数据挖掘与大数据技术应用学习教案.pptx

《数据挖掘与大数据技术应用学习教案.pptx》由会员分享，可在线阅读，更多相关《数据挖掘与大数据技术应用学习教案.pptx（63页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、会计学1数据挖掘与大数据技术数据挖掘与大数据技术(jsh)应用应用第一页，共63页。目录目录(ml)一、大数据的来源二、什么是大数据四、大数据的应用五、成功案例三、大数据的关键性技术第1页/共63页第二页，共63页。引言引言(ynyn)(ynyn)电影电影点球成金点球成金基于历史数据，利用数据建模定量分析不同球员特点，合理(hl)搭配，重新组队；打破传统思维，通过分析比赛数据，寻找(xnzho)“性价比”最高球员，运用数据取得成功；2011年布拉德皮特主演的点球成金是一部美国奥斯卡获奖影片，所讲述的是皮特扮演的棒球队总经理利用计算机数据分析，对球队进行了翻天覆地的改造，让一家不起眼的小球队能够

2、取得巨大的成功。第2页/共63页第三页，共63页。数据本质数据本质(bnzh)(bnzh)是生是生产资料和资产产资料和资产仅供开采162年仅供开采45年仅供开采60年不可(bk)再生资源VS数据过去3年数据总量被以往4万年还多2013年,10分钟的信息总量将达1.8ZB2010年全球数据总量1.2ZB，年增长50%数据不再是社会生产的“副产物”，而是可被二次乃至多次加工(ji gng)的原料，从中可以探索更大价值，它变成了生产资料。第3页/共63页第四页，共63页。数据数据(shj)(shj)爆炸式增长爆炸式增长（每分钟（每分钟）Twitter上发布98000+新微博13000+个iPhone

3、应用下载Skype上37万+分钟的语音通话上传6600张新照片到flickr发出1.68亿+条EmailYouTube上上传600+新视频淘宝光棍节10680+个新订单Facebook上更新69.5万+条新状态12306出票1840+张第4页/共63页第五页，共63页。数据资产数据资产(zchn)(zchn)管理的挑战管理的挑战第5页/共63页第六页，共63页。数据资产管理数据资产管理(gunl)(gunl)的挑战的挑战第6页/共63页第七页，共63页。需要不同需要不同“看看”数据数据(shj)(shj)的方式的方式8可视：结构化资料(zlio)15%未视：半/非结构化数据(shj)85%DB

4、/DW主管们看的战情数位仪表板，其实是残缺的第7页/共63页第八页，共63页。10万 GB10万 TB需要更高性价比的数需要更高性价比的数据计算据计算(j sun)(j sun)与储与储存方式存方式9数据库数据仓库计算(j sun)更快 存储更省第8页/共63页第九页，共63页。85%半/非结构化的Log/Web page/Email/PDF/Image/Full-text/MS-Office file 需要需要(xyo)(xyo)不同的数据管理策略不同的数据管理策略当我们想要扩充时，才发觉：架构只能(zh nn)scale-up，scale-out 不易处理时间过长，time-to-valu

5、e 受限成本过高，cost-efficiency 受限15%结构化的 DB/DW遗憾(yhn)残缺第9页/共63页第十页，共63页。每天几百 GB、几 TB 的资料(zlio)，且持续成长中储存储存(ch(ch ccn)n)StoringStoring 在收数据(shj)的同时做必要的前置处理(pre-processing)，并区分数据(shj)处理的优先等级(prioritizing)计算计算ProcessingProcessing如何有效的避免因硬件毁坏所导致的资料损毁管理管理ManagingManaging如何从中挖掘出所关注事件的 pattern 或 behavior分析分析Analy

6、zingAnalyzing超越企业现有超越企业现有 IT IT 的数的数据解决能量据解决能量11第10页/共63页第十一页，共63页。中央政府对大数据的重视中央政府对大数据的重视(zhngsh)(zhngsh)程度程度习近平近平政府管理不仅要讲究策略，还要讲究手段，比如大数据技术的应用，2014年3月8日“大数据”首次写入政府工作报告奥巴奥巴马“将投入巨资拉动与大数据相关的产业”“数据为“未来的石油“，是美国综合国力的一部分，是与陆权、海权、空权同等重要的“国家核心资产”。李克李克强：加快推进全国中小企业征信系统建设,通过大数据等技术优化中小企业征信资质。李克李克强经济数据和目标的进一步调整，

7、中小企业将面临更大的压力，互联网金融除了解决便利性问题外，更重要的是如何围绕特有的大数据资源展开对实体经济的服务汪洋汪洋数据为王，财政工作离不开大数据第11页/共63页第十二页，共63页。目录目录(ml)二、什么(shn me)是大数据三、大数据的应用四、成功案例一、大数据(shj)的来源三、大数据的关键性技术第12页/共63页第十三页，共63页。14Social MediaMachine/SensorDOC/MediaWeb ClickstreamAppsCall LogLog什么什么(shn me)(shn me)是数据是数据？半半结结构化构化/非非结结构化数据构化数据(shj)第13页/

8、共63页第十四页，共63页。4什么什么(shn me)(shn me)是大数据？是大数据？第14页/共63页第十五页，共63页。何为大？数据(shj)度量1Byte=8 Bit1KB =1,024 Bytes1MB =1,024 KB=1,048,576 Bytes1GB =1,024 MB=1,048,576 KB=1,073,741,824 Bytes1TB =1,024 GB=1,048,576 MB=1,099,511,627,776 Bytes1PB =1,024 TB=1,048,576 GB=1,125,899,906,842,624 Bytes1EB =1,024 PB=1,0

9、48,576 TB=1,152,921,504,606,846,976 Bytes1ZB =1,024 EB=1,180,591,620,717,411,303,424 Bytes1YB =1,024 ZB=1,208,925,819,614,629,174,706,176 Bytes3/13/20126什么什么(shn me)(shn me)是大数据？是大数据？第15页/共63页第十六页，共63页。红楼梦含标点87万字（不含标点853509字）每个汉字占两个字节：1汉字=16bit=2*8位=2bytes1GB 约等于 671部红楼梦1TB 约等于 631,903 部1PB 约等于 647,

10、068,911部美国国会图书馆藏书(cng sh)（151,785,778册）（2011年4月：收录数据235TB）中国国家图书馆：2631万册1EB=4000倍 美国国会图书馆存储的信息量600美元的硬盘就可以存储全世界所有的歌曲MGI估计,全球企业 2010 年在硬盘上存储了超过 7EB(1EB 等于 10 亿 GB)的新数据,同时,消费者在 PC 和笔记本等设备上存储了超过 6EB 新数据7数据没有办法数据没有办法(bnf)(bnf)在可容忍的时间下使用常规软件方法完成存储、管理和处理任务在可容忍的时间下使用常规软件方法完成存储、管理和处理任务什么什么(shn me)(shn me)是大

11、数据？是大数据？第16页/共63页第十七页，共63页。大数据大数据(shj)(shj)的解释的解释n n大数据是需要新处理模大数据是需要新处理模式才能具有更强的决策力、洞式才能具有更强的决策力、洞察发现力和流程优化能力的海察发现力和流程优化能力的海量、高增长率和多样化的信息量、高增长率和多样化的信息资产。资产。n n大数据就是大数据就是“未来未来(wili)(wili)的新的新石油石油”。第17页/共63页第十八页，共63页。大数据大数据(shj)(shj)带来的带来的思维变革思维变革更乱不是(b shi)因果关系而是相关关系更多不是随机样本而是全部(qunb)数据更杂不是精确性而是混杂性第1

12、8页/共63页第十九页，共63页。大数据带来的思维大数据带来的思维(swi)(swi)变革（更多）变革（更多）人口大普查全数据(shj)模式随机(su j)采样样本模式大数据应用全数据模式是指在国家统一规定的时间内，按照统一的方法、统一的项目、统一的调查表和统一的标准时点，对全国人口普遍地、逐户逐人地进行的一次性调查登记；主要特点是调查组织高度集中性，普查对象的全面完整性；人口大普查耗时耗费，一般来讲是十年一次，新中国成立以来共进行了6次人口大普查；人口大普查是一种典型的全数据模式；大数据时代小数据时代第19页/共63页第二十页，共63页。大数据带来的思维大数据带来的思维(swi)(swi)变

13、革（更多）变革（更多）人口(rnku)大普查全数据模式随机(su j)采样样本模式大数据应用全数据模式人口大普查是一种耗时耗费的工程，一般是以十年为单位；各国每年需要进行几百次的小规模人口调查，采取随机采样分析的方式，这是一种样本模式；源于实用并且很好的创新！随机采样分析是小数据时代的产物；大数据时代小数据时代第20页/共63页第二十一页，共63页。大数据大数据(shj)(shj)带来的带来的思维变革（更多）思维变革（更多）人口大普查全数据(shj)模式随机采样样本(yngbn)模式大数据应用全数据模式我们已具备了大数据的各种技术能力，思维需要转换到大数据的全数据模式：样本=全部；大数据不用随

14、机分析法这样的捷径，而采用所有数据的方法；这里的“大”是相对的相扑比赛所有数据存储还不需要一个TB，但是是所有的数据！在大数据时代采用随机采样法，就像在汽车时代骑马一样，虽然特定情况下仍可采样随机采样法，但是慢慢地我们会放弃它；大数据时代小数据时代第21页/共63页第二十二页，共63页。大数据大数据(shj)(shj)带来的带来的思维变革（更多）思维变革（更多）Google利用网络大数据预测流感基于全数据进行相扑比赛的作弊分析埃齐奥尼的Farecast有10万亿条数据预测机票价格乔布斯的癌症抗争，自身所有DNA和肿瘤DNA排序第22页/共63页第二十三页，共63页。大数据带来的思维大数据带来的

15、思维(swi)(swi)变革（更杂）变革（更杂）从皮尺到哈勃望远镜，人类一直在追求测量的精确性，一方面源于对未知世界的认知；一方面也源于收集信息的有限性；l大数据的简单算法比小数据的复杂算法更有效；lIBM的机器翻译 VS Google的机器翻译；l纷繁的数据越多越好；l大数据时代要求我们重新审视(shnsh)数据精确性的优略；l大数据不仅让我们不再期待精确性，也让我们无法实现精确性；l错误不是大数据固有的问题，而是一个需要我们去解决的问题，而且会将长期存在；l混杂性，不是竭力避免，而是标准途径；第23页/共63页第二十四页，共63页。大数据带来的思维大数据带来的思维(swi)(swi)变革（

16、更好）变革（更好）佛教三世因果经主要讲：一是人的命是自己造就的；二是怎样为自己造一个好命；三是行善积德与行凶作恶干坏事的因果循环报应规律。佛教关于因果报应的解释原因和结果是揭示客观世界中普遍联系着的事物具有先后相继、彼此制约的一对范畴。原因是指引起一定现象的现象，结果是指由于原因的作用而引起的现象。哲学范畴的因果关系大数据的相关关系，而不强调因果关系；（舍恩伯格），其实这个只是一种对无法探究因果的妥协，人类应该去探寻因果，因为世界存在客观的运转规律；舍恩伯格对大数据的相关性解释Kaggle，一个为所有人提供数据挖掘竞赛的公司，在一次关于二手车的数据分析比赛中得到，橙色汽车有质量问题的可能性是其

17、它颜色汽车的一半。为什么？探寻事物的因果关系是人类的本性，但是大数据时代可以做某种程度的妥协，可以只需要关注“是什么”，而忽略“为什么？”第24页/共63页第二十五页，共63页。大数据大数据(shj)(shj)的的4V4V特特征征Volume非结构化数据的超大规模和增长总数据量的8090%比结构化数据增长快10倍到50倍是传统数据仓库的10倍到50倍Value大量的不相关信息对未来趋势与模式的可预测分析深度复杂分析（机器学习、人工智能Vs传统商务智能）Velocity实时分析而非批量式分析数据输入、处理与丢弃立竿见影而非事后见效Variety大数据的异构和多样性很多不同形式（文本、图像、视频、

18、机器数据）无模式或者模式不明显不连贯的语法或句义Big Data大数据TBTBPBPBEBEBStreamsStreamsReal timeReal timeNear timeNear timeBatchBatchStructuredStructuredUnstructured Unstructured Semi-structuredSemi-structuredAll the aboveAll the above第25页/共63页第二十六页，共63页。大数据大数据(shj)(shj)的的4V4V特特征（征（VolumeVolume）1Bity1KB1MB1GB1TB1PB1EB1ZB1YB1

19、PB相当于50%的全美学术研究图书馆藏书信息内容5EB相当于至今全世界人类所讲过的话语1ZB如同全世界海滩上的沙子数量总和1YB相当于7000位人类体内的微细胞总和一般情况下，大数据是以 PB、EB、ZB为单位进行计量的第26页/共63页第二十七页，共63页。大数据大数据(shj)(shj)的的4V4V特特征（征（VelocityVelocity）82254132215327现在及未来几年内美国的移动网络数据流量增长（PB/月）源自英国Coda研究咨询公司大数据的增长速度快大数据的处理速度快实时数据流处理的要求，是区别大数据引用和传统数据仓库技术，BI技术的关键差别之一；1s 是临界点，对于大

20、数据应用而言,必须要在1秒钟内形成答案，否则处理结果就是过时和无效的；第27页/共63页第二十八页，共63页。大数据大数据(shj)(shj)的的4V4V特特征（征（VarietyVariety）行业/企业内数据互联网数据物联网数据大数据数据来源多企业内部多个应用系统的数据、互联网和物联网的兴起，带来了微博、社交网站、传感器等多种来源。数据类型多保存在关系数据库中的结构化数据只占少数，7080%的数据是如图片、音频、视频、模型、连接信息、文档等非结构化和半结构化数据。关联性强数据之间频繁交互，比如游客在旅行途中上传的图片和日志，就与游客的位置、行程等信息有了很强的关联性。第28页/共63页第二

21、十九页，共63页。大数据大数据(shj)(shj)的的4V4V特特征（征（ValueValue）挖掘大数据的价值类似沙里淘金，从海量数据中挖掘稀疏但珍贵(zhngu)的信息；价值密度低，是大数据的一个典型特征；大数据不大数据不仅仅仅仅是技是技术术，关，关键键(gunjin)是是产产生价生价值值可以从各个可以从各个层层面面进进行行优优化，更要考化，更要考虑虑整体整体第29页/共63页第三十页，共63页。行行业数据数据处理方式理方式价价值银行/金融贷款、保险、发卡等多业务线数据集成分析、市场评估新产品风险评估股票等投资组合趋势分析增加市场份额提升客户忠诚度提高整体收入降低金融风险医疗共享电子病历及

22、医疗记录，帮助快速诊断穿戴式设备远程医疗改善诊疗质量加快诊疗速度制造/高科技产品故障、失效综合分析专利记录检索智能设备全球定位，位置服务优化产品设计、制造降低保修成本加快问题解决能源勘探、钻井等传感器阵列数据集中分析降低工程事故风险优化勘探过程互联网/Web2.0在线广告投放商品评分、排名社交网络自动匹配搜索结果优化提升网络用户忠诚度改善社交网络体验向目标用户提供有针对性的商品与服务政府/公用事业智能城市信息网络集成天气、地理、水电煤等公共数据收集、研究公共安全信息集中处理、智能分析更好地对外提供公共服务舆情分析准确预判安全威胁媒体/娱乐收视率统计、热点信息统计、分析创造更多联合、交叉销售商机

23、准确评估广告效用零售基于用户位置信息的精确促销社交网络购买行为分析促进客户购买热情顺应客户购买行为习惯13大数据大数据(shj)(shj)商业价值商业价值第30页/共63页第三十一页，共63页。大数据大数据(shj)(shj)商业价商业价值值-大数据大数据(shj)(shj)为为“未来的新石油未来的新石油”2013年，世界上存储的数据预计能达到约（约12亿TB）字节，如果把这些数据全部印刷成书，这些书可以覆盖整个美国52次，如果将之存储于标准的光盘，这些光盘可以堆成五堆，每一堆都可以伸到月球。2012年3月22日，奥巴马政府宣布投资2亿美元拉动大数据相关(xinggun)产业发展，将“大数据战

24、略”上升为国家战略。奥巴马政府甚至将大数据定义为“未来的新石油”。第31页/共63页第三十二页，共63页。大数据商业价值大数据商业价值-企企业经营业经营(jngyng)(jngyng)决决策策某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客以后常常会再去另一店买包子，人数还不少(b sho)，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。第32页/共63页第三十三页，共63页。大数据大数据(shj)(shj)商业价商业价值值-个性化营销个性化营销银行与客户的交流渠道进行了整合，只要某个客户在网上点击查询了有关房贷利率的信息，系统就会提示呼叫中心在电话交流时推荐房贷产品，如果发现顾

25、客确实对此感兴趣，销售部门就会发送(f sn)推介信息给客户，如果这位顾客到银行网点办事，业务人员就会详细介绍房贷产品，开始只有少量的线索，但通过多渠道的与顾客交互接触，在这个过程中，令顾客体验了银行精准、体贴的服务，其结果是营业收入大为增加，成本大幅降低。第33页/共63页第三十四页，共63页。大数据商业价值大数据商业价值-互互联网金融联网金融(jnrng)(jnrng)的的核心是大数据核心是大数据 互联网金融并非简单的把传统金融业务搬到网上去，而是充分利用大数据来颠覆银企之间信息不对称的问题。数据是一个(y)平台，因为数据是新产品和新商业模式的基石。推动互联网金融发展的核心正是大数据的价值

26、。第34页/共63页第三十五页，共63页。大数据商业价值大数据商业价值-所所有有(suyu)(suyu)互联网公互联网公司都将是大数据公司司都将是大数据公司第35页/共63页第三十六页，共63页。大数据商业价值大数据商业价值-数据数据列入企业资产负债表只列入企业资产负债表只是是(zhsh)(zhsh)时间问题时间问题用资产的要素(yo s)来盘点一下什么样的数据符合资产的要求：1，从拥有和控制的角度来看，数据可以分为第一方数据、第二方数据和第三方数据。2，对于数据资产的货币计量，可以参照无形资产的计量规则。3，目前直接利用数据为企业带来经济利益的方法主要有数据租售、信息租售、数据使能三种模式。

27、4，要实现数据的保值增值，就要从扩大数据规模，提高数据活性，提升收集运用数据的能力第36页/共63页第三十七页，共63页。大数据大数据(shj)(shj)改变生改变生活活n n。大数据(shj)对政府、金融机构、企业来说，象空气一样不可或缺！第37页/共63页第三十八页，共63页。软件是大数据软件是大数据(shj)(shj)的引擎的引擎n n和数据和数据(shj)(shj)中心（中心（Data Data CenterCenter）一样，软件是大数据一样，软件是大数据(shj)(shj)的驱动力的驱动力.n n软件改变世界软件改变世界!第38页/共63页第三十九页，共63页。IBM C&P In

28、dustry需求海量数据(shj)存储技术实时数据(shj)处理技术数据(shj)高速传输技术搜索技术描述分布式文件系统流计算(jsun)引擎服务器/存储间高速通信文本检索、智能搜索、实时搜索技术(jsh)Hadoop，x86/MPPMapReduceStreamingDataInfiniBandEnterpriseSearch数据分析技术Text Analytics Engine 自然语言处理、文本情感分析、Visual Data Modeling 机器学习、聚类关联、数据模型大数据涉及的关键技术大数据涉及的关键技术第39页/共63页第四十页，共63页。基于基于SQL语言语言(yyn):面对

29、面对OLAP的传统行和列的传统行和列不基于不基于(jy)SQL或或map-reduce的的:由谷歌率先发起由谷歌率先发起数据流数据流:基于基于(jy)运行商数据直接生运行商数据直接生成任意图形成任意图形新平台技术新平台技术数据入口数据入口/汇聚汇聚数据平台数据平台分析分析不同范围的服务不同范围的服务传统交付模式-单片或基于设备的解决方案云云:能够充分利用物理设施的弹性，以实现处理快速增长数据的能力“数据库将演变成一个虚拟的，基于云计算，超级可扩展的分布式平台。”-ForresteranalystJimKobielus新的传输方案新的传输方案大数据涉及的关键技术大数据涉及的关键技术第40页/共6

30、3页第四十一页，共63页。大数据（大数据（Hadoop）NoSQL数据数据库库数据数据仓库仓库部署架构部署架构水平扩展水平扩展大部分垂直扩展，少数水平扩展大部分水平扩展数据数据类类型型文件存储，没有数据类型简单数据类型丰富的数据类型丰富的数据类型数据模型数据模型非常简陋的数据模型简单灵活数据模型丰富的数据模型完善丰富的数据模型数据关系数据关系没有数据关系描述非常简单的数据关系描述数据关系完善数据关系完善数据一致数据一致无一致性弱一致性强一致性强一致性数据安全数据安全安全性很弱安全性很弱安全性很高安全性很高计计算算类类型型离线批量处理，只读，低并发实时CRUD操作，海量并发实时CRUD操作，高并

31、发离线批量处理，只读，低并发适用适用场场景景低密度数据海量存储，数据预处理，预计算高并发实时在线交易，查询，报表高价值数据统一存储和计算平台常常见见用例用例日志处理，用户行为分析，搜索引擎用户资料，微博，金融反欺诈金融账户，电信计费，税务等企业数据仓库Copyright 2012,Oracle and/or its affiliates.All rights reserved.11大数据大数据(shj)(shj)涉及的关键技术涉及的关键技术第41页/共63页第四十二页，共63页。大数据(shj)的安全威胁大数据基础设施安全(nqun)威胁大数据存储(cnch)安全威胁隐私泄露问题数据访问安全威

32、胁针对大数据的高级持续性攻击其他安全威胁大数据挑战大数据挑战第42页/共63页第四十三页，共63页。目录目录(ml)二、什么是大数据五、成功案例一、大数据(shj)的来源三、大数据(shj)的关键性技术四、大数据的应用第43页/共63页第四十四页，共63页。大数据大数据(shj)主流工具主流工具参见(cnjin)文档。第44页/共63页第四十五页，共63页。目录目录(ml)二、什么是大数据四、大数据(shj)的应用五、成功案例一、大数据(shj)的来源三、大数据的关键性技术第45页/共63页第四十六页，共63页。大数据业务(yw)战略大数据建设(jinsh)目标大数据(shj)架构设计大数据实

33、施大数据运维企业战略目标业务目标业务模式大数据目标服务对象服务模式应用场景大数据服务定义大数据信息模型大数据管理定义技术选择容量规划安装、配置验收测试系统上线大数据服务管理系统监控资源调度生命周期管理服务性能管理验证测试大数据持续改进架构优化技术升级服务改进企业大数据建设方法企业大数据建设方法第46页/共63页第四十七页，共63页。逐步扩展现有架构逐步扩展现有架构(ji u)，满足大数据要求：，满足大数据要求：第第 1 步：更深入地分析当前数据步：更深入地分析当前数据第第 2 步：针对数据多样性和数据量进行设计步：针对数据多样性和数据量进行设计第第 3 步：针对高数据速度设计步：针对高数据速度

34、设计第第 4 步：发现新模式步：发现新模式提高(t go)业务(yw)价值企业大数据建设方法企业大数据建设方法第47页/共63页第四十八页，共63页。信息信息(xnx)分析分析信息信息(xnx)供应供应(In-Database)数据挖掘数据挖掘文本文本(wnbn)挖掘挖掘统计分析统计分析语义分析语义分析空间地理分析空间地理分析In-DBMapReduce说明性分析说明性分析预测分析预测分析报告报告仪表板仪表板用户层用户层最终客户最终客户供应商供应商市场营销市场营销管理人员管理人员客户服务客户服务业务流程业务流程合作伙伴合作伙伴应用系统应用系统数据沙箱（数据沙箱（Sandbox)Distribu

35、ted File SystemsNoSQLRelationalData Streams文档文档多媒体多媒体网络和社交媒体网络和社交媒体机器生成机器生成大数据处理大数据处理大数据处理大数据处理&发现发现海量非结构化数据海量非结构化数据&流数据处理流数据处理信息发现信息发现数据转化数据转化存储层存储层数据源数据源数据仓库数据仓库海量非结构化海量非结构化&结构化数据访问，转换和存储结构化数据访问，转换和存储分析主题库（数据集市）分析主题库（数据集市）Faceted UnstructuredSpatial/Relational企业部门应用企业部门应用企业大数据建设方法企业大数据建设方法第48页/共63

36、页第四十九页，共63页。目录目录(ml)二、什么是大数据五、成功(chnggng)案例四、大数据的应用一、大数据(shj)的来源三、大数据的关键性技术第49页/共63页第五十页，共63页。商品商品(shngpn)(shngpn)零售零售大数据大数据n n此事经被纽约时报报道后，塔吉特“大数据”的巨大威力轰动全美n n在美国，有一位父亲怒气冲冲地跑到塔吉特卖场，质问为何将带有婴儿用品优惠券的广告邮件，寄送给他正在念高中的女儿?n n然而后来证实，他的女儿果真怀孕了。这名女孩搜寻商品的关键词，以及在社交网站所显露的行为轨迹，使沃尔玛捕捉到了她的怀孕信息。n n模型发现，许多孕妇在第2个妊娠期的开始

37、会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。n n最后塔吉特选出了25种典型商品的消费(xiofi)数据构建了“怀孕预测指数”，通过这个指数，Target能够在很小的误差范围内预测到顾客的怀孕情况，因此Target就能早早地把孕妇优惠广告寄发给顾客。第50页/共63页第五十一页，共63页。消费消费(xiofi)(xiofi)大数据大数据n n亚马逊“预测式发货”的新专利，可以通过对用户数据的分析，在他们还没有下单购物前，提前发出包裹。n n这项技术可以缩短发货时间，从而降低消费者前往实体店的冲动。从下单到收货之间的时间延迟可能会降低人们的购物意愿

38、，导致他们放弃网上购物。n n所以，亚马逊可能会根据之前的订单和其他因素，预测用户的购物习惯，从而在他们实际下单前便将包裹发出。根据该专利文件，虽然包裹会提前从亚马逊发出，但在用户正式下单前，这些包裹仍会暂存在快递公司(n s)的转运中心或卡车里。n n亚马逊为了决定要运送哪些货物，亚马逊可能会参考之前的订单、商品搜索记录、愿望清单、购物车，甚至包括用户的鼠标在某件商品上悬停的时间。第51页/共63页第五十二页，共63页。大数据大数据(shj)+(shj)+政治政治n n 在筹备过程中，奥巴马背后的数据分析团队一直在收集、存储和分析选民数据。在这次的大选中，奥巴马竞选阵营的高级助理们决定将参考

39、这一团队所得出的数据分析结果来制定下一步的竞选方案。利用在竞选中可获得的选民行动、行为、支持偏向方面的大量数据。比如(br)，在东海岸找到一位对女性群体具备相同号召力的名人，从而复制“克鲁尼效应”并为奥巴马筹集竞选资金。“Twitter的政治指数”提供了一个衡量社会化媒体平台的用户如何评价候选人的方式。奥巴马积极的情绪指数是 59，而罗姆尼的只有53第52页/共63页第五十三页，共63页。证监会大数据证监会大数据(shj)(shj)n n回顾回顾“老鼠仓老鼠仓”的查的查处过程处过程(guchng)(guchng)，在马乐，在马乐一案中，一案中，“大数据大数据”首次介入。首次介入。深交所此前通过

40、深交所此前通过“大数据大数据”查查出的可疑账户高达出的可疑账户高达300300个。个。n n实际上，早在实际上，早在20092009年，年，上交所曾经有过利用上交所曾经有过利用“大数据大数据”设置设置“捕鼠器捕鼠器”的设想。通的设想。通过建立相关的模型，设定一定过建立相关的模型，设定一定的指标预警，即相关指标达到的指标预警，即相关指标达到某个预警点时监控系统会自动某个预警点时监控系统会自动报警。报警。n n而此次在马乐案中亮而此次在马乐案中亮相的深交所的相的深交所的“大数据大数据”监监测系统，更是引起了广泛关注。测系统，更是引起了广泛关注。深交所有几十人的监控室，设深交所有几十人的监控室，设置

41、了置了200200多个指标用于监测估多个指标用于监测估计，一旦出现股价偏离大盘走计，一旦出现股价偏离大盘走势，深交所利用大数据查探异势，深交所利用大数据查探异动背后是哪些人或机构在参与。动背后是哪些人或机构在参与。第53页/共63页第五十四页，共63页。金融金融(jnrng)(jnrng)大数据大数据n n阿里“水文模型”是按小微企业类目、级别等分别统计一个阿里系商户的相关“水文数据”库。n n如过往每到某个时点，该店铺销售会进入旺季，销售额就会增长，同时每在这个时段，该客户对外投放的额度就会上升，结合这些水文数据，系统可以判断出该店铺的融资需求(xqi)；结合该店铺以往资金支用数据及同类店铺

42、资金支用数据，可以判断出该店铺的资金需求(xqi)额度。第54页/共63页第五十五页，共63页。金融交易大数据金融交易大数据(shj)(shj)n n量化交易，程序化交易，高频交易是大数据应用比较多的领域。n n全球2/3的股票交易量是由高频交易所创造的，参与者总收益每年高达80亿美元。n n其中，大数据算法被用来作出交易决定。现在，大多数股权交易都是通过大数据算法进行，这些算法越来越多地开始考虑社交媒体网络和新闻网站的信息来在几秒内做出买入和卖出的决定。n n当一个产品(chnpn)可以在多个交易所交易时，会形成不同的定价，在这当中，谁能够最快地捕捉到同一个产品(chnpn)在不同交易所之间

43、的显著价差，谁就能捕捉到瞬间套利机会，技术成为了重要因素第55页/共63页第五十六页，共63页。制造业大数据制造业大数据(shj)(shj)n n在摩托车生产厂商哈雷戴维森公司位于宾尼法尼亚州约克市新翻新的摩托车制造厂，软件不停的在记录(jl)着微小的制造数据，如喷漆室风扇的速度等等。当软件察觉风扇速度、温度、湿度或其它变量脱离规定数值，它就会自动调节机械。哈雷戴维森同时还使用软件，还寻找制约公司每86秒完成一台摩托车制造工作的瓶颈。最近，这家公司的管理者通过研究数据，认为安装后挡泥板的时间过长。通过调整工厂配置，哈雷戴维森提高了安装该配件的速度。n n美国一些纺织及化工生产商，根据从不同的百

44、货公司POS机上收集的产品销售速度信息，将原来的18周送货速度减少到3周，这对百货公司分销商来说，能以更快的速度拿到货物，减少仓储。对生产商来说，积攒的材料仓储也能减少很多。第56页/共63页第五十七页，共63页。n n谷歌基于每天来自全球的30 多亿条搜索指令设立了一个系统，这个系统在2009 年甲流爆发之前就开始对美国各地区进行“流感(li n)预报”，并推出了“谷歌流感(li n)趋势”服务。n n谷歌在这项服务的产品介绍中写道：搜索流感(li n)相关主题的人数与实际患有流感(li n)症状的人数之间存在着密切的关系。虽然并非每个搜索“流感(li n)”的人都患有流感(li n)，但谷

45、歌发现了一些检索词条的组合并用特定的数学模型对其进行分析后发现，这些分析结果与传统流感(li n)监测系统监测结果的相关性高达97%。n n这也就表示，谷歌公司能做出与疾控部门同样准确的传染源位置判断，并且在时间上提前了一到两周。”医疗医疗(ylio)(ylio)大数据大数据第57页/共63页第五十八页，共63页。能源能源(nngyun)(nngyun)大数大数据据n n国际大石油公司一直都非常重视数据管理。如雪佛龙公司将5万台桌面系统与1800个公司站点连接，消除炼油、销售与运输“下游系统”中的重复(chngf)流程和系统，每年节省5000万美元，过去4年已获得了净现值约为2亿美元的回报。n

46、 n准确预测太阳能和风能需要分析大量数据，包括风速、云层等气象数据。丹麦风轮机制造商维斯塔斯(VestasWindSystems)，通过在世界上最大的超级计算机上部署IBM大数据解决方案，得以通过分析包括PB量级气象报告潮汐相位、地理空间、卫星图像等结构化及非结构化的海量数据，优化风力涡轮机布局，有效提高风力涡轮机的性能，为客户提供精确和优化的风力涡轮机配置方案不但帮助客户降低每千瓦时的成本，并且提高了客户投资回报估计的准确度，同时它将业务用户请求的响应时间从几星期缩短到几小时。第58页/共63页第五十九页，共63页。交通交通(jiotng)(jiotng)大数大数据据n nUPSUPS最新的

47、大数据来源是最新的大数据来源是安装在公司万多辆卡车上的远程通安装在公司万多辆卡车上的远程通信传感器，这些传感器能够传回车信传感器，这些传感器能够传回车速、方向、刹车和动力性能速、方向、刹车和动力性能(xngnng)(xngnng)等方面的数据。收集等方面的数据。收集到的数据流不仅能说明车辆的日常到的数据流不仅能说明车辆的日常性能性能(xngnng)(xngnng)，还能帮助公司，还能帮助公司重新设计物流路线。重新设计物流路线。n n大量的在线地图数据和优大量的在线地图数据和优化算法，最终能帮助化算法，最终能帮助UPSUPS实时地调实时地调配驾驶员的收货和配送路线。该系配驾驶员的收货和配送路线。

48、该系统为统为UPSUPS减少了减少了85008500万英里的物万英里的物流里程，由此节约了流里程，由此节约了840840万加仑的万加仑的汽油。汽油。第59页/共63页第六十页，共63页。公安公安(gng n)(gng n)大数据大数据n n大数据挖掘技术的底层技术最早是英国军情六处研发用来追踪恐怖分子的技术。n n中国大数据的概念其实源于最早公安部抓法轮功分子。n n大数据筛选犯罪团伙，与锁定的罪犯乘坐同一班列车(lich)，住同一酒店的两个人可能是同伙，过去，刑侦人员要证明这一点，需要通过把不同线索拼凑起来排查疑犯。n n通过对越来越多数据的挖掘分析，某一片区域的犯罪率以及犯罪模式都将清晰可

49、见。大数据可以帮助警方定位最易受到不法分子侵扰的区域，创建一张犯罪高发地区热点图和时间表。不但有利于警方精准分配警力，预防打击犯罪，也能帮助市民了解情况，提高警惕。第60页/共63页第六十一页，共63页。文化传媒大数据文化传媒大数据(shj)(shj)n n与传统电视剧有别，纸牌(zhpi)屋是一部根据“大数据”制作的作品。制作方Netflix是美国最具影响力的影视网站之一，在美国本土有约2900万的订阅用户。n nNetflix成功之处在于其强大的推荐系统Cinematch，该系统基于用户视频点播的基础数据如评分、播放、快进、时间、地点、终端等，储存在数据库后通过数据分析，计算出用户可能喜爱

50、的影片，并为他提供定制化的推荐。n nNetflix发布的数据显示，用户在Netflix上每天产生3000多万个行为，比如暂停、回放或者快进，同时，用户每天还会给出400万个评分，以及300万次搜索请求。Netflix遂决定用这些数据来制作一部电视剧，投资过亿美元制作出纸牌(zhpi)屋。n nNetflix发现，其用户中有很多人仍在点播1991年BBC经典老片纸牌(zhpi)屋，这些观众中许多人喜欢大卫芬奇，观众大多爱看奥斯卡得主凯文史派西的电影，由此Netflix邀请大卫芬奇为导演，凯文史派西为主演翻拍了纸牌(zhpi)屋这一政治题材剧。2013年2月纸牌(zhpi)屋上线后，用户数增加了