网络大数据的统计和分析利用

大数据给互联网带来的是空前的信息大爆炸,它不仅改变了互联网的数据应用模式,还将深深影响着人们的生产生活。深处在大数据时代中,人们认识到大数据已经将数据分析的认识从“向后分析”变成“向前分析”,改变了人们的思维模式,但同时大数据也向我们提出了数据采集、分析和使用等难题。在解决了这些难题的同时,也意味着大数据开始向纵深方向发展。

一、数据统计分析的内涵

近年来,包括互联网、物联网、云计算等信息技术在内的IT通信业迅速发展,数据的快速增长成了许多行业共同面对的严峻挑战和宝贵机遇,因此现代信息社会已经进入了大数据时代。事实上,大数据改变的不只是人们的日常生活和工作模式、企业运作和经营模式,甚至还引起科学研究模式的根本性改变。一般意义上,大数据是指无法在一定时间内用常规机器和软硬件工具对其进行感知、获取、管理、处理和服务的数据集合。网络大数据是指“人、机、物”三元世界在网络空间中彼此交互与融合所产生并在互联网上可获得的大数据。

将数据应用到生活生产中,可以有效地帮助人们或企业对信息作出比较准确的判断,以便采取适当行动。数据分析是组织有目的地收集数据、分析数据,并使之成为信息的过程。也就是指个人或者企业为了解决生活生产中的决策或者营销等问题,运用分析方法对数据进行处理的过程。所谓的数据统计分析,就是运用统计学的方法对数据进行处理。在以往的市场调研工作中,数据统计分析能够帮助我们挖掘出数据中隐藏的信息,但是这种数据的分析是“向后分析”,分析的是已经发生过的事情。而在大数据中,数据的统计分析是“向前分析”,它具有预见性。

二、大数据的分析

1.可视化分析。

数据是结构化的,包括原始数据中的关系数据库,其数据就是半结构化的,譬如我们熟知的文本、图形、图像数据,同时也包括了网络的不同构型的数据。通过对各种数据的分析,就可以清晰的发现不同类型的知识结构和内容,包括反映表征的、带有普遍性的广义型知识;用于反映数据的汇聚模式或根据对象的属性区分其所属类别的特征型知识;差异和极端特例进行描述的差异型知识;反映一个事件和其他事件之间依赖或关联的关联型知识;根据当前历史和当前数据预测未来数据的预测型知识。当前已经出现了许多知识发现的新技术,其中之一就是可视化方法。数据可视化技术有3个鲜明的特点:第一,与用户的交互性强。用户不再是信息传播中的受者,还可以方便地以交互的方式管理和开发数据。第二,数据显示的多维性。在可视化的分析下,数据将每一维的值分类、排序、组合和显示,这样就可以看到表示对象或事件的数据的多个属性或变量。第三,最直观的可视性特点。数据可以用图像、曲线、二维图形、三维体和动画来显示,并可对其模式和相互关系进行可视化分析。

2.数据挖掘算法。

数据挖掘是指数据库中的知识发现,其历史可以追溯到1989年美国底特律市召开的第一届KDD国际学术会议上,而第一届知识发现和数据挖掘(Data Mining,DM)国际学术会议是1995年加拿大召开的,会议上将数据库里存放的数据生动地比拟成矿床,从而“数据挖掘”这个名词很快就流传开来。数据挖掘的目的是在杂乱无章的数据库中,从大量数据中找到有用的、合适的数据,并将其隐含的、不为人知的潜在价值的信息揭示出来的过程。事实上,数据挖掘只是整个KDD过程中的一个步骤。

数据挖掘的定义没有统一的说法,其中“数据挖掘是一个从不完整的、不明确的、大量的并且包含噪声的具有很大随机性的实际应用数据中,提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程”是被广泛接受的定义。事实上,该定义中所包含的信息——大量真实的数据源包含着噪声;满足用户的需求的新知识;被理解接受的而且有效运用的知识;挖掘出的知识并不要求适用于所有领域,可以仅支持某个特定的应用发现问题。以上这些特点都表现了它对数据处理的作用,在有效处理海量且无序的数据时,还能够发现隐藏在这些数据中的有用的知识,最终为决策服务。从技术这个角度来说,数据挖掘就是利用一系列相关算法和技术从大量的数据中提取出为人们所需要的信息和知识,隐藏在数据背后的知识,可以以概念、模式、规律和规则等形式呈现出来。

3.预测性分析能力

预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。大数据分析最终要实现的应用领域之一就是预测性分析,可视化分析和数据挖掘都是前期铺垫工作,只要在大数据中挖掘出信息的特点与联系,就可以建立科学的数据模型,通过模型带入新的数据,从而预测未来的数据。作为数据挖掘的一个子集,内存计算效率驱动预测分析,带来实时分析和洞察力,使实时事务数据流得到更快速的处理。实时事务的数据处理模式能够加强企业对信息的监控,也便于企业的业务管理和信息更新流通。此外,大数据的预测分析能力,能够帮助企业分析未来的数据信息,有效规避风险。在通过大数据的预测性分析之后,无论是个人还是企业,都可以比之前更好地理解和管理大数据。

尽管当前大数据的发展趋势良好,但网络大数据对于存储系统、传输系统和计算系统都提出了很多苛刻的要求,现有的数据中心技术很难满足网络大数据的需求。因此,科学技术的进步与发展对大数据的支持起着重要的作用,大数据的革命需要考虑对IT行业进行革命性的重构。网络大数据平台(包括计算平台、传输平台、存储平台等)是网络大数据技术链条中的瓶颈,特别是网络大数据的高速传输,需要革命性的新技术。此外,既然在大数据时代,任何数据都是有价值的,那么这些有价值的数据就成为了卖点,导致争夺和侵害的发生。事实上,只要有数据,就必然存在安全与隐私的问题。随着大数据时代的到来,网络数据的增多,使得个人数据面临着重大的风险和威胁,因此,网络需要制定更多合理的规定以保证网络环境的安全。

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2014-02-08

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

专访腾讯钟黎:知文团队在智能问答系统方面的探索

对于刚刚成立的腾讯知文团队来说,过去是收获颇丰的一年。虽然成立尚不足一年,但这一团队已在 AAAI、IJCAI、SIGIR、EMNLP、COLING 等顶会上发...

2141
来自专栏CDA数据分析师

傅志华:腾讯如何用数据帮助产品经理做精细化运营

在“2013中国技术商业论坛暨领袖峰会”无数据不互联专场,腾讯云数据分析中心总监傅志华讲述了,腾讯如何利用用户生命周期管理办法帮助产品经理做精细化运营。 【用数...

2318
来自专栏人工智能头条

资讯 | 微众银行、TalkingData眼中的人工智能

2062
来自专栏机器人网

机器人学与人工智能的关系需要密切?

机器人学,特别是智能机器人,与人工智能有十分密切的关系。人工智能的近期目标在于研究智能计算机及其系统,以模仿和执行人类的某些智力功能,如判断、推理、理解、识别、...

2633
来自专栏养码场

爬取某招聘网站、近2万+程序员的工资单,得到以下5点涨薪结论!

某一技术人爬了某招聘网站,获取近一周的程序员工资18275条。其中,有工资的17628条(北京4892,上海5073,广州3386,深圳4277)。本文分别从工...

661
来自专栏腾讯研究院的专栏

大数据带来的四种思维

近年来大数据技术的快速发展深刻改变了我们的生活、工作和思维方式。大数据研究专家舍恩伯格指出,大数据时代,人们对待数据的思维方式会发生如下三个变化:第一,人们处...

2159
来自专栏祝威廉

数据部门如何All In AI

通常,大数据部门会花费很大的力气构建数据平台,而这个数据平台除了能让研发,算法,分析师等角色爽一些,从宏观角度很大的节省部门人力成本,提高效率以外,似乎对公司/...

932
来自专栏数据科学与人工智能

机器学习如何改变数字化企业的未来

根据《IDC Futurescapes》报告的预测,三分之二的全球2000强企业CEO将把数字化转型作为公司战略的重心。而战略的其中一个重要组成部分应该会包含机...

2725
来自专栏华章科技

6个用好大数据的秘诀

  就算一个公司拥有再多的数据,也不能代表它就一定会获得商业上的成功。只有真正懂得如何利用大数据,了解到公司利用大数据可以达到什么目标,公司最终才有可能真正成...

631
来自专栏人工智能LeadAI

数据部门如何All In AI

通常,大数据部门会花费很大的力气构建数据平台,而这个数据平台除了能让研发,算法,分析师等角色爽一些,从宏观角度很大的节省部门人力成本,提高效率以外,似乎对公司/...

1263

扫码关注云+社区

领取腾讯云代金券