【推荐】大数据与统计学培训课件

【推荐】大数据与统计学培训课件
【推荐】大数据与统计学培训课件
❖ 数据的产生： 数的产生基于以下三个要素，一是数，二是量，
三是计量单位。 数起源于人类祖先对“多”或“少”的认识，阿
拉伯数字的产生实现了数的抽象性和可计算性。 数的概念及数的基本逻辑关系形成以后，人们将
数的神秘性作为探寻与研究的目标之一，不断建立起 更加完备的、抽象的数的体系。
❖ 其次，大数据是动态的，具有阶段性特征，同样的 关联词在不同时段可能具有不同的含义，围绕关联 词的话题会随着时间的推移而会发生某些偏离，从 而导致有偏的结论。
❖ 第三，对于我们所关心的研究主题，可能会受到大 量没有实际意义、实际内容甚至虚假信息的干扰， 让我们面对一堆数据无从下手，大数据变成了大迷 惑，甚至变成了大错误。
统计学的发展，是根据数据的型态和问题的本质来改变的， 不是因为我们会做他背后的数学而发展的。不要因为(统计的) 问题困难而去做它；也不要因为它难而不做。(贺吉士 J.L.Hodges, 1922-2000)
R.C. Rao：统计的分析形式随时代的推移而变化着，但是 “从数据中提取一切信息”或者 “归纳和揭示”作为统计分析 的目的却一直没有改变。
（二）如何理解大数据的“数据”
❖ 历史告诉我们，数据的含义是随着人类认识社会与 自然现象的视野的变化、以及认识能力与技术水平 的提升而改变的，经历了从传统运算型数据到现代 数字化数据的变化过程。
❖ 把一切信息都看成数据是当今社会的一个特征，是 一个自然进化的结果。大数据中的数据其实就是一 切可以通过数字化手段记录的信息。
【推荐】大数据与统计学培训课件
【推荐】大数据与统计学培训课件
❖ 科学数据的形成： 科学数据的形成得益于对数据的科学研究，是在科
❖ 基于数据的分类，储存数据与管理的方式——数据库 也有两种类型：关系型数据库（SQL接口）和非关系 型数据库（NOSQL接口）。
【推荐】大数据与统计学培训课件
【推荐】大数据与统计学培训课件
（三）大数据是不是好数据？
❖ 首先，大数据不会自动产生好的分析结果，不会自 动把隐藏其中的秘密呈现出来，如果数据不完整、 取舍不当或遭受破坏，那么就会产生错误的结论。
❖ 一定程度上看，大数据并不是一个严格的概念，而是 一个比喻式的称呼。
（一）如何理解大数据的“大”
❖ 一是“全体”的意思，即大数据就是全体数据，并 且数据量必须达到一定的规模。
❖ 二是“可扩充”的意思，即大数据就是可以不断扩 充容量的数据，任何数据一旦发生就可以被记录、 被吸收。
❖ 三是“有待挖掘”的意思，即大数据就是有待挖掘 的数据。大数据可能包含着丰富的、具有大价值的 信息，但被超大量的数据所掩盖、所分散而导致价 值密度低，只有挖掘才能发现。
以数为基础，测量、计量和比较事物就有了精确 表达的语言，这在实践中就表现为量，它是客观事物 所具有的能体现差异程度的一种属性，是事物可以用 数来表现的规定性，包括量的规模、量的关系、量的 变化、量的界限与量的规律。
在以数来表示事物的特征并采用了科学的计量单 位后，就产生了真正意义上的数据——有根据的数。
❖ 大数据除了结构型数据与非结构型数据的分类外， 还可作以下分类：
【推荐】大数据与统计学培训课件
❖ 如果从大数据产生的途径或渠道来看，大数据可以分 为社交网络数据、人机交换数据和感应数据（机器数 据）。
❖ 如果从功能上看，大数据可以分为交易型数据、流程 型数据和交互型数据。
❖ 需要特别指出的是，网络数据在大数据中占有特殊的 份量，又可分为自媒体数据、日志数据和富媒体数据 三类。从时间维度上，还可以把网络大数据分为以用 户数据、日志数据为代表的历史数据，以及以视频监 控数据和流媒体数据等为代表的流式数据，其中历史 数据蕴含着大量有价值的信息。
大数据与统计学
浙江工商大学 李金昌
❖ 引言
❖
作为归纳分析的科学，统计学可以从亚里士多德的“城邦
政情”算起，但作为一门数据分析的科学则应从配第的《政治
算术》算起。ห้องสมุดไป่ตู้
300多年来，统计学围绕如何收集、整理和分析数据这一主 线而发展，构建起了庞大、多元、融合的应用方法体系，帮助 解决了各个领域大量复杂的现实问题。
❖ 4V特点：Volume、Velocity、Variety、Value。
❖ 大数据自古有之？
❖ 人类曾经开展过的人口普查、产业普查等数据，是否 属于大数据？
❖ 在计算机技术与网络化未得到充分发展以前，人们自 然难以联想出大数据这个概念。
❖ 从统计学的角度看，大数据不是主要基于人工设计而 获得有限、固定、不连续、不可扩充的结构型数据， 而是主要基于现代信息技术与工具自动记录、储存、 能连续扩充、大大超出传统统计记录与储存能力的一 切类型的数据，最大特征是数字化基础上的数据化。
❖ 最早与大数据概念有关的学科：天文学、气象学 和基因学，一开始就依赖于海量数据分析方法。
❖ 但从现代意义上看，大数据可以说是计算机与互 联网相结合的产物，前者实现了数据的数字化，后者 实现了数据的网络化。
❖ 大数据的本意是，所涉及的资料量规模巨大到无 法透过目前主流软件工具，在合理时间内达到撷取、 管理、处理、并整理成为帮助企业经营决策更积极目 的的资讯。
❖ 第四，大数据中有很多小数据问题，这些问题并不 会随着数据的增加而消失，反而可能更严重。
【推荐】大数据与统计学培训课件
【推荐】大数据与统计学培训课件
二、数据的变化与统计分析方法的发展
（一）数据的变化
❖ 回顾历史可以发现，数据的变化与统计分析方法的 发展呈现高度吻合的关系。有一种观点认为，数据 的变化过程可以分为三大阶段：数据的产生、科学 数据的形成和大数据的诞生。
大数据时代的来临，迫使统计学站在一个新的起点上。
❖ 1998年，《科学》杂志刊登的一篇介绍计算机软 件HiQ的文章《大数据的处理程序》中第一次正式使 用了大数据（big data）一词。2008年9月《自然》 杂志出版“big data”专刊。
❖ 最近几年，关于大数据的文献迅速增加，但绝大 多数出于计算机领域的学者之手，较少有基于统计学 视角的深度学术讨论。