大数据技术与应用,目录,引言 电影点球成金,基于历史数据，利用数据建模定量分析不同球员特点，合理搭配，重新组队；,打破传统思维，通过分析比赛数据，寻找“性价比”最高球员，运用数据取得成功；,布拉德皮特主演的点球成金是一部美国奥斯卡获奖影片，所讲述的是皮特扮演的棒球队总经理利用计算机数据分析，对球队进行了翻天覆地的改造，让一家不起眼的小球队能够取得巨大的成功。,数据本质是生产资料和资产,仅供开采162年,仅供开采45年,仅供开采60年,不可再生资源VS数据,数据不再是社会生产的“副产物”，而是可被二次乃至多次加工的原料，从中可以探索更大价值，它变成了生产资料。,数据爆炸式增长（每分钟）,数据资产管理的挑战,数据资产管理的挑战,需要不同“看”数据的方式,7,可视：结构化资料 15%,未视：半/非结构化数据 85%,DB/DW,主管们看的 战情数位仪表板，其实是残缺的,10万 GB,10万 TB,需要更高性价比的数据计算与储存方式,8,数据库,数据仓库,计算更快 存储更省,9,需要不同的数据管理策略,当我们想要扩充时， 才发觉： 架构只能 scale-up， scale-out 不易 处理时间过长， time-to-value 受限 成本过高， cost-efficiency 受限,15% 结构化的 DB/DW,遗憾,残缺,每天几百 GB、 几 TB 的资料，且持续成长中,储存 Storing,在收数据的同时做必要的前置处理 (pre-processing) ，并区分数据处理的优先等级 (prioritizing),计算 Processing,如何有效的避免因硬件毁坏所导致的资料损毁,管理 Managing,如何从中挖掘出所关注事件的 pattern 或 behavior,分析 Analyzing,超越企业现有 IT 的数据解决能量,10,中央政府对大数据的重视程度,11,目录,二、什么是大数据,一、大数据的来源,13,Social Media,Machine / Sensor,DOC / Media,Web Clickstream,Apps,Call Log,Log,什么是数据？,半结构化/非结构化数据,3/13/2012,4,什么是大数据？,何为大？数据度量 1Byte = 8 Bit 1KB = 1,024 Bytes 1MB = 1,024 KB = 1,048,576 Bytes 1GB = 1,024 MB = 1,048,576 KB = 1,073,741,824 Bytes 1TB = 1,024 GB = 1,048,576 MB = 1,099,511,627,776 Bytes 1PB = 1,024 TB = 1,048,576 GB =1,125,899,906,842,624 Bytes 1EB = 1,024 PB = 1,048,576 TB = 1,152,921,504,606,846,976 Bytes 1ZB = 1,024 EB = 1,180,591,620,717,411,303,424 Bytes 1YB = 1,024 ZB = 1,208,925,819,614,629,174,706,176 Bytes,3/13/2012,6,什么是大数据？,红楼梦含标点87万字（不含标点853509字） 每个汉字占两个字节：1汉字=16bit = 2*8位=2bytes 1GB 约等于 671部红楼梦 1TB 约等于 631,903 部 1PB 约等于 647,068,911部 美国国会图书馆藏书（151,785,778册）（2011年4月：收录数据235TB ） 中国国家图书馆：2631万册 1EB = 4000倍 美国国会图书馆存储的信息量 600美元的硬盘就可以存储全世界所有的歌曲 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,同时,消费者在 PC 和笔记本等设备上存储了超过 6EB 新数据,3/13/2012,7,数据没有办法在可容忍的时间下使用常规软件方法完成存储、管理和处理任务,什么是大数据？,大数据的解释,大数据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。 大数据就是“未来的新石油”。,大数据带来的思维变革,更好 不是因果关系而是相关关系,更多 不是随机样本而是全部数据,更杂 不是精确性而是混杂性,大数据带来的思维变革（更多）,人口大普查 全数据模式,随机采样 样本模式,大数据应用 全数据模式,是指在国家统一规定的时间内，按照统一的方法、统一的项目、统一的调查表和统一的标准时点，对全国人口普遍地、逐户逐人地进行的一次性调查登记； 主要特点是调查组织高度集中性，普查对象的全面完整性； 人口大普查耗时耗费，一般来讲是十年一次，新中国成立以来共进行了6次人口大普查； 人口大普查是一种典型的全数据模式；,大数据时代,小数据时代,大数据带来的思维变革（更多）,人口大普查 全数据模式,随机采样 样本模式,大数据应用 全数据模式,人口大普查是一种耗时耗费的工程，一般是以十年为单位； 各国每年需要进行几百次的小规模人口调查，采取随机采样分析的方式，这是一种样本模式； 源于实用并且很好的创新！ 随机采样分析是小数据时代的产物；,大数据时代,小数据时代,大数据带来的思维变革（更多）,人口大普查 全数据模式,随机采样 样本模式,大数据应用 全数据模式,我们已具备了大数据的各种技术能力，思维需要转换到大数据的全数据模式：样本=全部； 大数据不用随机分析法这样的捷径，而采用所有数据的方法； 这里的“大”是相对的相扑比赛所有数据存储还不需要一个TB，但是是所有的数据！ 在大数据时代采用随机采样法，就像在汽车时代骑马一样，虽然特定情况下仍可采样随机采样法，但是慢慢地我们会放弃它；,大数据时代,小数据时代,大数据带来的思维变革（更多）,大数据带来的思维变革（更杂）,从皮尺到哈勃望远镜，人类一直在追求测量的精确性，一方面源于对未知世界的认知；一方面也源于收集信息的有限性；,大数据的简单算法比小数据的复杂算法更有效； IBM的机器翻译 VS Google的机器翻译； 纷繁的数据越多越好； 大数据时代要求我们重新审视数据精确性的优略； 大数据不仅让我们不再期待精确性，也让我们无法实现精确性； 错误不是大数据固有的问题，而是一个需要我们去解决的问题，而且会将长期存在； 混杂性，不是竭力避免，而是标准途径；,大数据带来的思维变革（更好）,Kaggle，一个为所有人提供数据挖掘竞赛的公司，在一次关于二手车的数据分析比赛中得到，橙色汽车有质量问题的可能性是其它颜色汽车的一半。为什么？ 探寻事物的因果关系是人类的本性，但是大数据时代可以做某种程度的妥协，可以只需要关注“是什么”，而忽略“为什么？”,大数据的4V特征,Big Data 大数据,TB PB EB,Streams Real time Near time Batch,Structured Unstructured Semi-structured All the above,大数据的4V特征（Volume）,1Bity,1KB,1MB,1GB,1TB,1PB,1EB,1ZB,1YB,大数据的4V特征（Velocity）,大数据的4V特征（Variety）,大数据的4V特征（Value）,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；,大数据不仅仅是技术，关键是产生价值 可以从各个层面进行优化，更要考虑整体,13,大数据商业价值,大数据商业价值-大数据为“未来的新石油”,31,2013年，世界上存储的数据预计能达到约1.2泽（约12亿TB）字节，如果把这些数据全部印刷成书，这些书可以覆盖整个美国52次，如果将之存储于标准的光盘，这些光盘可以堆成五堆，每一堆都可以伸到月球。 2012年3月22日，奥巴马政府宣布投资2亿美元拉动大数据相关产业发展，将“大数据战略”上升为国家战略。奥巴马政府甚至将大数据定义为“未来的新石油”。,大数据商业价值-企业经营决策,32,某商店卖牛奶，通过数据分析，知道在本店买了牛奶的顾客以后常常会再去另一店买包子，人数还不少，那么这家店就可以考虑与包子店合作，或直接在店里出售包子。,大数据商业价值-个性化营销,33,银行与客户的交流渠道进行了整合，只要某个客户在网上点击查询了有关房贷利率的信息，系统就会提示呼叫中心在电话交流时推荐房贷产品，如果发现顾客确实对此感兴趣，销售部门就会发送推介信息给客户，如果这位顾客到银行网点办事，业务人员就会详细介绍房贷产品，开始只有少量的线索，但通过多渠道的与顾客交互接触，在这个过程中，令顾客体验了银行精准、体贴的服务，其结果是营业收入大为增加，成本大幅降低，,大数据商业价值-互联网金融的核心是大数据,34,互联网金融并非简单的把传统金融业务搬到网上去，而是充分利用大数据来颠覆银企之间信息不对称的问题。 数据是一个平台，因为数据是新产品和新商业模式的基石。 推动互联网金融发展的核心正是大数据的价值。,大数据商业价值-所有互联网公司都将是大数据公司,35,大数据商业价值-数据列入企业资产负债表只是时间问题,36,用资产的要素来盘点一下什么样的数据符合资产的要求： 1，从拥有和控制的角度来看，数据可以分为第一方数据、第二方数据和第三方数据。 2，对于数据资产的货币计量，可以参照无形资产的计量规则。 3，目前直接利用数据为企业带来经济利益的方法主要有数据租售、信息租售、数据使能三种模式。 4，要实现数据的保值增值，就要从扩大数据规模，提高数据活性，提升收集运用数据的能力,大数据改变生活,37,。,大数据对政府、金融机构、企业来说，象空气一样不可或缺！,软件是大数据的引擎,和数据中心（Data Center） 一样，软件是大数据的驱动力. 软件改变世界!,IBM C&P Industry,需求 海量数据存储技术 实时数据处理技术 数据高速传输技术 搜索技术,描述 分布式文件系统 流计算引擎 服务器/存储间高速通信 文本检索、智能搜索、实时搜 索,技术 Hadoop，x86/MPP Map Reduce Streaming Data Infini Band Enterprise Search,数据分析技术,Text Analytics Engine 自然语言处理、文本情感分析、 Visual Data Modeling 机器学习、聚类关联、数据模 型 第 10 页,大数据涉及的关键技术,基于SQL语言: 面对OLAP的传统行和列,不基于SQL或map-reduce的: 由谷歌率先发起,数据流: 基于运行商数据直接生成任意图形,数据入口/汇聚,数据平台,分析,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弹性，以实现处理快速增长数据的能力,“数据库将演变成一个虚拟的，基于云计算，超级可扩展的分布式平台。” - Forrester analyst Jim Kobielus,大数据涉及的关键技术,Copyright 2012, Oracle and/or its affiliates. All rights reserved.,11,大数据涉及的关键技术,大数据的安全威胁,大数据基础设施安全威胁,大数据存储安全威胁,隐私泄露问题,数据访问安全威胁,针对大数据的高级持续性攻击,其他安全威胁,大数据挑战,目录,三、大数据的应用,一、大数据的来源,大数据 业务战略,大数据 建设目标,大数据 架构设计,大数据实施,大数据运维,企业战略目标 业务目标 业务模式,大数据目标 服务对象 服务模式 应用场景,大数据服务定义 大数据信息模型 大数据管理定义 技术选择,