過一些牛逼的數據案例，比如紙尿布與啤酒之類。
舉一個簡單的例子，你經營的餐館現在狀況不佳。你可以自己拍腦袋想一堆的新點子來嘗試改善現狀。你也可以，收集整理數據，通過分析找出根本原因，並提出對應解決方案，從而扭轉局面。後者聽起來似乎更加靠譜一些。
那麼，你該收集什麼數據，做什麼分析，這就是你需要學習的：「如何用數據做決策」。從這個角度講，我認為：
人人都應該是數據分析師
學習系統的數據決策和數據分析思維，我們可以從這篇文章開始：從0到1搭建數據分析知識體系。我自己工作中常用的數據分析方法都被囊括在裡面，如果趨勢分析，多維分解，用戶分群，漏斗分析等等。請不要小看一篇文章，知識在精不在多。
你還可以從一本簡單好讀的《誰說菜鳥不會數據分析》開始搭建你的數據分析思維。
關於數據分析的書籍太多了，眾口難調，隨便一搜就有一大堆推薦。而其中所講的知識和理論其實都是類似的。最終要讓他們發揮作用，還是要和實踐結合起來。
因此，我認為，在自己的生意和工作中多實踐數據分析，多思考，遇到問題多在社群中提問和大家探討，是最好的學習辦法。我自己也一直是這樣踐行的。
帶著問題去學習，是最好的方式。
在這個過程中，隨著你對數據的深入了解，掌握更多的數據分析語言和工具。從Excel到SQL，甚至到R和Python。你所能使用的數據量也會越來越大。但你大可不必一開始就扎入這些工具的學習中，那樣會收效甚微。

㈩ 我們需要了解身邊的哪些大數據

如今，數據這個詞讓很多人感到困惑，其中包括一些商人。但沒有人責怪他們，因為大數據是一個相當令人困惑的概念。關於大數據的唯一共識就是「大數據」這個術語本身並沒有特定的定義。大數據最簡單的定義是任何一組對於Excel電子表格來說太大的原始數據。現在大多數人都能理解。除此之外，最重要的是理解我們身邊所有的大數據。
大數據能為企業帶來什麼?
大數據是偉大的。在商業上獲得機會是一件好事。但它能真正為企業的業務做些什麼呢?很多。但大數據本身對普通業務人員沒有多大用處。作為一個企業家，真正需要的是洞察力。幸運的是，有像企業數據目錄這樣的工具，企業家可以使用這些數據來了解其所掌握的數據。
大數據分析可以用來存儲、處理、分析以及從大量結構化和非結構化數據中得出結論。數據流處理是一種大數據解決方案，可以幫助企業同時分析和理解連續數據或歷史數據。它結合歷史數據和連續數據來添加場景。以下是可以了解人們身邊的大數據，從而改善業務的一些方法：
調整企業的業務模式
數據可以給企業帶來令人興奮的創收新途徑，從而成為其商業模式的一部分。企業可以通過多種方式將數據貨幣化。例如，可以將數據出售給客戶和第三方，以創建新的收入來源。要從中賺取收入，企業所要做的就是確保所生成的數據為其消費者提供增值服務。
例如，Facebook免費提供給用戶帳號，但該公司仍然收入。Facebook公司利用其大量的用戶數據，並利用免費的服務和人們須支付費用的一些服務獲得利潤。傳統上，Facebook一直從廣告中獲得收入。企業可以調整其商業模式，並採用大數據創造一些收入。
招聘和管理人才
大數據可幫助企業留住現有員工，確定最佳招聘渠道，並選擇最佳人選。企業可以分析個人發展，生產力數據，曠工數據等，以獲得招聘部門和員工管理見解。這些數據大部分可以免費使用。
改善業務運作
它可以用來改善每個行業的業務運作。實際上，任何生成數據的業務流程都可以進行優化以提高效率。一些數據流程包括客戶訂購系統，運送車輛上的感測器，以及生產線上的機器。
分析競爭對手情況
企業必須分析競爭對手的商店/網站，或獲知業界消息，以了解他們的行事方式。如今，企業甚至足不出戶就可以知道對手在做什麼。因為大數據使其財務和其他重要信息隨時可用。
識別行業趨勢
在涉及趨勢分析和預測的時候，找出企業要找的東西是非常容易的。Google，Twitter和Facebook上的熱門話題每天都在閃現。只要企業知道自己在找什麼，就一定會有所獲。
無論是哪個行業的企業，每天都可能會產生有大數據。大企業和中小企業的數據量正以驚人的速度增長。問題是，大多數人不知道如何處理數據，而那些充分利用大數據的企業將在業務競爭中獲益。
以上由物聯傳媒轉載，如有侵權聯系刪除