目录

📚大数据概念

🐇常见数据存储单位

🐇大数据的特点（5V）

🐇大数据 VS 数据库

🌟数据库

🌟大数据

📚大数据业务分析基本步骤

 🐇收集数据

 🐇整理数据

 🐇分析数据

 🐇数据可视化

📚大数据概念

• 所有感官可以察觉的事物，能被记下来的，能够被查询到，就是数据(date)
• 数据分析的前提是有数据，数据存储的目的是支撑数据分析
• 大数据主要解决的问题：海量数据的存储和海量数据的计算问题

🐇常见数据存储单位

🐇大数据的特点（5V）

🥕Volume(大)：大数据的采集，计算，存储量都非常庞大。

🥕Variety(多)：多种类和来源多样化。

🥕Value(值)：大数据价值密度相对较低(抓小偷一大堆监控视频可能就一小段有用)

🥕Velocity(快)：数据增长速度快，处理速度也快，获取速度的速度也要快。处理数据的效率是企业的生命。

🥕Veracity(信)：数据的准确性和可信赖度，即数据的质量。

• 全样而非抽样✔️
• 效率而非精确✔️
• 相关而非因果✔️

🐇大数据 VS 数据库

🌟数据库

类似于一个池塘养鱼，它数据规模小，类型单一，先有模式后有数据（先有池塘后有鱼），处理对象为数据（池塘里的鱼）

🌟大数据

类似于大海捕鱼，它数据规模大，类型繁多，先有数据后有模式（模式随数据增多不断演变），处理对象为“鱼”，并通过某些“鱼”判断其他鱼是否存在。

---

大数据应用场景：电商精确广告位；用户偏好精准营销等等。大数据监控我🤡

---

大数据处理面临的挑战：数据安全、数据存储和处理能力限制、数据完整性、隐私保护、数据质量（垃圾数据的泛滥）、广泛的异构性（变化与多样化）、新硬件给大数据处理带来的变革等。

---

📚大数据业务分析基本步骤

 🐇收集数据

数据收集是按确定的数据分析框架，以收集相关数据的过程，它为数据分析提供了素材和依据。一般的数据来源主要有以下几种方式：

• 数据库：每个公司都有自己的业务数据库
• 公开出版物：可用于收集数据的公开出版物
• 互联网，市场调查

 🐇整理数据

数据处理是指对收集到的数据进行加工处理，形成适合数据分析的样式。即在一堆数据中找出有价值有意义的数据。主要包括数据清洗、数据转化、数据提取、数据计算等处理方法。

 🐇分析数据

数据分析是指用适当的分析方法及工具，对处理的数据进行分析，提取有效信息，形成有效结论的过程。数据挖掘是一种高效的数据分析方法。一般来说，数据挖掘侧重解决四类数据分析问题：分类，聚类，关联和预测。

 🐇数据可视化

数据展现的过程，将数据可视化为图表。

---

 流处理是指按照流水线的方式处理数据，它能够快速处理大量的数据。而批处理是指按照批次的方式处理数据，通常在处理时间较长的情况下使用。

---