大神大數據

A. 哪位大神告訴我何為大數據徵信

1、確復實有不同之處制，央行徵信是傳統徵信方式，大數據徵信是伴隨互聯網金融發展起來的

2、央行徵信與大數據徵信差異主要從徵信數據來源、權威性、數據完整性、用途等維度區分
3、央行徵信特點：數據主要來自銀行、證券、保險、社保等體系裡構成一個數據循環，權威性高，數據基本完整，主要用於資產評估、銀行放貸、信用卡額度等
5、大數據徵信特點：數據主要來自互聯網各大平台，使用互聯網技術抓取或介面合作獲取徵信數據，資質再好一點的企業可以申請接入央行徵信，權威性不如央行徵信，但隨著互聯網金融的發展會越來越重要，數據完整性各大數據徵信平台不同，主要用於互聯網金融，例如P2P，如果p2p拿不到央行徵信數據風險會很大。
6、展望未來：隨著互聯網金融的發展，大數據徵信與央行徵信會不斷融合直至融為一體，真正的滿足數據的完整性，那違法犯罪基本就真的大大減少了，信用真的就是錢！

B. 有大神自學大數據嗎

自學大數據想學會、學懂會比較難，需要學習Java基礎、JavaEE核心、Hadoop生態體系、回Spark生態體系、機器學習等知識點答。

同時自學也需要多多實戰，而實戰的相關資料內容只能在網上找，這樣會比較麻煩。

大數據入門相對來說較難，但是也不是不可以，因為幾乎所有學大數據的人都是從零開始的。

但是之前也說過，大數據自學會比較難，建議還是找一個比較靠譜的平台進行學習，這樣會事半功倍，少走許多彎路。

C. 哪位大神知道大數據脫敏系統具備哪些功能啊

我覺得大數據脫敏系統首先至少支持hive等大數據組件等，具體功能也應該包括1、敏感數據發現：能夠按照用戶指定的系統內置敏感數據特徵或預定義的敏感數據特徵，在執行任務過程中對抽取的數據進行自動識別和敏感數據發現；2、敏感數據梳理：具備敏感數據梳理能力，包含資料庫敏感欄位和文件敏感列的梳理和核實；3、數據子集管理：在許多場景下，並不需要將生產環境中的全部數據脫敏至目標環境使用，如統計分析場景則需要對全部數據進行合理采樣，開發環境可能僅需要生產環境中1%的數據；4、脫敏方案管理：可以根據各類數據應用場景如系統開發、功能測試、性能測試、數據分析等，制定不同的脫敏方案；5、脫敏任務管理：脫敏任務可針對目標資料庫系統或結構化文件進行；安華金和大數據脫敏系統推薦你了解下。

D. 有熟悉大數據分析工具tableau的大神嗎

1、Tabluea：之前來他為了學習特地源花錢買過Tabluea的個人版，話說真的蠻貴的，一年要999刀，就只買了一年，我也玩過他們很多功能，工具挺不錯的，功能挺強大的，可視化效果真心不錯，也有數據鑽取、動態的功能效果，但是Tabluea真的太貴了。
2、BDP個人版：操作並不難，函數那些不需要自己寫，拖拽欄位，然後選擇圖表類型就能出現各種可視化圖表，還可以調整顏色等，可視化效果還是很不錯的。而且BDP個人版有個好處：就是當我替換了工作表數據，我做可視化圖表就會自動更新了，不需要重新勞動的感覺也是蠻好的。最主要的是免費的

E. 大數據分析工具 大數據分析工具 求大神推薦 收費的免費的都可以

我們單位用了ethink 很不錯

F. 大數據學習入門都需要學什麼求大神解答一下

大數據學習入門都需要學習和具備的基礎知虧春識：

1. 數學知識：數學知識是數據分析師的基礎知識。

   ①對於初級數據分析師，了解一些描述統計相關的基礎內容，有一定的公式計算能力即可，了解常用統計模型演算法則是加分。

   ②對於高級數據分析師，統計模型相關知識是必備能力，線性代數（主要是矩陣計算相關知識）最好也有一定的了解。

   ③而對於數據挖掘工程師，除了統計學以外，各類演算法也需要熟練使用，對數學的要求是最高的。

2. 分析工具

   ①對於初級數據分析師，玩轉Excel是必須的，數據透視表和公式使用必須熟練，VBA是加分。另外，還要學會一個統計分析工具，SPSS作為入門是比較好的。

   ②對於高級數據分析師，使用分析工具是核心能力，VBA基本必備，SPSS/SAS/R至少要熟練使用其中之一，其他分析工具（如Matlab）視情況而定。

   ③對於數據挖掘工程師……嗯，會用用Excel就行了，主要工作要靠寫代碼來解決呢。

3. 編程語言

   ①對於初級數據分析師，會寫SQL查詢，有需要的話寫寫Hadoop和Hive查詢，基本就OK了。

   ②對於高級數據分析師，除了SQL以外，學習Python是很有必要的，用來獲取和處理數據都是事半功倍。當然其他編程語言也是可以的。

   ③對於數據挖掘工程師，Hadoop得熟悉，Python/Java/C++至少得熟悉一門，Shell得會用……總之編程語言絕對是數據挖掘工程師的最核心能力了。

4. 業務理解

   業務理解說是數據分析師所有工作的基礎也不為過，數據的獲取方案、指標的選取、乃至最終結論的洞察，都依賴於數據分析師對業務本身的理解。

   ①對於初級數據分析師，主要工作是提取數據和做一些簡單圖表，以及少量的洞察結論，擁有對業務的基本了解就可以。

   ②對於高級數據分析師，需要對業務有較為深入的了解，能夠基於數據，提煉出有效觀點，對實際業務能有所幫助。

   ③對於數據挖掘工程師，對業務有基本了解就可以，重點還是需要放在發揮自己的技術能力上。

5. 邏輯思維

   ①對於初級數據分析師，邏輯思維主要體現在數據分析過程中每一步都有目的性，知道自己需要用什麼樣的手段，達到什麼樣的目標。

   ②對於高級數據分析師，邏輯思維主要體現在搭建完整有效的分析框架，了解分析對象之間的關聯關系，清楚每一個指標變化的前因後果，會給業務帶來的影響。

   ③對於數據挖掘工程師，邏輯思維除了體現在和業務相關的分析工作上，還包括演算法邏輯，程序邏輯等，所以對邏輯思維的要求也是最高的。

6. 數據可視化

   數據可視化說起來很高大上，其實包括的范圍很廣，做個PPT里邊沖皮放上數據圖表也可以算是數據可視化，所以我認為這是一項普遍需要的能力。

   ①對於初級數據分析師，能用Excel和PPT做出基本的圖表和報告，能清楚的展示數據，就達到目標了。

   ②對於高級數據分析師，需要探尋更好的數據可視化方法，使用更有效的數據可視化工具，根據實際需求做出或簡單或復雜，但適合受眾觀看的數據可視化內容。

   ③對於數據挖掘工程師，了解一些數據可視化工具是有必要的，也要根據需求做一些復雜的可視化圖表，但通常不需要考慮太多美化的問題。

7. 協調溝通

   ①對於初級數據分析師，了解業務、尋找數據、講解報告，都需要和不同部門的人打交道，因此溝通能力很重要。

   ②對於高級數據分析師，需要開始獨立帶項目散空差，或者和產品做一些合作，因此除了溝通能力以外，還需要一些項目協調能力。

   ③對於數據挖掘工程師，和人溝通技術方面內容偏多，業務方面相對少一些，對溝通協調的要求也相對低一些。

8. 快速學習

   無論做數據分析的哪個方向，初級還是高級，都需要有快速學習的能力，學業務邏輯、學行業知識、學技術工具、學分析框架……數據分析領域中有學不完的內容，需要大家有一顆時刻不忘學習的心。

G. 請問大神都有哪些大數據可視化的工具啊在線等急！！！

近些年，數據採集、存儲和分析技術飛速發展，大大降低了數據儲存和處理的成本，一個大數據時代逐漸展現在我們的面前。大數據革新性地將海量數據處理變為可能，並且大幅降低了成本，使得越來越多跨專業學科的人投入到大數據的開發應用中來。如何才能讓大型數據集變得親切和易於理解，可視化無疑是最有效的途徑。對大數據背景下的數據可視化應用展開研究，將有助於我們發展和創新數據可視化技術。

我為萌新帶來3款實用的大數據可視化工具，希望對你有幫助：

Polymaps

Polymaps是一個免費的JavaScript庫，也是SimpleGeo和Stamen的開發的個聯合項目。這種復雜的地圖疊加工具可以載入多種規模的數據，提供多級別縮放功能，大到國家，小到街景。

Leaflet

一個開源JavaScript庫，Leaflet是用來創建移動友好性、互動式地圖的工具。由Vladimir Agafonkin和一個團隊貢獻開發而成，Leaflet設計的目標是簡潔性、表現性和易用性。