大神大数据

A. 哪位大神告诉我何为大数据征信

1、确复实有不同之处制，央行征信是传统征信方式，大数据征信是伴随互联网金融发展起来的

2、央行征信与大数据征信差异主要从征信数据来源、权威性、数据完整性、用途等维度区分
3、央行征信特点：数据主要来自银行、证券、保险、社保等体系里构成一个数据循环，权威性高，数据基本完整，主要用于资产评估、银行放贷、信用卡额度等
5、大数据征信特点：数据主要来自互联网各大平台，使用互联网技术抓取或接口合作获取征信数据，资质再好一点的企业可以申请接入央行征信，权威性不如央行征信，但随着互联网金融的发展会越来越重要，数据完整性各大数据征信平台不同，主要用于互联网金融，例如P2P，如果p2p拿不到央行征信数据风险会很大。
6、展望未来：随着互联网金融的发展，大数据征信与央行征信会不断融合直至融为一体，真正的满足数据的完整性，那违法犯罪基本就真的大大减少了，信用真的就是钱！

B. 有大神自学大数据吗

自学大数据想学会、学懂会比较难，需要学习Java基础、JavaEE核心、Hadoop生态体系、回Spark生态体系、机器学习等知识点答。

同时自学也需要多多实战，而实战的相关资料内容只能在网上找，这样会比较麻烦。

大数据入门相对来说较难，但是也不是不可以，因为几乎所有学大数据的人都是从零开始的。

但是之前也说过，大数据自学会比较难，建议还是找一个比较靠谱的平台进行学习，这样会事半功倍，少走许多弯路。

C. 哪位大神知道大数据脱敏系统具备哪些功能啊

我觉得大数据脱敏系统首先至少支持hive等大数据组件等，具体功能也应该包括1、敏感数据发现：能够按照用户指定的系统内置敏感数据特征或预定义的敏感数据特征，在执行任务过程中对抽取的数据进行自动识别和敏感数据发现；2、敏感数据梳理：具备敏感数据梳理能力，包含数据库敏感字段和文件敏感列的梳理和核实；3、数据子集管理：在许多场景下，并不需要将生产环境中的全部数据脱敏至目标环境使用，如统计分析场景则需要对全部数据进行合理采样，开发环境可能仅需要生产环境中1%的数据；4、脱敏方案管理：可以根据各类数据应用场景如系统开发、功能测试、性能测试、数据分析等，制定不同的脱敏方案；5、脱敏任务管理：脱敏任务可针对目标数据库系统或结构化文件进行；安华金和大数据脱敏系统推荐你了解下。

D. 有熟悉大数据分析工具tableau的大神吗

1、Tabluea：之前来他为了学习特地源花钱买过Tabluea的个人版，话说真的蛮贵的，一年要999刀，就只买了一年，我也玩过他们很多功能，工具挺不错的，功能挺强大的，可视化效果真心不错，也有数据钻取、动态的功能效果，但是Tabluea真的太贵了。
2、BDP个人版：操作并不难，函数那些不需要自己写，拖拽字段，然后选择图表类型就能出现各种可视化图表，还可以调整颜色等，可视化效果还是很不错的。而且BDP个人版有个好处：就是当我替换了工作表数据，我做可视化图表就会自动更新了，不需要重新劳动的感觉也是蛮好的。最主要的是免费的

E. 大数据分析工具 大数据分析工具 求大神推荐 收费的免费的都可以

我们单位用了ethink 很不错

F. 大数据学习入门都需要学什么求大神解答一下

大数据学习入门都需要学习和具备的基础知亏春识：

1. 数学知识：数学知识是数据分析师的基础知识。

   ①对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

   ②对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

   ③而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

2. 分析工具

   ①对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

   ②对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

   ③对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。

3. 编程语言

   ①对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

   ②对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

   ③对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

4. 业务理解

   业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

   ①对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

   ②对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

   ③对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

5. 逻辑思维

   ①对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

   ②对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

   ③对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

6. 数据可视化

   数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边冲皮放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

   ①对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

   ②对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

   ③对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

7. 协调沟通

   ①对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

   ②对于高级数据分析师，需要开始独立带项目散空差，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

   ③对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

8. 快速学习

   无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。

G. 请问大神都有哪些大数据可视化的工具啊在线等急！！！

近些年，数据采集、存储和分析技术飞速发展，大大降低了数据储存和处理的成本，一个大数据时代逐渐展现在我们的面前。大数据革新性地将海量数据处理变为可能，并且大幅降低了成本，使得越来越多跨专业学科的人投入到大数据的开发应用中来。如何才能让大型数据集变得亲切和易于理解，可视化无疑是最有效的途径。对大数据背景下的数据可视化应用展开研究，将有助于我们发展和创新数据可视化技术。

我为萌新带来3款实用的大数据可视化工具，希望对你有帮助：

Polymaps

Polymaps是一个免费的JavaScript库，也是SimpleGeo和Stamen的开发的个联合项目。这种复杂的地图叠加工具可以加载多种规模的数据，提供多级别缩放功能，大到国家，小到街景。

Leaflet

一个开源JavaScript库，Leaflet是用来创建移动友好性、交互式地图的工具。由Vladimir Agafonkin和一个团队贡献开发而成，Leaflet设计的目标是简洁性、表现性和易用性。