大数据通俗来说是什么

相信大家对于这次新冠肺炎疫情期间社区防控力度之严、强度之大深有体会。但在杭州滨江区,在疫情爆发之初,却面临着社区疫情防控人手不足的问题。对此,国家电网杭州分公司研发了全国首个“电力大数据+社区网格化”算法,实现了收集、研判电力数据功能,并对滨江157476户居民、超过1000万条电力数据,进行了收集和分析。为了精准判断细微的用电数据差别,该公司在算法中开发了居民短暂和长期外出、举家返回、隔离人员异动等3个场景6套算法模型。通过3轮150余万条次电力大数据巡航,精准判断出区域内人员日流动量和分布,还可以实时监测居家隔离人员、独居老人等特殊群体347户。这让社区人员得以根据电量波动判断业主状况,提高了登记和服务的效率,从而解决了人手不足的难题。

听完这个例子,不知道你有没有什么感触呢?看似“高大上”的大数据,实际上就是这么的“接地气”。今天呢,我主要是想纠正一些大家对于大数据的误解,对大数据有一个更清晰且正确的认识。

大数据通俗来说是什么图1

二、大数据是什么?

其中,第三范式和第四范式都是由计算机来进行计算的,二者之间有什么区别呢?

引用维克托·迈尔·舍恩伯格撰写的《大数据时代》中的话来说,就是:大数据时代最大的转变,就是放弃对因果关系的渴求,取而代之关注相关关系。第四范式相对于第三范式来说,更关注“是什么”,而不需要知道“为什么”,就像人类总是会思考事物之间的因果联系,电脑却更擅长相关性分析。这也是为什么有人提出第三范式是“人脑+电脑”,人脑是主角,而第四范式是“电脑+人脑”,电脑是主角。

也许会有同学提出疑问,这是不是与我们科学研究的理念相违背?毕竟,如果通篇只有对数据相关性的分析,而缺乏具体的因果解读,这样的文章一般被认为是数据堆砌,是不可能发表的。

这里我又想给大家举一个例子了,让大家更好的理解第四范式的意义所在。拿我们近年来特别关心的雾霾来说,我们想要研究雾霾的产生机制,从而进行针对性的预防。

按照第三范式的思路,我们需要先在一些具有“代表性”的地方建立气象站,收集与雾霾形成有关的参数,包括大气化学成分、地形、风向、温度、湿度等气象因素。需要注意的是,第三范式下,我们所收集的参数都是我们认为可能会影响到雾霾形成的因素,实际上已经人为地排除了某些不重要的参数。从研究的可行性角度出发无可厚非,但是从准确性上来说,已经是根源性的错误了。如果能够获取更全面的数据,即不加筛选地收集各类参数数据,进行更细致的数据分析,那么就能得出更科学的预测,这就是第四范式的出发点。

大数据通俗来说是什么图2

相信通过上面的解说,大家对大数据有了一个基本的认识,下面呢我来对大数据做一个简单的定义:大数据(big data),指的是在一定时间范围内不能以常规软件工具处理(存储和计算)的大而复杂的数据集。这些大数据集包括结构化、非结构化和半结构化数据,需要经过进一步的数据处理和分析才能形成有价值的信息。

大数据通俗来说是什么图3

第一、数据体量巨大

这点相不难理解,我们日常生活中使用的微信、支付宝、微博、抖音等软件每天都会产生数百亿条以上的数据,这仅仅是移动应用一天的数据量,此外其他各行各业也都会产生各式各样的数据,其总量绝对超出了你们的想象。举个具体的例子,据英特尔预测,全球数据总量在2020年将达到44ZB,而中国产生的数据量将为8000EB,8000EB是什么概念?整个地球上所有沙粒总数的10倍!

第二、数据类型繁多

正如我刚才所提到的,大数据包括结构化数据、半结构化数据和非结构化数据。结构化数据指数据的属性相同,可以用统一的结构进行表示;非结构化数据缺少固定的结构,通常整体存储,比如各种图片、视频、音频等,非结构化数据越来越成为数据的主要形式,据IDC数据显示,企业中80%的数据都是非结构化数据;而半结构化数据则介于两者之间,比如HTML和XML文档,其内部用成对的标签记录对应的数据,但每个文档内部的标签又不是统一的,没有固定的规律。

第三、价值密度低

大数据的价值很高,但是单条记录却基本无意义,缺乏有效信息,这也对我们收集数据提出了要求,数据分析一定要建立在大量的数据集的基础上。举个例子,张三是某电商平台的忠实用户,我们作为后台,如果单看他的某一条购物记录,无非是知道了他买了什么东西,消费了多少钱,但是我们一旦利用大数据分析系统对张三所有的购物记录进行分析,那么我们就能得出他的一个消费画像,了解其购买偏好,从而对他进行精准的商品推荐。

第四、处理速度快

如今5G时代,数据产生的速度越来越快,这就要求数据后台能够快速处理掉无用信息,因为需要控制存储成本。同时更快速地处理信息,能够获取更多的有效价值,才能够在商业竞争中取得优势。两方面因素都刺激着数据处理技术的高速发展,目前采取流式数据处理技术可以达到毫秒级甚至微秒级的处理时间,满足实时监控分析用户行为,从而提供个性化服务的需求。

三、结语

最后,引马云的一句话作为结尾:未来的时代将不是IT时代,而是DT的时代。这里的DT就是data technology, 希望各位对大数据有了一个新的认识,也希望大家能够在这个万物互联的时代,把握时代机遇,掌握信息技能,做一朵勇往直前的“后浪”。

大数据,简单来讲就是数据量大!

不过大有大的难处,由于数据量的暴增,导致之前的数据处理工具无法处理如此海量的数据,衍生出大数据技术,就是现在的hadoop和他的一系列周边技术。。

技术进步之后,随着数据处理能力的增强,人工智能也随之突飞猛进,人工智能的特点就是需要大量的数据去喂养,这也是现在为什么人们,更多的是提人工智能,越来越少的谈及大数据,因为大数据已经成为了基础,就像空气和水,非常重要,重要到没有必要去讨论。(当然现在空气污染导致大家对空气的讨论也多了起来,这是后话了)

人工智能需要海量的数据喂养,导致人们又开始拼命的想要获取数据,这个其实是商家层面,消费者来讲只能说是数据的贡献者!

所以,大数据只是商家的大数据,消费者需要商家提供更个性化的服务,就需要给商家提供更多的个人隐私,想要保护隐私,就没有琳琅满目的个性化,,对于消费者来讲,这是一个无法回避的循环!

原创文章,作者:普尔小编,如若转载,请注明出处:http://www.puerpx.cn/pxwd/1694.html

(0)
上一篇 2022-05-14 下午12:46
下一篇 2022-05-14 下午1:19

相关推荐

  • 销售新人怎么做销售

    销售分为很多纬度,电话销售,门店销售,大客户销售等等诸如此类,需要的能力侧重点完全不一样,高端销售岗门槛虽然特别高,但是基础的销售能力也是尤为重要。下面我将带着大家梳理一下顶尖的S…

    2022-11-15
  • javascript教程推荐

    作为一名工作四五年的前端,我来解答一下吧! 我想你应该想加入前端这行,看你发表问题的时间点,如果你能坚持学习到现在应该入门了! 1、《js dom编程艺术》可以帮你学习原生js,作…

    培训问答 2023-04-14
  • 雅思听力在线训练,练雅思听力应该听什么材料

    如何选择雅思听力练习材料? 许多考鸭觉得雅思听力难,听不懂,语速快,做题跟不上,主要的问题在于平时听的少,受困于单词量,此外,必备的雅思听力练习材料的选择对提分同样很关键。 今天,…

    培训问答 2022-07-19
  • 考研数据哪里查

    考研数据,如招生人数、复试线、初复试科目、报录比、复试比例、初复试成绩占比等等,对于考研院校选择和复试准备具有非常重要的参考价值,那么下面我就说说这些数据在哪找。 1、院校招生信息…

    2022-06-15
  • 美国租房子网站,美国留学怎么租房子

      一. 住房种类   首先给大家说明有哪几种宿舍可供留美学生选择。      1. 校园宿舍(Dorm)   几乎所有的美国学院或大学都为学生提供学生宿舍。这些宿舍在校园里或者邻…

    2022-11-13
  • 雅加达亚运会中国女排出征名单(雅加达亚运会中国女排队员名单)

    7月25日,2018雅加达亚运会中国女排14人名单终于出炉了,郎平亲自挂帅,朱婷领衔,张常宁、袁心玥9位奥运冠军悉数在列,剑指金牌,高意、姚笛遗憾落选。主攻位置,四人入选。朱婷是绝…

    2023-05-07
  • 女生学什么专业比较好(女生学什么专业比较好赚钱)

    最适合女孩子的十大专业会计、护理、行政管理、旅游管理、电子商务、计算机科学与技术、小语种、学前教育、金融、商务英语。 1、会计会计可以说是今年非常火的的专业,但因为女生大部分都不愿…

    培训问答 2023-03-15
  • 食用黄油是用什么做的,用鲜奶做黄油制作方法

    很多人都喜欢吃黄油,那你知道黄油到底是用什么油做成的吗?说出来你都不敢相信 众所周知,黄油在做奶酪蛋糕之类的东西的时候都必须要用到,但是作为中国人来说,吃中餐的时候一般都不会用到黄…

    2023-06-14
  • 室内设计师培训班,想学室内设计,是跟着师傅学好还是报培训班好

    这要看你自己怎么样看待室内设计这行业的,如果你只是想混口饭吃那我建议你直接跟一个营销能力超级强的师傅学习口术,学会怎样签单就行了,毕竟营销型设计师不做设计只是负责拉单签单。如果你真…

    培训问答 2022-04-24
  • pmp网络培训:PMP的学习方法有哪些

    PMP®认证的核心价值是不仅要提升项目经理的项目管理水平,还要帮助个人在实施和执行项目过程中,从计划、启动、执行、监控和收尾阶段,让你运用专业的项目管理知识及工作素养来完成你的项目…

    2022-04-12

发表回复

登录后才能评论