大數據能幹嘛的

① 大數據是做什麼的

目前大數據已經在營銷、金融 、工業、醫療、教育、交通、保險、執法、體育、政府、旅遊、物流等領域廣泛應用。
一句話 大數據就是管理和利用大量數據的。
分開來講就是數據如何產生、數據如何搬運、數據如何存儲、數據有效的整理起來方便使用、數據如何進行加工提高價值、數據怎麼使用，管理這整個生命周期。
數據的產生：就是數據的源頭，我們怎麼來生產數據。有業務上用的數據比如MySQL中的用戶表，有前端埋點(監控用戶的每個操作)，有程序輸出的日誌數據，有爬蟲爬來的數據。這么多數據的源頭，我們需要一個數據該怎麼產生數據。
數據接入：數據怎麼從這么多源頭搬運到數據中心進行統一處理。用什麼方法搬運，搭建個管道讓它一直進來，還是隔段時間搬運一次，這都是要考慮的。
數據存儲：大量數據如何存，才能不會丟，而且讀取快。
數據倉庫：數據怎麼進行有效的管理就是數據倉庫該考慮的事情了。
數據計算：大量的數據要進行加工，才能產生價值，那麼加工工具的效率就影響著你的效率。
數據應用：數據能用來做什麼。

② 大數據技術是幹嘛的

大數據技術一般指的是大數據技術與應用專業，需要學習大數據分析挖掘與處理、移動開發與架構、軟體開發、雲計算等前沿技術。

大數據技術與應用專業旨在培養學生系統掌握數據管理及數據挖掘方法，成為具備大數據分析處理、數據倉庫管理、大數據平台綜合部署、大數據平台應用軟體開發和數據產品的可視化展現與分析能力的高級專業大數據技術人才。

大數據技術專業的就業方向

1、互聯網電商方向

大數據技術與應用專業畢業生可以從事互聯網電商運營維護、日常管理、消費大數據分析、金融數據風控管理等相關技術工作。目前大到已經上市的頭部電商平台小到社區電商，這些技術人才的缺口都比較大。

2、零售金融方向

大數據技術與應用專業畢業生可以從事基於計算機、移動互聯網、電子信息、電子商務技術、電子金融等領域的數據分布式程序開發、大數據集成平台的應用、開發等方面的工作。適合在零售金融企業承擔相關技術服務工作，也可在IT領域從事計算機應用工作。

3、電子政務服務方向

作為服務領域之一的大數據技術與應用專業畢業生可以在相關企業從事電子政務服務對接工作，進行基於電子政務的大數據平台運維、大數據分析、大數據挖掘等相關工作。

③ 大數據具體是做什麼有哪些應用

大數據即海量的數據，一般至少要達到TB級別才能算得上大數據，相比於傳統的企業內數據，大數據的內容和結構要更加多樣化，數值、文本、視頻、語音、圖像、文檔、XML、HTML等都可以作為大數據的內容。

提到大數據，最常見的應用就是大數據分析，大數據分析的數據來源不僅是局限於企業內部的信息化系統，還包括各種外部系統、機器設備、感測器、資料庫的逗吵渣數據，如：政府、銀行、國計民生、行業產業、社交網站等數據，通過大數據分析技術及工具將海量數據進行統計匯總後，以圖形圖表的方式進行數據展現，實現數據的可視化，在此基礎上結合機器學習演算法，對數據進行深度挖掘，發掘數據的潛在價值。

應用部分，大數據不僅包括企業內部應用系統的數據分析，還包括與行業、產業的深度融合，大數據分析的應用場景具有行業性，不同行業所呈現碰肢的內容與分析維度各不相同，具體場景包括：互聯網行業、政府行業、金融行業、傳統企業中的地產、醫療、能源、製造、電信行業等等。

1.互聯網行業大數據的應用代表為電商、社交、網路檢索領域，可以根據銷售數據、客戶行為（活躍度、商品偏好、購買率等）數據、交易數據、商品收藏數據、售後數據等、搜索數據刻畫用戶畫像，根據客戶的喜好為其推薦對應的產品。

2.政府行業在大數據分析部分包括質檢部門、公安部門、氣象部門、醫療部門等，質檢部門包括對商品生產、加工、物流、貿易、消費全過程的信息進行採集、驗證、檢查，保證食品物品安全；氣象部門通過構建大氣運動規律評估模型、氣象變化關聯性分析等路徑，精準地預測氣象變化，尋找最佳的解決方案，規劃應急、救災工作。

3.金融行業的大數據分析多應用於銀行、證券、保險等細分領域，在大山悄數據分析方面結合多種渠道數據進行分析，客戶在社交媒體上的行為數據、在網站上消費的交易數據、客戶辦理業務的預留數據，結合客戶年齡、資產規模、消費偏好等對客戶群進行精準定位，分析其在金融業的需求等。

4.傳統行業包括：能源、電信、地產、零售、製造等。電信行業藉助大數據應用分析感測器數據異常情況，預測設備故障，提高用戶滿意度；能源行業利用大數據分析挖掘客戶行為特徵、消費規律，提高能源需求准確性；地產行業通過內外部數據的挖掘分析，使管理者掌握和了解房地產行業潛在的市場需求，掌握商情和動態，針對細分市場實施動態定價和差別定價等；製造行業通過大數據分析實現設備預測維護、優化生產流程、能源消耗管控、發現潛在問題並及時預警等。

伴隨著信息化的快速發展、數據量加大，已經進入數據時代，相信各行業間日後對於大數據的應用會更多、更深入。

④ 大數據是干什麼的！

1 寫 SQL （很多入職一兩年的大數據工程師主要的工作就是寫 SQL ）

2 為集群搭大數據環境（一般公司招大數據工程師環境都已經搭好了，公司內部會有現成的大數據平台，但我這邊會私下搞一套測試環境，畢竟公司內部的大數據系統許可權限制很多，嚴重影響開發效率）

3 維護大數據平台（這個應該是每個大數據工程師都做過的工作，或多或少會承擔「運維」的工作）

4 數據遷移（有部分公司需要把數據從傳統的資料庫 Oracle、MySQL 等數據遷移到大數據集群中，這個是比較繁瑣的工作，吃力不討好）

5 應用遷移（有部分公司需要把應用從傳統的資料庫 Oracle、MySQL 等資料庫的存儲過程程序或者SQL腳本遷移到大數據平台上，這個過程也是非常繁瑣的工作，無聊，高度重復且麻煩，吃力不討好）

6 數據採集（採集日誌數據、文件數據、介面數據，這個涉及到各種格式的轉換，一般用得比較多的是 Flume 和 Logstash）

7 數據處理
7.1 離線數據處理（這個一般就是寫寫 SQL 然後扔到 Hive 中跑，其實和第一點有點重復了）
7.2 實時數據處理（這個涉及到消息隊列，Kafka，Spark，Flink 這些，組件，一般就是 Flume 採集到數據發給 Kafka 然後 Spark 消費 Kafka 的數據進行處理）

8 數據可視化（這個我司是用 Spring Boot 連接後台數據與前端，前端用自己魔改的 echarts）

9 大數據平台開發（偏Java方向的，大概就是把開源的組件整合起來整成一個可用的大數據平台這樣，常見的是各種難用的 PaaS 平台）

10 數據中台開發（中台需要支持接入各種數據源，把各種數據源清洗轉換為可用的數據，然後再基於原始數據搭建起寬表層，一般為了節省開發成本和伺服器資源，都是基於寬表層查詢出業務數據）

11 搭建數據倉庫（這里的數據倉庫的搭建不是指 Hive ，Hive 是搭建數倉的工具，數倉搭建一般會分為三層 ODS、DW、DM 層，其中DW是最重要的，它又可以分為DWD,DWM,DWS，這個層級只是邏輯上的概念，類似於把表名按照層級區分開來的操作，分層的目的是防止開發數據應用的時候直接訪問底層數據，可以減少資源，注意，減少資源開銷是減少 內存 和 CPU 的開銷，分層後磁碟佔用會大大增加，磁碟不值錢所以沒什麼關系，分層可以使數據表的邏輯更加清晰，方便進一步的開發操作，如果分層沒有做好會導致邏輯混亂，新來的員工難以接手業務，提高公司的運營成本，還有這個建數倉也分為建離線和實時的）

總之就是離不開寫 SQL ...

⑤ 大數據可以做什麼_大數據可以做什麼項目

現在大家可能都聽說過大數據，大數據的出現使得各個行業的發現具有了方向性，為推動社會做出了巨大的貢獻慎缺，大數據離不開數據挖掘，那麼大家知道不知道大數據可以做什麼呢？簡單來說，大數據可以讓預測未來。

一、大數據可以預測未來

簡而言之，大數據和數據挖掘能夠賦予我們預測能力。而現在我們的生活已經數字化了，我們每天所做的任何事情都可以通過大數據記錄下來，就好比每張信用卡交易都是數字化和可查詢的。對於企業來說，大多數財務和運營數據都保存在資料庫中。而現在，隨著可穿戴設備的興起，大家的每一次心跳和呼吸都被數字化並保存為可用數據。使得機器了解我們。

二、如果模式保持不變，那麼未來就不再是未來

現在，我們生活中的許多不同事物都有不同的表現形式。比如說，一個人可能在任何工作日內在工作和家庭之間旅行，在周末到某個地方遊玩，這種模式很少改變。商店將擁有任何一天的高峰時段和閑置時間，這種模式不太可能改變。企業將在一年中的某些月份要求更高的勞動力投入，這種模式不太可能改變。

由此，計算機通過終端去進行搜集到這些數據，就去分析這些數據，然後對受眾群體進行合理的安排。計算機也就能夠知道什麼時候是適合促銷的最佳時間，例如，如果這個人每周五的星期五都要洗車，或者是優惠券，那就是洗車促銷如果這個人每年三月都要去度假，那就可以進行全方位的服務。同時計算機還可以預測商店全天的銷售預測，然後制定業務戰略以最大化總收入。一旦未來變得可預測，我們可以隨時提前計劃並為可能的最佳行動做好准備。這就說明了大數據給了我們預測未來的力量。這是數據挖掘的力量。數據挖大頌掘始終與大數據聯系在一起，因為大數據支持大量數據集，從而為所有預測提供了基礎。

三、機器學習是什麼？

剛才我們根據一塊數據的處理方式進行了分析。假設這條數據包含一組購物者的購買行為，包括購買的商品總數，每個購物者購買的商品數量。這是迄今為止最簡單的統計分析。如果我們的目標是分析不同類型的購物者之間的聯系，或者如果我們想要推測特定類型的購物者的特殊偏好，或者甚至預測任何購物者的性別或年齡，我們將需要更多復雜的模型，通過錄入的數據，我們稱之為演算法。機器學習可以更容易理解為為數據挖掘目的而開發的所有不同類型的演算法，方便我們的生活。

四、數據挖掘是什麼？

通過計算機去學習演算法，用現有數據去預測未知數，這正是數據挖掘的奇跡與機器學習密切相關的原因。然而，任何機器學習演算法的強度在很大程度上取決於大量數據集的供應。無論演算法有多復雜，都不能從幾行數據中做出預測，需要大量的數據作為樣本。大數據技術是機器學習的前提，通過計算機的學習，我們能夠從現有數據集中獲得有價值的見解，這就是數據挖掘。

以上的內容就是對於大數據可以做什麼？這兩個問題的具體的解釋了，大數據的出現能夠讓我們更好的預測未來，希望這篇文章能夠給大滾孝鄭家帶來幫助，最後感謝大家的閱讀。

⑥ 大數據技術是做什麼的

大數據技術，是指大數據的應用技術，涵蓋各類大數據平台、大數據指數體系等大數據應用技術。大數據是眾多學科與統計學交叉產生的一門新興學科。大數據牽扯的數據挖掘、雲計算一類的，所以是計算機一類的專業。分布比較廣，應用行業較多。大數據（bigdata），IT行業術語，是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，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。大數據技術與應用主要圍繞智慧城市、城市交通、醫療、金融、城市規劃等各領域中大數據技術的應用，系統總結了數據科學、大數據技術及其在城市建設各領域中應用的科研技術成果和項目實施經驗。 更多關於大數據技術是做什麼的，進入：https://m.abcgonglue.com/ask/674a851615834524.html?zd查看更多內容

⑦ 大數據是幹嘛的

大數據是一系列技術的統稱，經過多年的發展，大數據已經形成了從數據采內集、整理、傳輸、存儲、容安全、分析、呈現和應用等一系列環節，這些環節涉及到諸多大數據工作崗位，這些工作崗位與物聯網、雲計算也都有密切的聯系。

大數據是一個抽象的概念，對當前無論是企業還是政府、高校等單位面臨的數據無法存儲、無法計算的狀態。

(7)大數據能幹嘛的擴展閱讀：

大數據應用舉例

洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。

google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。

統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。

麻省理工學院利用手機定位數據和交通數據建立城市規劃。

梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。