大數據產品和服務分類

A. 大數據怎麼分類

大數據的類型大致可分為三類：傳統企業數據、機器和感測器數據、社交數據。

1、傳統企業數據(Traditional enterprise data)：包括 CRM systems的消費者數據，傳統的ERP數據，庫存數據以及賬目數據等。

2、機器和感測器數據(Machine-generated / sensor data)：包括呼叫記錄(Call Detail Records)，智能儀表，工業設備感測器，設備日誌(通常是Digital exhaust)，交易數據等。

3、社交數據(Social data)：包括用戶行為記錄，反饋數據等。如Twitter，Facebook這樣的社交媒體平台。

(1)大數據產品和服務分類擴展閱讀：

大數據挖掘商業價值的方法主要分為四種：

1、客戶群體細分，然後為每個群體量定製特別的服務。

2、模擬現實環境，發掘新的需求同時提高投資的回報率。

3、加強部門聯系，提高整條管理鏈條和產業鏈條的效率。

4、降低服務成本，發現隱藏線索進行產品和服務的創新。

B. 大數據產品有哪些

1、Disco
Disco最初由諾基亞開發，這是一種分布式計算框架，與Hadoop一樣，它也基於MapRece。它包括一種分布式文件系統以及支持數十億個鍵和值的資料庫。
支持的操作系統：Linux和OSX。
2、HPCC
作為Hadoop之外的一種選擇，HPCC這種大數據平台承諾速度非常快，擴展性超強。除了免費社區版外，HPCCSystems還提供收費的企業版、收費模塊、培訓、咨詢及其他服務。
支持的操作系統：Linux。
3、Lumify
Lumify歸Altamira科技公司(以國家安全技術而聞名)所有，這是一種開源大數據整合、分析和可視化平台。你只要在Try、Lumify、io試一下演示版，就能看看它的實際效果。
支持的操作系統：Linux。
4、Pandas
Pandas項目包括基於Python編程語言的數據結構和數據分析工具。它讓企業組織可以將Python用作R之外的一種選擇，用於大數據分析項目。
支持的操作系統：Windows、Linux和OSX。
5、Storm
Storm現在是一個Apache項目，它提供了實時處理大數據的功能(不像Hadoop只提供批任務處理)。其用戶包括推特、美國天氣頻道、WebMD、阿里巴巴、Yelp、雅虎日本、Spotify、Group、Flipboard及其他許多公司。
支持的操作系統：Linux。

C. 大數據產品有哪些

問題一：目前大數據產品有哪些？ 大數據產品的分類在狹義的范疇里，從使用用戶來看，可以是企業內部用戶，外部企業客戶，外部個人客戶等。從產品發展形態來看，從最初的報表型（如靜態報表、DashBoard、即席查詢），到多維分析型（OLAP等工具型數據產品），到定製服務型數據產品，再到智能型數據產品等。
普通報表型數據產品過於蒼白、可視化能力有限，而多維分析型數據產品更適合於專業的數據分析師而不是業務或運營人員，使用局限性也越來越大，所為未來的趨勢可能是定製服務式和智能式的數據產品。舉個例子，像企業級的大數據產品商業智能正是此趨勢下的衍生品，發展數年，像國外的SAP，IBM，Oracle廠商，國內的FineBI等都是代表。

問題二：國內真正的大數據分析產品有哪些 大數據產品是有很多的，例如微信的大數據平台，DD打車的平台。
基於數據挖掘技術的輿情監測系統為另外一個十分重要的產品。
很多 *** ，企業會採用。它的作用，簡單來說，就是發現負面信息，收集情報，有價值信息。
實施後好處: 1. 可實時監測微博，論壇，博客，新聞，搜索引擎中相關信息2. 可對重點QQ群的聊天內容進行監測3. 可對重點首頁進行定時截屏監測及特別頁面證據保存4. 對於新聞頁面可以找出其所有轉載頁面5. 系統可自動對信息進行分類6. 系統可追蹤某個專題或某個作者的所有相關信息 7. 監測人員可對信息進行挑選，再分類8. 監測人員可以基於自己的工作結果輕松導出製作含有圖表的輿情日報周報

問題三：國內真正的大數據分析產品有哪些 國內的大數據公司還是做前端可視化展現的偏多，BAT算是真正做了大數據的，行業有硬性需求，別的行業跟不上也沒辦法，需求決定市場。
說說更通用的數據分析吧。
大數據分析也屬於數據分析的一塊，在實際應用中可以把數據分析工具分成兩個維度：
第一維度：數據存儲層――數據報表層――數據分析層――數據展現層
第二維度：用戶級――部門級――企業級――BI級
1、數據存儲層
數據存儲設計到資料庫的概念和資料庫語言，這方面不一定要深鑽研，但至少要理解數據的存儲方式，數據的基本結構和數據類型。SQL查詢語言必不可少，精通最好。可從常用的selece查詢，update修改，delete刪除，insert插入的基本結構和讀取入手。
Access2003、Access07等，這是最基本的個人資料庫，經常用於個人或部分基本的數據存儲；MySQL資料庫，這個對於部門級或者互聯網的資料庫應用是必要的，這個時候關鍵掌握資料庫的庫結構和SQL語言的數據查詢能力。
SQL Server2005或更高版本，對中小企業，一些大型企業也可以採用SQL Server資料庫，其實這個時候本身除了數據存儲，也包括了數據報表和數據分析了，甚至數據挖掘工具都在其中了。
DB2，Oracle資料庫都是大型資料庫了，主要是企業級，特別是大型企業或者對數據海量存儲需求的就是必須的了，一般大型資料庫公司都提供非常好的數據整合應用平台。
BI級別，實際上這個不是資料庫，而是建立在前面資料庫基礎上的，企業級應用的數據倉庫。Data Warehouse，建立在DW機上的數據存儲基本上都是商業智能平台，整合了各種數據分析，報表、分析和展現！BI級別的數據倉庫結合BI產品也是近幾年的大趨勢。
2、報表層
企業存儲了數據需要讀取，需要展現，報表工具是最普遍應用的工具，尤其是在國內。傳統報表解決的是展現問題，目前國內的帆軟報表FineReport已經算在業內做到頂尖，是帶著數據分析思想的報表，因其優異的介面開放功能、填報、表單功能，能夠做到打通數據的進出，涵蓋了早期商業智能的功能。
Tableau、FineBI之類，可分在報表層也可分為數據展現層。FineBI和Tableau同屬於近年來非常棒的軟體，可作為可視化數據分析軟體，我常用FineBI從資料庫中取數進行報表和可視化分析。相對而言，可視化Tableau更優，但FineBI又有另一種身份――商業智能，所以在大數據處理方面的能力更勝一籌。
3、數據分析層
這個層其實有很多分析工具，當然我們最常用的就是Excel，我經常用的就是統計分析和數據挖掘工具；
Excel軟體，首先版本越高越好用這是肯定的；當然對excel來講很多人只是掌握了5%Excel功能，Excel功能非常強大，甚至可以完成所有的統計分析工作！但是我也常說，有能力把Excel玩成統計工具不如專門學會統計軟體；
SPSS軟體：當前版本是18，名字也改成了PASW Statistics；我從3.0開始Dos環境下編程分析，到現在版本的變遷也可以看出SPSS社會科學統計軟體包的變化，從重視醫學、化學等開始越來越重視商業分析，現在已經成為了預測分析軟體；
SAS軟體：SAS相對SPSS其實功能更強大，SAS是平台化的，EM挖掘模塊平台整合，相對來講，SAS比較難學些，但如果掌握了SAS會更有價值，比如離散選擇模型，抽樣問題，正交實驗設計等還是SAS比較好用，另外，SAS的學習材料比較多，也公開，會有收獲的！
JMP分析：SAS的一個分析分支
XLstat：Excel的插件，可以完......>>

問題四：國內真正的大數據分析產品有哪些 目前，大數據分析工具在金融服務、零售、醫療衛生/生命科學、執法、電信、能源與公共事業、數字媒體/精準營銷、交通運輸等行業都有著廣泛的應用。

問題五：目前大數據在哪些行業有案例或者說應用？ 1、體育行業預測
世界盃期間,谷歌、網路、微軟和高盛等公司都推出了比賽結果預測平台。其中,網路在小組賽階段的表現最為亮眼,而進入淘汰賽階段,網路與微軟則以16場比賽15場准確預測的成
績讓人們見識到大數據在預測領域的魅力。從互聯網公司的經驗來看,只要有體育賽事相關的歷史數據,並且與指數公司進行多方合作,就可以在賽事預測領域取得不錯的成績。
2、經濟、金融行業預測
2013年,英國華威商學院和美國波士頓大學物理系的研究發現,用戶通過谷歌搜索的金融關鍵詞或許可以把脈金融市場的走向,相應的投資戰略收益高達326%。而此前,也有專家嘗試
通過Twitter博文情緒來預測股市波動。從預測的原理上來看,穩定發展的美國股市是比較適合大數據預測發揮其作用的。
對國內而言,網路推出的中小企業景氣指數預測,應用網路海量的搜索數據來刻畫我國中小企業運行發展的景氣狀態,以期能夠及時、有效地反映中小企業運行狀況,提高經濟監測的
全面性和及時性。目前該功能已經上線投入應用。
3、市場物價預測
CPI表徵已經發生的物價浮動情況,但統計局數據並不權威。但大數據則可能幫助人們了解未來物價走向,提前預知通貨膨脹或經濟危機。單個商品的價格預測更加容易,尤其是機票
這樣的標准化產品,去哪兒提供的「機票日歷」就是價格預測,可以告知你幾個月後機票的大概價位。商品的生產、渠道成本和大概毛利在充分競爭的市場中是相對穩定的,與價格相
關的變數相對固定,商品的供需關系在電子商務平台可實時監控,因此價格可以預測,基於預測結果可提供購買時間建議,或者指導商家進行動態價格調整和營銷活動以利益最大化。
後面還有用戶行為預測、個人健康預測、交通行為預測等領域都有涉及，你可以自己好好看看，希望對你有幫助。ruanyun/news/ryyc/n152.aspx

問題六：國內大數據公司有哪些？ 大數據包涵很廣泛，涉及到很多方方面面，技術難度也很大，國內能做的公司不太多，我知道的有網路、華為、聯想、浪潮、電科華雲、騰訊、阿里巴巴、中科曙光等。

問題七：國內比較好的大數據 公司有哪些 你好，說的是什麼領域？數據挖掘、數據研發、數據應用方面都有佼佼者。像商業智能領域的話，國內我比較了解的帆軟，一開始做報表軟體，做得很好，有比較深的行業基礎，後來出的FineBI商業智能軟體也延續了FineReport的精華，在行業內比較有代表性，具體的，有官網，可以去了解一下。

問題八：大數據產品主要是用來做什麼的 大數據產品有很多，寬泛來講，大數據產品的作用是對已有數據源中的數據進行收集和存儲，在這基礎上，進行分析和應用，形成我們的產品和服務，而產品和服務也會產生新的數據，這些新數據會循環進入我們的流程中。當這整個循環體系成為一個智能化的體系，通過機器實現自動化就是一種新的模式，不管是商業的，或者是其他。
而大數據能夠實現的應用，可以概括為兩個方向，一是精準化定製，二是預測。
精準化定製可以是一些個性化的產品，精準營銷，比如互聯網推廣。
預測主要是圍繞目標對象，基於它過去、未來的一些相關因素和數據分析，從而提前做出預警，或者是實時動態的優化。可分為決策支持類的，比如典型的商業智能產品FineBI；風險預警類的,主要用於證券、銀行、投資；實時優化類的，比如實時定價。

問題九：國內真正的大數據採集產品有哪些 大數據的應用分為兩類
第一類：基於自身平台的數據採集，現在的三大互聯網巨頭等擁有大量用戶數據，通過自身數據挖掘可以完成。
第二類：基於爬蟲或者類爬蟲技術，幫助企業， *** 採集網路 *** 息，也就是網路信息採集系統，樂趣的「樂」，思維的「思」
其主要應用在於：輿情監測，品牌監測，價格監測，門戶網站新聞採集，行業資訊採集，競爭情報獲取，商業數據整合，市場研究，資料庫營銷等領域。

問題十：大數據分析領域有哪些分析模型 IT監控類或者IT運維流程類的產品工具上線運行一段時間之後，一年會產生十幾萬、甚至幾十萬的海量數據，包括告警數據、工單數據等IT運維大數據，需要從這些海量數據中獲取更有效、更直接、更有價值的分析數據，更快速、有效的提取有意義的決策依據同樣需要工具系統來滿足運維大數據的IT數據挖掘、IT數據鑽取需求。 RIIL Insight目前是國內首款定位於IT管理領域的大數據決策分析系統產品，通過建立多維數據分析模型進行信息提取、統計分析並提出決策依據，是IT運維管理領域的BI。系統通過IT運營管理、IT部門績效管理、可視化項目管理、資產管理、業務關系管理、供應商軟體管理等自定義維度的運行數據進行分析，可快速獲取運維管理各方面的直觀准確數據，診斷分析問題根源，預判數據走勢，洞察全局運維動態。

D. 大數據產品和服務體系涵蓋哪些方面

數據分析層:分析函數比較好理解，就是各種數學函數，比如K-means分析，聚類，RMF模型等等。6.數據呈現:結果呈現的方式其實就是數據可視化。這里建議用敏捷BI。與傳統BI不同，它可以通過簡單的拖拽生成報表，學習成本低。7.數據訪問:這個相對簡單，取決於您使用什麼方法來查看這些數據。圖中的例子是因為B/S架構，可視化結果畢竟是通過瀏覽器訪問的。關於大數據平台架構的內容，我就介紹到這里吧。我想知道你是否知道一些關於它的情況。未來大數據對社會發展的巨大影響，一定會決定未來的發展趨勢，所以有想法的考生要抓緊時間去學。

E. 大數據分析都有哪些類型

大數據平台能夠獲取時間跨度更大、更海量的結構化買賣數據，這樣就能夠對更廣泛的買賣數據類型進行剖析，不僅僅包含POS或電子商務購物數據，還包含行為買賣數據，例如Web伺服器記錄的互聯網點擊流數據日誌。

2.人為數據

非結構數據廣泛存在於電子郵件、文檔、圖片、音頻、視頻，以及經過博客、維基，尤其是交際媒體產生的數據流。這些數據為運用文本剖析功用進行剖析供給了豐富的數據源泉。

3.移動數據

能夠上網的智能手機和平板越來越遍及。這些移動設備上的App都能夠追蹤和交流很多事情，從App內的買賣數據(如搜索產品的記錄事情)到個人信息材料或狀況陳述事情(如地址改變即陳述一個新的地理編碼)。

4.機器和感測器數據

這包含功用設備創建或生成的數據，例如智能電表、智能溫度控制器、工廠機器和連接互聯網的家用電器。這些設備能夠配置為與互聯網路中的其他節點通信，還能夠自意向中央伺服器傳輸數據，這樣就能夠對數據進行剖析。

關於大數據具有哪些特徵，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。

F. 大數據公司有哪些分類具體的有哪些

大概分為七大類，大數據公司分為以下幾類：

數據服務：Metamarkets

數據可視化：Tableau

大數據分析：ParAccel

商業智能領域：QlikTech

數據科學：Kaggle

電子商務數據：TellApart

社交媒體數據：DataSift

G. 常見的大數據相關服務包括

常見的大數據相關服務包括給不同類型的服務形體提供數據採集、監控、分析、監管、考核。

大數據服務是通過底層可伸縮的大數據平台和上層各種大數據應用，支撐機構或個人對海量、異構、快速變化數據採集、傳輸、存儲、處理（包括計算、分析、可視化等）、交換、銷毀等覆蓋數據生命周期相關活動的各種數據服務。

在這個快速發展的智能硬體時代，困擾應用開發者的一個重要問題就是如何在功率、覆蓋范圍、傳輸速率和成本之間找到那個微妙的平衡點。企業組織利用相關數據和分析可以幫助它們降低成本、提高效率、開發新產品、做出更明智的業務決策等。

大數據的趨勢

1、數據的資源化

何為資源化，是指大數據成為企業和社會關注的重要戰略資源，並已成為大家爭相搶奪的新焦點。因而企業必須要提前制定大數據營銷戰略計劃，搶占市場先機。

2、與雲計算的深度結合

大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命。

3、科學理論的突破

隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。隨之興起的數據挖掘、機器學習和人工智慧等相關技術，可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。

H. 大數據包括哪些

大數據技術龐大復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、NoSQL數據內庫、容數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。
大數據主要技術組件：Hadoop、HBase、kafka、Hive、MongoDB、Redis、Spark 、Storm、Flink等。
大數據技術包括數據採集，數據管理，數據分析，數據可視化，數據安全等內容。數據的採集包括感測器採集，系統日誌採集以及網路爬蟲等。數據管理包括傳統的資料庫技術，nosql技術，以及對於針對大規模數據的大數據平台，例如hadoop，spark，storm等。數據分析的核心是機器學習，當然也包括深度學習和強化學習，以及自然語言處理，圖與網路分析等。

I. 大數據的類型

大數據要分析的數據類型主要有四大類：

1．交易數據（TRANSACTION DATA）
大數據平台能夠獲取時間跨度更大、更海量的結構化交易數據，這樣就可以對更廣泛的交易數據類型進行分析，不僅僅包括POS或電子商務購物數據，還包括行為交易數據，例如Web伺服器記錄的互聯網點擊流數據日誌。

2．人為數據（HUMAN-GENERATED DATA）
非結構數據廣泛存在於電子郵件、文檔、圖片、音頻、視頻，以及通過博客、維基，尤其是社交媒體產生的數據流。這些數據為使用文本分析功能進行分析提供了豐富的數據源泉。

3．移動數據（MOBILE DATA）
能夠上網的智能手機和平板越來越普遍。這些移動設備上的App都能夠追蹤和溝通無數事件，從App內的交易數據（如搜索產品的記錄事件）到個人信息資料或狀態報告事件（如地點變更即報告一個新的地理編碼）。

4．機器和感測器數據（MACHINE AND SENSOR DATA）

J. 大數據伺服器主要應用的類型大致可分為幾類

(一) 直立式伺服器(塔式伺服器)：

為可獨立放置於桌面或地面的伺服器，大都具有較多的擴充槽及硬碟空間。無需額外設備，插上電即可使用，因此使用最為廣泛。

(二) 機架式伺服器：

為可裝上機櫃之伺服器，主要作用為節省空間，機台高度以1U為單位，1U約44mm，因空間較局限，擴充性較受限制，例如1U的伺服器大都只有1到2個PCI擴充槽。此外，散熱性能成為十分重要的因素，此時，各家廠商的功力就在此展現了。缺點是需要有機櫃等設備，多為伺服器用量較大的企業使用。

(三) 刀片伺服器：

可算是比機架式伺服器更節省空間的產品。主要結構為一大型主體機箱，內部可插上許多卡片，一張卡片即相當於一台伺服器。當然，散熱性在此非常重要，往往各家廠商都裝上大型強力風扇來散熱。此型伺服器雖然空間較節省，但光是主體機箱部份可能就所費不貲，除大型企業外較少使用。