分析：你弄明白要分析什么數(shù)據(jù)了嗎

分析：你弄明白要分析什么數(shù)據(jù)了嗎？

言歸正傳，你弄明白大數(shù)據(jù)分析要分析什么數(shù)據(jù)了嗎？(弄明白的高手可以直接飄過；沒弄明白的，看下面的內容能不能漲姿勢)我們先來簡單聊幾句有關大數(shù)據(jù)分析工具的背景。無需置疑，現(xiàn)在大數(shù)據(jù)平臺和大數(shù)據(jù)分析工具日益普及，作用是可以幫助企業(yè)收集和分析數(shù)據(jù)，好處是可以尋找有價值的商業(yè)信息和洞察，以改進產品與服務。大數(shù)據(jù)分析工具用于分析數(shù)據(jù)，可以開發(fā)預測模型(predictivemodel)和規(guī)范模型(prescriptivemodel)。在現(xiàn)代化的業(yè)務流程應用中，嵌入這些模型能夠提高企業(yè)的生產力和價值。同時，使用大數(shù)據(jù)分析工具可以輕松進行擴展，獲取通常在大數(shù)據(jù)平臺才有的可用資源。其實，大數(shù)據(jù)分析工具經常提供的技術，一般而言，都不算什么新鮮事物。只是到最近這幾年，數(shù)據(jù)挖掘算法的強大功能才被主流商業(yè)用戶采用，它可以結合海量數(shù)據(jù)、多種數(shù)據(jù)類型和不同的數(shù)據(jù)結構，對數(shù)據(jù)集進行預測性分析(predictiveanalyses)和規(guī)范性分析(prescriptiveanalyses)。但在用戶看來，大數(shù)據(jù)分析仍然是一種新興的企業(yè)級功能，要像靠它達到預期收益，一定存在風險，還要投入很大的時間成本。所以，在決定投身之前，一定要弄清楚怎樣判斷什么樣的大數(shù)據(jù)分析適合你的企業(yè)？有一個概念可以很清楚地區(qū)分大數(shù)據(jù)分析和其他形式的分析：要分析的數(shù)據(jù)有多大的數(shù)據(jù)量、數(shù)據(jù)規(guī)模如何和數(shù)據(jù)是否呈多樣性。在過去，通常是從非常大的數(shù)據(jù)庫中提取樣本數(shù)據(jù)集，建立分析模型，然后通過測試再調整的過程加以改進。而現(xiàn)在，隨著計算平臺能夠提供可擴展的存儲和計算能力，可分析的數(shù)據(jù)量幾乎不再受任何限制。這意味著，實時預測性分析和訪問大量正確的數(shù)據(jù)可以幫助企業(yè)改善業(yè)績。這樣的機會取決于企業(yè)能否整合和分析不同類型大數(shù)據(jù)。以下四大類數(shù)據(jù)就是大數(shù)據(jù)要分析的數(shù)據(jù)類型：交易數(shù)據(jù)(Transactiondata)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)網點擊流數(shù)據(jù)日志。人為數(shù)據(jù)(Human-generateddata)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。移動數(shù)據(jù)(Mobiledata)能夠上網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內的交易數(shù)據(jù)(如搜索產品的記錄事件)到個人信息資料或狀態(tài)報告事件(如地點變更即報告一個新的地理編碼)。機器和傳感器數(shù)據(jù)(Machineandsensordata)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)網的家用電器。這些設備可以配置為與互聯(lián)網絡中的其他節(jié)點通信，還可以自動向中央服務器傳輸數(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(IoT)所產生的主要例子。來自物聯(lián)網的數(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