大數(shù)據(jù)分析能夠給大家?guī)硎裁礃拥暮锰幠?？大?shù)據(jù)想要成為有用的信息需要經(jīng)過哪些過程？想要學(xué)習(xí)大數(shù)據(jù)分析的朋友，現(xiàn)在可以和加米谷大數(shù)據(jù)一起先了解下這個知識點。
數(shù)據(jù)不大也包含智慧
一開始這個大數(shù)據(jù)并不大，你想象原來才有多少數(shù)據(jù)？現(xiàn)在大家都去看電子書，上網(wǎng)看新聞了，在我們80后小時候，信息量沒有那么大，也就看看書，看看報，一個星期的報紙加起來才有多少字啊，如果你不在一個大城市，一個普通的學(xué)校的圖書館加起來也沒幾個書架，是后來隨著信息化的到來，信息才會越來越多。
首先我們來看一下大數(shù)據(jù)里面的數(shù)據(jù)，就分三種類型，一種叫結(jié)構(gòu)化的數(shù)據(jù)，一種叫非結(jié)構(gòu)化的數(shù)據(jù)，還有一種叫半結(jié)構(gòu)化的數(shù)據(jù)。什么叫結(jié)構(gòu)化的數(shù)據(jù)呢？叫有固定格式和有限長度的數(shù)據(jù)。例如填的表格就是結(jié)構(gòu)化的數(shù)據(jù)，國籍：中華人民共和國，民族：漢，性別：男，這都叫結(jié)構(gòu)化數(shù)據(jù)?，F(xiàn)在越來越多的就是非結(jié)構(gòu)化的數(shù)據(jù)，就是不定長，無固定格式的數(shù)據(jù)，例如網(wǎng)頁，有時候非常長，有時候幾句話就沒了，例如語音，視頻都是非結(jié)構(gòu)化的數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)是一些xml或者h(yuǎn)tml的格式的，不從事技術(shù)的可能不了解，但也沒有關(guān)系。
數(shù)據(jù)怎么樣才能對人有用呢？其實數(shù)據(jù)本身不是有用的，必須要經(jīng)過一定的處理。例如你每天跑步帶個手環(huán)收集的也是數(shù)據(jù)，網(wǎng)上這么多網(wǎng)頁也是數(shù)據(jù)，我們稱為Data，數(shù)據(jù)本身沒有什么用處，但是數(shù)據(jù)里面包含一個很重要的東西，叫做信息Information，數(shù)據(jù)十分雜亂，經(jīng)過梳理和清洗，才能夠稱為信息。信息會包含很多規(guī)律，我們需要從信息中將規(guī)律總結(jié)出來，稱為知識knowledge，知識改變命運。信息是很多的，但是有人看到了信息相當(dāng)于白看，但是有人就從信息中看到了電商的未來，有人看到了直播的未來，所以人家就牛了，你如果沒有從信息中提取出知識，天天看朋友圈，也只能在互聯(lián)網(wǎng)滾滾大潮中做個看客。有了知識，然后利用這些知識去應(yīng)用于實戰(zhàn)，有的人會做得非常好，這個東西叫做智慧intelligence。有知識并不一定有智慧，例如好多學(xué)者很有知識，已經(jīng)發(fā)生的事情可以從各個角度分析的頭頭是道，但一到實干就歇菜，并不能轉(zhuǎn)化成為智慧。而很多的創(chuàng)業(yè)家之所以偉大，就是通過獲得的知識應(yīng)用于實踐，最后做了很大的生意。
所以數(shù)據(jù)的應(yīng)用分這四個步驟：數(shù)據(jù)，信息，知識，智慧。這是很多商家都想要的，你看我收集了這么多的數(shù)據(jù)，能不能基于這些數(shù)據(jù)來幫我做下一步的決策，改善我的產(chǎn)品，例如讓用戶看視頻的時候旁邊彈出廣告，正好是他想買的東西，再如讓用戶聽音樂的時候，另外推薦一些他非常想聽的其他音樂。用戶在我的應(yīng)用或者網(wǎng)站上隨便點點鼠標(biāo)，輸入文字對我來說都是數(shù)據(jù)，我就是要將其中某些東西提取出來，指導(dǎo)實踐，形成智慧，讓用戶陷入到我的應(yīng)用里面不可自拔，上了我的網(wǎng)就不想離開，手不停的點，不停的買，很多人說雙十一我都想斷網(wǎng)了，我老婆在上面不斷的買買買，買了A又推薦B，老婆大人說，“哎呀，B也是我喜歡的啊，老公我要買”。你說這個程序怎么這么牛，這么有智慧，比我還了解我老婆，這件事情是怎么做到的呢？
數(shù)據(jù)如何升華為智慧
數(shù)據(jù)的處理分幾個步驟，完成了才最后會有智慧。
第一個步驟叫數(shù)據(jù)的收集。首先得有數(shù)據(jù)，數(shù)據(jù)的收集有兩個方式，第一個方式是拿，專業(yè)點的說法叫抓取或者爬取，例如搜索引擎就是這么做的，它把網(wǎng)上的所有的信息都下載到它的數(shù)據(jù)中心，然后你一搜才能搜出來。比如你去搜索的時候，結(jié)果會是一個列表，這個列表為什么會在搜索引擎的公司里面呢，就是因為他把這個數(shù)據(jù)啊都拿下來了，但是你一點鏈接，點出來這個網(wǎng)站就不在搜索引擎它們公司了。比如說新浪有個新聞，你拿百度搜出來，你不點的時候，那一頁在百度數(shù)據(jù)中心，一點出來的網(wǎng)頁就是在新浪的數(shù)據(jù)中心了。另外一個方式就是推送，有很多終端可以幫我收集數(shù)據(jù)，比如說小米手環(huán)，可以將你每天跑步的數(shù)據(jù)，心跳的數(shù)據(jù)，睡眠的數(shù)據(jù)都上傳到數(shù)據(jù)中心里面。
第二個步驟是數(shù)據(jù)的傳輸。一般會通過隊列方式進(jìn)行，因為數(shù)據(jù)量實在是太大了，數(shù)據(jù)必須經(jīng)過處理才會有用，可是系統(tǒng)處理不過來，只好排好隊，慢慢的處理。
第三個步驟是數(shù)據(jù)的存儲。現(xiàn)在數(shù)據(jù)就是金錢，掌握了數(shù)據(jù)就相當(dāng)于掌握了錢。要不然網(wǎng)站怎么知道你想買什么呢？就是因為它有你歷史的交易的數(shù)據(jù)，這個信息可不能給別人，十分寶貴，所以需要存儲下來。
第四個步驟是數(shù)據(jù)的處理和分析。上面存儲的數(shù)據(jù)是原始數(shù)據(jù)，原始數(shù)據(jù)多是雜亂無章的，有很多垃圾數(shù)據(jù)在里面，因而需要清洗和過濾，得到一些高質(zhì)量的數(shù)據(jù)。對于高質(zhì)量的數(shù)據(jù)，就可以進(jìn)行分析，從而對數(shù)據(jù)進(jìn)行分類，或者發(fā)現(xiàn)數(shù)據(jù)之間的相互關(guān)系，得到知識。比如盛傳的沃爾瑪超市的啤酒和尿布的故事，就是通過對人們的購買數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)了男人一般買尿布的時候，會同時購買啤酒，這樣就發(fā)現(xiàn)了啤酒和尿布之間的相互關(guān)系，獲得知識，然后應(yīng)用到實踐中，將啤酒和尿布的柜臺弄的很近，就獲得了智慧。
第五個步驟就是對于數(shù)據(jù)的檢索和挖掘。檢索就是搜索，所謂外事不決問google，內(nèi)事不決問百度。內(nèi)外兩大搜索引擎都是講分析后的數(shù)據(jù)放入搜索引擎，從而人們想尋找信息的時候，一搜就有了。另外就是挖掘，僅僅搜索出來已經(jīng)不能滿足人們的要求了，還需要從信息中挖掘出相互的關(guān)系。比如財經(jīng)搜索，當(dāng)搜索某個公司股票的時候，該公司的高管是不是也應(yīng)該被挖掘出來呢？如果僅僅搜索出這個公司的股票發(fā)現(xiàn)漲的特別好，于是你就去買了，其實其高管發(fā)了一個聲明，對股票十分不利，第二天就跌了，這不坑害廣大股民么？所以通過各種算法挖掘數(shù)據(jù)中的關(guān)系，形成知識庫，十分重要。
