D. 數(shù)據(jù)規(guī)約
數(shù)據(jù)歸約是指在盡可能保持?jǐn)?shù)據(jù)原貌的前提下，最大限度地精簡(jiǎn)數(shù)據(jù)量，主要包括：數(shù)據(jù)方聚集、維規(guī)約、數(shù)據(jù)壓縮、數(shù)值規(guī)約和概念分層等。數(shù)據(jù)規(guī)約技術(shù)可以用來(lái)得到數(shù)據(jù)集的規(guī)約表示，使得數(shù)據(jù)集變小，但同時(shí)仍然近于保持原數(shù)據(jù)的完整性。也就是說(shuō)，在規(guī)約后的數(shù)據(jù)集上進(jìn)行挖掘，依然能夠得到與使用原數(shù)據(jù)集近乎相同的分析結(jié)果。
▋Part3.大數(shù)據(jù)存儲(chǔ)
大數(shù)據(jù)存儲(chǔ)與管理要用存儲(chǔ)器把采集到的數(shù)據(jù)存儲(chǔ)起來(lái)，建立相應(yīng)的數(shù)據(jù)庫(kù)，以便管理和調(diào)用。大數(shù)據(jù)存儲(chǔ)技術(shù)路線最典型的共有三種：
A. MPP架構(gòu)的新型數(shù)據(jù)庫(kù)集群
采用MPP架構(gòu)的新型數(shù)據(jù)庫(kù)集群，重點(diǎn)面向行業(yè)大數(shù)據(jù)，采用Shared Nothing架構(gòu)，通過(guò)列存儲(chǔ)、粗粒度索引等多項(xiàng)大數(shù)據(jù)處理技術(shù)，再結(jié)合MPP架構(gòu)高效的分布式計(jì)算模式，完成對(duì)分析類應(yīng)用的支撐，運(yùn)行環(huán)境多為低成本 PC Server，具有高性能和高擴(kuò)展性的特點(diǎn)，在企業(yè)分析類應(yīng)用領(lǐng)域獲得極其廣泛的應(yīng)用。這類MPP產(chǎn)品可以有效支撐PB級(jí)別的結(jié)構(gòu)化數(shù)據(jù)分析，這是傳統(tǒng)數(shù)據(jù)庫(kù)技術(shù)無(wú)法勝任的。對(duì)于企業(yè)新一代的數(shù)據(jù)倉(cāng)庫(kù)和結(jié)構(gòu)化數(shù)據(jù)分析，目前最佳選擇是MPP數(shù)據(jù)庫(kù)。
B. 基于Hadoop的技術(shù)擴(kuò)展和封裝
基于Hadoop的技術(shù)擴(kuò)展和封裝，圍繞Hadoop衍生出相關(guān)的大數(shù)據(jù)技術(shù)，應(yīng)對(duì)傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)較難處理的數(shù)據(jù)和場(chǎng)景，例如針對(duì)非結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)和計(jì)算等，充分利用Hadoop開源的優(yōu)勢(shì)，伴隨相關(guān)技術(shù)的不斷進(jìn)步，其應(yīng)用場(chǎng)景也將逐步擴(kuò)大，目前最為典型的應(yīng)用場(chǎng)景就是通過(guò)擴(kuò)展和封裝 Hadoop來(lái)實(shí)現(xiàn)對(duì)互聯(lián)網(wǎng)大數(shù)據(jù)存儲(chǔ)、分析的支撐。這里面有幾十種NoSQL技術(shù)，也在進(jìn)一步的細(xì)分。對(duì)于非結(jié)構(gòu)、半結(jié)構(gòu)化數(shù)據(jù)處理、復(fù)雜的ETL流程、復(fù)雜的數(shù)據(jù)挖掘和計(jì)算模型，Hadoop平臺(tái)更擅長(zhǎng)。
C. 大數(shù)據(jù)一體機(jī)
這是一種專為大數(shù)據(jù)的分析處理而設(shè)計(jì)的軟、硬件結(jié)合的產(chǎn)品，由一組集成的服務(wù)器、存儲(chǔ)設(shè)備、操作系統(tǒng)、數(shù)據(jù)庫(kù)管理系統(tǒng)以及為數(shù)據(jù)查詢、處理、分析用途而預(yù)先安裝及優(yōu)化的軟件組成，高性能大數(shù)據(jù)一體機(jī)具有良好的穩(wěn)定性和縱向擴(kuò)展性。
▋Part4.大數(shù)據(jù)分析挖掘
數(shù)據(jù)的分析與挖掘主要目的是把隱藏在一大批看來(lái)雜亂無(wú)章的數(shù)據(jù)中的信息集中起來(lái)，進(jìn)行萃取、提煉，以找出潛在有用的信息和所研究對(duì)象的內(nèi)在規(guī)律的過(guò)程。主要從可視化分析、數(shù)據(jù)挖掘算法、預(yù)測(cè)性分析、語(yǔ)義引擎以及數(shù)據(jù)質(zhì)量和數(shù)據(jù)管理五大方面進(jìn)行著重分析。
A. 可視化分析
數(shù)據(jù)可視化主要是借助于圖形化手段，清晰有效地傳達(dá)與溝通信息。主要應(yīng)用于海量數(shù)據(jù)關(guān)聯(lián)分析，由于所涉及到的信息比較分散、數(shù)據(jù)結(jié)構(gòu)有可能不統(tǒng)一，借助功能強(qiáng)大的可視化數(shù)據(jù)分析平臺(tái)，可輔助人工操作將數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，并做出完整的分析圖表，簡(jiǎn)單明了、清晰直觀，更易于接受。
B. 數(shù)據(jù)挖掘算法
數(shù)據(jù)挖掘算法是根據(jù)數(shù)據(jù)創(chuàng)建數(shù)據(jù)挖掘模型的一組試探法和計(jì)算。為了創(chuàng)建該模型，算法將首先分析用戶提供的數(shù)據(jù)，針對(duì)特定類型的模式和趨勢(shì)進(jìn)行查找。并使用分析結(jié)果定義用于創(chuàng)建挖掘模型的最佳參數(shù)，將這些參數(shù)應(yīng)用于整個(gè)數(shù)據(jù)集，以便提取可行模式和詳細(xì)統(tǒng)計(jì)信息。
大數(shù)據(jù)分析的理論核心就是數(shù)據(jù)挖掘算法，數(shù)據(jù)挖掘的算法多種多樣，不同的算法基于不同的數(shù)據(jù)類型和格式會(huì)呈現(xiàn)出數(shù)據(jù)所具備的不同特點(diǎn)。各類統(tǒng)計(jì)方法都能深入數(shù)據(jù)內(nèi)部，挖掘出數(shù)據(jù)的價(jià)值。
C. 預(yù)測(cè)性分析
大數(shù)據(jù)分析最重要的應(yīng)用領(lǐng)域之一就是預(yù)測(cè)性分析，預(yù)測(cè)性分析結(jié)合了多種高級(jí)分析功能，包括特別統(tǒng)計(jì)分析、預(yù)測(cè)建模、數(shù)據(jù)挖掘、文本分析、實(shí)體分析、優(yōu)化、實(shí)時(shí)評(píng)分、機(jī)器學(xué)習(xí)等，從而對(duì)未來(lái)，或其他不確定的事件進(jìn)行預(yù)測(cè)。
從紛繁的數(shù)據(jù)中挖掘出其特點(diǎn)，可以幫助我們了解目前狀況以及確定下一步的行動(dòng)方案，從依靠猜測(cè)進(jìn)行決策轉(zhuǎn)變?yōu)橐揽款A(yù)測(cè)進(jìn)行決策。它可幫助分析用戶的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的趨勢(shì)、模式和關(guān)系，運(yùn)用這些指標(biāo)來(lái)洞察預(yù)測(cè)將來(lái)事件，并作出相應(yīng)的措施。
D. 語(yǔ)義引擎
語(yǔ)義引擎是是把已有的數(shù)據(jù)加上語(yǔ)義，可以把它想象成在現(xiàn)有結(jié)構(gòu)化或者非結(jié)構(gòu)化的數(shù)據(jù)庫(kù)上的一個(gè)語(yǔ)義疊加層。它語(yǔ)義技術(shù)最直接的應(yīng)用，可以將人們從繁瑣的搜索條目中解放出來(lái)，讓用戶更快、更準(zhǔn)確、更全面地獲得所需信息，提高用戶的互聯(lián)網(wǎng)體驗(yàn)。
E. 數(shù)據(jù)質(zhì)量管理