上篇（25 个术语）
如不雅你刚接触大年夜数据，你可能会认为这个范畴很难以懂得，无大年夜下手。不过，你可以大年夜下面这份包含了 25 个大年夜数据术语的清单入手，那么我们开端吧。
算法（Algorithm）：算法可以懂得成一种数学公式或用于进行数据分析的统计学过程。那么，「算法」又是何故与大年夜数据扯上关系的呢？要知道，尽管算法这个词是一个统称，然则在这个风行大年夜数据分析的时代，算法也经常被说起且变得更加风行。
分析（Analytics）：让我们试想一个很可能产生的情况，你的信用卡公司给你发了封记录着你全年卡内资金转账情况的邮件，如不雅这个时刻你拿着这张单子，开端卖力研究你在食物、衣物、娱乐等方面花费情况的百分比会如何？你正在进行分析工作，你在大年夜你原始的数据（这些数据可以赞助你为来年本身的花费情况作出决定）中发掘有效的信息。那么，如不雅你以类似的办法在推特和脸书上半数个城市人们发的帖子进行处理会若何呢？在这种情况下，我们就可以称之为大年夜数据分析。所谓大年夜数据分析，就是对大年夜量数据进行推理并大年夜中道出有效的信息。以下有三种不合类型的分析办法，如今我们来对它们分别进行梳理。
描述性分析法（Descriptive Analytics）：如不雅你只说出本身客岁信用卡花费情况为：食物方面 25%、衣物方面 35%、娱乐方面 20%、剩下 20% 为杂项开支，那么这种分析办法被称为描述性分析法。当然，你也可以找出更多细节。
猜测性分析法（Predictive Analytics）：如不雅你对以前 5 年信用卡花费的汗青进行了分析，发明每年的花费情况根本上出现一个持续变更的趋势，那么在这种情况下你就可以高概率猜测出：来年的花费状况应当和以往是类似的。这不是说我们在猜测将来，而是应当懂得为，我们在「用概率猜测」可能产生什么工作。在大年夜数据的猜测分析中，数据科学家可能会应用先辈的技巧，如机械进修，和先辈的统计学处理办法（这部分后面我们会谈到）来猜测气象情况、经济变更等等。
规范性分析（Prescriptive Analytics）：这里我们照样用信用卡转账的例子来懂得。假如你想找出本身的哪类花费（如食物、娱乐、衣物等等）可以半数体花费产生巨大年夜影响，那么基于猜测性分析（Predictive Analytics）的规范性分析法经由过程惹人「动态指标（action）」（如削减食物或衣物或娱乐）以及对由此产生的结不雅进行分析来规定一个可以降低你整体开销的最佳花费项。你可以将它延长到大年夜数据范畴，并想象一个负责人是若何经由过程不雅察他面前多种动态指标的影响，进而作出所谓由「数据驱动」的决定计划的。
批处收成Batch processing）：尽管批量数据处理大年夜大年夜型机（mainframe）时代就已经存在了，然则在处理大年夜量数据的大年夜数据时代面前，批处理获得了更重要的意义。批量数据处理是一种处理大年夜量数据（如在一段时光内收集到的一堆交易数据）的有效办法。分布式计算（Hadoop），后面会评论辩论，就是一种专门处理批量数据的办法。
Cassandra 是一个很风行的开源数据治理体系，由 Apache Software Foundation 开辟并运营。Apache 控制了很多大年夜数据处理技巧，Cassandra 就是他们专门设计用于在分布式办事器之间处理大年夜量数据的体系。
云计算（Cloud computing）：固然云计算这个词如今已经家喻户晓，这里大年夜可不必赘述，然则为了全篇内容完全性的┞峰酌，笔者照样在这里参加了云计算词条。本质上讲，软件或数据在长途办事器长进行处理，并且这些资本可以在收集上任何处所被拜访，那么它就可被称为云计算。
集群计算（Cluster computing）：这是一个来描述应用多个办事器丰富资本的一个集群（cluster）的计算的形象化术语。更技巧层面的懂得是，在集群处理的语境下，我们可能会评论辩论节点（node）、集群治理层（cluster management layer）、负载均衡（load balancing）和并行处收成parallel processing）等等。
暗数据（Dark data）：这是一个生造词，在笔者看来，它是用来恫吓人，让高等治理听上去晦涩难解的。根本而言，所谓暗数据指的是，那些公司积聚和处理的实际上完全用不到的所稀有据，大年夜这个意义上来说我们称它们为「暗」的数据，它们有可能根本不会被分析。这些数据可所以社交收集中的信息，德律风中间的记录，会议记录等等。很多估计认为所有公司的数据中有 60% 到 90% 不等可能是暗数据，但实际膳绫腔人知道。
数据湖（Data lake）：当笔者第一次听到这个词时，真的认为这是个愚人节笑话。然则它真的是一个术语。所以一个数据湖（data lake）即一个以大年夜量原始格局保存了公司级其余数据常识库。这里我们介绍一下数据仓库（Data warehouse）。数据仓库是一个与这里提到的数据湖类似的概念，但不合的是，它保存的是经由清理和并且其它资本整合后的构造化数据。数据仓库经常被用于通用数据（但不必定如斯）。一般认为，一个数据湖可以让人更便利地接触到那些你真正须要的数据，此外，你也可以更便利地处理、有效地应用它们。
数据发掘（Data mining）：数据发掘关乎如下过程，大年夜一大年夜群数据中以复杂的模式辨认技能找出有意义的模式，并且获得相干洞见。它与前文所述的「分析」互相干注，在数据发掘中，你将会先对数据进行发掘，然后对这些获得的结不雅进行分析。为了获得有意义的模式（pattern），数据发掘人员会应用到统计学（一种经典的旧办法）、机械进修算法和人工智能。
推荐阅读
国度成长改革委建议提案体系(摄/《中国信用》杂志记者 韩乾)小编提示习近平总书记强调，收集安然和信息化是“十三五”时代的重头戏，要在信息化成长上大年夜有作为。大年夜&ldq>>>详细阅读
本文标题：关于大数据，你应该知道的75个专业术语
地址：http://www.17bianji.com/lsqh/36560.html
1/2 1
网友点评
精彩导读
科技快报
品牌展示