大数据专题
大数据系列专题（1）：星环科技——企业级大数据基础软件的先行者
证券研究报告 | 2022年10月19日大数据系列专题（1）：星环科技——企业级大数据基础软件的先行者证券分析师：熊莉S0980519030002联系人：黄浩峻行业研究 · 深度报告投资评级：超配（维持评级）证券分析师：朱松S0980520070001报告摘要l星环科技是国内领先的企业级大数据基础软件开发商。
星环科技是国内领先的企业级大数据基础软件开发商，围绕数据的集成、存储、治理、建模、分析、挖掘和流通等数据全生命周期提供基础软件及服务，已形成大数据与云基础平台、分布式关系型数据库、数据开发与智能分析工具的软件产品矩阵，支撑客户及合作伙伴开发数据应用系统和业务应用系统，助力客户实现数字化转型。
2022年6月，公司多个产品或子产品入选Gartner发布的《中国数据库管理系统供应商识别指南》，在识别的8类数据库管理系统产品中，公司入选产品覆盖其中7类，是覆盖超过7类或以上产品的四家厂商之一，以及覆盖多模数据库的四家厂商之一。
l公司营收保持稳健增长，毛利率维持高位。
公司营收保持稳健增长，公司营业收入从2018年的1.13亿元增长到2021年的3.31亿元，复合增速43.1%，公司当前各项费用投入较大，目前仍处于亏损状态。
公司作为大数据产品型公司，2018-2021年毛利率分别为61.61%、60.69%、58.02%、58.94%，毛利率水平维持高位，此外，公司十分重视研发投入，研发费用绝对值保持稳定增长，研发费用率依旧维持高位。
从客户行业划分来看，金融、能源、政府等为公司当前主要行业。
l以大数据基础平台为核心，构建明日数据世界。
公司主要为客户提供数字化基础设施底层、中间层的基础软件和技术服务，支持客户的技术团队及合作伙伴构建数据和业务应用系统，助力客户进行数字化转型。
大数据基础软件业务为公司主营业务，营收占比超八成，主要包括大数据与云基础平台软件（TDH和TDC）、分布式关系型数据库（ArgoDB和KunDB）、数据开发与智能分析工具（TDS和Sophon）三大类。
行业常见大数据分析报告方法和专题分析报告
行业常见数据分析方法和专题分析1行业分析方法12行业调研主要途径63数据常见分析方法74数据分析主要图表95专题分析11专题一：分析11专题二：移动应用12专题三：零售行业〔电商行业可参考〕14专题四：产品市场运营or活动推广191行业分析方法2行业调研主要途径2.统计局统计、年鉴网络常见查询方法：●百度包括百度搜索和文库内容●搜狗微信搜索●第三方公司：艾瑞咨询、尼尔森、易观智库●百度指数、微博指数●移动应用：talkingdata 、友盟●关于数据来源有一个大数据导航推荐3数据常见分析方法建立在小蚊子根底上的整理和思考。
原文见：://mp.weixin./s?__biz=MzA5MjcxNDQxNw==&mid=551953540&idx=1&sn=b1741234fd7de219affbcd5 ef5eeef9b&scene=21#wechat_redirect数据分析两大根底：指标和维度，在我看来就是分析问题时确定可考核量化指标。
维度就是多指标组合分析。
如同指标就是一个个积木，积木越细化越多样越好，选择不同维度将指标组合如同积木组合图案，每一个图案都代表一个画像，重点是分析维度最后得出的结论是有重要意义的，对决策有参考价值。
1、指标〔两大思维之一：拆分〕指标，用于衡量事物开展程度的单位或方法，它还有个IT上常用的名字，也就是度量。
例如：人口数、GDP、收入、用户数、利润率、留存率、覆盖率等。
很多公司都有自己的KPI指标体系，就是通过几个关键指标来衡量公司业务运营情况的好坏。
指标需要经过加和、平均等汇总计算方式得到，并且是需要在一定的前提条件进展汇总计算，如时间、地点、X围，也就是我们常说的统计口径与X围。
指标可以分为绝对数指标和相对数指标，绝对数指标反映的是规模大小的指标，如人口数、GDP、收入、用户数，而相对数指标主要用来反映质量好坏的指标，如利润率、留存率、覆盖率等。
大数据与职业素养专题报告
大数据与职业素养专题报告一、引言大数据是指以传统数据处理软件无法处理的规模和复杂度来处理和分析的数据集合。
随着信息时代的到来，大数据已经成为了各行各业发展的重要趋势。
职业素养则是指一个人在工作和职业生涯中所应具备的专业品质和行为准则。
本报告旨在探讨大数据与职业素养之间的关系，以及如何提升职业素养以应对大数据时代的挑战。
二、大数据对职业素养的影响2.1 数据分析能力的重要性随着数据的快速增长和蓬勃发展，分析和利用数据的能力成为了职场中的关键竞争力。
数据分析能力包括数据采集、数据清洗、数据挖掘和数据可视化等方面。
对于从事与大数据相关的职业来说，掌握数据分析的技能是必不可少的。
2.2 数据隐私和安全意识大数据时代带来了海量的个人数据，而对这些数据的隐私和安全进行保护显得尤为重要。
职业人员需要具备对数据的隐私和安全有着高度的敏感性，以确保数据不被滥用或泄露。
此外，还需要了解相关的法律法规，遵守数据保护的规范。
2.3 创新思维和问题解决能力大数据时代，职业人员面临着更加庞杂和复杂的数据。
在处理这些数据时，需要具备创新思维和问题解决能力。
职业人员应该能够从大数据中发现新的领域和机会，并能够提出解决方案来应对挑战。
三、如何提升职业素养以应对大数据时代的挑战3.1 学习数据分析技能为了应对大数据时代的挑战，职业人员应该主动学习数据分析的技能。
通过参加相关的培训课程或自学，可以提升自己的数据处理和分析能力。
3.2 不断更新知识和技能鉴于大数据技术的快速发展和变化，职业人员需要持续学习和更新知识和技能。
通过参加行业会议、阅读专业书籍和博客等方式，了解最新的技术动态和行业趋势。
3.3 培养团队合作和沟通能力在大数据时代，数据分析往往需要多个职业人员的合作和协作。
因此，职业人员需要培养团队合作和沟通能力，能够有效地与团队成员进行合作和交流，实现共同目标。
3.4 增强数据隐私和安全意识职业人员应该提高对数据隐私和安全的重视程度。
结合大数据专题谈谈对科技强国的认识
结合大数据专题谈谈对科技强国的认识人才强则事业强，人才兴则科技兴。
高科技人才是引领科技创新发展的关键“变量”，只有在扩大“增量”、提升“质量”、盘活“存量”上下功夫，才能真正抢占科技创新发展的“制高点”。
扩大高科技人才“增量”。
当前，以信息技术、生物技术、新材料技术等为代表的高新技术产业呈现“井喷式”增长，然而，我国高科技人才的增长速度远远滞后于高新技术产业的发展速度，高新技术产业对高科技人才的需求仍存在较大缺口。
为此，要进一步扩大高科技人才“增量”，使人才增长速度与高新技术产业发展速度相吻合、相协调。
要切实发挥高水平研究型大学和科技领军企业在育才、引才、聚才中的主导作用，深化校企间合作，实施高科技人才开发工程，共建高科技人才孵化基地。
要充分利用项目招标引才、岗位特需引才、海外筑巢引才、亲情乡情引才等途径，加强高科技人才地区间的交流互动，积极探索引进国内外“高精尖”人才新路径。
提升高科技人才“质量”。
本次大会上有一个词被反复提及，那就是“高水平”，例如，要“着力打造一支高水平的科技人才队伍”，要“实现高水平科技自立自强”，等等。
当前，我国科技实力正在从量的积累迈向质的飞跃、从点的突破迈向系统能力提升，在这一过程中，人才是先导，更是关键。
而高科技人才队伍质量的优劣，直接决定了能否实现高水平自立自强这一“愿景”。
为此，要着力打造一支整体素质高、专业能力强且具有改革创新能力的高科技人才队伍。
要紧扣科技发展和产业转型的实际需要，聚焦人才队伍的年龄结构、层次结构、性别比例、地区分布等方面，加强研判，统一规划。
要进一步严明高科技人才准入门槛，划定高科技人才职称评定标准，充分发扬高科技人才“传帮带”制度，为提升高科技人才队伍整体质量提供基本遵循。
盘活高科技人才“存量”。
高科技人才不仅要“引进来”，更要“留得住”。
当前，高科技人才流失依然是制约我国科技发展的一个重要因素。
为此，要进一步盘活现有高科技人才“存量”，通过出台住房、户口、薪酬、补贴等优惠政策，为高科技人才大有所为、大有作为营造良好的外部环境。
大数据技术专题研究
…
数据源
现代数据处理框架
大数据产业
产业链环节
大数据概述
• 大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合
包含内容
IT基础设施层
包括提供硬件、软件、网络等基础设施以及提供咨询、规划和系统集成服务的企业， 比如，提供数据中心解决方案的IBM、惠普和戴尔等，提供存储解决方案的EMC，提 供虚拟化管理软件的微软、思杰、SUN、Redhat等
数据存储技术 数据处理技术 数据可视化技 术 数据安全技术
系统运维技术
两大核心技术
大数据主要技术
大数据
分布式存储 GFS\HDFS BigTable\HBase NoSQL（键值、列族、图形、文档数据库） NewSQL（如：SQL Azure）
分布式处理 MapReduce
关键技术介绍
hadoop
大数据生态圈里的数据提供者，是生物大数据（生物信息学领域的各类研究机构）、 交通大数据（交通主管部门）、医疗大数据（各大医院、体检机构）、政务大数据（ 政府部门）、电商大数据（淘宝、天猫、苏宁云商、京东等电商）、社交网络大数据 （、转换、存储和管理等服务的各类企业或产品，比如分布式文件系统（ 如Hadoop的HDFS和谷歌的GFS）、ETL工具（Informatica、Datastage、Kettle等） 、数据库和数据仓库（Oracle、MySQL、SQL Server、HBase、GreenPlum等） 包括提供分布式计算、数据挖掘、统计分析等服务的各类企业或产品，比如，分布式 计算框架MapReduce、统计分析软件SPSS和SAS、数据挖掘工具Weka、数据可视 化工具Tableau、BI工具（MicroStrategy、Cognos、BO）等等 包括提供数据分享平台、数据分析平台、数据租售平台等服务的企业能电网等行业应用的企业、机构或政府部门 ，比如交通主管部门、各大医疗机构、菜鸟网络、国家电网等
大数据专题(共43张PPT)
MapReduce广泛应用于大数据处理领域，如日志分析、数据挖掘、机器学习等。
分布式数据库HBase
概述
HBase（Hadoop Database）是一个高可扩展性的列存储系统，构建在Hadoop分布 式文件系统之上。它提供了对大规模结构化数据的随机、实时读写访问能力。
特点
HBase采用列式存储，支持动态扩展，具有良好的伸缩性和高性能。它支持ACID事务， 提供了高可用性和数据一致性保证。
对数据进行分组、汇总等 操作。
Part
04
大数据分析方法与应用
统计分析方法
描述性统计
对数据进行整理和描述， 包括数据的中心趋势、离 散程度、分布形态等。
推论性统计
通过样本数据推断总体特 征，包括参数估计和假设 检验等方法。
多元统计分析
研究多个变量之间的关系， 包括回归分析、因子分析、 聚类分析等。
Hadoop的核心组件之一，为大 数据应用提供了一个高度容错、
可扩展的分布式文件系统。
架构
HDFS采用主从架构，包括一个 NameNode和多个DataNode。 NameNode负责管理文件系统 的元数据，而DataNode负责存
储实际的数据。
特点
HDFS支持大规模数据存储，具 有高度的容错性和可扩展性。它 采用流式数据访问模式，适合处
加密技术
采用加密算法对敏感数据进行加密处理，确保数 据在传输和存储过程中的安全性。
企业如何保障大数据安全
制定完善的大数据安全管理制度 和流程，明确各部门职责和权限。
加强员工安全意识教育和培训， 提高全员大数据安全意识。
加强大数据安全技术研发和投入， 提高安全防护能力和水平。
建立大数据安全应急响应机制， 及时应对和处理安全事件。
2025届信息技术一轮复习讲义：专题1 数据、信息、大数据与信息系统
专题1数据、信息、大数据与信息系统知识点一数据、信息与知识【知识梳理】1.数据是对客观事物的________表示，如图形符号、________、字母等。
2.数据的记录必须依赖于________，可以以________、________、________、________等作为载体。
3.大多数的数据会随着________的推移而变化，人们在利用数据的同时，自身的行为也在________。
4.单纯的数据是________意义的，数据和关于数据的________是密不可分的，________可以理解为对数据的解释。
5.信息的主要特征有________性、________性、________性、可________性、________性。
6.信息被加工后，也可以依附于________的载体，体现了信息的可存储性与传递性。
7.信息具有价值性，信息的价值包括________价值与________价值。
同一信息对不同人来说，价值可能是不一样的。
8.知识是人类在社会实践中所获得的________和________的总和，知识是可以________和传递的。
人们通过归纳、演绎、比较等手段对信息进行挖掘，形成________。
9.与数据和信息相比，知识更接近________，它与________相关。
掌握某种知识时，可以了解事物的原因以及如何解决问题。
10.________是一种更高层次的综合能力，主要表现为收集、加工、应用、传播知识的能力以及对事物发展的前瞻性看法。
【经典案例】数据是信息加工处理的原材料，往往表现为数字、文字、图像等符号。
对这些数据进行解释后，形成特定的信息，某个信息具有载体依附性、时效性、共享性等特性。
对同一类信息进行分析、综合，抽象出相关特性，形成知识。
掌握某种知识时，利用知识了解事物的原因以及如何解决问题，并作出相应的决策。
在实际生产生活中，采用不同的决策，灵活应用各类知识，体现人们的智慧。
【例1】下列关于数据和信息的说法，正确的是()A.在数据处理过程中不会有新的信息产生B.信息的保存和传播可以不依附于载体C.信息的价值因人而异，但信息不会有虚假D.计算机中的数据表现形式不同，但都以二进制方式存储思维点拨听课笔记：____________________________________________________________ ______________________________________________________________________ ______________________________________________________________________【变式1】下列关于数据和信息的说法，不正确的是()．．．A.信息的显性价值指的是信息内容本身具有的价值B.人们在利用数据的同时，自身的行为也在产生数据C.历史上很多珍贵文献没有流传下来，主要是因为载体遭到破坏D.与数据和信息相比，知识更接近行动，但它与决策无关【例2】下列关于数据、信息与知识说法，正确的是()A.所有的数据经过数字化后才能被存储下来B.获取数据的方式有很多种，包括人工方式、传感器获取C.信息在共享传递的过程中不会发生损耗，其价值也不变D.不同的人获取了相同的信息，就会构建相同的知识体系思维点拨听课笔记：_____________________________________________________________ ______________________________________________________________________ ______________________________________________________________________【变式2】下列关于数据、信息与知识的说法，正确的是()A.数据是对信息加工后获取到的B.知识表现为对认识的累积，形成对事物的远见和卓越的判断力C.传感器的普及加速了数据的传输与处理D.信息是用来消除随机不确定性的东西知识点二大数据概念、特征及加工处理【知识梳理】1.大数据代表着________、速度快、种类繁多的信息资产，需要特定的技术和分析方法将其转换为价值。
大数据专题前言
对于多维信息 的共享需求产生 了 Ｏ Ｌ Ａ Ｐ技术， 大数据 时代， 数据分析的实时性等要求使得传统的 Ｏ Ｌ ＡＰ技术面 临着严峻 的挑 战．《 大 数据 分析 的分布式 ＭＯＬ Ａ Ｐ技 术》提出 了大数据 环境 中一种基于 Ｈａ ｄ ｏ ｏ ｐ分布式文件 系统
（ Ｈ ＤＦ Ｓ ） 和 Ｍａ ｐ Ｒ ｅ ｄ ｕ ｃ ｅ 编程模型的分布式 ＭＯ Ｌ Ａ Ｐ技术 ， 称为 Ｄ ＯＬ ＡＰ （ ｄ ｉ ｓ ｔ ｒ ｉ ｂ ｕ ｔ ｅ ｄ Ｏ Ｌ ＡＰ ） ． 实验 结果表 明， 尽管数据装
。 （ 中国人 民大学 信息学 院， 北 京 １ ０ ０ ８ ７ ２ ） （ 哈尔滨 工业大 学 计算机 科学 与技术学 院， 黑龙 江 哈 尔滨 １ ５ ０ ０ ０ １ ） 通讯 作者：孟小 峰， Ｅ － ｍａ ｉ ｌ ： ｘ ｆ ｍｅ ｎ ｇ ＠ｒ ｕ ｅ ． ｅ ｄ ｕ ． ｃ ｎ
出了若干研 究方 向， 如位置 大数 据与非位置大数据相 结合 的隐私保护、移动社交 网络 中的位 置隐私保护和针对用
户背景知识 的位置大数据 隐私保护 ．
为 了获得更为准确 的移动行 为模式和 区域局部特征 从 而还 原和 生成满足关联应用分析的整体数据模 型， 《 位 置大数据 的价值提取与协 同挖掘方法 》针 对位置大数据存在 的混杂 性、复杂性和稀疏性等特 点， 分别提 出了相应 的处理方法， 并提 出了针对 位置大数据的价值提取和协 同挖掘方案， 文章 还从软件 工程 角度 提出 了位 置大数据分析
中文 引用格 式： 孟 小峰， 高宏． 大数据专题 前言 ． 软件 学报， ２ ０ １ ４ ， ２ ５ （ ４ ） ： ６ ９ １ — ６ ９ ２ ． ｈ Ｒ ｐ ： ／ ／ ｗ ｗ ｗ ． ｊ ｏ ｓ ． ｏ ｒ ｇ ． ｅ ｎ ／ １ ０ ０ ０ — ９ ８ ２ ５ ／ ４ ５ ７ ２ ． ｈ ｔ ｍ
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据的展现方式
大数据的展现方式
新模式正在出现
新平台技术
▪ 基于SQL语言: 面对
OLAP的传统行和列 数据入 口/汇聚
不同范围的服务
新的传输方案
▪ 前提：传统交付模式 - 单片或
基于设备的解决方案
▪ 云: 能够充分利用物理设施的 ▪ 不基于SQL或mapreduce的: 由谷歌率先 发起 数据平台
大数据包括： 交易数据和交互数据 集在内的所有数据集
大数据 = 海量数据 + 复杂类型的数据处理方法
海量交易数据： 企业内部的经营交易信息主要包括联机交易数据和联机 分析数据，是结构化的、通过关系数据库进行管理和访 问的静态、历史数据。通过这些数据，我们能了解过去 发生了什么。 海量交互数据： 源于Facebook、Twitter、LinkedIn及其他来源的社交 媒体数据构成。它包括了呼叫详细记录CDR、设备和传 感器信息、GPS和地理定位映射数据、通过管理文件传 输Manage File Transfer协议传送的海量图像文件、 Web文本和点击流数据、科学信息、电子邮件等等。可 以告诉我们未来会发生什么。 海量数据处理： 大数据的涌现已经催生出了设计用于数据密集型处理的 架构。例如具有开放源码、在商品硬件群中运行的 Apache Hadoop。
•
大数据技术：
• • • • 数据采集：ETL工具 数据存取：关系数据库；NoSQL；SQL等 基础架构支持：云存储；分布式文件系统等 计算结果展现：云计算；标签云；关系图等
• •
解决方案：
大数据相关技术
能够在不同的数据类型中，进行交叉分析的技术，是大数据的核心技术之一。语义分析技术、 图文转换技术、模式识别技术、地理信息技术等等，都在大数据分析时获得应用。
展现方式：大型控制中心、移动终端
在多样性、体量、速度三大特征的指引下，大数据将有新型的展现方式：大型控制中心和 移动终端，实现数据的实时处理和快速决策。
大数据的重要性
大数据为什么重要？决定企业 是否有未来、业务可延伸范围
更高一层数据层面整合企业内外部
挖掘内部需求
经过大数据改造的IT不再是一个冷冰冰的系统，而变成了推动业务发展，挖掘 客户内心需求的真正推动剂；大数据将催生更多的应用领域需求。
鲁麦卡菲对北美33家上市公司的高管进行了结
构性访谈之后发现：运用大数据做决策的那些 行业领先企业，比其竞争对手在产能上高5%，
利润上高6%。
大数据相关技术
分析技术：
• • • • 数据处理：自然语言处理技术 统计和分析：A/B test; top N排行榜；地域 占比；文本情感分析 数据挖掘：关联规则分析；分类；聚类 模型预测：预测模型；机器学习；建模仿真
IBM
IBM的策略是提供一个全面的方法来解决前所未有的信息爆 炸提出的挑战，因为信息量无论在流量、种类、速度还是活 力上都是爆炸式增长 IBM一直致力于扩大对包括数据仓库中的大数据、信息流和 结构化数据的分析 在过去四年中，IBM已经投入超过120亿美元进行了23项相 关并购，其中包括： • 2010年9月收购数据库分析供应商Netezza公司，花费17 亿美元 • 2010年10月收购网络分析软件供应商Coremetrics • 2009年10月收购数据分析和统计软件提供商SPSS, 花费 12亿美元 • 2009年1月收购业务规则管理软件供应商ILOG, 花费3亿4 千万美元 • 2007年花费20亿美元收购商务智能软件供应商Cognos
1PB = 2^50字节 1EB = 2^60字节 1ZB = 2^70字节
想驾驭这庞大的数据，我 们必须了解大数据的特征。
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
…
电子商务
社交网络
淘宝、 ebuy
…
移动互联
21世纪是数据信息大发展的时 代，移动互联、社交网络、电子商务 等极大拓展了互联网的边界和应用范 围，各种数据正在迅速膨胀并变大。 互联网（社交、搜索、电商）、移动 互联网（微博）、物联网（传感器， 智慧地球）、车联网、GPS、医学影 像、安全监控、金融（银行、股市、 保险）、电信（通话、短信）都在疯 狂产生着数据。
中国各地制定或公布了云计算、物联网等产业规划；这些工程的初始着眼点在房地产，政 绩工程居多，大数据作为核心内容端，使得政绩工程变为使用工程。 云计算、物联网、社交化媒体、GIS为大数据提供了丰富的数据来源。因此大数据中包括 的每个用户的身份、地点、时间、喜好、厌恶、社会关系等等大量的信息。伴随数据挖掘 和分析的技术发展，我们即将步入基于大数据的智能化时代。
存储
• • 结构化数据： 海量数据的查询、统计、更新等操作效 率低 非结构化数据 图片、视频、word、pdf、ppt等文件存 储 不利于检索、查询和存储 半结构化数据 转换为结构化存储 按照非结构化存储 Hadoop（MapReduce技术） 流计算（twitter的storm和yahoo！的S4）
大数据的产生及概念
什么是大数据？ 海量数据本身+处理方法
大数据时代的背景
“大数据”的诞生
半个世纪以来，随着计算机技术全面融入社会生活，信息爆炸已经 积累到了一个开始引发变革的程度。它不仅使世界充斥着比以往更多的 信息，而且其增长速度也在加快。信息爆炸的学科如天文学和基因学， 创造出了“大数据”这个概念。如今，这个概念几乎应用到了所有人类 发展的领域中。
*
…
微博、 Apps
网上1分钟，人间1万年
物联网加速大数据的发展
指数型增长的海量数据
所有研究都表明，未来数年数据量会呈现指数增长。根据麦肯锡全球研究院（ MGI）估计， 全球企业2010年在硬盘上存储了超过7EB（1EB等于10亿GB）的新数据，而消费者在PC和 笔记本等设备上存储了超过6EB新数据。1EB数据相当于美国国会图书馆中存储的数据的 4000多倍。事实上，我们如今产生如此多的数据，以至于根本不可能全部存储下来。例如， 医疗卫生提供商会处理掉他们所产生的90%的数据（比如手术过程中产生的几乎所有实时视 频图像）。
理解大数据
理解大数据
大数据不仅仅是“大”
多大？ 至少PB级
比大更重要的是 数据的复杂性， 有时甚至大数据 中的小数据如一 条微博就具有颠 覆性的价值
*
理解大数据
软件是大数据的引擎
*
理解大数据
大数据的应用不仅仅是精准营销
通过用户行为分析实现精准营销是大数据的典型 应用，但是大数据在各行各业特别是公共服务领 域具有广阔的应用前景
指数型增长的海量数据
地球上至今总共的数据量：
在2006 年，个人用户才刚刚迈进TB时代， 全球一共新产生了约180EB的数据；
TB
GB
ZB EB PB
在2011 年，这个数字达到了1.8ZB。 而有市场研究机构预测： 到2020 年，整个世界的数据总量将会增 长44 倍，达到35.2ZB（1ZB=10 亿TB）！
TB PB EB ZB
这些由我们创造的信息背后产生的这些数据早已经远远超越了目前 人力所能处理的范数据是指社会生产生活和管理服务过程中形成的，依托现代信息技术采集、传输、 汇总的，超过传统数据系统处理能力的数据，具有数据量大、数据类型多、处理速度 快的特点，通过整合共享、交叉复用、提取分析可获取新知识，创造新价值。
国外已经开始大规模投资应用
美国国务院采用大数据技术开发新的美 国护照系统。
IBM宣布投资1亿美元用于大数据研究；
美国IT公司开始意识到大数据技术能够 为公司创造价值；
大数据公司引入汽车行业高管人员扩展 营销业务；
大数据在国内的机遇
云计算、物联网从政绩工程变成实用工程
国内各地制定云计算“十二五”规划 云计算、物联网园区
产生新的用户量、给用户产生行为指纹
用户在线的每一次点击，每一次评论，每一个视频点播，就是大数据的典型来源。互联网 企业之所以取得令人瞩目的成绩，其核心的本质就是包括用户网络操作的大数据，进行记 录和分析，形成用户“行为指纹”，从而洞悉用户的潜在的、真实的需求，形成预判。这 是传统企业花费重金都难以企及的梦想。所有传统的产品公司都只能沦为这种新型用户平 台级公司的附庸。
大数据的4V特征
“大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值密度低 （Value）”就是“大数据”的显著特征，或者说，只有具备这些特点的数据，才 是大数据。
理解大数据
密不可分的大数据与云计算
大数据是落地的云
商业模式驱动
应用需求驱动
云计算本身也是大数据的一种业务模式
大数据国外发展情况
国外发展情况：万马奔腾，抢 占大数据高地
衍生于亚马逊、Google等互联网公司
互联网越来越智能
Google精确掌握用户行为、获取需求
Facebook用户 产生内容，创造 需求。
Google分析用 户搜索信息，满 足用户需求 雅虎提供静态的 导航信息
前瞻来看，随着互联网对网民的理解，网民对网络的反作用，互联网将变得越来越智能。 它在满足你需求的同时，也在创造新的需求。前者的代表是 Google，后者的典型则是 Facebook。 谷歌的盈利在于所有的软件应用都是在线的。用户在免费使用这些产品的同时，把个人的 行为、喜好等信息也免费的送给了Google。因此Google的产品线越丰富，他对用户的理 解就越深入，他的广告就越精准。广告的价值就越高。 这是正向的循环，谷歌好用的、免费得软件产品，换取对用户的理解；通过精准的广告， 找到生财之道。颠覆了微软卖软件拷贝赚钱的模式。成为互联网的巨擘。