一、大数据的概念
数据是什么
数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号
或这些物理符号的组合，它是可识别的、抽象的符号。
它不仅指狭义上的数字，还可以是具有一定意义的文字、字母、数字符号的组合、图形、图像、视频、音频等，也
是客观事物的属性、数量、位置及其相互关系的抽象表示。例如，"0、1、2..."、"阴、雨、下降"、"学生的
档案记录、货物的运输情况"等都是数据。
数据如何产生
对客观事物的计量和记录产生数据。
企业数据分析方向
把隐藏在数据背后的信息集中和提炼出来，总结出所研究对象的内在规律，帮助管理者进行有效的判断和决策。
数据分析在企业日常经营分析中主要有三大方向。
-
- 现状分析（分析当下的数据）：现阶段的整体情况，各个部分的构成占比、发展、变动；
-
- 原因分析（分析过去的数据）：某一现状为什么发生，确定原因，做出调整优化；
-
- 预测分析（结合数据预测未来）：结合已有数据预测未来发展趋势。
1. 原因分析 离线分析（Batch Processing）
面向过去，面向历史，分析已有的数据；在时间维度明显成批次性变化。一周一分析(T+7)，一天一分析（T+1），所以也叫做批处理。
2. 现状分析 实时分析（Real Time Processing |Streaming）
面向当下，分析实时产生的数据；所谓的实时是指从数据产生到数据分析到数据应用的时间间隔很短，可细分秒级、毫秒级。
3. 预测分析 机器学习（Machine Learning）
基于历史数据和当下产生的实时数据预测未来发生的事情；侧重于数学算法的运用，如分类、聚类、关联、预测。
二、 数据分析基本步骤
数据分析步骤（流程）的重要性体现在：对如何开展数据分析提供了强有力的逻辑支撑;
张文霖在《数据分析六步曲》说，典型的数据分析应该包含以下几个步骤。
Step1：明确分析目的和思路
目的 是整个分析流程的起点，为数据的收集、处理及分析提供清晰的指引方向； 思路 是使分析框架体系化，比如先分析什么，后分析什么，使各分析点之间具有逻辑联系，保证分析维度的完整性，分析结果的有效性以及正确性，需要数据分析方法论进行支撑； 数据分析方法论是一些营销管理类相关理论，比如用户行为理论、PEST分析法、5W2H分析法等。
Step2：数据收集
数据从无到有 的过程：比如传感器收集气象数据、埋点收集用户行为数据。
数据传输搬运的过程：比如采集数据库数据到数据分析平台。
Step3：数据处理。准确来说，应该称之为数据预处理 。
数据预处理需要对收集到的数据进行加工整理，形成适合数据分析的样式，主要包括数据清洗、数据转化、数据提取、数据计算；
数据预处理可以保证数据的一致性和有效性，让数据变成干净规整的结构化数据 。干净规整的结构化数据：专业来说就是二维表的数据，行列对应；通俗来说就是格式清晰，利于解读的数据。
Step4：数据分析
用适当的分析方法及分析工具，对处理过的数据进行分析，提取有价值的信息，形成有效结论的过程；需要掌握各种数据分析方法，还要熟悉数据分析软件的操作；
Step5：数据展现
数据展现又称之为数据可视化，指的是分析结果图表展示，因为人类是视觉动物；数据可视化（Data Visualization）属于数据应用的一种； 注意，数据分析的结果不是只有可视化展示，还可以继续数据挖掘（Data Mining）、即席查询（Ad Hoc）等。
Step6：报告撰写
数据分析报告是对整个数据分析过程的一个总结与呈现。 把数据分析的起因、过程、结果及建议完整地呈现出来，供决策者参考。 需要有明确的结论，最好有建议或解决方案。
三、大数据特征
大数据（big data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合； 是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据5V特征
5个V开头的单词，从5个方面准确、生动、形象的介绍了大数据特征。
Volume （数据体量大） ：
采集数据量大、 存储数据量大、计算数据量大、 TB、PB级别起步。
Variety（种类、来源多样化）
种类：结构化、半结构化、非结构化； 来源：日志文本、图片、音频、视频。
Value（低价值密度）
信息海量但是价值密度低、 深度复杂的挖掘分析需要机器学习参与。
Velocity（速度快）
数据增长速度快、 获取数据速度快、 数据处理速度快。
Veracity（数据的质量）
数据的准确性、 数据的可信赖度。
四、 分布式、集群概念
分布式、集群是两个不同的概念。
分布式：多台机器每台机器上部署不同组件。
集群：多台机器每台机器上部署相同组件。