隨著科技的發(fā)展，目前已經(jīng)步入了大數(shù)據(jù)的時(shí)代，很多社交媒體和互聯(lián)網(wǎng)公司也非常關(guān)注大數(shù)據(jù)這一行業(yè)。那么對(duì)于大數(shù)據(jù)而言，這里有五件事情是你應(yīng)該了解的。

1.大數(shù)據(jù)是什么?

簡(jiǎn)單地說(shuō)，大數(shù)據(jù)指的是通過(guò)計(jì)算分析大數(shù)據(jù)集，以揭示與數(shù)據(jù)某一方面相關(guān)的模式或趨勢(shì)。對(duì)于大數(shù)據(jù)而言，數(shù)據(jù)量沒(méi)有一定的要求，只要足夠得出可靠的結(jié)論即可。

M-brain從以下八個(gè)“V”方面說(shuō)明大數(shù)據(jù)：

1. VOLUME：能夠發(fā)現(xiàn)自己想要的信息嗎?
2. VALUE：當(dāng)你最需要它的時(shí)候你能發(fā)現(xiàn)它嗎?
3. VERACITY：處理的是有用信息還是虛假信息?
4. VISUALISATION：一眼就能看明白嗎?它能促進(jìn)決定嗎?
5. VARIETY：一張圖比一千個(gè)詞更有價(jià)值嗎?獲得的信息均衡嗎?
6. VELOCITY：從信息獲得動(dòng)力，危機(jī)和機(jī)遇同時(shí)存在，未來(lái)的前景會(huì)如何?
7. VISCOSITY：是否受到困擾?需要采取進(jìn)一步行動(dòng)嗎?
8. VIRALITY：它是否傳達(dá)了一個(gè)可以粘貼到演示文檔中的信息

2.如何能夠接觸大數(shù)據(jù)?

數(shù)據(jù)在現(xiàn)實(shí)生活中無(wú)處不在，而且隨著時(shí)間的推移會(huì)積累的越來(lái)越多。通過(guò)谷歌搜索就可以使你幾乎能夠找到所有的數(shù)據(jù)庫(kù)。很多人不知道那些已經(jīng)存在的數(shù)據(jù)可供訪問(wèn)和分析，如果你不知道的話，可以在KD Nuggets網(wǎng)站上找到可供訪問(wèn)和挖掘的數(shù)據(jù)列表。如何訪問(wèn)和使用這些數(shù)據(jù)主要分為以下六個(gè)方面：

數(shù)據(jù)提取

在進(jìn)行任何事情之前，都需要使用一些數(shù)據(jù)?，F(xiàn)實(shí)中可以通過(guò)多種方式獲得所需要的數(shù)據(jù)，但通常的做法是通過(guò)API調(diào)用公司的web服務(wù)獲得相關(guān)數(shù)據(jù)。

數(shù)據(jù)存儲(chǔ)

大數(shù)據(jù)面臨的主要難題之一是如何存儲(chǔ)并管理它，這完全取決于負(fù)責(zé)建立數(shù)據(jù)存儲(chǔ)的預(yù)算和個(gè)人具備的專業(yè)知識(shí)，因?yàn)閷?duì)于大多數(shù)數(shù)據(jù)管理者來(lái)說(shuō)，都需要具備一些編程方面的知識(shí)。良好設(shè)計(jì)的數(shù)據(jù)庫(kù)允許用戶安全地、直接地存儲(chǔ)和查詢數(shù)據(jù)。

數(shù)據(jù)清洗

不管你喜歡與否，數(shù)據(jù)集有各種各樣的形式和大小。在考慮如何存儲(chǔ)數(shù)據(jù)之前，需要確保它是干凈的，且轉(zhuǎn)化成能夠被接受的格式。

數(shù)據(jù)挖掘

數(shù)據(jù)挖掘是從數(shù)據(jù)庫(kù)中洞察一些信息的過(guò)程，這樣做的目的是根據(jù)當(dāng)前持有的數(shù)據(jù)提供預(yù)測(cè)并作出決定。

數(shù)據(jù)分析

一旦收集了所有的數(shù)據(jù)后，就需要對(duì)其進(jìn)行相關(guān)任務(wù)的分析、尋找有趣的模型或趨勢(shì)。優(yōu)秀的數(shù)據(jù)分析師會(huì)發(fā)現(xiàn)一些不同尋常的東西或其他人之前沒(méi)有發(fā)現(xiàn)的內(nèi)容。

數(shù)據(jù)可視化

對(duì)于數(shù)據(jù)處理而言，對(duì)其最重要的可能是數(shù)據(jù)可視化?？梢暬窃谕瓿伤泄ぷ骱筝敵鲆粋€(gè)能被任何人理解的可視化載體，這可以通過(guò)使用編程語(yǔ)言(如Plot.ly、d3.js)或軟件(如Tableau)實(shí)現(xiàn)。

3.與大數(shù)據(jù)相關(guān)的職業(yè)

隨著市場(chǎng)對(duì)大數(shù)據(jù)相關(guān)需求的增加，與之相關(guān)的職業(yè)需求數(shù)量也在上升。根據(jù)相關(guān)機(jī)構(gòu)的統(tǒng)計(jì)研究，一個(gè)大數(shù)據(jù)工程師每年的平均工資是150000美元。

根據(jù)相關(guān)研究報(bào)道，超過(guò)80%的數(shù)據(jù)科學(xué)家有碩士學(xué)位，使得他們能夠從事這個(gè)領(lǐng)域的任何工作。

4.新興行業(yè)

簡(jiǎn)而言之，大數(shù)據(jù)行業(yè)是一個(gè)正在快速成長(zhǎng)的行業(yè)。很多公司和個(gè)人都對(duì)大數(shù)據(jù)非常關(guān)注，下圖是谷歌趨勢(shì)圖。從下圖中可以看到，搜索詞“大數(shù)據(jù)”從2004年到現(xiàn)在的流行程度增長(zhǎng)迅猛。

根據(jù)IDC提供的數(shù)據(jù)，“大數(shù)據(jù)和業(yè)務(wù)分析(BDA)”在2017年的全球收入達(dá)到150.8億美元，比2016年同比增長(zhǎng)12.4%。估計(jì)到2020年底，大數(shù)據(jù)的全球收入可能達(dá)到210億美元。

5.如何學(xué)習(xí)

大數(shù)據(jù)是一個(gè)寬泛的主題，因此所需要學(xué)習(xí)的內(nèi)容涵蓋多方面的知識(shí)。想要從事該領(lǐng)域工作的人們需要具備一系列的特定技能，包括以下技能中的一個(gè)或多個(gè)：

1. 掌握一種與數(shù)據(jù)分析有關(guān)的編程語(yǔ)言，比如R、Python、SAS和SQL語(yǔ)言等
2. 對(duì)數(shù)學(xué)和統(tǒng)計(jì)學(xué)有很好的理解與掌握
3. 具備網(wǎng)頁(yè)爬蟲(chóng)經(jīng)驗(yàn)
4. 基本的Excel技能

一些網(wǎng)站提供在線大數(shù)據(jù)課程，比如Coursera、Simpli Learn等。如果你正在尋找一個(gè)大學(xué)在線課程，可以從Masters Portal列出的全英國(guó)95個(gè)數(shù)據(jù)科學(xué)和大數(shù)據(jù)碩士課程中選擇一個(gè)適合自己的課程，典型的教學(xué)大綱可能包括以下幾個(gè)方面：

1. 與大數(shù)據(jù)相關(guān)的數(shù)學(xué)知識(shí)
2. Python腳本
3. 大數(shù)據(jù)的商業(yè)和科學(xué)應(yīng)用
4. 大型數(shù)據(jù)庫(kù)和非關(guān)系型數(shù)據(jù)庫(kù)，包括MongoDb、Cassandra和Neo4j
5. 數(shù)據(jù)分析、機(jī)器學(xué)習(xí)和使用Weka、R和Scikit-Learn可視化數(shù)據(jù)
6. 大問(wèn)題的優(yōu)化和探索
7. 使用Hadoop、Spark、Hive和MapReduce集群計(jì)算