第05章问答

徐敏：

大数据生命周期分为九个阶段：大数据组织、评估现状、制定大数据战略、数据定义、数据收集、数据分析、数据治理、持续改进。传统数据生命周期:数据创建阶段、数据保护阶段、数据访问、数据迁移、数据归档、数据回收

毛冬妮 ：

我认为在获取数据方面，大数据的方式更多，而且获取的信息量也远大于传统数据；另外，在存储信息之前经过数据预处理，提高之后使用数据的效率；在数据存储环节，大数据除了传统的存在形式之外，还有数据库等，存储量大，体系结构更加完整；而数据管理从传统的管理方式演变了许多新的系统，如数据库管理系统，Hadoop/Spark生态系统等，而且大数据在各个处理环节中都采用并行处理；大数据有多重计算模式，处理更灵活；除了传统数据也应用的统计学之外，大数据的分析技术还有机器学习，数据挖掘，可视化等。

印张悦 ：

第五章问答：传统的数据处理数据库就可以管理整个数据的生命周期，而如今大数据的出现，使得数据的处理方式更加复杂化和多元化，分化成大数据组织、评估现状、制定大数据战略、数据定义、数据收集、数据分析、数据治理、持续改进九个阶段。

大数据战略的制定相比以往显得尤为重要，是整个大数据生命周期的灵魂和核心，它将成为整个组织大数据发展的指引。

数据呈现也是一个新的亮点，如今data visualization越来越热，数据不再死死的呆在数据库中，而是被分析，被处理成一张张直观易懂的图片，更易于被理解和使用。

王子玥：

首先在数据的特征，传统数据量少，存储在大多数据库中。大数据每时每刻都从用户的移动设备，网络中被采集，有许多半结构化非结构化的数据 。因此数据的传输过程也不同，要经过ip骨干网传输和数据中心传输。分析这些数据也无法用单台计算机，需要依托于云，进行分布式计算。同时需要像机器学习，数据挖掘这样的方法对大数据进行更好的分析。

慎重：

大数据的生命周期包括这些部分：大数据组织、评估现状、制定大数据战略、数据定义、数据收集、数据分析、数据治理、持续改进。大数据的特点可以明显体现其生命周期各个阶段与传统数据的不同：数据量“大”、数据类型“复杂”、数据价值“无限”，传统数据的分析是基于结构化、关系性的数据，而且往往是取一个很小的数据集，来对整个数据进行预测和判断。大数据是对整个数据全集直接进行存储和管理分析。

雷镇豪：

各阶段传统数据与大数据主要不同点：一、两者在分析方法上是类似的，区别只是原始数据量大小所导致处理方式的不同。 二、在对统计学知识的使用重心上，传统数据分析使用的知识主要围绕“能否通过少量的抽样数据来推测真实世界”的主题展开。大数据主要是利用各种类型的全量数据设计统计方案，得到兼具细致和置信的统计结论。 三、与机器学习模型的关系上，两者有着本质差别。传统数据在大部分时候，只是将机器学习模型当黑盒工具来辅助分析数据。而大数据更多时候是两者的紧密结合，大数据分析产出的不仅是一份分析效果测评，后续基于此来升级产品。

刘丹琪：

大数据的生命周期应该包括这些部分：大数据组织、评估现状、制定大数据战略、数据定义、数据收集、数据分析、数据治理、持续改进。 相比于传统数据，大数据有以下特征：1.数据量巨大：IDC预计到2020年，全球将共拥有40ZB的数据量2.结构化、半结构化和非结构化数据多样：数据类型早已不是单一的文本形式，记录、日志、音频混合3.沙里淘金，价值密度低：一部数小时的视频，可能有用的数据仅仅只有一两秒。3.实时获取需要的信息，这是大数据区分于传统数据最显著的特征。

牛悦安：

数据采集上， 增加了从移动设备的采集，增加了Web爬虫采集的方法；数据的存储设备上，大数据有更可扩展的高性能的大数据存储系统；数据管理出现了Hadoop、MapReduce和Spark等更高效的分布式处理方式；数据的展示方面，做了更多的可视化

邹大话：

大数据和传统数据的生命周期都有采集处理和显示这三个基本步骤，但是大数据的大，使得它与传统数据在三个步骤中完全不同。首先大数据已经不是人或者是一些有限的仪器可以采集的了，它来源于一张由现代科技结合而成的网络，这张网络可以覆盖到几乎生活中的每一个角落，在它面前，如果不加制止的话，将不会再有隐私这种概念的存在；其次，大数据的巨大信息量也决定了传统分析数据的方式必定不适合它，大数据不单单是枯燥的数字，它其实更像是一个社会某个方面的缩影，数字背后隐藏的是社会变化的密码，一家优秀的企业或一群优秀的分析师，可以基于大数据分析，对未来作出更加可靠的预测。