在大学里数据分析,股票分析,经济分析等属于什么专业?

如何进行大数据分析及处理

原发布者:水桥碧槽

大数据处理数据时代理念的三大转变：要全体不要抽样，要效率不要绝对精确，要相关不要因果。具体的大数据处理方法其实有很多，但是根据长时间的实践，天互数据总结了一个基本的大数据处理流程，并且这个流程应该能够对大家理顺大数据的处理有所帮助。整个处理流程可以概括为四步，分别是采集、导入和预处理、统计和分析，以及挖掘。采集大数据的采集是指利用多个数据库来接收发自客户端的数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户来进行访问和操作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间进行负载均衡和分片的确是需要深入的思考和设计。统计/分析统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。统计与分析这部分的主要特点和挑战是分主要从四个方面着手，数据获取、数据处理、数据分析、数据呈现。数据处理的流程困难重重。处理过程一般来讲可以分为四步。

首先应当利用多个数据库接收来自不同的客户端的数据进行数据采集。用户通过这些数据库来进行简单的查询和处理，而在大数据采集过程中所面临的主要困难在于并发数过高，同时可能有成千上万的用户在访问或者操作，如何在数据库间完成负载均衡和分片是重难点。

第二步在于数据导入和预处理。由于数据采集涉及了多种数据库，在对这些数据进行有效的分析之前，需要将所有的数据导入集中的大型分布式数据库，然后对数据进行简单的数据清洗和预处理。这一步主要面临的问题在于导入数据量大，导入流量通常可以达到成百上千兆级别。

第三步统计和分析。利用分布式数据库将存储在其中的数据进行普通的分析及分类汇总，进行批量的处理。对于半结构化的数据还需要使用Hadoop等。而这一步主要面临的挑战是设计的分析数据量大，对系统资源占用率高，对于系统I/O挑战较大。

第四步就是数据挖掘。数据挖掘和分析过程不同，基于前三部的各种算法的计算，最终达到预测的效果，从而满足更高级的数据分析需求。该过程的特点在于挖掘算法十分复杂，涉及的数据量和计算量都很吊，常用的挖掘算法都以单线程为主。亿信ABI是一款集数据采集、处理、分析和展示为一体的平台。其中的数据整合模块，相当于一整套数仓实施工具，其中丰富的处理转换组件，通过拖拽式的流程设计，实现了数据抽取、清洗、转换、装载及调度，用于帮助政府和企业构建数据仓库，完成数据融合，提升数据质量，服务数据分析。

ABI中报表分析里内置了上百种可视化元素和图形。不仅支持80多种统计图，还囊括了世界、中国各省市的地图及gis地图，通过设计与搭配，可衍生出成千上万种可视化效果。同时abi还支持动态炫酷的酷屏分析，独特的3D全景视角，自由快捷制作各类交互式常规屏和大屏报表，将创意变为现实。生活在数据裸奔的时代，普通人在喊着如何保护自己的隐私数据，黑心人在策划着如何出售个人信息，而有心人则在思考如何处理大数据，数据的处理分几个步骤，全部完成之后才能获得大智慧。

大数据处理流程完成的智慧之路：

头一个步骤叫数据的收集。

首先得有数据，数据的收集有两个方式：

头一个方式是拿，专业点的说法叫抓取或者爬取。例如搜索引擎就是这么做的：它把网上的所有的信息都下载到它的数据中心，然后你一搜才能搜出来。比如你去搜索的时候，结果会是一个列表，这个列表为什么会在搜索引擎的公司里面？就是因为他把数据都拿下来了，但是你一点链接，点出来这个网站就不在搜索引擎它们公司了。比如说新浪有个新闻，你拿百度搜出来，你不点的时候，那一页在百度数据中心，一点出来的网页就是在新浪的数据中心了。

第二个方式是推送，有很多终端可以帮我收集数据。比如说小米手环，可以将你每天跑步的数据，心跳的数据，睡眠的数据都上传到数据中心里面。

第二个步骤是数据的传输。

一般会用队列方式进行，因为数据量实在是太大了，数据必须经过处理才会有用。可系统处理不过来，只好排好队，慢慢处理。

第三个步骤是数据的存储。

现在数据就是金钱，掌握了数据就相当于掌握了钱。要不然网站怎么知道你想买什么？就是因为它有你历史的交易的数据，这个信息可不能给别人，十分宝贵，所以需要存储下来。

第四个步骤是数据的处理和分析。

上面存储的数据是原始数据，原始数据多是杂乱无章的，有很多垃圾数据在里面，因而需要清洗和过滤，得到一些高质量的数据。对于高质量的数据，就可以进行分析，从而对数据进行分类，或者发现数据之间的相互关系，得到知识。

比如盛传的沃尔玛超市的啤酒和尿布的故事，就是依靠对人们的购买数据进行分析，发现了男人一般买尿布的时候，会同时购买啤酒，这样就发现了啤酒和尿布之间的相互关系，获得知识，然后应用到实践中，将啤酒和尿布的柜台弄的很近，就获得了智慧。

第五个步骤是对于数据的检索和挖掘。

检索就是搜索，所谓外事不决问Google，内事不决问百度。内外两大搜索引擎都是将分析后的数据放入搜索引擎，因此人们想寻找信息的时候，一搜就有了。

另外就是挖掘，仅仅搜索出来已经不能满足人们的要求了，还需要从信息中挖掘出相互的关系。比如财经搜索，当搜索某个公司股票的时候，该公司的高管是不是也应该被挖掘出来呢？如果仅仅搜索出这个公司的股票发现涨的特别好，于是你就去买了，其实其高管发了一个声明，对股票十分不利，第二天就跌了，这不坑害广大股民么？所以用各种算法挖掘数据中的关系，形成知识库，十分重要。