大数据时代,用「大、快、杂、疑」四字箴言带你认识大数据
你可能有注意到,「大数据(Big Data)」在我们的生活裡已经掀起滔天巨浪,继云端运算(Cloud Computing)之后,俨然成为学术界跟科技业中最热门的潮字(Buzz Word),似乎每家公司都在进行有关的研究,三句不离大数据。究竟大数据是怎么出现,又代表着什么意思呢?
大数据(Big Data),巨量资料爆炸的时代
大数据(Big Data)—— 或称巨量资料,顾名思义,是指大量的资讯,当资料量庞大到资料库系统无法在合理时间内进行储存、运算、处理,分析成能解读的资讯时,就称为大数据。
“Big data is data that exceeds the processing capacity of conventional database systems.”
这些巨量资料中有着珍贵的讯息,像是关联性(Unknown Correlation)、未显露的模式(Hidden Patterns)、市场趋势(Market Trend),可能埋藏着前所未有的知识跟应用等着被我们挖掘发现;但由于资料量太庞大,流动速度太快,现今科技无法处理分析,促使我们不断研发出新一代的资料储存设备及科技,希望从大数据中萃取出那些有价值的资讯。
「Big Data」这个词最早由 IBM 提出,2010 年才真正开始受到注目,并成为专业用语登上维基百科1,算是「大数据」的正式问世。而在 2012 年时,《纽约时报》的专栏文章「The Age of Big Data2」更是宣告了「大数据时代」的来临。值得一提的是,大数据并不是什么新兴的概念,事实上,欧洲粒子物理研究中心 (CERN)的科学家已经面对巨量资料的问题好几十年了,处理着每秒上看 PB (Peta Bytes,註:PB = 1,024 TB)的资料量3。
TED-Ed 的影片讲解 Big Data 概念,简单又好懂:
一般来说,大数据涵盖的範围很广,定义也各家歧异,2012 年 Gartner 公司的分析师 Douglas Laney 给予大数据一个全新定义4:「大数据是大量、高速、及/或类型多变的资讯资产,它需要全新的处理方式,去促成更强的决策能力、洞察力与最佳化处理。」
于是大部份机构跟公司都将大数据的特性归类为「3Vs」或「4Vs」–– 资料量 Volume、资料传输速度 Velocity、资料类型(Variety),以及后来提出的第四个 V —— 真实性 Veracity。以下整理了 4Vs 简单的定义跟解释,可以从这四点切入认识大数据。
Volume 资料量
以前人们「手动」在表格中记录、累积出数据;现在数据是由机器、网路、人与人之间的社群互动来生成。你现在正在点击的滑鼠、来电、简讯、网路搜寻、线上交易... 都正在生成累积成庞大的数据,因此资料量很容易就能达到数 TB(Tera Bytes,兆位元组),甚至上看 PB(Peta Bytes,千兆位元组)或 EB(Exabytes,百万兆位元组)的等级。
Velocity 资料输入输出速度
资料的传输流动(data streaming)是连续且快速的,随着越来越多的机器、网路使用者,社群网站、搜寻结果每秒都在成长,每天都在输出更多的内容。公司跟机构要处理庞大的资讯大潮向他们袭来,而回应、反应这些资料的速度也成为他们最大的挑战,许多资料要能即时得到结果才能发挥最大的价值,因此也有人会将 Velocity 认为是「时效性」。
Variety 资料类型
大数据的来源种类包罗万象,十分多样化,如果一定要把资料分类的话,最简单的方法是分两类,结构化与非结构化。早期的非结构化资料主要是文字,随着网路的发展,又扩展到电子邮件、网页、社交媒体、视讯,音乐、图片等等,这些非结构化的资料造成储存(storage)、探勘(mining)、分析(analyzing)上的困难。
Veracity 真实性
这个词由在 Express Scripts 担任首席数据官(Chief Data Officer, CDO)的 Inderpal Bhandar 在波士顿大数据创新高峰会(Big Data Innovation Summit)的演讲中提出,认为大数据分析中应该加入这点做考虑,分析并过滤资料有偏差、伪造、异常的部分,防止这些「dirty data」损害到资料系统的完整跟正确性,进而影响决策。
大数据特性,谨记四字箴言:「大、快、杂、疑」
大数据资料量庞「大」(Volume)、变化飞「快」(Velocity),种类繁「杂」(Variety),以及真伪存「疑」(Veracity)。尤其在这资讯大爆炸时代,这些资料变得又多、又快、又杂、又真伪难分。
当然在「大数据」一词像病毒一样,侵入我们生活中的各个层面,也有越来越多人提出更多的「V」来解释大数据,像是 Volatility、Validity、Value、Victory 等,这些分歧的意见在这就不多详述,只要知道有这些说法、以后听到别人说到「7Vs」时不要觉得惊讶就行啦!
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14