数字数据的扩展已经进行了十多年了,对于那些稍微对此有所了解的人们来说,他们都明白大数据绝不是仅仅只涉及到谷歌、易趣网或亚马逊这样规模的数据集。任何规模的企业都有机会从大数据集、大数据的融合中获得优势,并由此构建其未来业务分析的基础。结合当前的这些数据,将会给您的企业带来无与伦比的机会。
然而,尽管大数据正在被广泛的讨论,目前看来,其仍然是一个很大的谜一样的神话。事实上,围绕大数据的误解似乎已经达到了神话般的境界。如下便是五大神话。
1、大数据仅仅是海量的数据量
容量仅仅是界定大数据定义的关键要素之一,而对于大数据的定义至少有三个方面的重要要素。其他两方面分别是种类和传输速度。与后两者相结合,便是Gartner调研公司的道格•兰尼最初在2001年的调研报告中给出的关于大数据的概念。
一般来说,专家们普遍认为PB级的数据为大数据的起点,尽管这一指标仍然是一个变化中的目标。因此,虽然容量这一因素是非常重要的,而接下来的另外两个衡量指标也不容忽视。
种类是指许多不同的数据和文件类型,对于管理和更深入的分析数据是至关重要的。但不适合传统的关系数据库。这方面的例子包括各种声音和电影文件、图像、文档、地理定位数据、网络日志和文本字符串。
速度是有关数据的变化率,以及其必须如何快速的被使用,以创造真正的价值。传统技术,尤其不适合用于高速数据储存和使用。因此,采用新的方法是必要的。如果有问题的数据创建和聚合速度非常快,就必须使用迅速的方式来揭示其相关的模式和问题。你发现问题的速度越快,就越有利于您从你大数据分析中获得更多的机会。
2、大数据指的是Hadoop
Hadoop是Apache为大数据工作的开源软件框架。其是来自于Google的技术加上雅虎的理念和其他,并付诸实践得出的。但是,大数据是如此的多样,和复杂,其绝对不存在一套放之四海而皆准的万能的解决办法。虽然Hadoop已经毫无疑问的获得了相当大的知名度,但其也仅仅只是适合大数据存储和管理的三种技术的其中之一。其他两个种技术上NoSQL和大规模并行处理(MPP)数据存储。MPP数据存储的例子包括EMC的Greenplum、IBM公司的Netezza和惠普的Vertica。
此外,Hadoop是一个软件框架,这意味着它包括若干专门设计的组件,是专门设计来解决大规模分布式数据存储,分析和检索任务的。不是所有的Hadoop组件都是必要的,对于一个大的数据解决方案,其中一些组件可取代其他技术,更好地配合用户的需求。一个例子是MapR的Hadoop,其中包括NFS作为HDFS的替代,并提供了一个完整的随机存取,读/写文件系统。
3、大数据意味着非结构化数据
“非结构化”这一术语是不准确的,其没有考虑到许多通常与大数据类型相关的不同的和微妙的结构。此外,大数据很可能在同一数据集有不同的数据类型,不包含相同的结构。
因此,大数据更好可能是被称为“多层结构”,因为它可以包含文本字符串、所有类型的文件、音频和视频文件、元数据、网页、电子邮件、社交媒体供稿、表格数据,等等。这些不同的数据类型一致的特点是不知道其数据架构或不知道在这些数据被捕获和存储时如何定义。相反,一个数据模型经常在数据被使用时进行应用。
4、大数据只是社会媒体内容和情感分析
简而言之,如果您的企业需要广泛地分析网络流量、IT系统日志、客户的情绪,或任何其他类型的每一天所创建的数字纪录册上的阴影,大数据提供了一个办法做到这一点。即使大数据的早期开拓者,已成为最大的基于网络的社会化媒体公司:谷歌、雅虎、Facebook,他们的服务所产生的数据,需要一种全新的解决方案,而不是分析社会媒体内容和访客情感分析。
现在,由于迅速增长的计算机电源(通常是基于云计算的)、开源软件(例如,Apache的Hadoop发行版),以及如果利用得当现代化对于数据可以产生经济价值的冲击,大数据源源不断地产生新的用途和应用。大数据带来了很多让人欣喜的成果,其中包含了一些令人深思的用途,这在今年年初曾经在“福布斯”上的相关文章中报道过。
5、NoSQL意味着非结构化查询语言
NoSQL意味着“不仅仅”是SQL,因为这些类型的数据存储提供特定领域的访问和查询技术,除了SQL或类似SQL接口。NoSQL这一类的技术,包括关键值存储、面向文档的数据库、图形数据库、大表结构和缓存数据存储。具体的本地存储的数据访问方法提供了一个丰富的、低延时的方法,通常是通过专有接口。SQL访问具有熟悉许多工具并与之兼容的优势。虽然这通常是在一些底层系统解释查询本地的“语言”的延迟费用。
数据分析咨询请扫描二维码
自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10在如今的数据驱动世界,数据分析师在各行各业中扮演着至关重要的角色。随着企业越来越依赖数据决策,数据分析职位的需求不断增加 ...
2024-11-10