大数据概论
大数据的概念
大数据(BigData) :
-
指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产
-
大数据主要解决: 海量数据的采集 、 存储和分析计算问题
-
按顺序给出数据存储单位:bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB.
-
1Byte=8bit 1K=1024Byte 1MB=1024K 1G=1024M 1T=1024G 1P= 1024T
大数据特点（4V）
-
Volume (大量)
- 截至目前，人类生产的所有印刷材料的数据量是200 PB，而历史上全人类总共说过的话的数据量大约是5EB。当前，典型个人计算机硬盘的容量为TB量级，而些大企业的数据量已经接近EB量级。
-
Velocity (高速)
- 这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2025年，全球数据使用量将达到163ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。
- 天猫双十一: 2017年3分01秒，天猫交易额超过100亿 / 2020年96秒，天猫交易额超过100亿
-
Variety (多样)
- 这种类型的多样性也让数据被分为结构化数据和非结构化数据。
- 相对于以往便于存储的以数据库/文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求.
-
Value (低 价值密度 )
-
价值密度的高低与数据总量的大小成反比。
-
比如，在一天监控视频中，我们只关心宋宋老师晚上在床上健身那一分钟
-
如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题
-
大数据应用场景
-
抖音:推荐的都是你喜欢的视频
-
电商站内广告推荐:给用户推荐可能喜欢的商品
-
零售:分析用户消费习惯，为用户购买商品提供方便，从而提升商品销量。经典案例，纸尿布+啤酒
-
物流仓储:京东物流，上午下单下午送达、下午下单次日上午送达
-
保险:海量数据挖掘及风险预测，助力保险行业精准营销，提升精细化定价能力。
-
金融:多维度体现用户特征，帮助金融机构推荐优质客户，防范欺诈风险。
-
房产:大数据全面助力房地产行业，打造精准投策与营销，选出更合适的地，建造更合适的楼卖给更合适的人。
-
人工智能 + 5G + 物联网 + 虚拟与现实
大数据发展前景
-
党的十九大提出:推动互联网、大数据、人工智能和实体经济深度融合
-
2020年初，中央推出34万亿“新基建”投资计划
-
下一个风口
- 2020年是5G的元年，国家在大力铺设5G设备，2021年就是5G手机应用的开也是大数据要爆发的1年。5G带来的是每秒钟10g的数据，会给每家公司都始，带来海量的数据。那么传统的Java工具根本解决不了海量数据的存储。就更不用说海量数据的计算了。如果你对5G的感触不够深，可以回忆一下3G和4G的区别3G时只能打电话、发短信，当时还觉得很好，觉得3G不错。但是4G来了后，大家很少打电话和发短信了，都改为语音、视频、直播、网上购物等生活方式，带火了淘宝、京东、美团、字节跳动等企业。没有跟上节奏的百度，有点摇摇欲坠。
- 自古不变的真理:后入行者喝汤，最后到的买单!先入行者吃肉
-
人才紧缺、竞争压力小
-
有句话叫:“选择大于努力”选择一个好的方向，少奋斗十年。是否记得国家在2017年才开设大数据课程，当时是北京大学、人民大学等25所高校开设第一批大数据课程。那么像Java、前端大学已经开设多少年了，包括培训班都加在一起，10多年，可想而知目前市场上，Java和前端的人才有多少。
-
大数据的人才目前除了培训机构培养的，没有真正的科班毕业，而且真正能培养好大数据人才的培训机构又有几个。
-
所以目前选择大数据是最佳选择
-
如果担心自己不是科班，其实也大可不必，因为大学真的学不了啥。只要是能考上本科，说明你不笨，那学大数据就没问题
-
