twitter大數據應用

1. 什麼是大數據，大數據的核心是什麼

維克托·邁爾·舍恩伯格在書中前瞻性地指出，大數據帶來的信息風暴正在變革我們的生活、工作和思維，大數據開啟了一次重大的時代轉型，並用三個部分講述了大數據時代的思維變革、商業變革和管理變革。
維克托最具洞見之處在於，他明確指出，大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道「是什麼」，而不需要知道「為什麼」。這就顛覆了千百年來人類的思維慣例，對人類的認知和與世界交流的方式提出了全新的挑戰。
本書認為大數據的核心就是預測。大數據將為人類的生活創造前所未有的可量化的維度。大數據已經成為了新發明和新服務的源泉，而更多的改變正蓄勢待發。書中展示了谷歌、微軟、亞馬遜、IBM、蘋果、facebook、twitter、VISA等大數據先鋒們最具價值的應用案例。

2. 大數據應用較多的技術都有哪些

簡單說有三大核心技術：拿數據，算數據，賣數據。通用化的大數版據處理框架，主要分為權下面幾個方面：數據採集與預處理、數據存儲、數據清洗、數據查詢分析和數據可視化。涉及到的技術很多
Logstash
Sqoop
Strom
Zookeeper
Hadoop
等等

3. 大數據的定義是什麼

大數據首先是一個非常大的數據集，可以達到TB(萬億位元組)甚至ZB(十萬億億位元組)。這裡面的數據可能既有結構化的數據，也有半結構化和非結構化的數據，而且來自於不同的數據源。

結構化的數據是什麼呢？對於接觸過關系型資料庫的小夥伴來說，應該一點都不陌生。對了，就是我們關系型資料庫中的一張表，每行都具有相同的屬性。如下面的一張表：

（子標簽的次序和個數不一定完全一致）

那什麼又是非結構化數據呢?這類數據沒有預定義完整的數據結構，在我們日常工作生活中可能更多接觸的就是這類數據，比如，圖片、圖像、音頻、視頻、辦公文檔等等。

知道了這三類結構的數據，我們再來看看大數據的數據源有哪些呢?歸納起來大致有五種數據源。

一是社交媒體平台。如有名氣的Facebook、Twitter、YouTube和Instagram等。媒體是比較受歡迎的大數據來源之一，因為它提供了關於消費者偏好和變化趨勢的寶貴依據。並且因為媒體是自我傳播的，可以跨越物理和人口障礙，因此它是企業深入了解目標受眾、得出模式和結論、增強決策能力的方式。

二是雲平台。公有的、私有的和第三方的雲平台。如今，越來越多的企業將數據轉移到雲上，超越了傳統的數據源。雲存儲支持結構化和非結構化數據，並為業務提供實時信息和隨需應變的依據。雲計算的主要特性是靈活性和可伸縮性。由於大數據可以通過網路和伺服器在公共或私有雲上存儲和獲取，因此雲是一種高效、經濟的數據源。

三是Web資源。公共網路構成了廣泛且易於訪問的大數據，個人和公司都可以從網上或「互聯網」上獲得數據。此外，國內的大型購物網站，淘寶、京東、阿里巴巴，更是雲集了海量的用戶數據。

四是IoT(Internet of Things)物聯網數據源。物聯網目前正處於迅猛發展勢頭。有了物聯網，我們不僅可以從電腦和智能手機獲取數據，還可以從醫療設備、車輛流程、視頻游戲、儀表、相機、家用電器等方面獲取數據。這些都構成了大數據寶貴的數據來源。

五是來自於資料庫的數據源。現今的企業都喜歡融合使用傳統和現代資料庫來獲取相關的大數據。這些數據都是企業驅動業務利潤的寶貴資源。常見的資料庫有MS Access、DB2、Oracle、MySQL以及大數據的資料庫Hbase、MongoDB等。

我們再來總結一下，什麼樣的數據就屬於大數據呢？通常來大數據有4個特點，這就是業內人士常說的4V，volume容量、 variety多樣性、velocity速度和veracity准確性。

4. 大數據不僅僅是「大」 應用價值不可估量

大數據不僅僅是「大」 應用價值不可估量

自從大數據誕生並正在進行爆發式的發展，現在即使是非從事IT行業的人員對這個詞也已經耳熟能詳。大數據已經遍及科學研究、社會管理、醫療保健、商務智能等眾多領域，有人已經提出大數據引發了第二次數據革命，它不僅改變著科學研究範式，實現社會科學研究的定量化，也將促使各種社會領域產生巨大變革。 大數據分析可能成為旅遊移動個性化關鍵。Amadeus去年秋季發布的一份報告顯示，通過提高決策、驅動產品和服務創新以及提升顧客關系，大數據可以幫助旅遊企業更好地滿足顧客的需求。
許多企業現在正在探索資料庫這個寶藏，希望開發出旅客心目中必備的新一代移動功能和服務。旅遊企業Expedia、Orbitz和其他公司正在積極利用大數據來打造新一代的移動體驗，以期從智能手機和平台電腦用戶中獲得更多的訂單。
大數據可以應用在諸多娛樂領域，例如將社交與音樂結合。Twitter近日宣布和美國一家新創科技公司「三百娛樂」（300Entertainment）合作，將深度分析音樂有關的內容數據。據報道，「三百娛樂」公司將和Twitter合作開發專門軟體，分析Twitter海量的有關音樂的數據，其中包括網民對於各種音樂作品、歌手的評論，Twitter還將提供包括用戶發帖地理位置在內的非公開信息。數據分析的結果將會提供給音樂藝人、音樂公司等行業，此外也可以幫助網民發現新的歌手和作品。
影視業甚至利用大數據打造出熱播美劇：通過海量資料庫調研分析，預測了觀眾的喜好口味，搭配出來劇情、導演、演員班底，製作出《紙牌屋》，並一炮走紅。
當然，除了商業、娛樂，政府方面利用大數據也可以減少很多安全隱患。紐約當地消防部門於日前對資料庫中的數據進行了分析並羅列出了60種可能引發火災的因素，然後再排列出檢查的先後順序。通過這樣方式將有效提高消防員的工作效率，改變以往消防員只重點關注學校、圖書館等地的火災隱患狀況。
像任何一種新興事物一樣，大數據也有利有弊。在相關法律還未完善的情況下，用戶隱私、安全性成了問題。並且雖然大數據優勢明顯，其廣泛應用和巨大收益似乎觸手可及，是企業在使用大數據的過程中仍需要針對實際情況加以分辨。因為大數據畢竟是由商業機構率先提出並加以推進的概念，為了在軟硬體產品和信息服務方面獲得更多收益，跨國信息技術企業在推廣大數據概念的過程中也難免包含炒作的成分。若不加分辨盲目跟隨，很可能會造成經濟損失。
有人把大數據形容為未來世界的石油，更有人宣稱掌握了大數據的人可以像上帝一樣來俯瞰整個世界，包括美國政府已經把對大數據的研究上升為國家戰略。可以毫不誇張的說，不僅是在國家層面上，與我們息息相關的每一個角落，其實大數據正在進入我們的生活當中。大數據未來的價值不可估量，它已經變成了一種資源，將重構我們的社會、應用和管理。如何去利用大數據，恐怕沒有做不到，只有你想不到。

以上是小編為大家分享的關於大數據不僅僅是「大」 應用價值不可估量的相關內容，更多信息可以關注環球青藤分享更多干貨

5. twitter是什麼啊！

Twitter（中文通稱推特）是一家美國社交網路及微博客服務的網站，是全球互聯網上訪問量最大的十個網站之一。是微博客的典型應用。它可以讓用戶更新不超過140個字元的消息，這些消息也被稱作「推文（Tweet）」。這個服務是由傑克·多西在2006年3月創辦並在當年7月啟動的。Twitter在全世界都非常流行， 據Twitter現任CEO迪克·科斯特洛宣布，截至2012年3月，Twitter共有1.4億活躍用戶，Twitter被形容為「互聯網的簡訊服務」。

Twitter是一個廣受歡迎的社交網路及微博客服務的網站，允許用戶將自己的最新動態和想法以行動電話中的簡訊息形式（推文）發布（發推），可綁定IM即時通訊軟體。所有的Twitter消息都被限制在140個字元之內。2006年，博客技術先驅創始人埃文·威廉姆斯（Evan Williams）創建的新興公司Obvious推出了大微博服務。在最初階段，這項服務只是用於向好友的手機發送文本信息。

6. 大數據是什麼

作者：李麗
鏈接：https://www.hu.com/question/23896161/answer/28624675
來源：知乎
著作權歸作者所有。商業轉載請聯系作者獲得授權，非商業轉載請註明出處。

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。 "大數據"首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的局限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。
"大數據"是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。從數據的類別上看，"大數據"指的是無法使用傳統流程或工具處理或分析的信息。它定義了那些超出正常處理范圍和大小、迫使用戶採用非傳統處理方法的數據集。
亞馬遜網路服務（AWS）、大數據科學家JohnRauser提到一個簡單的定義：大數據就是任何超過了一台計算機處理能力的龐大數據量。
研發小組對大數據的定義："大數據是最大的宣傳技術、是最時髦的技術，當這種現象出現時，定義就變得很混亂。" Kelly說："大數據是可能不包含所有的信息，但我覺得大部分是正確的。對大數據的一部分認知在於，它是如此之大，分析它需要多個工作負載，這是AWS的定義。當你的技術達到極限時，也就是數據的極限"。 大數據不是關於如何定義，最重要的是如何使用。最大的挑戰在於哪些技術能更好的使用數據以及大數據的應用情況如何。這與傳統的資料庫相比，開源的大數據分析工具的如Hadoop的崛起，這些非結構化的數據服務的價值在哪裡。
二、大數據分析
從所周知，大數據已經不簡簡單單是數據大的事實了，而最重要的現實是對大數據進行分析，只有通過分析才能獲取很多智能的，深入的，有價值的信息。那麼越來越多的應用涉及到大數據，而這些大數據的屬性，包括數量，速度，多樣性等等都是呈現了大數據不斷增長的復雜性，所以大數據的分析方法在大數據領域就顯得尤為重要，可以說是決定最終信息是否有價值的決定性因素。基於如此的認識，大數據分析普遍存在的方法理論有哪些呢？
1、可視化分析
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了
2、數據挖掘演算法
大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統計學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。
3、預測性分析能力
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。
4、數據質量和數據管理
大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。
大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。
三、大數據技術
1、數據採集：ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
2、數據存取：關系資料庫、NOSQL、SQL等。
3、基礎架構：雲存儲、分布式文件存儲等。
4、數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智慧(AI, Artificial Intelligence)的核心課題之一。
5、統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
6、數據挖掘：分類
（Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or
association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、復雜數據類型挖掘(Text,
Web ,圖形圖像，視頻，音頻等)
7、模型預測：預測模型、機器學習、建模模擬。
8、結果呈現：雲計算、標簽雲、關系圖等。
四、大數據特點
要理解大數據這一概念，首先要從"大"入手，"大"是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。
1、
數據體量巨大。從TB級別，躍升到PB級別。
2、
數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
3、
價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
4、
處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質的不同。物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式。
大數據技術是指從各種各樣類型的巨量數據中，快速獲得有價值信息的技術。解決大數據問題的核心是大數據技術。目前所說的"大數據"不僅指數據本身的規模，也包括採集數據的工具、平台和數據分析系統。大數據研發目的是發展大數據技術並將其應用到相關領域，通過解決巨量數據處理問題促進其突破性發展。因此，大數據時代帶來的挑戰不僅體現在如何處理巨量數據從中獲取有價值的信息，也體現在如何加強大數據技術研發，搶占時代發展的前沿。
五、大數據處理
大數據處理之一：採集
大數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。
大數據處理之二：導入/預處理
雖然採集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，還是應該將這些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
大數據處理之三：統計/分析
統計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
大數據處理之四：挖掘
與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。
整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理
六、大數據應用與案例分析
大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。
大數據應用案例之：醫療行業
[1] Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
[2] 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。
[3] 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之：能源行業
[1] 智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

[2] 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。
大數據應用案例之：通信行業
[1] XO Communications通過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台，幫助通信企業制定更科學、合理決策。
[2] 電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。
[3] 中國移動通過大數據分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
[4] NTT docomo把手機位置信息和互聯網上的信息結合起來，為顧客提供附近的餐飲店信息，接近末班車時間時，提供末班車信息服務。

7. 大數據未來會怎樣

大數據行業主要上市公司：易華錄(300212)、美亞柏科(300188)、海量數據(603138)、同有科技(300302)、海康威視(002415)、依米康(300249)、常山北明(000158)、思特奇(300608)、科創信息(300730)、神州泰岳(300002)、藍色游標(300058)等

本文核心數據：中國大數據產業發展歷程 市場規模 細分市場格局 應用市場格局 發展前景預測等

發展歷程：十年來大數據產業高速增長，我國信息智能化程度得到顯著提升

我國大數據產業布局相對較早，2011年，工信部就把信息處理技術作為四項關鍵技術創新工程之一，為大數據產業發展奠定了一定的政策基礎。自2014年起，「大數據」首次被寫進我國政府工作報告，大數據產業上升至國家戰略層面，此後，國家大數據綜合試驗區逐漸建立起來，相關政策與標准體系不斷被完善，到2020年，我國大數據解決方案已經發展成熟，信息社會智能化程度得到顯著提升。

市場規模：2020年市場規模超6000億 維持高速增長

中國大數據產業聯盟發布的《2021中國大數據產業發展地圖暨中國大數據產業發展白皮書》指出，2018年以來，大數據技術的快速發展，以及大數據與人工智慧、VR、5G、區塊鏈、邊緣智能等新技術的交匯融合，持續加速技術創新。與此同時，伴隨新型智慧城市和數字城市建設熱潮，各地與大數據相關的園區加速落地，大數據產業持續增長。

賽迪顧問的數據顯示，2020年中國大數據產業規模達6388億元，同比增長18.6%，預計未來三年保持15%以上的年均增速，到2023年產業規模超過10000億元。

市場格局

——細分市場格局：軟硬體占據行業主要市場

目前，我國的大數據產業尚處於初級建設階段，從市場結構來分，大數據產業可劃分為大數據硬體、軟體以及服務三類市場。

根據《IDC全球大數據支出指南》，2020年中國大數據市場最大的構成部分仍然來自於傳統硬體部分——伺服器和存儲，佔比超過40%，其次為IT服務和商業服務，兩者共佔33.6%的比例，剩餘由25.4%的大數據軟體所構成。從軟體角度來看，2020年中國最大的三個細分子市場依次為終端用戶查詢匯報分析工具(End-User
Query, Reporting, and Analysis Tools)、人工智慧軟體平台(AI Software
Platforms)以及關系型數據倉庫(Relational Data
Warehouses)，並且IDC預計，三者總和佔中國整體大數據軟體市場的比例接近50%。

——應用市場格局：互聯網、政府、金融為大數據主要應用領域

從具體行業應用來看，互聯網、政府、金融和電信引領大數據融合產業發展，合計規模佔比為77.6%。互聯網、金融和電信三個行業由於信息化水平高，研發力量雄厚，在業務數字化轉型方面處於領先地位;政府大數據成為近年來政府信息化建設的關鍵環節，與政府數據整合與開放共享、民生服務、社會治理、市場監管相關的應用需求持續火熱。此外，工業大數據和健康醫療大數據作為新興領域，數據量大、產業鏈延展性高，未來市場增長潛力大。

發展趨勢與前景

——發展趨勢：數據治理成為大數據發展的重要方向

——發展前景預測

據賽迪顧問預測，2023年中國大數據產業市場規模將超過10000億元，2021-2023年增速將達到15%以上。在此基礎上，前瞻測算，到2027年我國大數據產業市場規模將接近18000億元。

更多行業相關數據請參考前瞻產業研究院《中國大數據產業發展前景與投資戰略規劃分析報告》，

8. 舉例說明大數據的應用

大數據應用案例之：醫療行業
[1] Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。
[2] 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。
[3] 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之：能源行業
[1] 智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。
[2] 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。
大數據應用案例之：通信行業
[1] XO Communications通過使用IBM SPSS預測分析軟體，減少了將近一半的客戶流失率。XO現在可以預測客戶的行為，發現行為趨勢，並找出存在缺陷的環節，從而幫助公司及時採取措施，保留客戶。此外，IBM新的Netezza網路分析加速器，將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台，幫助通信企業制定更科學、合理決策。
[2] 電信業者透過數以千萬計的客戶資料，能分析出多種使用者行為和趨勢，賣給需要的企業，這是全新的資料經濟。
[3] 中國移動通過大數據分析，對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
[4] NTT docomo把手機位置信息和互聯網上的信息結合起來，為顧客提供附近的餐飲店信息，接近末班車時間時，提供末班車信息服務。
大數據應用案例之：零售業
[1] "我們的某個客戶，是一家領先的專業時裝零售商，通過當地的百貨商店、網路及其郵購目錄業務為客戶提供服務。公司希望向客戶提供差異化服務，如何定位公司的差異化，他們通過從 Twitter 和 Facebook 上收集社交信息，更深入的理解化妝品的營銷模式，隨後他們認識到必須保留兩類有價值的客戶：高消費者和高影響者。希望通過接受免費化妝服務，讓用戶進行口碑宣傳，這是交易數據與交互數據的完美結合，為業務挑戰提供了解決方案。"Informatica的技術幫助這家零售商用社交平台上的數據充實了客戶主數據，使他的業務服務更具有目標性。
[2] 零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析，從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見，此類方法已經幫助某領先零售企業減少了17%的存貨，同時在保持市場份額的前提下，增加了高利潤率自有品牌商品的比例。

9. twitter的storm系統屬於哪種大數據處理系統

實時大數據系統

相關知識：

Hadoop（大數據分析領域無可爭辯的wang者）專注於批處理。這種模型對許多情形（比如為網頁建立索引）已經足夠，但還存在其他一些使用模型，它們需要來自高度動態的來源的實時信息。為了解決這個問題，就得藉助 Nathan Marz 推出的 Storm（現在在 Twitter 中稱為 BackType）。Storm 不處理靜態數據，但它處理預計會連續的流數據。考慮到 Twitter 用戶每天生成 1.4 億條推文 (tweet)，那麼就很容易看到此技術的巨大用途。

但 Storm 不只是一個傳統的大數據分析系統：它是復雜事件處理 (CEP) 系統的一個示例。CEP 系統通常分類為計算和面向檢測，其中每個系統都可通過用戶定義的演算法在 Storm 中實現。舉例而言，CEP 可用於識別事件洪流中有意義的事件，然後實時地處理這些事件。

10. 大數據分析工具都有哪些

大數據分析工具好用的有以下幾個，分別是Excel、BI工具、Python、Smartbi、Bokeh、Storm、Plotly等。

1、Excel

Excel可以稱得上是最全能的數據分析工具之一，包括表格製作、數據透視表、VBA等等功能，保證人們能夠按照需求進行分析。

2、BI工具

BI也就是商業智能，BI工具的產品設計，幾乎是按照數據分析的流程來設計的。先是數據處理、整理清洗，再到數據建模，最後數據可視化，全程圍繞數據指導運營決策的思想。由於功能聚焦，產品操作起來也非常簡潔，依靠拖拉拽就能完成大部分的需求，沒有編程基礎的業務人員也能很快上手。

3、Python

python在數據分析領域，確實稱得上是一個強大的語言工具。盡管入門的學習難度要高於Excel和BI，但是作為數據科學家的必備工具，從職業高度上講，它肯定是高於Excel、BI工具的。尤其是在統計分析和預測分析等方面，Python等編程語言更有著其他工具無可比擬的優勢。

4、思邁特軟體Smartbi

融合傳統BI、自助BI、智能BI，滿足BI定義所有階段的需求；提供數據連接、數據准備、數據分析、數據應用等全流程功能；提供復雜報表、數據可視化、自助探索分析、機器學習建模、預測分析、自然語言分析等全場景需求；滿足數據角色、分析角色、管理角色等所有用戶的需求。

5、Bokeh

這套可視化框架的主要目標在於提供精緻且簡潔的圖形處理結果，用以強化大規模數據流的交互能力。其專門供Python語言使用。

6、Storm

Storm是自由的開源軟體，一個分布式的、容錯的實時計算系統。Storm可以非常可靠的處理龐大的數據流，用於處理Hadoop的批量數據。Storm很簡單，支持許多種編程語言，使用起來非常有趣。Storm由Twitter開源而來，其它知名的應用企業包括Groupon、淘寶、支付寶、阿里巴巴、樂元素、Admaster等等。

7、 Plotly

這是一款數據可視化工具，可兼容JavaScript、MATLAB、Python以及R等語言。Plotly甚至能夠幫助不具備代碼編寫技能或者時間的用戶完成動態可視化處理。這款工具常由新一代數據科學家使用，因為其屬於一款業務開發平台且能夠快速完成大規模數據的理解與分析。