淘宝nosql 淘宝网

大数据实现价值的四个步骤

这取决于“大数据分析”。“大数据分析”可以通过数据找出导致企业现状的原因，然后通过建模预测或是影响因素分析进行预测或优化，促进企业持续改进。

因此，为了迎合企业的需求，商务智能系统陆续诞生，成为大数据分析的利剑。商业智能BI在大数据处理方面主要包含三个方面：

1、建立数据仓库，进行数据清洗

根据分析最终结果的不同，所需的数据内容也存在差异。以一款很实用的商业BI工具DataFocus为例，DataFocus可以连接企业的数据库，然后从中筛选出需要的表格、字段，将其进行存储到系统中，并可以进行定时更新，方面得出企业数据的可视化看板。

2、数据处理

这是商业智能最主要的功能，通过数据分析和数据挖掘，发挥大数据的价值，将数据转化为可见的信息，从而帮助管理者做出科学的判断。

3、数据展示

DataFocus工具通过一张张可视化大屏进行数据展示，其中还内设一级看板、二级看板，可以将多张看板的数据从属关系分清楚。可视化效果也是非常炫酷的。

大数据怎么做

1. 大数据处理之一：采集

大数据的采集是指利用多个数据库来接收发自客户端(Web、App或者传感器形式等)的 数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除 此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户 来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间 进行负载均衡和分片的确是需要深入的思考和设计。

2. 大数据处理之二：导入/预处理

虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这 些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使 用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。

3. 大数据处理之三：统计/分析

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通 的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于 MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。

统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。

4. 大数据处理之四：挖掘

与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数 据上面进行基于各种算法的计算，从而起到预测(Predict)的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于 统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并 且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。