视频结构化大数据平台ppt课件
产品性能
智能分析 性能
车辆信息
单台最高80路1080P实时流
活动目标
单台最高40路1080P实时流
人脸信息
单台最高32路1080P实时流
.
10
部署方式-单台
.
11
部署方式-集群
.
12
录像.13来自人骑车信息结构化人脸信息结构化
智能检索
以图搜索
以图搜图
以图搜图在不同的监控区域发现目标嫌疑人
.
7
大数据应用
人物结构化大数据应用
人脸结构化大数据应用
车辆结构化大数据应用
.
8
产品特点
提取全面
（结构化& 矢量特征）
以图搜图 （人形检索）
大数据 应用
支持骑行检 索
携带物 结构化
公安部 权威认证
.
9
唐古拉视频分析研判大数据平台
.
1
平台架构
.
2
视频结构化引擎
.
3
场景应用-车辆、人物结构化
车辆信息结构化
人物信息结构化
.
4
场景应用-人骑车、人脸结构化
人骑车信息结构化
人脸信息结构化
.
5
场景应用 -智能检索
智能检索，结构化目标筛查
.
6
场景应用 -以图搜图
以图搜图，目标精准定位
车辆信息结构化
人物信息结构化
合集下载
大数据分析PPT(共 73张)
' LOGO '
COMPANY LOGOTYPE INSERT
Value 价值
• 挖掘大数据的价值类似沙里淘金,从海量数据中挖掘稀疏但珍贵的信息. • 价值密度低,是大数据的一个典型特征.
' LOGO '
COMPANY LOGOTYPE INSERT
• 2010年海地地震，海地人散落在全国各地，援助人员为 弄清该去哪里援助手忙脚乱。传统上，他们只能通过飞往 灾区上空来查找需要援助的人群。
数据量增加
数据结构日趋复杂
大量新数据源的出现则导致了非结构化、 半结构化数据爆发式的增长
根据IDC 监测，人类产生的数据量正在呈指数级 增长，大约每两年翻一番，这个速度在2020 年之 前会继续保持下去。这意味着人类在最近两年产生 的数据量相当于之前产生的全部数据量。
TB
PB
EB
ZB
' LOGO '
• 一些研究人员采取了一种不同的做法：他们开始跟踪
海地人所持手机内部的SIM卡，由此判断出手机持有人所
处的位置和行动方向。正如一份联合国(UN)报告所述，此
举帮助他们“准确地分析出了逾60万名海地人逃离太子港
之后的目的地。”后来，当海地爆发霍乱疫情时，同一批
研究人员再次通过追踪SIM卡把药品投放到正确的地点，
这些消息足够一个人昼夜不息的浏览16 年…
每天亚马逊上将产生 6.3 百万笔订单…
每个月网民在Facebook 上要花费7 千亿分钟，被移动互联
网使用者发送和接收的数据高达1.3EB…
Google 上每天需要处理24PB 的数据…
' LOGO '
COMPANY LOGOTYPE INSERT
大数据介绍pptppt课件
可编辑课件
15
可编辑课件
16
HDFS 分布式文件系统
HDFS： - 分布式文件存储系统，存储海量的数 据；
- 数据冗余，硬件容错； - 流式的数据访问； - 存储大文件;
- 适合数据批量读写，吞吐量高；适 一次写入，多次读取，顺序读写。 - 不适合交互式应用，低延迟很难 满足不支持多用户并发写相同文件。
➢异常检测：识别其特征显著不同于其他 数据的观测值
可编辑课件
22
实战项目1—— Python 网络爬虫
网络爬虫是一个自动提取网页的程序/脚 本，它可以搜索引擎从万维网上下载网 页，是搜索引擎的重要组成。 ➢做为oping、 chinahr） ➢科学研究：在线人类行为，在线社群 演化，复杂网络，数据挖掘领域的实证 科学研究，快速收集大量数据
大量的不相关信息 对未来趋势与模式的可预测分析 深度复杂分析（机器学习、人工智能Vs传统商务智能(咨询、 报告等）
实时分析而非批量式分析
数据输入、处理与丢弃
立竿见影而非事后见效
可编辑课件
7
2.什么是云计算？
云计算将计算任务分布在大量计算机构成的资源池上，是各种应用系统能够根据需 要获取计算力、存储空间和各种软件服务。
2299
数字足迹与城市计算
出租车GPS 数字足迹：不同时刻的城市热点检测、城市区域的功能特 性分类、路径规划、出租车司机寻客策略、异常轨迹检测、城市道路 交通流量预测等；
移动社交网络数字足迹：探索个人和群体移动模式、群体事件监测、 个性化的兴趣点推荐和搜索服务、交叉重叠式社群的发现与诠释等；
移动电话数字足迹：测量城市交通系统效率、优化城市道路、人的移 动性、地区经济发展、传染病预测、监测群体移动位置预测群体事件 等。
大数据技术培训课件
法进行异常值检测和处理。
数据集成与融合技术
数据集成方法
数据融合技术
将来自不同数据源的数据进行整合，形成 一个统一的数据视图，如数据联邦、数据 仓库等。
将多个数据源的数据进行融合，提取出更 有价值的信息，如基于规则的数据融合、 基于统计的数据融合等。
数据质量评估
数据可视化
对数据集成和融合后的数据进行质量评估 ，确保数据的准确性、完整性和一致性。
企业如何保障大数据安全与用户隐私
制定完善的数据安全管理 制度
明确数据安全责任、规范数据 处理流程、建立数据分类分级 保护机制。
加强网络安全防护
采用先进的网络安全技术和设 备，提高网络防御能力，防范 网络攻击和数据泄露。
实施隐私保护措施
采用匿名化、去标识化等技术 手段处理用户数据，确保用户 隐私不被泄露。同时，建立用 户隐私投诉处理机制，及时响 应用户投诉并采取措施予以解 决。
培养大数据人才
加强大数据人才的培养和引进，打造一支具 备专业技能和创新能力的大数据团队。
构建大数据平台
选择合适的大数据技术和工具，构建高效、 稳定、安全的大数据平台。
推动数据驱动决策
将大数据分析结果应用于企业决策，提高决 策的科学性和准确性。
未来大数据产业前景展望
大数据产业规模持续扩大
随着大数据技术的不断发展和应用，大数据产业规模将持续扩大，成 为经济增长的重要引擎。
等。
数据清洗与转换技术
数据去重
消除数据集中的重复记录，保 证数据的唯一性。
数据填充
对缺失值进行填充，如使用均 值、中位数、众数等统计量进 行填充。
数据转换
将数据从一种格式或结构转换 为另一种格式或结构，如数据 归一化、标准化等。
数据集成与融合技术
数据集成方法
数据融合技术
将来自不同数据源的数据进行整合，形成 一个统一的数据视图，如数据联邦、数据 仓库等。
将多个数据源的数据进行融合，提取出更 有价值的信息，如基于规则的数据融合、 基于统计的数据融合等。
数据质量评估
数据可视化
对数据集成和融合后的数据进行质量评估 ，确保数据的准确性、完整性和一致性。
企业如何保障大数据安全与用户隐私
制定完善的数据安全管理 制度
明确数据安全责任、规范数据 处理流程、建立数据分类分级 保护机制。
加强网络安全防护
采用先进的网络安全技术和设 备，提高网络防御能力，防范 网络攻击和数据泄露。
实施隐私保护措施
采用匿名化、去标识化等技术 手段处理用户数据，确保用户 隐私不被泄露。同时，建立用 户隐私投诉处理机制，及时响 应用户投诉并采取措施予以解 决。
培养大数据人才
加强大数据人才的培养和引进，打造一支具 备专业技能和创新能力的大数据团队。
构建大数据平台
选择合适的大数据技术和工具，构建高效、 稳定、安全的大数据平台。
推动数据驱动决策
将大数据分析结果应用于企业决策，提高决 策的科学性和准确性。
未来大数据产业前景展望
大数据产业规模持续扩大
随着大数据技术的不断发展和应用，大数据产业规模将持续扩大，成 为经济增长的重要引擎。
等。
数据清洗与转换技术
数据去重
消除数据集中的重复记录，保 证数据的唯一性。
数据填充
对缺失值进行填充，如使用均 值、中位数、众数等统计量进 行填充。
数据转换
将数据从一种格式或结构转换 为另一种格式或结构，如数据 归一化、标准化等。
大数据的处理和分析ppt课件
• 大数据的分析
– 关键技术概述、PageRank初步
3
大数据的魅力
• 数据挖掘
– 数据挖掘的定义 1. 从数据中提取出隐含的过去未知的有价值的潜
在信息 2. 从大量数据或者数据库中提取有用信息的科学
– 相关概念：知识发现 1. 数据挖掘是知识发现过程中的一步 2. 粗略看：数据预处理数据挖掘数据后处理 预处理: 将未加工输入数据转换为适合处理的形式 后处理: 如可视化, 便于从不同视角探查挖掘结4果
经关联分析，可发现顾客经常同时购买的商品：尿布牛5 奶
大数据的魅力
• 大数据
– 大数据，或称海量数据，指所涉及的数据量规模 巨大到无法通过人工，在合理时间内达到截取、 管理、处理、并整理成为人类所能解读的信息
– 在总数据量相同的情况下，与个别分析独立的小 型数据集相比，将各个小型数据集合并后进行分 析可得出许多额外的信息和数据关系性，可用来 察觉商业趋势、避免疾病扩散、打击犯罪、测定 实时交通路况或判定研究质量等
大数据时代的精髓在于人们分析信息时的 三个转变，这些转变将改变人们决策的制定 和对表象的理解
14
大数据时代的思维变革
• 变革一 — 更多: 不是随机样本, 而是全体数据
1. 随机抽样：用最少的数据获得最多的信息 – 过去由于获取和分析全体数据的困难，抽样调查
是一种常用统计分析方法。它根据随机原则从总 体中抽取部分实际数据进行调查，并运用概率估 计方法，根据样本数据推算总体相应的数量指标
通过统计性的搜索、比较、聚类、分析和归纳， 寻找事件（或数据）之间的相关性 – 一般来说，统计学无法检验逻辑上的因果关系 – 也许正因为统计方法不致力于寻找真正的原因, 才 促进数据挖掘和大数据技术在商业领域广泛应用
– 关键技术概述、PageRank初步
3
大数据的魅力
• 数据挖掘
– 数据挖掘的定义 1. 从数据中提取出隐含的过去未知的有价值的潜
在信息 2. 从大量数据或者数据库中提取有用信息的科学
– 相关概念：知识发现 1. 数据挖掘是知识发现过程中的一步 2. 粗略看：数据预处理数据挖掘数据后处理 预处理: 将未加工输入数据转换为适合处理的形式 后处理: 如可视化, 便于从不同视角探查挖掘结4果
经关联分析，可发现顾客经常同时购买的商品：尿布牛5 奶
大数据的魅力
• 大数据
– 大数据，或称海量数据，指所涉及的数据量规模 巨大到无法通过人工，在合理时间内达到截取、 管理、处理、并整理成为人类所能解读的信息
– 在总数据量相同的情况下，与个别分析独立的小 型数据集相比，将各个小型数据集合并后进行分 析可得出许多额外的信息和数据关系性，可用来 察觉商业趋势、避免疾病扩散、打击犯罪、测定 实时交通路况或判定研究质量等
大数据时代的精髓在于人们分析信息时的 三个转变，这些转变将改变人们决策的制定 和对表象的理解
14
大数据时代的思维变革
• 变革一 — 更多: 不是随机样本, 而是全体数据
1. 随机抽样：用最少的数据获得最多的信息 – 过去由于获取和分析全体数据的困难，抽样调查
是一种常用统计分析方法。它根据随机原则从总 体中抽取部分实际数据进行调查，并运用概率估 计方法，根据样本数据推算总体相应的数量指标
通过统计性的搜索、比较、聚类、分析和归纳， 寻找事件（或数据）之间的相关性 – 一般来说，统计学无法检验逻辑上的因果关系 – 也许正因为统计方法不致力于寻找真正的原因, 才 促进数据挖掘和大数据技术在商业领域广泛应用
大数据ppt(数据有关文档)共30张
实时数据采集
利用流处理技术，实时采集数据源中的数 据。
网络爬虫技术
通过编写爬虫程序，从互联网上抓取指定 网站的数据。
API接口调用
通过调用第三方提供的API接口，获取相 关数据。
数据清洗与预处理
数据清洗
去除重复数据、处理缺失值、异常值 检测与处理、文本清洗（如去除停用 词、特殊符号等）。
数据转换
将数据转换成适合分析的格式，如将 文本数据转换为数值型数据。
常见的NoSQL数据库 列举几种常见的NoSQL数据库，如MongoDB、 Cassandra、Redis等，并简要介绍它们的特点 和应用场景。
NoSQL数据库的选择与使用 探讨如何根据实际需求选择合适的NoSQL数据 库，并给出使用NoSQL数据库的一般步骤和注 意事项。
数据仓库与数据挖掘技术
数据仓库概述
Tableau
专业的数据可视化工具，支持拖拽式操作和 丰富的图表类型。
Python可视化库
如Matplotlib、Seaborn等，提供强大的数 据可视化功能，可定制化程度高。
05
大数据在各领域应用案例
金融行业应用案例
01
风险管理与合规
利用大数据分析技术，金融机构可以更准确地评估和管理风险，提高合
的后盾支持。
大数据发展趋势
实时性要求更高
随着业务需求的不断变化，对大数据实时 性要求越来越高。
数据安全备受关注
大数据的快速增长使得数据安全问题日益 凸显，如何保障数据安全成为重要议题。
与人工智能深度融合
大数据与人工智能技术的深度融合将推动 智能化应用的快速发展。
行业应用不断拓展
大数据在各行各业的应用将不断拓展，为 行业转型升级提供有力支持。
利用流处理技术，实时采集数据源中的数 据。
网络爬虫技术
通过编写爬虫程序，从互联网上抓取指定 网站的数据。
API接口调用
通过调用第三方提供的API接口，获取相 关数据。
数据清洗与预处理
数据清洗
去除重复数据、处理缺失值、异常值 检测与处理、文本清洗（如去除停用 词、特殊符号等）。
数据转换
将数据转换成适合分析的格式，如将 文本数据转换为数值型数据。
常见的NoSQL数据库 列举几种常见的NoSQL数据库，如MongoDB、 Cassandra、Redis等，并简要介绍它们的特点 和应用场景。
NoSQL数据库的选择与使用 探讨如何根据实际需求选择合适的NoSQL数据 库，并给出使用NoSQL数据库的一般步骤和注 意事项。
数据仓库与数据挖掘技术
数据仓库概述
Tableau
专业的数据可视化工具，支持拖拽式操作和 丰富的图表类型。
Python可视化库
如Matplotlib、Seaborn等，提供强大的数 据可视化功能，可定制化程度高。
05
大数据在各领域应用案例
金融行业应用案例
01
风险管理与合规
利用大数据分析技术，金融机构可以更准确地评估和管理风险，提高合
的后盾支持。
大数据发展趋势
实时性要求更高
随着业务需求的不断变化，对大数据实时 性要求越来越高。
数据安全备受关注
大数据的快速增长使得数据安全问题日益 凸显，如何保障数据安全成为重要议题。
与人工智能深度融合
大数据与人工智能技术的深度融合将推动 智能化应用的快速发展。
行业应用不断拓展
大数据在各行各业的应用将不断拓展，为 行业转型升级提供有力支持。
2024版大数据培训课件pptx
大数据培训课件pptx $number{01}目录•大数据概述•大数据技术基础•大数据平台与工具•大数据挖掘与分析方法•大数据在各行各业应用实践•大数据挑战与未来发展趋势01大数据概述大数据定义与特点定义大数据是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。
特点大数据具有Volume（数据体量巨大）、Velocity（处理速度快）、Variety（数据类型繁多）、Value（价值密度低）的4V特点。
123大数据发展历程成熟期2013年至今，大数据技术逐渐成熟，应用领域不断拓展，成为推动社会进步和发展的重要力量。
萌芽期20世纪90年代至2008年，大数据概念开始萌芽，主要关注于数据存储和计算能力的提升。
发展期2009年至2012年，大数据逐渐受到关注，Hadoop 等开源技术不断涌现，数据处理和分析能力得到进一步提升。
金融大数据在金融领域的应用包括风险管理、客户分析、精准营销等方面。
医疗大数据在医疗领域的应用包括疾病预测、个性化治疗、医疗资源优化等方面。
教育大数据在教育领域的应用包括个性化教学、教育资源共享、教育评估等方面。
政府大数据在政府领域的应用包括智慧城市、公共安全、政策制定等方面。
大数据应用领域02大数据技术基础分布式计算架构Master/Slave 架构、MapReduce 架构等分布式计算概述定义、特点、优势等分布式计算编程模型MapReduce 编程模型、BSP 编程模型等分布式计算框架Hadoop 、Spark 等分布式计算原理存储技术02030104HBase 、Cassandra 等MySQL Cluster 、Oracle RAC 等HDFS 、GFS 等Amazon S3、Google Cloud Storage 等分布式文件系统NoSQL 数据库云存储技术分布式数据库大数据分析技术数据挖掘技术数据预处理数据处理与分析技术数据清洗、数据转换、数据规约等统计分析、机器学习、深度学习等分类、聚类、关联规则挖掘等03大数据平台与工具Hadoop生态系统介绍Hadoop概述Hadoop的起源、发展历程、核心组件及架构Spark 的起源、发展历程、核心组件及架构Spark 生态系统介绍Spark 概述弹性分布式数据集，实现容错和高效计算RDD处理结构化数据的模块，提供SQL查询功能Spark SQL处理实时数据流的模块，支持实时分析和处理Spark Streaming机器学习库，提供常见的机器学习算法和工具MLlib图计算库，支持图形处理和并行计算GraphXFlinkKafkaStormCassandraRedis其他大数据平台与工具流处理框架，支持实时数据流处理和批处理分布式流处理平台，实现实时数据流传输和处理实时计算系统，支持分布式实时计算和处理分布式NoSQL 数据库，支持高可用性和可扩展性内存数据库，支持高速读写和持久化存储04大数据挖掘与分析方法数据挖掘基本概念及过程数据挖掘定义从大量数据中提取出有用的信息和知识的过程。
《大数据平台简介》课件
B
C
D
可扩展性强
大数据平台采用分布式架构，可以根据业 务需求进行横向和纵向的扩展，满足企业 不断增长的数据处理需求。
数据整合能力强
大数据平台能够整合不同来源、不同格式 的数据，实现数据的统一管理和分析。
挑战分析
数据安全风险高
随着数据量的增长，数据安 全问题也日益突出，如何保 障数据的安全和隐私成为大 数据平台面临的重要挑战。
定义
大数据平台是一个集数据存储、处理、分 析和管理于一体的综合性系统，旨在高效 处理大规模数据集，挖掘其潜在价值。
高效性
具备高性能的数据处理能力，能够快速处 理和分析大规模数据。
可靠性
提供数据备份、恢复和容错机制，确保数 据安全可靠。
扩展性
具备水平扩展和垂直扩展能力，可根据业 务需求灵活增加计算和存储资源。
大数据平台的应用场景
数据分析与挖掘
对海量数据进行深入分析和挖掘，发现 潜在规律和趋势，为企业决策提供支持
。
数据科学与机器学习
利用大数据平台进行数据建模、特征 工程、模型训练和评估等，支持机器
学习和人工智能应用。
数据仓库与报表
构建企业级数据仓库，提供标准化的 报表和查询服务，满足企业日常运营 和管理的需求。
05
CATALOGUE
大数据平台案例分析
案例一：某电商的大数据平台建设
总结词
该电商企业通过大数据平台建设，实现 了精准营销、个性化推荐和供应链优化 。
VS
详细描述
该电商企业利用大数据技术，收集并分析 用户行为、购买历史、浏览记录等数据， 实现了个性化推荐和精准营销。同时，通 过大数据分析，优化了供应链管理，降低 了库存成本，提高了运营效率。
(完整版)大数据介绍ppt
大数据的定义与特性
定义
大数据是指在传统数据处理软件难以处理的庞大的、复杂的数据集。这些数据可 以是结构化的，如数据库里的表格，也可以是非结构化的，如社交媒体上的文字 或图片。
大数据通常涉及对海量数据的采集、存储、管理和分析，以发现数据背后的规律 和趋势，从而帮助企业和组织做出更好的决策。
特性：4V（体量、速度、多样性和价值）
传感器
各种传感器在工业生产、环境监测等领域中广泛应用，能 够实时监测和收集各种数据，如温度、湿度、压力等。
生成方式
社交网络
用户在社交媒体上的互动行为 ，如发布动态、点赞、评论等 ，以及社交网络中的用户关系
数据。
电子商务
在线购物平台上的商品浏览、 添加购物车、下单等行为，以 及用户的购买记录和偏好数据 。
数据治理与元数据管理
加强数据治理和元数据管理，确保数据的统一管理和有效利用。
PART 06
大数据未来发展趋势与展 望
人工智能与大数据的融合
人工智能与大数据的融合将进一步加深，通过数据挖掘、机 器学习和深度学习等技术，实现更高效的数据处理和分析， 为各行业提供更智能的决策支持。
人工智能将进一步提高大数据的处理速度和准确性，同时大 数据也将为人工智能提供更丰富、更真实的训练数据，促进 人工智能技术的不断进步。
疾病诊断与预测
通过分析患者的医疗记录、生理数据 等，辅助医生进行疾病诊断，同时预 测疾病发展趋势和预后情况。
金融
风险评估
通过对企业的财务数据、市场数据等 进行深度分析，评估企业的信用风险 和投资风险，帮助金融机构做出更明 智的决策。
欺诈检测
投资策略
通过分析市场数据、经济数据等，制 定更有效的投资策略和风险管理方案 ，提高投资回报率。
定义
大数据是指在传统数据处理软件难以处理的庞大的、复杂的数据集。这些数据可 以是结构化的，如数据库里的表格，也可以是非结构化的，如社交媒体上的文字 或图片。
大数据通常涉及对海量数据的采集、存储、管理和分析，以发现数据背后的规律 和趋势，从而帮助企业和组织做出更好的决策。
特性：4V（体量、速度、多样性和价值）
传感器
各种传感器在工业生产、环境监测等领域中广泛应用，能 够实时监测和收集各种数据，如温度、湿度、压力等。
生成方式
社交网络
用户在社交媒体上的互动行为 ，如发布动态、点赞、评论等 ，以及社交网络中的用户关系
数据。
电子商务
在线购物平台上的商品浏览、 添加购物车、下单等行为，以 及用户的购买记录和偏好数据 。
数据治理与元数据管理
加强数据治理和元数据管理，确保数据的统一管理和有效利用。
PART 06
大数据未来发展趋势与展 望
人工智能与大数据的融合
人工智能与大数据的融合将进一步加深，通过数据挖掘、机 器学习和深度学习等技术，实现更高效的数据处理和分析， 为各行业提供更智能的决策支持。
人工智能将进一步提高大数据的处理速度和准确性，同时大 数据也将为人工智能提供更丰富、更真实的训练数据，促进 人工智能技术的不断进步。
疾病诊断与预测
通过分析患者的医疗记录、生理数据 等，辅助医生进行疾病诊断，同时预 测疾病发展趋势和预后情况。
金融
风险评估
通过对企业的财务数据、市场数据等 进行深度分析，评估企业的信用风险 和投资风险，帮助金融机构做出更明 智的决策。
欺诈检测
投资策略
通过分析市场数据、经济数据等，制 定更有效的投资策略和风险管理方案 ，提高投资回报率。
2024版大数据分析PPT模板
02
03
Spark
Flink
一个快速、通用的大规模数据处 理引擎，提供了Java、Scala、 Python等多种编程语言的API。
一个流处理和批处理的开源框架， 支持实时数据流分析和处理。
8
数据存储技术
03
Hadoop HDFS
一个分布式文件系统，用于存储大规模数 据集，提供高吞吐量访问和容错能力。
临床试验数据分析
对临床试验数据进行深入挖掘和分析，发现新的治疗方法和药物作用 机制，推动医学研究的进步。
2024/1/26
29
其他领域的大数据分析应用
2024/1/26
智慧城市
利用大数据分析技术，对城市交通、环境、能源等领域的 数据进行全面分析，提高城市管理的智能化水平。
教育领域 通过分析学生的学习数据、教师的教学数据等，发现教育 过程中的问题和不足，优化教学方法和策略，提高教育质 量。
大数据分析PPT模板
2024/1/26
1
目录
2024/1/26
• 大数据分析概述 • 大数据技术基础 • 大数据分析方法 • 大数据分析流程 • 大数据分析工具与平台 • 大数据分析实践案例
2
01
大数据分析概述
2024/1/26
3
大数据的定义与特点
数据量大
大数据通常指数据量在TB、PB甚至EB级 别以上的数据。
金融
信用评分、风险管 理、投资策略等。
2024/1/26
政府
城市规划、交通管 理、公共安全等。
制造业
生产优化、故障预 测、供应链管理等。
6
02
大数据技术基础
2024/1/26
7
分布式计算技术
大数据平台数据分层方案架构图——PPT模板美化
未来也可用于准实时数据查询。
大数据平台数据分层方案架构图
提示：下载后内容可以直接编辑
1 应用库
数据 访问
SQL 精细化
营销
HSQ L
其他应 用1
API
其他应 用2 FTP
ETL
2 主数据仓库
信息子层
指标 报表 标签 数据 数据 库
客户 统一 视图
……
高度汇总层（MK）
分布式数据库
3
MPP
轻度汇总层（MK）
明细数据层 （DW）
Hadoop平台
VAC
和计算时间。
E
3
T
MC话单
轻度汇总层：主题域内部基于明细层
L
业务平 台
数据，进行多维度的、用户级的汇总。
明细数据层：主题域内部进行拆分、
非结构化数据
关联。是对ODS操作型数据按照主题 域划分规则进行的拆分及合并
GN口
4
互联网
ODS层：数据来源于各生产系统，通
获取层
数据源
过ETL工具对接口文件数据进行编码 替换和数据清洗转换，不做关联操作。
4
话单数据 非结构化数据
1 应用层：应系统的私有数据，应用
的业务数据。
精细化营销做为大数据平台的一个上
结构化数据
层应用，有由大数据平台提供数据支 撑
2 信息子层：报表数据、多维数据、指
BSS
数
标库等数据来源于汇总层。
据
经分
汇总层：主题域之间进行关联、汇总
采
DM
计算。汇总数据服务于信息子层，目
集
的是为了节约信息子层数据计算成本