什么是大數(shù)據(jù)
說起大數(shù)據(jù)，估計大家都覺得只聽過概念，但是具體是什么東西，怎么定義，沒有一個標準的東西，因為在我們的印象中好像很多公司都叫大數(shù)據(jù)公司，業(yè)務形態(tài)則有幾百種，感覺不是很好理解，所以我建議還是從字面上來理解大數(shù)據(jù)，在維克托邁爾-舍恩伯格及肯尼斯庫克耶編寫的《大數(shù)據(jù)時代》提到了大數(shù)據(jù)的4個特征：
一個是數(shù)量大
一個是價值大
一個是速度快
一個是多樣性
第一個是數(shù)量比較大，只有數(shù)據(jù)體量達到了PB級別以上，才能被稱為大數(shù)據(jù)。1PB等于1024TB，1TB等于1024G，那么1PB等于1024*1024個G的數(shù)據(jù)。
第二個是價值大，你如果有1PB以上的全國所有20-35年輕人的上網(wǎng)數(shù)據(jù)的時候，那么它自然就有了商業(yè)價值，比如通過分析這些數(shù)據(jù)，我們就知道這些人的愛好，進而指導產(chǎn)品的發(fā)展方向等等。如果有了全國幾百萬病人的數(shù)據(jù)，根據(jù)這些數(shù)據(jù)進行分析就能預測疾病的發(fā)生，這些都是大數(shù)據(jù)的價值。
第三個就是多樣性，如果只有單一的數(shù)據(jù)，那么這些數(shù)據(jù)就沒有了價值，比如只有單一的個人數(shù)據(jù)，或者單一的用戶提交數(shù)據(jù)，這些數(shù)據(jù)還不能稱為大數(shù)據(jù)，所以說大數(shù)據(jù)還需要是多樣性的，比如當前的上網(wǎng)用戶中，年齡，學歷，愛好，性格等等每個人的特征都不一樣，這個也就是大數(shù)據(jù)的多樣性，當然了如果擴展到全國，那么數(shù)據(jù)的多樣性會更強，每個地區(qū)，每個時間段，都會存在各種各樣的數(shù)據(jù)多樣性。
第四個是速度快，就是通過算法對數(shù)據(jù)的邏輯處理速度非?？欤?秒定律，可從各種類型的數(shù)據(jù)中快速獲得高價值的信息，這一點也是和傳統(tǒng)的數(shù)據(jù)挖掘技術有著本質的不同。
大數(shù)據(jù)的行業(yè)應用
大數(shù)據(jù)無處不在，大數(shù)據(jù)應用于各個行業(yè)，包括金融、汽車、餐飲、電信、能源、體能和娛樂等在內的社會各行各業(yè)都已經(jīng)融入了大數(shù)據(jù)的印跡。
制造業(yè)，利用工業(yè)大數(shù)據(jù)提升制造業(yè)水平，包括產(chǎn)品故障診斷與預測、分析工藝流程、改進生產(chǎn)工藝，優(yōu)化生產(chǎn)過程能耗、工業(yè)供應鏈分析與優(yōu)化、生產(chǎn)計劃與排程。
金融行業(yè)，大數(shù)據(jù)在高頻交易、社交情緒分析和信貸風險分析三大金融創(chuàng)新領域發(fā)揮重大作用。
汽車行業(yè)，利用大數(shù)據(jù)和物聯(lián)網(wǎng)技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。
互聯(lián)網(wǎng)行業(yè)，借助于大數(shù)據(jù)技術，可以分析客戶行為，進行商品推薦和針對性廣告投放。
電信行業(yè)，利用大數(shù)據(jù)技術實現(xiàn)客戶離網(wǎng)分析，及時掌握客戶離網(wǎng)傾向，出臺客戶挽留措施。
能源行業(yè)，隨著智能電網(wǎng)的發(fā)展，電力公司可以掌握海量的用戶用電信息，利用大數(shù)據(jù)技術分析用戶用電模式，可以改進電網(wǎng)運行，合理設計電力需求響應系統(tǒng)，確保電網(wǎng)運行安全。
物流行業(yè)，利用大數(shù)據(jù)優(yōu)化物流網(wǎng)絡，提高物流效率，降低物流成本。
城市管理，可以利用大數(shù)據(jù)實現(xiàn)智能交通、環(huán)保監(jiān)測、城市規(guī)劃和智能安防。
生物醫(yī)學，大數(shù)據(jù)可以幫助我們實現(xiàn)流行病預測、智慧醫(yī)療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。
體育娛樂，大數(shù)據(jù)可以幫助我們訓練球隊，決定投拍哪種題財?shù)挠耙曌髌罚约邦A測比賽結果。
安全領域，政府可以利用大數(shù)據(jù)技術構建起強大的國家安全保障體系，企業(yè)可以利用大數(shù)據(jù)抵御網(wǎng)絡攻擊，警察可以借助大數(shù)據(jù)來預防犯罪。
個人生活， 大數(shù)據(jù)還可以應用于個人生活，利用與每個人相關聯(lián)的“個人大數(shù)據(jù)”，分析個人生活行為習慣，為其提供更加周到的個性化服務。
大數(shù)據(jù)的價值，遠遠不止于此，大數(shù)據(jù)對各行各業(yè)的滲透，大大推動了社會生產(chǎn)和生活，未來必將產(chǎn)生重大而深遠的影響。
大數(shù)據(jù)使用的技術
說起大數(shù)據(jù)，大數(shù)據(jù)有三個層數(shù)據(jù)采集、存儲、計算三層。
第一個是數(shù)據(jù)采集層，以App、saas為代表的服務。
大數(shù)據(jù)基礎階段需掌握的技術有：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis以及hadoopmapreduce hdfs yarn等。
第二個數(shù)據(jù)存儲層，比如云存儲，需掌握的技術有：hbase、hive、sqoop等。
比如：Hadoop作為一個開源的框架，專為離線和大規(guī)模數(shù)據(jù)分析而設計，HDFS作為其核心的存儲引擎，已被廣泛用于數(shù)據(jù)存儲。HBase，是一個分布式的、面向列的開源數(shù)據(jù)庫，可以認為是hdfs的封裝，本質是數(shù)據(jù)存儲、NoSQL數(shù)據(jù)庫。
HBase是一種Key/Value系統(tǒng)，部署在hdfs上，克服了hdfs在隨機讀寫這個方面的缺點，與hadoop一樣，Hbase目標主要依靠橫向擴展，通過不斷增加廉價的商用服務器，來增加計算和存儲能力。
第三個是數(shù)據(jù)計算應用層，以數(shù)據(jù)為基礎，為將來的移動社交、交通、教育，金融進行服務，涉及到大數(shù)據(jù)架構設計階段需掌握的技術有：Flume分布式、Zookeeper、Kafka等，以及大數(shù)據(jù)實時計算階段需掌握的技術有：Mahout、Spark、storm。
大數(shù)據(jù)的崗位
1.數(shù)據(jù)分析師Data analyst
指熟悉相關業(yè)務，熟練搭建數(shù)據(jù)分析框架，掌握和使用相關的分析常用工具和基本的分析方法，進行數(shù)據(jù)搜集、整理、分析，針對數(shù)據(jù)分析結論給管理銷售運營提供指導意義的分析意見。
2.數(shù)據(jù)架構師Data architect
對Hadoop解決方案的整個生命周期進行引導，包括需求分析，平臺選擇，技術架構設計，應用設計和開發(fā)，測試和部署。深入掌握如何編寫MapReduce的作業(yè)及作業(yè)流的管理完成對數(shù)據(jù)的計算，并能夠使用Hadoop提供的通用算法， 熟練掌握Hadoop整個生態(tài)系統(tǒng)的組件如： Yarn，HBase、Hive、Pig等重要組件，能夠實現(xiàn)對平臺監(jiān)控、輔助運維系統(tǒng)的開發(fā)。
3.大數(shù)據(jù)工程師Big DataEngineer
收集和處理大規(guī)模的原始數(shù)據(jù)（包括腳本編寫，網(wǎng)頁獲取，調用APIs，編寫SQL查詢等）；將非結構化數(shù)據(jù)處理成適合分析的一種形式，然后進行分析；根據(jù)所需要的和專案分析商業(yè)決策。
4.數(shù)據(jù)倉庫管理員
Data warehousemanager：指定并實施信息管理策略；協(xié)調和管理的信息管理解決方案；多個項目的范圍，計劃和優(yōu)先順序安排；管理倉庫的各個方面，比如數(shù)據(jù)外包，移動，質量，設計和實施。
5.數(shù)據(jù)庫管理員Database manager
提高數(shù)據(jù)庫工具和服務的有效性；確保所有的數(shù)據(jù)符合法律規(guī)定；確保信息得到保護和備份；做定期報告；監(jiān)控數(shù)據(jù)庫性能；改善使用的技術；建立新的數(shù)據(jù)庫；檢測數(shù)據(jù)錄入程序；故障排除。
6.商業(yè)智能分析員Businessintelligence analyst
就工具，報告或者元數(shù)據(jù)增強來進行傳播信息；進行或協(xié)調測試，以確保情報的定義與需求相一致；使用商業(yè)智能工具來識別或監(jiān)測現(xiàn)有和潛在的客戶；綜合目前的商業(yè)只能和趨勢數(shù)據(jù)，來支持采取行動的建議；維護或更新的商業(yè)智能工具，數(shù)據(jù)庫，儀表板，系統(tǒng)或方法；及時的管理用戶流量的商業(yè)情報。
