世界上的數(shù)據(jù)量繼續(xù)以令人難以置信的速度增長。IDC建議，到2025年，將有數(shù)量為163ZB的數(shù)據(jù) - 從2013年的4.4ZB增長。數(shù)據(jù)的大量增加對企業(yè)來說既是挑戰(zhàn)也是機遇。包含在該數(shù)據(jù)中的是改善決策，提高生產(chǎn)力和推動創(chuàng)新所需的洞察力。大數(shù)據(jù)分析是解鎖公司數(shù)據(jù)中信息的關(guān)鍵。

要準(zhǔn)確理解大數(shù)據(jù)分析是什么，值得將該短語分為兩部分：“大數(shù)據(jù)”和“分析”。

大數(shù)據(jù)可以被描述為組織在過去十年左右獲得的大量信息。由于技術(shù)的進步，現(xiàn)在從更廣泛的來源收集TB級或更多數(shù)據(jù)的數(shù)據(jù)更便宜，更容易 - 不僅僅是傳統(tǒng)的商業(yè)應(yīng)用，還包括社交媒體，支持聊天，數(shù)字圖像，物聯(lián)網(wǎng)等等。這些龐大的數(shù)據(jù)集可以揭示各種見解。

“分析”指的是快速有效地發(fā)現(xiàn)數(shù)據(jù)中的洞察力和信息以推動決策制定和識別新機會的挑戰(zhàn)。

大數(shù)據(jù)分析可以處理結(jié)構(gòu)化數(shù)據(jù) - 來自數(shù)據(jù)庫記錄和非結(jié)構(gòu)化數(shù)據(jù) - 例如電子郵件，Word文檔或社交媒體帖子。最好的大數(shù)據(jù)分析工具將所有這些數(shù)據(jù)整合到一個大型數(shù)據(jù)存儲庫中 - 通常稱為“數(shù)據(jù)湖” - 可以對數(shù)據(jù)進行規(guī)范化，以實現(xiàn)一系列分析活動。

大多數(shù)大數(shù)據(jù)分析解決方案包括許多數(shù)據(jù)挖掘和數(shù)據(jù)分析工具。它們支持多種分析方法，包括決策樹分析，聚類分析，預(yù)測分析，傾向性分析和情感分析。通常，大數(shù)據(jù)分析工具都有分割軟件來將組分組 - 例如客戶記錄分成較小的部分，以便進行更精確的分析。

???? 需要大數(shù)據(jù)分析

大數(shù)據(jù)分析背后的概念并不新鮮。多年來，公司一直在分析他們的數(shù)據(jù)，但他們使用的工具并非設(shè)計用于創(chuàng)建新數(shù)據(jù)的數(shù)量和類型的巨大增長。這種需求得益于大數(shù)據(jù)的四個關(guān)鍵特征 - 通常被稱為“?4 V大數(shù)據(jù)”。

1.卷

大數(shù)據(jù)的重要性在于其龐大的數(shù)量。存儲成本顯著降低，但許多組織正在尋找基于云的大數(shù)據(jù)分析解決方案，這些解決方案提供更便宜和更靈活的存儲容量，以及幾乎無限的可擴展性，以適應(yīng)應(yīng)用其分析工具的巨大數(shù)據(jù)湖。

2.品種繁多

現(xiàn)在有比以往更多的數(shù)據(jù)類型。傳統(tǒng)上，公司只需關(guān)注其公司系統(tǒng)中創(chuàng)建的數(shù)據(jù)。這主要是結(jié)構(gòu)化數(shù)據(jù) - 每個記錄遵循相同結(jié)構(gòu)的數(shù)據(jù)，可以很好地適應(yīng)關(guān)系數(shù)據(jù)庫或電子表格。

如今，他們還需要提供來自外部資源的數(shù)據(jù)，例如社交媒體，移動設(shè)備以及越來越多的物聯(lián)網(wǎng)（IoT）傳感器和設(shè)備。大部分?jǐn)?shù)據(jù)都是非結(jié)構(gòu)化的 - 它不像結(jié)構(gòu)化數(shù)據(jù)那樣符合設(shè)置格式。這使得非結(jié)構(gòu)化數(shù)據(jù)（如文本）更難以捕獲和分析。

大數(shù)據(jù)分析工具可以處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，以識別使用上一代數(shù)據(jù)工具無法實現(xiàn)的數(shù)據(jù)模式和趨勢。

3.速度

速度??是需要處理的傳入數(shù)據(jù)的頻率。例如，考慮電信提供商每天必須處理的所有呼叫，文本和Facebook狀態(tài)更新。而且它不僅限于手機 - 從汽車到冰箱的日常設(shè)備現(xiàn)在都是數(shù)據(jù)生成器。根據(jù)福布斯的說法，每輛福特GT都有50個物聯(lián)網(wǎng)傳感器和28個微處理器，每小時能夠產(chǎn)生高達100GB的數(shù)據(jù)。這需要一個高性能，安全的平臺來應(yīng)對這種數(shù)據(jù)流。

4.可見性

隨著大數(shù)據(jù)分析的發(fā)展，大數(shù)據(jù)分析遇到了障礙。這種類型的工具無法解釋來自收集的數(shù)據(jù)量的信息。數(shù)據(jù)科學(xué)家需要了解這些發(fā)現(xiàn)。問題是數(shù)據(jù)科學(xué)家稀缺且昂貴。分析結(jié)果必須以他們理解的格式向所有需要它的人展示。最好的大數(shù)據(jù)分析平臺采用易于使用的分析儀表板，為合適的人員提供洞察力，并能夠創(chuàng)建自己的儀表板以獲得最高級別的洞察力，并根據(jù)需要深入分析。

總而言之，這些功能提供了一個高級分析平臺，可以從大數(shù)據(jù)中獲取可操作的洞察力 - 一個真正的大數(shù)據(jù)分析工具。

大數(shù)據(jù)分析的類型

鑒于上述廣泛的范圍，有很多形式的大數(shù)據(jù)分析應(yīng)該不足為奇。這些包括：

描述性分析

描述性分析工具 - 有時稱為商業(yè)智能 - 查看組織內(nèi)的歷史數(shù)據(jù)，以告訴您發(fā)生了什么。他們創(chuàng)建簡單的報告，可視化和決策樹，顯示在特定時間點或一段時間內(nèi)發(fā)生的事情。在大數(shù)據(jù)分析的更大范圍內(nèi)，這些具有基本但必不可少的分析功能，在幫助提高性能和預(yù)測分析方面發(fā)揮重要作用。

診斷分析

診斷工具解釋了為什么發(fā)生了什么。它比描述性報告工具更先進，允許深入了解歷史數(shù)據(jù)，應(yīng)用大數(shù)據(jù)建模，并確定給定情況的根本原因。

預(yù)測分析

預(yù)測分析使用數(shù)據(jù)，分析算法和機器學(xué)習(xí)技術(shù)，根據(jù)歷史數(shù)據(jù)確定預(yù)期結(jié)果的可能性。它確定了數(shù)據(jù)中的模式和趨勢，這些模式和趨勢表明機器，零件和人員將來的行為方式。

可視化分析

可視化分析旨在找到并推薦針對特定情況的最佳行動方案。它建立在預(yù)測功能的基礎(chǔ)上，通過顯示每個選項的含義并實時確定最佳的行動方案。

人工智能分析

人工智能分析 - 有時稱為認(rèn)知計算 - 提供“類似人”的智能，以理解大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的上下文。它結(jié)合了先進的分析功能和全面的人工智能功能 - 例如深度學(xué)習(xí)，機器學(xué)習(xí)和自然語言識別 - 來揭示信息中包含的模式。