大數據里面包含很多如大數據時(shí)代、大數據概念、大數據分析、大數據營(yíng)銷(xiāo)與開(kāi)發(fā)到底是什么意思呢?所謂大數據,那到底什么是大數據,他的來(lái)源在哪里,定義究竟是什么呢?下面小編為您詳細解答,一起來(lái)看看吧。以下是小編為你整理的從零開(kāi)始學(xué)大數據 ?

大數據的定義。大數據，又稱(chēng)巨量資料，指的是所涉及的數據資料量規模巨大到無(wú)法通過(guò)人腦甚至主流軟件工具，在合理時(shí)間內達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。 ?

大數據的特點(diǎn)。數據量大、數據種類(lèi)多、 要求實(shí)時(shí)性強、數據所蘊藏的價(jià)值大。在各行各業(yè)均存在大數據，但是眾多的信息和咨詢(xún)是紛繁復雜的，我們需要搜索、處理、分析、歸納、總結其深層次的規律。

大數據的采集?？茖W(xué)技術(shù)及互聯(lián)網(wǎng)的發(fā)展，推動(dòng)著(zhù)大數據時(shí)代的來(lái)臨，各行各業(yè)每天都在產(chǎn)生數量巨大的數據碎片，數據計量單位已從從Byte、KB、MB、GB、TB發(fā)展到PB、EB、ZB、YB甚至BB、NB、DB來(lái)衡量。大數據時(shí)代數據的采集也不再是技術(shù)問(wèn)題，只是面對如此眾多的數據，我們怎樣才能找到其內在規律。 ?

大數據的挖掘和處理。大數據必然無(wú)法用人腦來(lái)推算、估測，或者用單臺的計算機進(jìn)行處理，必須采用分布式計算架構，依托云計算的分布式處理、分布式數據庫、云存儲和虛擬化技術(shù)，因此，大數據的挖掘和處理必須用到云技術(shù)。 ?

大數據的應用。大數據可應用于各行各業(yè)，將人們收集到的龐大數據進(jìn)行分析整理，實(shí)現資訊的有效利用。舉個(gè)本專(zhuān)業(yè)的例子，比如在奶?；驅用鎸ふ遗c產(chǎn)奶量相關(guān)的主效基因，我們可以首先對奶牛全基因組進(jìn)行掃描，盡管我們獲得了所有表型信息和基因信息，但是由于數據量龐大，這就需要采用大數據技術(shù)，進(jìn)行分析比對，挖掘主效基因。例子還有很多。 ?

大數據的意義和前景?？偟膩?lái)說(shuō)，大數據是對大量、動(dòng)態(tài)、能持續的數據，通過(guò)運用新系統、新工具、新模型的挖掘，從而獲得具有洞察力和新價(jià)值的東西。以前，面對龐大的數據，我們可能會(huì )一葉障目、可見(jiàn)一斑，因此不能了解到事物的真正本質(zhì)，從而在科學(xué)工作中得到錯誤的推斷，而大數據時(shí)代的來(lái)臨，一切真相將會(huì )展現在我么面前。 ?

? ?

如何利用大數據做行業(yè)分析 ?

進(jìn)行大數據分析，雖說(shuō)各個(gè)行業(yè)都不一定相同，但是基本思路都是一樣的，分析的對象有：市場(chǎng)，用戶(hù)，渠道，效果，這幾大類(lèi)，如果有條件還可以進(jìn)行分支拓展。 ?

對市場(chǎng)/行業(yè)進(jìn)行大數據收集，分析：比如說(shuō)，數據收集的方向，可以從大方向以及小方向進(jìn)行，大的方向可以從政治，經(jīng)濟，社會(huì )，技術(shù)這幾個(gè)入手，小方向可以從產(chǎn)品分析。 ?

對于用戶(hù)的調查，可以開(kāi)展用戶(hù)畫(huà)像，數據內容包括：身份，行為，居住，交際圈等，往小了分，還有可以分為年齡，性別，學(xué)歷，消費情況，興趣愛(ài)好，在哪些圈子等等.... ?

對產(chǎn)品進(jìn)行數據分析，可以從人群——市場(chǎng)——渠道——產(chǎn)品，這四個(gè)輪回，通過(guò)人群，可以得到市場(chǎng)，通過(guò)渠道可以得到人群，通過(guò)人群又可以得到產(chǎn)品的使用情況。 ?

要進(jìn)行大數據分析，光有上面還是不夠的，還需要進(jìn)行一個(gè)營(yíng)銷(xiāo)效果的分析，分析的方向，包括用戶(hù)的行為，渠道的流量變化，以及一個(gè)最終的成本收益，投資回報率等。 ?

根據對營(yíng)銷(xiāo)效果的分析，從而可以分析出不同渠道的一個(gè)流量以及收益情況，從中就可以篩選出渠道的優(yōu)勢以及劣勢，再集中匯集跟分析報告，這樣就可以定出方案了。 ?

? ?

什么是大數據 ?

大數據,或稱(chēng)巨量數據、海量數據;是由數量巨大、結構復雜、類(lèi)型眾多數據構成的數據集合,是基于云計算的數據處理與應用模式,通過(guò)數據的集成共享,交叉復用形成的智力資源和知識服務(wù)能力。 ?

僅以互聯(lián)網(wǎng)為例,一天之中,互聯(lián)網(wǎng)產(chǎn)生的全部?jì)热菘梢钥虧M(mǎn)1.68億張DVD，發(fā)出的郵件有2940億封之多。發(fā)出的社區帖子達200萬(wàn)個(gè),相當于《時(shí)代》雜志770年的文字數量。 ?

截止到2012年,數據量已經(jīng)從TB(1024GB=1TB)級別躍升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)級別。國際數據公司(IDC)的研究結果表明,2008年全球產(chǎn)生的數據量高達1.82ZB,相當于全球每人產(chǎn)生200GB以上的數據。而到2012年為止,人類(lèi)生產(chǎn)的所有印刷材料的數據量是200PB,全人類(lèi)歷史上說(shuō)過(guò)的所有話(huà)的數據量大約是5EB。IBM的研究稱(chēng),整個(gè)人類(lèi)文明所獲得的全部數據中,有90%是過(guò)去兩年內產(chǎn)生的。而到了2020年,全世界所產(chǎn)生的數據規模將達到今天的44倍。 ?

大數據的精準營(yíng)銷(xiāo)是指通過(guò)大數據獲取對象的喜好，行為偏好，對不同對象進(jìn)行不同營(yíng)銷(xiāo)。大數據精準營(yíng)銷(xiāo)的核心可以概括為幾大關(guān)鍵詞：用戶(hù)、需求、識別、體驗客戶(hù)營(yíng)銷(xiāo)、客戶(hù)管理的公司經(jīng)營(yíng)理念，通過(guò)龐大的消費數據資源，為客戶(hù)提供數據驗證，精準營(yíng)銷(xiāo)等數據級服務(wù)。簡(jiǎn)單說(shuō)就是為企業(yè)提供數據驗證和數據篩選業(yè)務(wù)。

?

數學(xué)家Chris McKinlay是美國加州*洛杉磯分校在讀PhD，在多次相親后，對于找到另一半的事情毫無(wú)起色，作為一名數學(xué)家，他認為自己應該像一名數學(xué)家那樣使用交友數據。 ?

McKinlay利用自己的天賦，創(chuàng )建了一個(gè)自制的機器人程序，可利用假冒的OkCupid賬號從網(wǎng)站上搜集女性大量信息。McKinlay花了三周時(shí)間從美國2萬(wàn)女性收集到6萬(wàn)問(wèn)題和答案，之后利用自己研發(fā)的改進(jìn)型K-Modes算法將這些女網(wǎng)友分成7個(gè)在系統上存在差異的集群。通過(guò)建立數學(xué)模型計算的方式優(yōu)化出兩組女性，然后進(jìn)行約會(huì )，在約會(huì )第88個(gè)女網(wǎng)友時(shí)，他找到了自己的真愛(ài)。 ?

醫生根據病人的基本資料、診斷結果、處方、醫療保險等數據，將這些不醫療與大數據：同數據綜合起來(lái)，通過(guò)大數據決策處理軟件，醫生將為病人選擇*的醫療護理解決方案。 ?

我認為，在當今社會(huì )，企業(yè)直面社會(huì )的劇烈變化，在管理工作中依賴(lài)小規模的“點(diǎn)子”、“好主意”的傳統做法已經(jīng)難以應對市場(chǎng)的激烈競爭，企業(yè)需要從那些來(lái)自于現場(chǎng)、來(lái)源于客戶(hù)、來(lái)源于多個(gè)時(shí)空的全方位的立體信息中找到利潤的寶藏，才能獲得持續增長(cháng)的動(dòng)力，從這個(gè)意義上看，駕馭大數據是企業(yè)駕馭未來(lái)的必經(jīng)之路。 ?

? ?

如何分析客戶(hù)數據 ?

對客戶(hù)進(jìn)行多維度地分析，以用戶(hù)的地域、性別、年齡等人文屬性建立分析維度，把所有的團購信息進(jìn)行篩選，這樣可以簡(jiǎn)單地把EDM的相關(guān)性大幅提高，起碼用戶(hù)收到的郵件是基本在住宅、工作場(chǎng)所附近，和自己的普通屬性相關(guān)的，可能有一些興趣的商品。 ?

對客戶(hù)過(guò)去是否有點(diǎn)擊，是否有購買(mǎi)，購買(mǎi)的產(chǎn)品價(jià)值，購買(mǎi)的頻率，最近一次什么時(shí)候購買(mǎi)等屬性進(jìn)行量化，產(chǎn)生客戶(hù)價(jià)值的評分，把客戶(hù)分出價(jià)值的高低，對推薦的接受難易程度作出評估，依據這些評分來(lái)決定多頻繁對該客戶(hù)進(jìn)行EDM操作，以及推薦的商品的細類(lèi)，以提高反饋率。 ?

對購買(mǎi)過(guò)商品客戶(hù)的購買(mǎi)記錄，以及點(diǎn)擊過(guò)的商品記錄進(jìn)行分析，對團購的折扣比例，商品原價(jià)，折扣金額，團購時(shí)間長(cháng)短，能否退款，是否單人使用，風(fēng)格等等分別打分、統計、歸類(lèi)，以對客戶(hù)的可能興趣點(diǎn)進(jìn)行“預測”，這是一個(gè)相對高級、相對復雜的過(guò)程，但是運用得好的話(huà)會(huì )收到非常良好的效果。 ?

考慮在所有推薦的商品旁邊增加一個(gè)“不喜歡”的按鈕，收集客戶(hù)不喜歡的東西對個(gè)性化推薦來(lái)說(shuō)具有幾乎和喜歡的商品一樣重要的價(jià)值，假設一個(gè)客戶(hù)告訴你他不喜歡一款49元的西餐廳的雙人午餐，可能比他點(diǎn)擊甚至購買(mǎi)另外一個(gè)99元日餐雙人套餐給你透露的信息還要多。 ?