大數據時(shí)代，云計算這個(gè)詞大家肯定不陌生。出現大數據的時(shí)候，也經(jīng)?？吹皆茢祿@個(gè)詞。那么，云計算和大數據是什么意思?到底有什么關(guān)系呢?以下是小編為你整理的大數據主要學(xué)習什么 ?

大數據云計算是什么 ?

簡(jiǎn)單來(lái)說(shuō)：云計算是硬件資源的虛擬化，而大數據是海量數據的高效處理。雖然從這個(gè)解釋來(lái)看也不是完全貼切，但是卻可以幫助對這兩個(gè)名字不太明白的人很快理解其區別。當然，如果解釋更形象一點(diǎn)的話(huà)，云計算相當于我們的計算機和操作系統，將大量的硬件資源虛擬化后在進(jìn)行分配使用。 ?

云計算的本質(zhì)就是將計算能力作為一種較小顆粒度的服務(wù)提供給用戶(hù)，按需使用和付費，具體體現在：

經(jīng)濟性，不需要購買(mǎi)整個(gè)服務(wù)器; ?

快捷性，即刻使用，不需要長(cháng)時(shí)間的購買(mǎi)和安裝部署; ?

彈性，隨著(zhù)業(yè)務(wù)增長(cháng)可以購買(mǎi)更多的計算資源，可以需要時(shí)購買(mǎi)幾十臺服務(wù)器的1個(gè)小時(shí)時(shí)間，運算完成就釋放自動(dòng)化， 不需要通過(guò)人來(lái)完成資源的分配和部署，通過(guò)API可以自動(dòng)創(chuàng )建云主機等服務(wù)。 ?

而大數據相當于海量數據的“數據庫”，通觀(guān)大數據領(lǐng)域的發(fā)展我們也可以看出，當前的大數據發(fā)展一直在向著(zhù)近似于傳統數據庫體驗的方向發(fā)展，一句話(huà)就是，傳統數據庫給大數據的發(fā)展提供了足夠大的空間。 ?

? ?

大數據與云計算的關(guān)系 ?

大數據的總體架構包括三層：數據存儲，數據處理和數據分析。數據先要通過(guò)存儲層存儲下來(lái)，然后根據數據需求和目標來(lái)建立相應的數據模型和數據分析指標體系對數據進(jìn)行分析產(chǎn)生價(jià)值。 ?

而中間的時(shí)效性又通過(guò)中間數據處理層提供的強大的并行計算和分布式計算能力來(lái)完成。三者相互配合，這讓大數據產(chǎn)生最終價(jià)值。 ?

零售企業(yè)數據管理 ?

數據收集是零售企業(yè)實(shí)現精準營(yíng)銷(xiāo)的基礎。通過(guò)POS機、觀(guān)測設備、移動(dòng)終端、互聯(lián)網(wǎng)、智能終端等收集企業(yè)與顧客的交互數據，同時(shí)在企業(yè)運營(yíng)過(guò)程中重視對商品數據、銷(xiāo)售數據、會(huì )員關(guān)系數據等交易數據的收集。另外，企業(yè)外部的數據如市場(chǎng)調查數據、專(zhuān)家意見(jiàn)、第三方機構數據等也可收集，并對數據進(jìn)行清洗、重構、填補，保證數據質(zhì)量，補充到數據庫。根據企業(yè)的商業(yè)目標，對數據進(jìn)行分類(lèi)，將原始數據整理為目標數據集。 ?

消費者分群及理解 ?

消費者的消費行為，利用收集到的數據進(jìn)行消費者分群，分析不同消費群體的特征、消費偏好，進(jìn)行消費需求預測。 ?

對得到的消費者類(lèi)別進(jìn)行描述性分析，根據帕累托的二八原則，企業(yè)80%的利潤是由20%的重要消費者創(chuàng )造的。零售企業(yè)只要把握住這部分消費者，針對不同價(jià)值的消費者群體投入相應的營(yíng)銷(xiāo)資源，優(yōu)先滿(mǎn)足重要消費者的需求。 ?

營(yíng)銷(xiāo)方案設計 ?

零售企業(yè)首先設立營(yíng)銷(xiāo)目標，如增加銷(xiāo)售10%、提升消費者忠誠度、提升消費者價(jià)值、擴大企業(yè)*度等。 ?

總的來(lái)說(shuō)，可描述為優(yōu)化消費者價(jià)值、獲取新消費者、實(shí)現消費者保持、實(shí)現交叉銷(xiāo)售和增量銷(xiāo)售，最終提升企業(yè)利潤。 ?

通過(guò)營(yíng)銷(xiāo)活動(dòng)，將以前低價(jià)值消費者轉換為重要消費者，并保持其忠誠度。 ?

? ?

大數據的實(shí)用性 ?

大數據不僅改變了數據的組合方式，而且影響到企業(yè)產(chǎn)品和服務(wù)的生產(chǎn)和提供。通過(guò)用數據來(lái)規劃生產(chǎn)架構和流程，不僅能夠幫助他們發(fā)掘傳統數據中無(wú)法得知的價(jià)值組合方式，而且能給對組合產(chǎn)生的細節問(wèn)題，提供相關(guān)性的、一對一的解決方案，為企業(yè)開(kāi)展生產(chǎn)提供保障。更好的幫助企業(yè)做到“未雨綢繆”。大數據的虛擬化特征，大大降低了企業(yè)的經(jīng)營(yíng)風(fēng)險，使企業(yè)能夠在生產(chǎn)或服務(wù)尚未展開(kāi)之前就給出相關(guān)確定性答案，讓生產(chǎn)和服務(wù)做到有的放矢。

?

通過(guò)大數據的相關(guān)性分析，根據不同品牌市場(chǎng)數據之間的交叉、重合，企業(yè)的運營(yíng)方向將會(huì )變得直觀(guān)而且容易識別，在品牌推廣、區位選擇、戰略規劃方面將做到更有把握地面對。不用像過(guò)去一樣每天做市場(chǎng)預測，還要依靠自身資源、公共關(guān)系和以往的案例來(lái)進(jìn)行分析和判斷，得出的結論往往也比較模糊，很少能得到各自行業(yè)內的足夠重視 ?

通過(guò)大數據計算對社交信息數據、客戶(hù)互動(dòng)數據等，可以幫助企業(yè)進(jìn)行品牌信息的水平化設計和碎片化擴散。通過(guò)業(yè)務(wù)分析軟件和零售專(zhuān)業(yè)知識，還可以幫助企業(yè)更好地了解購物者的旅程，以增加同店銷(xiāo)售，減少盜竊，并消除不必要的成本。 ?

? ?

數據處理層 ?

數據處理層主要采集一些數據挖掘算法對數據進(jìn)行挖掘，或者進(jìn)行實(shí)時(shí)計算。 ?

數據挖掘主要借助于統計學(xué)方法、機器學(xué)習方法、神經(jīng)網(wǎng)絡(luò )方法等對數據進(jìn)行知識挖掘，發(fā)掘潛在的價(jià)值。 ?

比如利用線(xiàn)性回歸算法，預測車(chē)輛的停留時(shí)間。利用k-means算法對位置臨近的出租車(chē)做聚類(lèi)分析，從而發(fā)現最有可能搭載乘客的熱點(diǎn)區域。根據速度將軌跡數據進(jìn)行分段，從而分析某個(gè)時(shí)間段的道路暢通狀況等。 ?

? ?