數據思維和數據場(chǎng)景成為企業(yè)數據商業(yè)應用的一個(gè)障礙。其中領(lǐng)導層起到了很大的作用，可謂成也蕭何，敗也蕭何。很多企業(yè)領(lǐng)導的固有的商業(yè)思維方式、慣性思維模式、對年輕一代客戶(hù)的不了解，對短期利益對看重等多種因素造成了數字思維(或者說(shuō)數據商業(yè)敏感度)的落后。以下是小編為你整理的學(xué)大數據入門(mén)教程 ?

一個(gè)領(lǐng)導的決策和意識往往誤導了企業(yè)商業(yè)化進(jìn)程，某些領(lǐng)導不開(kāi)放的心態(tài)和落后的思維方式阻礙了企業(yè)的數字化進(jìn)程。特別是國有大型企業(yè)包括金融行業(yè)，部分中層領(lǐng)導的數字化思維落后于整個(gè)行業(yè)的發(fā)展，被傳統IT廠(chǎng)商和外包商影響的思維正在嚴重影響其數字化進(jìn)程。在數字化思維方面，國有企業(yè)落后于股份制企業(yè)，北方落后于南方，經(jīng)濟不發(fā)達地區落后經(jīng)濟發(fā)達地區。 ?

數字化思維是數據場(chǎng)景應用的基礎，數字思維會(huì )提升企業(yè)的數據商業(yè)敏感度，幫助企業(yè)從數據中發(fā)現價(jià)值，也可以引導企業(yè)選擇正確的數字化商業(yè)進(jìn)程?？陀^(guān)地說(shuō)，數字化商業(yè)進(jìn)程未來(lái)是所有企業(yè)必須經(jīng)歷的階段，也是企業(yè)發(fā)展的未來(lái)。 ?

數字化商業(yè)是逐漸進(jìn)化的過(guò)程，不能一促即成，需要不斷的進(jìn)行嘗試，可能也需要不斷試錯。這個(gè)過(guò)程既不能空想一天建成，投入巨大財力和人力，進(jìn)行大規模建設。像某個(gè)企業(yè)，投入千人，兩年未有結果。也不能像另外一個(gè)企業(yè)，裹布不前，不斷調研，一年下來(lái)沒(méi)有任何變化。就像馬云說(shuō)的，這是個(gè)搶錢(qián)的時(shí)代，當你還在想商業(yè)模式時(shí)，別人已經(jīng)跑馬圈地，走在了時(shí)代的前沿，剩下的只有后悔和遺憾了。

數據場(chǎng)景應用其實(shí)并不復雜，業(yè)務(wù)需求同數據相結合，數據應用場(chǎng)景即刻就會(huì )呈現。國外同行的案例告訴我們，數據場(chǎng)景的應用往往建立在數據分析和業(yè)務(wù)分析之上。從商業(yè)應用場(chǎng)景出發(fā)，很容易找到數據應用場(chǎng)景。例如Climate收集的天氣數據可以幫助農民規劃植物種植和病蟲(chóng)防止，花旗銀行信用卡直接利用乘客頭等艙乘坐記錄來(lái)給客戶(hù)寄送白金卡;某銀行利用物業(yè)費繳費情況，直接找到高端財富人群;某保險公司利用社交傳播，直接吸引了高端保險客戶(hù);某互聯(lián)網(wǎng)金融公司利用外部數據，提高了30%左右惡意欺詐用戶(hù)識別率;國外某互聯(lián)網(wǎng)銀行其運營(yíng)成本僅是傳統銀行四分之一;手機短信可以揭示客戶(hù)收入水平等，這些都是很典型的數據應用場(chǎng)景。 ?

數據場(chǎng)景應用來(lái)源于業(yè)務(wù)人員對數據的商業(yè)敏感度，同時(shí)也來(lái)源于數據分析人員對業(yè)務(wù)場(chǎng)景對了解，另外對外部數據應用案例和外部數據源的了解，也會(huì )幫助企業(yè)提高數據場(chǎng)景應用能力。數據的流通、數據案例的分享、數據場(chǎng)景的交流、同行人員的頭腦風(fēng)暴都會(huì )幫助企業(yè)找到數據應用場(chǎng)景。過(guò)去行業(yè)里熟知的大數據案例多來(lái)源于美國，希望未來(lái)典型的數據應用案例可以來(lái)源于*企業(yè)。 ?

大數據的用途 ?

手機里別存自己的身份證照片。一旦手機丟失，而手機中恰好有自己的身份證照片，那么別人很容易就改掉你的支付寶支付密碼，啥后果大家也該知道了吧。不過(guò)大多數人應該是不會(huì )將身份證照片放到手機中的，因為多半都慘不忍睹了哈! ?

平時(shí)不要點(diǎn)擊一些來(lái)歷不明的鏈接。大家應該經(jīng)常能看到這樣類(lèi)似的新聞，某某收到一條短信，或是淘寶客服要求退款，或是領(lǐng)取信用卡積分，或是什么孩子成績(jì)單等等，然后甩給你一條鏈接，要求你填寫(xiě)個(gè)人信息，或者是下載一個(gè)安裝包，然而這些鏈接絕大多數都攜帶木馬病毒，手機一旦“中毒”病毒就會(huì )竊取你的個(gè)人信息，銀行卡里的錢(qián)被轉走那都是分分鐘的事兒。 ?

社交網(wǎng)絡(luò )上的一些趣味測試也別隨意點(diǎn)，好奇心害死貓。最近微信朋友圈里出現了不少趣味測試，比如測測你的前世是什么，測測你的好運有多少等等，只要填寫(xiě)自己的姓名、性別、生日等信息就能得到測試結果。但是這也是一種泄露個(gè)人信息的行為，如果不想被推銷(xiāo)電話(huà)和垃圾短信轟炸，或者更嚴重的利用生日猜中你的支付密碼，這種測試*別做，類(lèi)似的還有紅包鏈接，別為了貪小便宜，*吃大虧。 ?

提高手機的安全性。作為一個(gè)“沒(méi)有手機會(huì )死星人”，平時(shí)也要提高手機的安全性，因為這是防止信息泄露重要因素。為手機設置屏保密碼等等之類(lèi)的，大家可以根據自己手機的功能進(jìn)行對應的處理。 ?

1處理好自己快遞包裝上的個(gè)人信息?？爝f是個(gè)人信息泄露的“大戶(hù)”，我們知道，快遞包裝上會(huì )有自己的姓名、手機號，地址這些個(gè)人信息，所以廣大剁手黨們在扔掉包裝前不要怕麻煩，把這些信息統統毀掉。雖然說(shuō)有些謹小慎微，但還是要注意一下的。 ?

如果個(gè)人信息泄露，小的話(huà)就是會(huì )天天有源源不斷的騷擾電話(huà)，大的話(huà)就會(huì )導致財產(chǎn)的損失，甚至是現實(shí)中的個(gè)人生活問(wèn)題。因此保護好個(gè)人信息安全，切不可等閑視之了。 ?

大數據給營(yíng)銷(xiāo)的會(huì )心一擊 ?

到了互聯(lián)網(wǎng)時(shí)代，亞馬遜的個(gè)性化推薦大幅增加了其銷(xiāo)售量、Facebook的精準廣告投放，成功把粉絲和流量變現、Google搜索頁(yè)面動(dòng)態(tài)調整，讓推薦更符合用戶(hù)心意，提高了搜索的效率，這些事例都成為業(yè)界口口相傳的大數據營(yíng)銷(xiāo)經(jīng)典之作。 通過(guò)大數據計算，能夠準確推測用戶(hù)的真實(shí)需求，將用戶(hù)想要的、喜歡的精準到達，有效的導流、用戶(hù)觸達和促進(jìn)銷(xiāo)售。

?

在大數據時(shí)代之前，成功的營(yíng)銷(xiāo)準則似乎并不復雜。掌握營(yíng)銷(xiāo)的4P理論——產(chǎn)品(product)、價(jià)格(price)、促銷(xiāo)(promotion)、渠道(place)，當營(yíng)銷(xiāo)遇到挑戰時(shí)，只要使用熟知的營(yíng)銷(xiāo)方案，加上好的產(chǎn)品和漂亮的廣告，基本就可以完成營(yíng)銷(xiāo)的目標。而進(jìn)入大數據時(shí)代，一切營(yíng)銷(xiāo)行為和消費行為皆數據化，營(yíng)銷(xiāo)逐漸的成為了一個(gè)數字游戲，數據分析和數據管理成為了營(yíng)銷(xiāo)人員的核心競爭力，數據貫穿營(yíng)銷(xiāo)過(guò)程的始末。 ?

誰(shuí)是準確的目標受眾?如何在合適的時(shí)間、合適的地點(diǎn)、以合適的方式傳達給消費者正確的信息?隨著(zhù)數據搜集、存儲、管理、分析、挖掘與應用的技術(shù)體系的發(fā)展，這些問(wèn)題的答案已經(jīng)可以顯現于眼前。 ?

數據挖掘與分析與將隱藏于數據汪洋中瑰寶打撈而出;各渠道數據融合提高了精準營(yíng)銷(xiāo)的準確度;可視化技術(shù)把復雜的數據打磨為直觀(guān)的圖表，使之成為淺顯易懂、人皆可用的工具和手段;完備的數據服務(wù)器集群，提供強大穩定的數據計算能力，實(shí)時(shí)洞察消費者行為，及時(shí)響應;移動(dòng)終端的普及，讓數據分析隨地可行……大數據營(yíng)銷(xiāo)使得營(yíng)銷(xiāo)行動(dòng)目標明確、可追蹤、可衡量、可優(yōu)化，從而造就了以數據為核心的營(yíng)銷(xiāo)閉環(huán)，營(yíng)銷(xiāo)行動(dòng)得到良性循環(huán)，這些都是BDP商業(yè)數據平臺致力為用戶(hù)提供的服務(wù)。 ?

了解Storm集群組件的功能 ?

Storm集群中包含兩類(lèi)節點(diǎn)：主控節點(diǎn)(Master Node)和工作節點(diǎn)(Work Node)。其分別對應的角色如下： ?

主控節點(diǎn)(Master Node)上運行一個(gè)被稱(chēng)為Nimbus的后臺程序，它負責在Storm集群內分發(fā)代碼，分配任務(wù)給工作機器，并且負責監控集群運行狀態(tài)。Nimbus的作用類(lèi)似于Hadoop中JobTracker的角色。 ?

每個(gè)工作節點(diǎn)(Work Node)上運行一個(gè)被稱(chēng)為Supervisor的后臺程序。Supervisor負責監聽(tīng)從Nimbus分配給它執行的任務(wù)，據此啟動(dòng)或停止執行任務(wù)的工作進(jìn)程。每一個(gè)工作進(jìn)程執行一個(gè)Topology的子集;一個(gè)運行中的Topology由分布在不同工作節點(diǎn)上的多個(gè)工作進(jìn)程組成。 ?

Nimbus和Supervisor節點(diǎn)之間所有的協(xié)調工作是通過(guò)Zookeeper集群來(lái)實(shí)現的。此外，Nimbus和Supervisor進(jìn)程都是快速失敗(fail-fast)和無(wú)狀態(tài)(stateless)的;Storm集群所有的狀態(tài)要么在Zookeeper集群中，要么存儲在本地磁盤(pán)上。這意味著(zhù)你可以用kill -9來(lái)殺死Nimbus和Supervisor進(jìn)程，它們在重啟后可以繼續工作。這個(gè)設計使得Storm集群擁有不可思議的穩定性。