大数据时代分析PPTPPT文档格式.ppt

大数据时代分析PPTPPT文档格式.ppt

《大数据时代分析PPTPPT文档格式.ppt》由会员分享，可在线阅读，更多相关《大数据时代分析PPTPPT文档格式.ppt（25页珍藏版）》请在冰豆网上搜索。

人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。

”麦肯锡在大数据时代已经到来的时候要用大数据思维去发掘大数据的潜在价值。

编者话：

大数据是一种预测，先知。

非结构化数据的超大规模和增长；

大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）；

量Volume,大数据的异构和多样性；

数据类型繁多。

比如，网络日志、视频、图片、地理位置信息等等。

多样Variety,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）。

价值Value,实时分析；

处理速度快。

1S是临界点。

速Velocity,天下武功无坚不摧，无快不破；

速度是和传统的数据挖掘技术有着本质的不同。

特点,大量的不相关信息；

速Velocity,大数据目前的三种模式,从大数据的价值链条来分析，存在三种模式：

1-手握大数据，但是没有利用好；

比较典型的是金融机构，电信行业，政府机构等。

2-没有数据，但是知道如何帮助有数据的人利用它；

比较典型的是IT咨询和服务企业，比如，埃森哲，IBM，Oracle等。

3-既有数据，又有大数据思维；

比较典型的是Google，Amazon，阿里、腾讯等。

大数据使用的领域,互联网大数据的典型代表性包括：

1-用户行为数据（精准广告投放、内容推荐、行为习惯和喜好分析、产品优化等）亚马逊、SMG、淘宝2-用户消费数据（精准营销、信用记录分析、活动促销、理财等）信用卡中心、蚂蚁金服3-用户地理位置数据（O2O推广，商家推荐，交友推荐等）谷歌地图、大众点评、美团等APP的自动定位系统4-互联网金融数据（P2P，小额贷款，支付，信用，供应链金融等）支付宝、陆金所5-用户社交等UGC数据（趋势分析、流行元素分析、受欢迎程度分析、舆论监控分析、社会问题分析等）fackbook、新浪,职位，你在哪里？

RSITAMET,源数据层,分析层,数据存储层：

负责数据信息的存储、访问及其优化,展现层,访问应用层,数据研发工程数据工程师ELT工程师和ETL工程师,商业智能,数据挖掘,数据分析师,职位分析,职位分析_技术类,数据研发工程/数据工程师/ELT工程师一句话概括：

主要通过程序操作数据把数据写入到数据仓库,大数据应用的技术,Hadoop用到的一些技术有：

HDFS:

Hadoop分布式文件系统（DistributedFileSystem）HDFS（路径和目录）MapReduce：

并行计算框架（数据处理）HBase:

类似GoogleBigTable的分布式NoSQL列数据库。

（数据库）Hive：

数据仓库工具，由Facebook贡献。

其他,Hadoop分布式文件系统（DistributedFileSystem）HDFS（HadoopDistributedFileSystem）（文件系统，数据存储技术相关，路径和目录,简历,Hadoop,搜寻关键词：

Hadoop、Hbase、Hive、MapReduce。

薪资范围（互联网公司）：

2年：

15W/Y-18W/Y；

3年：

18W/Y-22W/Y；

传统行业：

通信/软性/金融行业稍微低于以上的薪资水平。

数据分析/挖掘师（客户与商业智能分析）,岗位要求：

1）客户价值分析：

通过对客户信息，涵盖行为和资产信息（包括银行、保险、交易、积分等数据）的分析，支持战略及运营决策，并且指导客户迁徙；

2）网站数据分析：

进行公司网站的数据分析与监控策划，进行数据监测、分析、统计和设计，包括但不限于（网站的UV、PV、访问深度、跳失率、转化率、网站产品、用户行为）为产品、运营及市场推广的优化提供数据支持；

能依据网站用户行为数据推测客户潜在需求，提高目标转换率；

3）数学建模：

在SAS的环境中，建立线性回归模型（LinearRegression），逻辑回归模型（Logisticregression），时间序列模型（TimeSeries）和生存模型（SurvivalModel）。

职位难点：

既要精通数据，又要熟悉业务，要能用数据解决业务问题。

职位要求：

本科以上学历，数学、统计学、计算机，电子信息技术等相关专业熟悉数据库及SQL语言，能自己获取数据；

熟悉SAS，R，SPSS，Excel等统计工具，熟悉Cognos等BI产品；

熟悉数据分析与数据挖掘理论，互联网应用技术知识、网络知识，了解互联网营销；

有CRM、电子商务类（B2B/B2C）网站数据分析经验者优先；

有SAS建模经验者优先；

一只数据狗的成长历程-入门篇,一只数据狗的成长历程：

入门篇：

了解数字化营销的精髓理解各种指标（广告数据、网站数据、电子商务数据、PV/UV）看的懂数据报告分析工具（Excel、SPSS、SAS、SQL等）学会呈现（PPTMind亿图VisioPS等）,一只数据狗的成长历程-进阶篇,进阶篇：

监测工具（熟悉GoogleAnalyticswebtrends等监测工具）代码部署（在监测数据的地方部署代码）测原理与局限性（了解Http协议、JavaScript、Cookie原理和数据收集的两种常用技术（页面标签技术、服务器日志技术）立体式营销（SEM/SEO、软宣、微博、博客、论坛、百科问答）,一只数据狗的成长历程-高级篇,高级篇：

统计分析；

（回归分析、相关分析、银子分析、方差分析、聚类分析、时序分析、决策树、神经网络等数据分析方法）算法精研；

（马尔科夫链、最大值算法等）数据挖掘；

（数据挖掘主要实现描述、分类、预测、关联四个方面的功能；

sas中的em模块，sqlserver，r语言）商业智能。

（BI）口诀：

作为一名互联网的数据分析师，看得懂数据，用的了工具，玩得转代码，建的了模型，深谙算法之精髓。

软件分析,SAS：

SAS是一个模块化、集成化的大型应用软件系统。

它由数十个专用模块构成，功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等等。

特点：

利：

比较全面的建模软件系统；

弊：

贵，一般小公司无法使用（一般简单的SAS模块的维护费用在10万以上）。

R语言：

R是用于统计分析、绘图的语言和操作环境。

R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

弊.只是用于统计分析，无法像SAS那样全面；

免费，中小型公司数据分析师的最爱。

SPSS：

SPSS（StatisticalProductandServiceSolutions），统计产品与服务解决方案软件。

它集数据录入、整理、分析功能于一身，还可以制作精美的图标用于展示；

很难与一般办公软件如Office或是WPS2000直接兼容，如不能用Excel等常用表格处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。

在撰写调查报告时往往要用电子表格软件及专业制图软件来重新绘制相关图表。

简历,搜寻关键词：

数据分析、数据挖掘、SAS等；

薪资标准：

2-3年：

15-20万/年；

3-5年：

20-30万/年。

信用卡中心的数据分析师一般在：

7-9K/M。

THANKS,Yolanda,