大數(shù)據(jù)分析的五個基本方面

　　大數(shù)據(jù)分析的使用者有大數(shù)據(jù)分析專家，同時還有普通用戶，但是他們二者對于大數(shù)據(jù)分析基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現(xiàn)大數(shù)據(jù)特點，同時能夠非常容易被讀者所接受，就如同看圖說話 樣簡單明了。

　　大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，各種數(shù)據(jù)挖掘的算法基于不同的數(shù)據(jù)類型和格式才能更加科學的呈現(xiàn)出數(shù)據(jù)本身具備的特點，也正是因為這些被全 統(tǒng)計學家所公認的各種統(tǒng)計方法(可以稱之為真理)才能深入數(shù)據(jù)內(nèi)部，挖掘出公認的價值。另外 個方面也是因為有這些數(shù)據(jù)挖掘的算法才能更快速的處理大數(shù)據(jù)，如果 個算法得花上好幾年才能得出結論，那大數(shù)據(jù)的價值也就無從說起了。

　　大數(shù)據(jù)分析較終要的應用領域之 就是預測性分析，從大數(shù)據(jù)中挖掘出特點，通過科學的建立模型，之后便可以通過模型帶入新的數(shù)據(jù)，從而預測未來的數(shù)據(jù)。

　　大數(shù)據(jù)分析廣泛應用于網(wǎng)絡數(shù)據(jù)挖掘，可從用戶的搜索關鍵詞、標簽關鍵詞、或其他輸入語義，分析，判斷用戶需求，從而實現(xiàn)更好的用戶體驗和廣告匹配。

　　大數(shù)據(jù)分析離不開數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理，高質(zhì)量的數(shù)據(jù)和有效的數(shù)據(jù)管理，無論是在學術研究還是在商業(yè)應用領域，都能夠保證分析結果的真實和有價值。 大數(shù)據(jù)分析的基礎就是以上五個方面，當然更加深入大數(shù)據(jù)分析的話，還有很多很多更加有特點的、更加深入的、更加專業(yè)的大數(shù)據(jù)分析方法。

　　要明白分析什么數(shù)據(jù)，大數(shù)據(jù)要分析的數(shù)據(jù)類型主要有四大類：

　　大數(shù)據(jù)平臺能夠獲取時間跨度更大、更海量的結構化交易數(shù)據(jù)，這樣就可以對更廣泛的交易數(shù)據(jù)類型進行分析，不僅僅包括POS或電子商務購物數(shù)據(jù)，還包括行為交易數(shù)據(jù)，例如Web服務器記錄的互聯(lián)網(wǎng)點擊流數(shù)據(jù)日志。

　　非結構數(shù)據(jù)廣泛存在于電子郵件、文檔、圖片、音頻、視頻，以及通過博客、維基，尤其是社交媒體產(chǎn)生的數(shù)據(jù)流。這些數(shù)據(jù)為使用文本分析功能進行分析提供了豐富的數(shù)據(jù)源泉。

　　能夠上網(wǎng)的智能手機和平板越來越普遍。這些移動設備上的App都能夠追蹤和溝通無數(shù)事件，從App內(nèi)的交易數(shù)據(jù)(如搜索產(chǎn)品的記錄事件)到個人信息資料或狀態(tài)報告事件(如地點變更即報告 個新的地理編碼)。

　　這包括功能設備創(chuàng)建或生成的數(shù)據(jù)，例如智能電表、智能溫度控制器、工廠機器和連接互聯(lián)網(wǎng)的家用電器。這些設備可以配置為與互聯(lián)網(wǎng)絡中的其他節(jié)點通信，還可以自動向服務器傳輸數(shù)據(jù)，這樣就可以對數(shù)據(jù)進行分析。機器和傳感器數(shù)據(jù)是來自新興的物聯(lián)網(wǎng)(IoT)所產(chǎn)生的主要例子。來自物聯(lián)網(wǎng)的數(shù)據(jù)可以用于構建分析模型，連續(xù)監(jiān)測預測性行為(如當傳感器值表示有問題時進行識別)，提供規(guī)定的指令(如警示技術人員在真正出問題之前檢查設備)。

　　隨著大數(shù)據(jù)的愈演愈熱，相關大數(shù)據(jù)的職業(yè)也成為熱門，給人才發(fā)展帶來帶來了很多機會。數(shù)據(jù)科學家、數(shù)據(jù)工程師、數(shù)據(jù)分析師已經(jīng)成為大數(shù)據(jù)行業(yè)熱門的職位。它們是如何定義的?具體是做什么工作的?需要哪些技能?讓我們 起來看看吧。

　　這3個職業(yè)具體有什么職責

　　數(shù)據(jù)科學家的工作職責：數(shù)據(jù)科學家傾向于用探索數(shù)據(jù)的方式來看待周圍的 。把大量散亂的數(shù)據(jù)變成結構化的可供分析的數(shù)據(jù)，還要找出豐富的數(shù)據(jù)源，整合其他可能不完整的數(shù)據(jù)源，并清理成結果數(shù)據(jù)集。新的競爭環(huán)境中，挑戰(zhàn)不斷地變化，新數(shù)據(jù)不斷地流入，數(shù)據(jù)科學家需要幫助決策者穿梭于各種分析，從臨時數(shù)據(jù)分析到持續(xù)的數(shù)據(jù)交互分析。當他們有所發(fā)現(xiàn)，便交流他們的發(fā)現(xiàn)，建議新的業(yè)務方向。他們很有創(chuàng)造力的展示視覺化的信息，也讓找到的模式清晰而有說服力。把蘊含在數(shù)據(jù)中的規(guī)律建議給Boss，從而影響產(chǎn)品，流程和決策。

　　數(shù)據(jù)工程師的工作職責：分析歷史、預測未來、優(yōu)化選擇，這是大數(shù)據(jù)工程師在“玩數(shù)據(jù)”時重要的三大任務。通過這三個工作方向，他們幫助企業(yè)做出更好的商業(yè)決策。

　　大數(shù)據(jù)工程師 個很重要的工作，就是通過分析數(shù)據(jù)來找出過去事件的特征。通過引入關鍵因素，大數(shù)據(jù)工程師可以預測未來的消費趨勢。在阿里媽媽的營銷平臺上，工程師正試圖通過引入氣象數(shù)據(jù)來幫助淘寶賣家做生意。比如今年夏天不熱，很可能某些產(chǎn)品就沒有去年暢銷，除了空調(diào)、電扇，背心、游泳衣等都可能會受其影響。那么我們就會建立氣象數(shù)據(jù)和銷售數(shù)據(jù)之間的關系，找到與之相關的品類，提前警示賣家周轉庫存。

　　根據(jù)不同企業(yè)的業(yè)務性質(zhì)，大數(shù)據(jù)工程師可以通過數(shù)據(jù)分析來達到不同的目的。

　　與傳統(tǒng)的數(shù)據(jù)分析師相比，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師面臨的不是數(shù)據(jù)匱乏，而是數(shù)據(jù)過剩。因此，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師必須學會借助技術手段進行高效的數(shù)據(jù)處理。更為重要的是，互聯(lián)網(wǎng)時代的數(shù)據(jù)分析師要不斷在數(shù)據(jù)研究的方法論方面進行創(chuàng)新和突破。

　　就行業(yè)而言，數(shù)據(jù)分析師的價值與此類似。就新聞出版行業(yè)而言，無論在任何時代，媒體運營者能否準確、詳細和及時地了解受眾狀況和變化趨勢，都是媒體成敗的關鍵。

　　此外，對于新聞出版等內(nèi)容產(chǎn)業(yè)來說，更為關鍵的是，數(shù)據(jù)分析師可以發(fā)揮內(nèi)容消費者數(shù)據(jù)分析的職能，這是支撐新聞出版機構改善客戶服務的關鍵職能。

　　大數(shù)據(jù)分析師需要掌握的技能

　　懂業(yè)務。從事數(shù)據(jù)分析工作的前提就會需要懂業(yè)務，即熟悉行業(yè)知識、公司業(yè)務及流程，較好有自己獨到的見解，若脫離行業(yè)認知和公司業(yè)務背景，分析的結果只會是脫了線的風箏，沒有太大的使用價值。

　　懂管理。 方面是搭建數(shù)據(jù)分析框架的要求，比如確定分析思路就需要用到營銷、管理等理論知識來指導，如果不熟悉管理理論，就很難搭建數(shù)據(jù)分析的框架，后續(xù)的數(shù)據(jù)分析也很難進行。另 方面的作用是針對數(shù)據(jù)分析結論提出有指導意義的分析建議。

　　懂分析。指掌握數(shù)據(jù)分析基本原理與 些有效的數(shù)據(jù)分析方法，并能靈活運用到實踐工作中，以便有效的開展數(shù)據(jù)分析。基本的分析方法有：對比分析法、分組分析法、交叉分析法、結構分析法、漏斗圖分析法、綜合評價分析法、因素分析法、矩陣關聯(lián)分析法等。高 的分析方法有：相關分析法、回歸分析法、聚類分析法、判別分析法、主成分分析法、因子分析法、對應分析法、時間序列等。

　　懂工具。指掌握數(shù)據(jù)分析相關的常用工具。數(shù)據(jù)分析方法是理論，而數(shù)據(jù)分析工具就是實現(xiàn)數(shù)據(jù)分析方法理論的工具，面對越來越龐大的數(shù)據(jù)，我們不能依靠計算器進行分析，必須依靠強大的數(shù)據(jù)分析工具幫我們完成數(shù)據(jù)分析工作。

　　懂設計。懂設計是指運用圖表有效表達數(shù)據(jù)分析師的分析觀點，使分析結果 目了然。圖表的設計是門大學問，如圖形的選擇、版式的設計、顏色的搭配等等，都需要掌握 定的設計原則。

　　先，各個公司對數(shù)據(jù)科學家的定義各不相同，當前還沒有統(tǒng) 的定義。但在 般情況下， 個數(shù)據(jù)科學家結合了軟件工程師與統(tǒng)計學家的技能，并且在他或者她希望工作的領域投入了大量行業(yè)知識。

　　大約90%的數(shù)據(jù)科學家少有大學教育經(jīng)歷，甚到博士以及獲得博士學位，當然，他們獲得的學位的領域非常廣泛。 些招聘者甚發(fā)現(xiàn)人文專業(yè)的人們有所需的創(chuàng)造力，他們能教別人 些關鍵技能。

　　因此，排除 個數(shù)據(jù)科學的學位計劃( 各地的著名大學雨后春筍般的出現(xiàn)著)，你需要采取什么措施，成為 個數(shù)據(jù)科學家?

　　復習你的數(shù)學和統(tǒng)計技能。 個好的數(shù)據(jù)科學家必須能夠理解數(shù)據(jù)告訴你的內(nèi)容，做到這 點，你必須有扎實的基本線性代數(shù)，對算法和統(tǒng)計技能的理解。在某些特定場合可能需要高等數(shù)學，但這是 個好的開始場合。

　　了解機器學習的概念。機器學習是下 個新興詞，卻和大數(shù)據(jù)有著千絲萬縷的聯(lián)系。機器學習使用人工智能算法將數(shù)據(jù)轉化為價值，并且無需顯式編程。

　　學習代碼。數(shù)據(jù)科學家必須知道如何調(diào)整代碼，以便告訴計算機如何分析數(shù)據(jù)。從 個開放源碼的語言如python那里開始吧。

　　了解數(shù)據(jù)庫、數(shù)據(jù)池及分布式存儲。數(shù)據(jù)存儲在數(shù)據(jù)庫、數(shù)據(jù)池或整個分布式網(wǎng)絡中。以及如何建設這些數(shù)據(jù)的存儲庫取決于你如何訪問、使用、并分析這些數(shù)據(jù)。如果當你建設你的數(shù)據(jù)存儲時沒有整體架構或者超前規(guī)劃，那后續(xù)對你的影響將十分深遠。

　　學習數(shù)據(jù)修改和數(shù)據(jù)清洗技術。數(shù)據(jù)修改是將原始數(shù)據(jù)到另 種更容易訪問和分析的格式。數(shù)據(jù)清理有助于消除重復和“壞”數(shù)據(jù)。兩者都是數(shù)據(jù)科學家工具箱中的必備工具。

　　了解良好的數(shù)據(jù)可視化和報告的基本知識。你不必成為 個平面設計師，但你確實需要深諳如何創(chuàng)建數(shù)據(jù)報告，便于外行的人比如你的經(jīng)理或CEO可以理解。

　　添加更多的工具到您的工具箱。 旦你掌握了以上技巧，是時候擴大你的數(shù)據(jù)科學工具箱了，包括Hadoop、R語言和Spark。這些工具的使用經(jīng)驗和知識將讓你處于大量數(shù)據(jù)科學求職者之上。

　　練習。在你在新的領域有 個工作之前，你如何練習成為數(shù)據(jù)科學家?使用開源代碼開發(fā) 個你喜歡的項目、參加比賽、成為網(wǎng)絡工作數(shù)據(jù)科學家、參加訓練營、志愿者或實習生。好的數(shù)據(jù)科學家在數(shù)據(jù)領域將擁有經(jīng)驗和直覺，能夠展示自己的作品，以成為應聘者。

　　成為社區(qū)的 員。跟著同行業(yè)中的思想獨到的人，閱讀行業(yè)博客和網(wǎng)站，參與，提出問題，并隨時了解時事新聞和理論。

　　以大數(shù)據(jù)分析師為目標，從數(shù)據(jù)分析基礎、JAVA語言入門和linux操作系統(tǒng)入門知識學起，系統(tǒng)介紹Hadoop、HDFS、MapReduce和Hbase等理論知識和hadoop的生態(tài)環(huán)境，詳細演示hadoop三種模式的安裝配置，以案例的形式，講解基于mahout項目的大數(shù)據(jù)分析之聚類、分類以及主題推薦。區(qū)別于普通的JAVA程序員，本課程的是培養(yǎng)基于Hadoop架構的大數(shù)據(jù)分析思想及架構設計，通過演示實際的大數(shù)據(jù)分析案例。