大資料包含幾個方面的內涵吧1. 資料量大,TB,PB,乃至EB等資料量的資料需要分析處理。2. 要求快速響應,市場變化快,要求能及時快速的響應變化,那對資料的分析也要快速,在效能上有更高要求,所以資料量顯得對速度要求有些“大”。3. 資料多樣性:不同的資料來源,非結構化資料越來越多,需要進行清洗,整理,篩選等操作,變為結構資料。4. 價值密度低,由於資料採集的不及時,資料樣本不全面,資料可能不連續等等,資料可能會失真,但當資料量達到一定規模,可以透過更多的資料達到更真實全面的反饋。很多行業都會有大資料需求,譬如電信行業,網際網路行業等等容易產生大量資料的行業,很多傳統行業,譬如醫藥,教育,採礦,電力等等任何行業,都會有大資料需求。隨著業務的不斷擴張和歷史資料的不斷增加,資料量的增長是持續的。如果需要分析大資料,則可以Hadoop等開源大資料專案,或Yonghong Z-Suite等商業大資料BI工具。不同行業的資料有不同的自身特點,還需要結合自身的行業知識才能把大資料轉換為價值。
大資料包含幾個方面的內涵吧1. 資料量大,TB,PB,乃至EB等資料量的資料需要分析處理。2. 要求快速響應,市場變化快,要求能及時快速的響應變化,那對資料的分析也要快速,在效能上有更高要求,所以資料量顯得對速度要求有些“大”。3. 資料多樣性:不同的資料來源,非結構化資料越來越多,需要進行清洗,整理,篩選等操作,變為結構資料。4. 價值密度低,由於資料採集的不及時,資料樣本不全面,資料可能不連續等等,資料可能會失真,但當資料量達到一定規模,可以透過更多的資料達到更真實全面的反饋。很多行業都會有大資料需求,譬如電信行業,網際網路行業等等容易產生大量資料的行業,很多傳統行業,譬如醫藥,教育,採礦,電力等等任何行業,都會有大資料需求。隨著業務的不斷擴張和歷史資料的不斷增加,資料量的增長是持續的。如果需要分析大資料,則可以Hadoop等開源大資料專案,或Yonghong Z-Suite等商業大資料BI工具。不同行業的資料有不同的自身特點,還需要結合自身的行業知識才能把大資料轉換為價值。