1. 移动互联网数据分析的类别有哪些

数据分析是一种靠谱的产品研究方法, 这玩意有很多误区, 也不能迷信, 最终到头来还是要人来做决策

忽略沉默的用户
二战时英国空军为了降低飞机的损失，决定给飞机的机身进行装甲加固。由于当时条件所限，只能用装甲加固飞机上的少数部位。他们对执行完轰炸任务返航的飞机进行仔细的观察、分析、统计。发现大多数的弹孔，都集中在飞机的机翼上；只有少数弹孔位于驾驶舱。从数据上说, 加固机翼的性价比最高. 但实际情况缺恰恰相反, 驾驶舱才是最应加固的地方, 因为驾驶舱被击中的飞机几乎都没飞回来.
"发声"的数据是最好获取的, 但如果没把这些沉默的数据考虑进来, 那么这种数据分析是不靠谱的. 所以除了数据的结果, 还得尝试解读这些数据. 而解读数据就完全依赖人了.

把沉默用户当做支持和反对的中间态
2家网站A和B，都经营类似的业务，都有稳定的用户群。它们都进行了类似的网站界面改版。改版之后，网站A没有得到用户的赞扬，反而遭到很多用户的臭骂；而网站B既没有用户夸它，也没有用户骂它。如果从数据来看, 应该是网站B的改版相对更成功, 因为没有用户表达不满。但事实并非如此。网站A虽然遭到很多用户痛骂，但说明还有很多用户在乎它；对于网站B，用户对它已经不关心它了.
网站A指的是Facebook，网站B是微软旗下的Live Space。
把数据作为决策的唯一标准
通常认为数据分析指导工作是一种高性价比的做法, 不容易犯错, 对于代表资方的管理层来说, 比起依赖于人的决策, 依赖于数据的决策似乎更稳健.
这种决策在从0.5向0.8的产品改进上, 可能是有效的. 因为一个已有的产品, 数据就摆在那. 100个用户50个访问超时, 解决了这个问题, 就提升了50%的效果.
但对于从0到0.1的新产品上, 由于数据很难获取, 需要花大力气在获取模拟数据上. 往往是用一周时间去想明白一个做两个小时的产品该不该做的问题. 而且模拟的结果还和最终实际相差很远.
A/B test或是原型系统, 先做出来, 再去验证, 在一些场合下比先拿数据要有效的多.

认为数据是绝对客观的
为了减少内耗, 往往依赖于数据来做决断. 我一直认为数据本身是带有主观性的, 完全客观的数据是没有的. 数据的获取方法, 数据的解读方法, 数据的统计方法, 都是人的决策. 一份数据拿出两个相反的结论来也不是没有可能. 即使主观上没有偏向性, 也受限于方法和视野.
决策上最终起作用的还是人不是数据. 虽然人有那么多的不确定性, 还可能出现争论, 扯皮, 不敢承担责任.

部分内容节选自: 编程随想--思维的误区 http://blog.csdn.net/program_think/archive/2010/07/20/5748406.aspx

2. 移动互联网的数据挖掘有哪些方面可以研究的

好吧，移动互联网是一个很庞大的领域，数据挖掘本质是对从海量的数据中获取信息的算法，工具，甚至思想的概括性称呼。那么移动互联网的数据挖掘有哪方面可以研究呢，或者说数据挖掘能在移动互联网中做什么呢 。可能的种类等于 数据——信息需求——工具算法的组合，这也太多了吧。如：

APP的下载卸载数据，可以研究应用市场的结构和趋势，研究产品的好坏或者市场推广的作用。
APP的使用数据，可以研究人的手机应用偏好，产品使用组合和特征。

LBS的数据，可以追踪用户的行踪，研究不同人的生活轨迹，进行特征分类。

各种商业研究，商业智能里面忽悠的种种美好分析等，大家都可以列举一大堆了吧……
1.用户爱用手机上哪些网站，用哪些 app，每天耗费的时间、次数分别是多少？
2.每日电话、短信的频率，时段，人群分布？
以此可以推断出用户的性别、年龄、职业、兴趣爱好等等关键数据，从而可以做精准广告投放，app数据这一块友盟走在了国内的前列，我很看好该产品的未来，上哪些网站的数据，uc web和qq浏览器应该也收集了很多，都是很有前途的。 电话、短信等私密数据，目前只有运营商有，如果你是运营商的数据挖掘，可注重这方面数据。

3. 有哪些好的渠道获取互联网或移动互联网数据的呢

1丶移动互联网金融。阿里余额宝，从去年6月13日上线至今，其销售额已达5700亿，用户数量突破一亿万。更是带动了一大批互联网理财产品的诞生，更是把银行“倒逼”推出高利率理财产品来对抗。 2丶移动支付。2014年，O2O商业模式的兴起，移动支付成为O2O闭环中的关键。随着用户消费场景的移动化，移动支付在今年更是呈现出爆炸式增长的势头。 3丶O2O。从绫致的O2O构想，到天猫家具O2O兵败双11，从苏宁的第一个O2O购物节，到京东的O2O战略，无论是电商品牌商，还是电商平台，都在围绕O2O布局。2014年也是O2O突飞猛进的一年，随着移动支付的完善，线上和线下的打通，O2O将会开拓出一个更加巨大的消费市场。 4丶大数据。“大数据”是今年互联网年度最热门的词之一。大数据可以做很多营销效果预测。针对于消费者洞察丶营销创新和帮助品牌挖掘市场蓝海等一系列的领域有很多合作。比如，今年的世界杯网络就通过“大数据预测”从而进行球队之间的胜率估算，结果还相当准确。 上述这些就是由移动互联网诞生的产物，相信大家都已经有了初步的了解。好了，回到正题，下面就和大家说说，关于移动互联网的营销方式以及技巧。 第一讲：移动互联网营销-微信营销 微信营销之前一直曾被人“唱衰”，有人质疑也有人说是忽悠。但随着腾讯不断推动微信的商业化，各种负面的声音开始消失，由6亿微信用户支持起来的营销方式开始被认可。微信，一个让马云都感到胆颤的移动社交媒体，尤其是在推出的“微信小店”功能后，更是赤裸裸的透露出了腾讯想要抗衡淘宝的野心。微信作为腾讯进军移动电商的最大筹码，自然不会像我们表面上看起来的那么简单。 如果腾讯能成功的把商家与消费者在微信上进行对接，那么未来微信极有可能在成为最大的移动电商平台。日前微信平台还推出了广告系统，虽说是内测版，但是流量布局已经初现端倪。如果把之前腾讯对微信进行的布局剖析，那么就不难发现，微信公众平台（企业塑造品牌）+微信小店（用户购买商品）+广告系统（流量渠道）=移动电商。所以，我们要未雨绸缪，学习好微信营销十分重要。 目前微信营销主要分为两大方面：一个是微信公众平台，一个是朋友圈营销。微信公众号倾向于企业，用来做品牌和推广，维护老客户，吸引粉丝从而发掘新客户。朋友圈营销倾向于个人，现在许多中小卖家也在研究，用来向朋友卖货，通过“熟人”关系的购买率十分高，也被称之为“熟人经济”。 A丶微信公众平台运营技巧 1丶公众号定位。微信公众号运营，定位就是一个账号运营方向，运营方向也决定着一个账号吸引来的用户群体。因此，第一步“定位”很重要。比如我的公众号是做“微营销”方面的公众号，那么来关注我的用户肯定是对这方面感兴趣的。那么这一部分人就是我要针对的用户，就是我要营销的对象。 2丶提供价值内容。现在做运营讲究内容为王，用户之所以关注你，是因为在你这能得到他想要的价值内容。用户才是营销的基础，所以做好内容很关键。 3丶推送内容如何选择。推送的内容要与账号运营属搭边。就像刚才说的，我是做“微营销”方面的公众号运营，却推送一些的与“微营销”完全无关的内容，用户从你这里获取不到想要的内容，自然就会取消关注。 避免推送的内容含有太多的广告。有许多微信公众号运营者为了赚钱而把广告植入到推送的内容当中，偶尔几次用户还不会反感，多了就让人十分反胃了。 不要推送原创性低没多大价值的文章。大家都知道如今网络上的东西，基本上都在互相抄袭，大多数千篇一律。而且用户关注的公众号说不定当中就会出现跟你推送内容重复的公众号，用户这时候就会考虑二者选其一，把你取消关注。 4丶通过优惠活动来提高转化率。吸引粉丝的目的是为了帮你创造更大的价值，实现营销目的。你上去就跟用户介绍产品，人家能鸟你才怪！我们需要一个切入点，那就是“优惠活动”，通过进行一些能给用户带来优惠或者利益互动活动，引导到线下实体店进行消费，从而达到我们最终的目的。 B丶朋友圈营销技巧 朋友圈营销其实和做微信公众号运营一样，先要给自己一个明确的定位，然后围绕定位一系列的产品丶运营丶营销。 1丶产品定位。如果你想要通过朋友圈来卖货，那么你就要弄清楚你要卖的产品应该针对什么样的消费群体。应该怎么根据这些消费群体的需求来提供产品。 2丶 如何选择产品。不少人觉得很困惑，不知道在微信究竟卖些什么产品好。其实卖什么不重要，关键是怎样卖，怎样在卖的过程中不断的优化运营方式。产品宜精不宜多，不要选择代理已经成熟的品牌，也不要选择代理全新的小品牌，而要选择有潜力和发展空间的品牌去代理，及能保证自己现有的生存空间，又保证未来的发展空间。 3丶营销有节操。近来微信朋友圈由于某些人为了提高自己产品的曝光率，无节制的推送产品信息，严重骚扰用户。这样的做的后果只有一个，就是被拉黑！朋友圈营销是“熟人社交经济”，我们要做的是建立信任。在这个基础上达到营销目的。而不仅仅是修完图发到微信朋友圈卖东西就畅通无阻了。 微信营销的主要方式就是这两大方面，美中不足的就是传播性不强，比较“封闭性”。随着未来微信的开放，这些问题也将会得到解决。 第二讲：移动互联网营销-微博营销 微博注重的是传播和媒体，而微信最早的出发点和核心是社交工具。举个例子，微博就像是在广场上的演讲，可以迅速广而告之，人与人之间不需要特定的关系维系，任何人都可以发表消息，任何人都可以旁听，你可以把消息传出去，也可以发表你自己的想法和观点；而微信就像我们朋友圈子在自家举行的沙龙聚会，这是一个封闭的社交圈，不是你想来就来的。 A丶微博运营技巧 作为一种分享和交流平台，微博一般有140个字的长度限制，其最大的特点就是：发布信息快，传播信息更快。那么，我们该如何做好一个微博号的运营？下面就跟大家分析，微博的运营和圈粉技巧 1丶精准定位。微博粉丝众多当然是好事儿，但是，对于微博营销来说，“粉丝”质量更重要。因为我们最终的目的是从微博粉丝身上转化出商业价值的，这就需要拥有有价值的粉丝。 2丶传播价值内容。现在微博用户以亿计，那些能对用户创造价值内容的微博，自身价值才会不断提高，微博营销才可能达到期望的商业目的。我们只有认清了这个因果关系，才可能从微博营销中受益。 3丶持续的更新。微博就像一本随时更新的电子杂志，想让大家养成观看习惯，维持微博的活跃度，就要定时丶定量丶定向的发布内容。 4丶多跟粉丝进行互动。微博的魅力在于互动，拥有一群不说话的粉丝是很危险的，因为他们慢慢会变成不看你内容的粉丝，最后更可能是离开。因此，互动性是使微博持续发展的关键。 B丶微博圈粉技巧 如何判定一个社交账号的价值，答案当然是“粉丝”。粉丝多了，传播和推广都容易做起来，其中的好处不言而喻。那么我们该如何获取到粉丝呢？ 1丶利用好签名档。新浪微博的工具栏里面为用户提供了签名档的代码，这个一定要好好利用，因为签名档算是一个一劳永逸的方法 (微博首页的右上角有一个工具，点开就能看到) 首先，应该为你的邮件添加图片超链接签名档，这样，你每发一封电子邮件，就有一个人知道你的新浪微博地址 具体请参见这篇文章：邮件签名添加新浪微博签名档 其次，在你经常活跃的论坛上添加签名档，如果你在论坛的活跃度够高的话，能给你带来的粉丝数是相当可观的 最后，再你的博客上添加一个微博秀or签名档，将你博客的读者吸引到微博上。 2丶软文吸粉。写一些你比较拿手的干货文章，然后发表到各个论坛和门户网站上， 并留下你的新浪微博地址，相信有很多网友愿意和你交流。 3丶qq群吸粉。在qq群里面搜索微博，有很多qq群，加进去，积极参与讨论，对你感兴趣的人，私聊，互相加一下关注，这样的粉丝质量更高，粘性也更强， 比互听大队靠谱多了。 4丶活动吸粉 。很多人经常在微博上搞转发，加关注活动，获得了很好的吸粉效果。 加关注，随即抽奖，赠送一些实物，这些实物最好是有个噱头的，才会让更多人主动的去转发! 微博用来做传播 利用微博的媒体属性，你可以轻易通过大号转发，顷刻间令千百万人知道你想说的事情。微信用来做品牌，通过微信带有的“圈子”性质，实现点对点的精准推广，更加高效的实现营销目的。另外一个移动互联网的产物，APP也一样是进行营销的好平台和手段。 第三讲：移动互联网营销——APP营销 现在人们的生活就是一张移动互联网的生活，尤其是对于年轻人来说，移动互联网已经深深地在他们生活中扎下了根。据统计：45%的智能手机用户需要每天使用APP 1小时以上，21%使用APP 2小时以上，还有7%的APP重度使用者，每天使用APP 5小时以上，43%的白领会每天使用APP 1小时以上，42%的高管每天会每天使用APP 1小时以上，公务员使用APP也很频繁，46%的公务员每天使用APP 1小时以上。 这些数据意味着APP开发市场潜力有多大。于是乎，通过移动互联网进行营销就成为了理所当然的事了。谁不想通过移动互联网分一杯羹呢。而作为移动互联网的一大组成部分APP可谓是承载了许许多多移动互联网营销的使命。 那么所谓的APP营销又有哪些方式和方法呢？总的来说，APP客户端可以为企业提供全面的营销战略服务，帮助企业达成品牌形象传播丶产品营销推广丶客户关系维护丶销售转化，从而提升产品销量。 APP营销策略： APP营销不外乎三个步奏，把这四个步奏做好了，APP营销的效果纵使不好也不会差。笔者总结这四步走是：1丶推出去；2丶让用户产生粘性；3丶数据分析。下面我们就一步一步慢慢聊 一丶推广出去 所谓“推广出去”，即是当APP按照一定的思路规划开发完成了以后，想办法把APP通过各种渠道大力地推广出去，让大量的移动互联网用户知道这个APP并且知道这个APP的用处是什么。这是非常重要的一步，很关键的一步。将APP推出去的的方法有很多，大概可以分为以下几点。 1丶 微博推广 微博是聚集了大量人气的地方，很多年轻人甚至是上了年纪的用户都会在这里寻找自己的乐趣。所以在微博上养一个与所要推广的APP相关的号，当拥有一定的粉丝数量以后，基于兴趣很多人就会自然关注你的APP。通过这种方式经常在微博上发布APP的相关信息，分享使用APP的好处和乐趣，就能够带来大量的下载量。 2丶豆瓣推广 豆瓣是一个分组很明确的论坛，也是拥有大量人气的网络平台，在豆瓣上相应的兴趣小组里推广APP收效也是比较明显的。此外，在豆瓣上通过写软文的方式也能引来非常多的下载量！ 3丶微信推广 利用微信朋友圈和微信公众号进行推广。微信公众号应该树立比较高的可信度，然后在微信公众号上推广关于APP的各种实用之处和好玩之处，造出势了就能形成很不错的反响。而且当公众号的粉丝真心觉得你的APP好的时候，他会很乐意为你分享。朋友圈营销是熟人的营销，认真的给你的朋友解释这个APP的好处，然后诚恳地让你的朋友帮你分享转发，效果会出乎意料之外。 4丶应用市场 A丶首发 利用各应用商城的平台进行推广，腾讯的应用宝丶小米的应用市场丶安卓的丶苹果商店丶网络丶91丶联想乐商店丶360首发丶豌豆荚等都可以尝试一下。 5丶媒体推广 有许多科技类的媒体对于好的APP是非常乐意报道的。比如科技博客，36氪丶创业邦丶快鲤鱼丶中国微营销网等等。 B丶让用户产生粘性 接下来我们来谈谈第二点，如何让用户产生粘性。想要用户使用你的APP，你就必须得真实地为用户提供好处。想要黏住用户，那你就必须得让他对你的APP产生依赖，让他感觉喜欢你丶离不开你。让用户产生粘性需要从两方面入手，内容和用户参与度。 1 内容，用户打开你的APP，需要看到的东西，影响着用户对APP的直观印象，也是用户是否能从这个app中得到满足的很重要的一点。你需要给用户最优质的最新颖的内容。你的内容最好能原创，但是若不能原创也不能胡乱复制一通。你需要精心策划内容，让你的内容击中用户的痛处。“内容为王”是永不过时的营销手段。 2 用户参与：无论多么丰富的内容，多么华丽的画面，如果用户没有代入感，没有参与感，终究只是看戏的人。所以我们无论做内容还是做活动都需要注意这一点。设定一些能跟用户进行互动的环节，将会带来很好的口碑宣传。 C丶利用APP功能数据分析丶关键词设定 现在最火的一个概念就是“大数据”，BAT都在做大数据。做APP营销也需要做大数据。有了大数据以后，我们要善于分析，了解用户的来源渠道丶吸引用户下载的原因丶用户不卸载APP的原因，用户使用APP的周期与深度丶用户的个人的资本资料等等。 要善于分析数据，并根据数据进行推广的调整，制定新版本更新的方向等。比如，若女性用户多，那可考虑在女性论坛推广，推送感性的内容。若卸载率比较大，则考虑增加交互的元素。若用户不够活跃，则需要利用活动刺激等等。 APP营销技巧分析——APP营销有什么弊端？ APP营销在移动互联网初期是一个相当火热的概念，如今经过沉淀，已经变得成熟起来。当然，APP营销也有着自己本身的缺点。APP开发和推广成本高丶难以让APP用户形成使用习惯和粘性等问题一直是企业苦恼的问题。所以企业想要通过APP来进行企业营销时也需要考虑到这些问题。 结语： 移动互联网营销是随着4G时代和智能手机高度普及而产生的一门营销的学问。智能手机虽然已经高度普及，但是人们对于智能手机还没有理解通透，没有高度依赖智能手机。移动互联网的产生时间也并不长，4G时代其实还未真正到来，通讯商不过是打着4G的口号在大张旗鼓推广自己。所以移动互联网营销还是非常稚嫩的学问。 面对如此大背景，企业对移动互联网的态度需要慎重，既不能盲目迷信移动互联网营销，认为只要运用了移动互联网营销的方法就必定能企业大红特红。但是也不能忽略移动互联网营销，移动互联网代表着未来，因此移动互联网营销也将会是未来营销的主旋律。现在开始学习和运用移动互联网营销，通过互联网的思维做事是必须的，如果现在还不进入移动互联网必将面临淘汰，但是也要把握好尺度。

4. 如何爬取移动互联网上的数据

鳄鱼肉她突然一样呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀呀

5. 移动互联网的定义是什么核心内容是什么

移动互来联的定义是：是将移动通自信和互联网二者结合起来，成为一体；是指互联网的技术、平台、商业模式和应用与移动通信技术结合并实践的活动的总称。
移动互联的核心内容是：是互联网，因此一般认为移动互联网是桌面互联网的补充和延伸，应用和内容仍是移动互联网的根本。
有所帮助，望点赞。

6. 中国移动互联网用户数据

1、用户登录 中国移动官方网 进行查询！
2、移动营业厅查询!

7. 海量移动互联网数据 怎么做数据分析

一、数据量过大，数据中什么情况都可能存在。
如果说有10条数据，那么大不了每条去逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数据上到千万级别，甚至 过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，尤其海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题，尤其在程序处理时， 前面还能正常处理，突然到了某个地方问题出现了，程序终止了。
二、软硬件要求高，系统资源占用率高。
对海量的数据进行处理，除了好的方法，最重要的就是合理使用工具，合理分配系统资源。一般情况，如果处理的数据过TB级，小型机是要考虑的，普通的机子如果有好的方法可以考虑，不过也必须加大CPU和内存，就象面对着千军万马，光有勇气没有一兵一卒是很难取胜的。
三、要求很高的处理方法和技巧。
这也是本文的写作目的所在，好的处理方法是一位工程师长期工作经验的积累，也是个人的经验的总结。没有通用的处理方法，但有通用的原理和规则。
下面我们来详细介绍一下处理海量数据的经验和技巧：
一、选用优秀的数据库工具
现在的数据库工具厂家比较多，对海量数据的处理对所使用的数据库工具要求比较高，一般使用Oracle或者DB2，微软 公司最近发布的SQL Server 2005性能也不错。另外在BI领域：数据库，数据仓库，多维数据库，数据挖掘等相关工具也要进行选择，象好的ETL工具和好的OLAP工具都十分必要， 例如Informatic，Eassbase等。笔者在实际数据分析项目中，对每天6000万条的日志数据进行处理，使用SQL Server 2000需要花费6小时，而使用SQL Server 2005则只需要花费3小时。
二、编写优良的程序代码
处理数据离不开优秀的程序代码，尤其在进行复杂数据处理时，必须使用程序。好的程序代码对数据的处理至关重要，这不仅仅是数据处理准确度的问题，更是数据处理效率的问题。良好的程序代码应该包含好的算法，包含好的处理流程，包含好的效率，包含好的异常处理机制等。
三、对海量数据进行分区操作
对海量数据进行分区操作十分必要，例如针对按年份存取的数据，我们可以按年进行分区，不同的数据库有不同的分区方式，不 过处理机制大体相同。例如SQL Server的数据库分区是将不同的数据存于不同的文件组下，而不同的文件组存于不同的磁盘分区下，这样将数据分散开，减小磁盘I/O，减小了系统负荷， 而且还可以将日志，索引等放于不同的分区下。
四、建立广泛的索引
对海量的数据处理，对大表建立索引是必行的，建立索引要考虑到具体情况，例如针对大表的分组、排序等字段，都要建立相应 索引，一般还可以建立复合索引，对经常插入的表则建立索引时要小心，笔者在处理数据时，曾经在一个ETL流程中，当插入表时，首先删除索引，然后插入完 毕，建立索引，并实施聚合操作，聚合完成后，再次插入前还是删除索引，所以索引要用到好的时机，索引的填充因子和聚集、非聚集索引都要考虑。
五、建立缓存机制
当数据量增加时，一般的处理工具都要考虑到缓存问题。缓存大小设置的好差也关系到数据处理的成败，例如，笔者在处理2亿条数据聚合操作时，缓存设置为100000条/Buffer，这对于这个级别的数据量是可行的。
六、加大虚拟内存
如果系统资源有限，内存提示不足，则可以靠增加虚拟内存来解决。笔者在实际项目中曾经遇到针对18亿条的数据进行处理， 内存为1GB，1个P42.4G的CPU，对这么大的数据量进行聚合操作是有问题的，提示内存不足，那么采用了加大虚拟内存的方法来解决，在6块磁盘分区 上分别建立了6个4096M的磁盘分区，用于虚拟内存，这样虚拟的内存则增加为 4096*6 + 1024 =25600 M，解决了数据处理中的内存不足问题。
七、分批处理
海量数据处理难因为数据量大，那么解决海量数据处理难的问题其中一个技巧是减少数据量。可以对海量数据分批处理，然后处 理后的数据再进行合并操作，这样逐个击破，有利于小数据量的处理，不至于面对大数据量带来的问题，不过这种方法也要因时因势进行，如果不允许拆分数据，还 需要另想办法。不过一般的数据按天、按月、按年等存储的，都可以采用先分后合的方法，对数据进行分开处理。
八、使用临时表和中间表
数据量增加时，处理中要考虑提前汇总。这样做的目的是化整为零，大表变小表，分块处理完成后，再利用一定的规则进行合 并，处理过程中的临时表的使用和中间结果的保存都非常重要，如果对于超海量的数据，大表处理不了，只能拆分为多个小表。如果处理过程中需要多步汇总操作， 可按汇总步骤一步步来，不要一条语句完成，一口气吃掉一个胖子。
九、优化查询SQL语句
在对海量数据进行查询处理过程中，查询的SQL语句的性能对查询效率的影响是非常大的，编写高效优良的SQL脚本和存储 过程是数据库工作人员的职责，也是检验数据库工作人员水平的一个标准，在对SQL语句的编写过程中，例如减少关联，少用或不用游标，设计好高效的数据库表 结构等都十分必要。笔者在工作中试着对1亿行的数据使用游标，运行3个小时没有出结果，这是一定要改用程序处理了。
十、使用文本格式进行处理
对一般的数据处理可以使用数据库，如果对复杂的数据处理，必须借助程序，那么在程序操作数据库和程序操作文本之间选择， 是一定要选择程序操作文本的，原因为：程序操作文本速度快；对文本进行处理不容易出错；文本的存储不受限制等。例如一般的海量的网络日志都是文本格式或者 csv格式（文本格式），对它进行处理牵扯到数据清洗，是要利用程序进行处理的，而不建议导入数据库再做清洗。
十一、定制强大的清洗规则和出错处理机制
海量数据中存在着不一致性，极有可能出现某处的瑕疵。例如，同样的数据中的时间字段，有的可能为非标准的时间，出现的原因可能为应用程序的错误，系统的错误等，这是在进行数据处理时，必须制定强大的数据清洗规则和出错处理机制。
十二、建立视图或者物化视图
视图中的数据来源于基表，对海量数据的处理，可以将数据按一定的规则分散到各个基表中，查询或处理过程中可以基于视图进行，这样分散了磁盘I/O，正如10根绳子吊着一根柱子和一根吊着一根柱子的区别。
十三、避免使用32位机子（极端情况）
目前的计算机很多都是32位的，那么编写的程序对内存的需要便受限制，而很多的海量数据处理是必须大量消耗内存的，这便要求更好性能的机子，其中对位数的限制也十分重要。
十四、考虑操作系统问题
海量数据处理过程中，除了对数据库，处理程序等要求比较高以外，对操作系统的要求也放到了重要的位置，一般是必须使用服务器的，而且对系统的安全性和稳定性等要求也比较高。尤其对操作系统自身的缓存机制，临时空间的处理等问题都需要综合考虑。
十五、使用数据仓库和多维数据库存储
数据量加大是一定要考虑OLAP的，传统的报表可能5、6个小时出来结果，而基于Cube的查询可能只需要几分钟，因此处理海量数据的利器是OLAP多维分析，即建立数据仓库，建立多维数据集，基于多维数据集进行报表展现和数据挖掘等。
十六、使用采样数据，进行数据挖掘
基于海量数据的数据挖掘正在逐步兴起，面对着超海量的数据，一般的挖掘软件或算法往往采用数据抽样的方式进行处理，这样 的误差不会很高，大大提高了处理效率和处理的成功率。一般采样时要注意数据的完整性和，防止过大的偏差。笔者曾经对1亿2千万行的表数据进行采样，抽取出 400万行，经测试软件测试处理的误差为千分之五，客户可以接受。
还有一些方法，需要在不同的情况和场合下运用，例如使用代理键等操作，这样的好处是加快了聚合时间，因为对数值型的聚合比对字符型的聚合快得多。类似的情况需要针对不同的需求进行处理。
海量数据是发展趋势，对数据分析和挖掘也越来越重要，从海量数据中提取有用信息重要而紧迫，这便要求处理要准确，精度要高，而且处理时间要短，得到有价值信息要快，所以，对海量数据的研究很有前途，也很值得进行广泛深入的研究。
海量数据处理专题（一）——开篇
大数据量的问题是很多面试笔试中经常出现的问题，比如 google 腾讯 这样的一些涉及到海量数据的公司经常会问到。
下面的方法是我对海量数据的处理方法进行了一个一般性的总结，当然这些方法可能并不能完全覆盖所有的问题，但是这样 的一些方法也基本可以处理绝大多数遇到的问题。下面的一些问题基本直接来源于公司的面试笔试题目，方法不一定最优，如果你有更好的处理方法，欢迎与我讨 论。
本贴从解决这类问题的方法入手，开辟一系列专题来解决海量数据问题。拟包含 以下几个方面。
Bloom Filter
Hash
Bit-Map
堆(Heap)
双层桶划分
数据库索引
倒排索引（Inverted Index）
外排序
Trie树
MapRece
在这些解决方案之上，再借助一定的例子来剖析海量数据处理问题的解决方案。
最简单的一点专业的事情让专业的人去做吧 招聘懂的人来做才王道

8. 移动互联网如何让大数据，有哪些产品实例

你说的是搜集数据吗？我所在的公司以前做网络安全，现在做了安晟无限城市项目，主要是针对公共场所的无线WIFI，可以搜集到非常详细精准的数据，但是这些数据是不公开的，报备公安机构。

9. 互联网数据与移动互联网数据有什么区别

统计角度有点区别吧。

互联网更多的是电脑上网，访问各大网站的数据。
移动互联网数据通常是移动中端访问互联网、app应用的数据。

10. 移动互联网流量数据分析报告

移动互联网的是在突飞猛进的情况下进行的。移动支付、智能手机的广泛应用、以及这个4G网络时代的到来。移动互联网必将取代传统互联网~