大数据时代的数据分析浅析

  近些年，由于以社交网站、基于位置的服务LBS 等为代表的新型信息产生方式的涌现，以及云计算、移动和物联网技术的迅猛发展，无处不在的移动、无线传感器等设备无时不刻都在产生数据，数以亿计用户的互 联网服务时时刻刻都在产生着数据交互，大数据时代已经到来。在当下，大数据炙手可热，不管是企业还是个人都在谈论或者从事大数据相关的话题与业务，我们创 造大数据同时也被大数据时代包围。虽然大数据的市场前景让人充满期待，但是在公众眼中，对于数据量早已逾越TB、增长率惊人、实时性高的大数据，如何分 析、管理、利用大数据等工作仍将面临若干的挑战。
　　目前，对于大数据的定义尚未达成完全的共识。维基百科对大数据的定义为：所涉及的资料量规模 巨大到无法通过目前主流软件工具，在合理时间内达到获取、管理、处理、并整理帮助企业经营决策更积极目的的资讯。互联网数据中心对大数据的定义为：为更经 济地从高频率的、大容量的、不同结构和类型的数据中获取价值而设计的新一代构架和技术。所有对大数据的定义基本上是从大数据的特征出发，通过这些特征的阐 述和归纳给出其定义。在这些定义中，可将大数据的特点总结为：规模性(volume)、多样性(variety)、高速型(velocity)和价值性 (value)。
　　1.大数据的可视化分析
　　从最初的数据集成到数据分析，直到最后的数据解释，数据易用性应当贯穿整大数据分析的流 程。大数据时代的数据量大且数据结构多样化，其复杂程度早已超过了传统意义上的关系数据库。另外，随着大数据已经渗透到人们生活的各个领域，很多行业都开 始增加对大数据的需求。但普通用户往往更关心结果的展示，数据的复杂性限制了普通用户从大数据中直接获取知识。因此，数据的可视化在进行大数据的分析工作 时应当被研究工作者加以重视并进一步提升。
　　(1)可视化技术。可视化技术是目前解释大量数据最有效的手段之一，通过将分析结果用形象的可视化 方式向用户展示结果，且图形化方式比传统的文字展示方式更容易理解与接收。在数据可视化中，数据结果展现从底层的平台处理的数据挖掘结果中的图片，映射关 系或表格，以简单，友好，医用的图形化，智能化的形式呈现给用户供其分析使用。目前面对大数据常见的可视化技术有标签云(tag cloud)、历史流(history flow)、空间信息流(spatial information flow)等。对级数达到PB 甚至更大的大数据，传统的图表方式已经很难实现其可视化，需引进能够快速而准确地处理海量数据的科学计算方法。科学计算可以用2D,3D 的图形实现数据的可视化，为数据分心及研究提供了更加直观的表现形式，其涉及计算机图形学，图像处理，计算机视觉及图形用户界面等多个研究领域。数据的可 视化全球最大的商业网站之一eBay 选择Tableau 公司提供的数据可视化软件，使得在给定的时间内，所有员工都能够看到图形化的搜索联系及监督客户的反馈及情感分析，为eBay 带去了商业的洞察力。
　 　(2)Web 可视化。网络的飞速发展、网络性能的不断提升，使得基于Web 的数据可视技术成为一个热点。网络上已有很多的Web 图表工具，它们常用来展现股票、天气数据等。目前最为广泛使用的是JavaScript、Flash、Java Applet 等，这些技术都可以实现在Web 上的图形绘制。对于需要处理万级以上的大数据量的科学计算数据，可以采用EJSChart 或者JFreeChart，其绘图速度快、兼容性强且具有良好的交互性，可以作为首选的绘图工具;对于绘图工具的开发，可以选择JavaScript 和Flash，这两者绘图速度快且差异不大。现在很多浏览器支持HTML5，包括手机和平板电脑，如果要求具有更好的跨平台兼容性，JavaScript 是个不错的选择。
　　2.预测性分析能力
　　对数据挖掘可以让用户更好的理解数据，而对大数据进行预测性分析可以让用户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。
　 　与传统的数据分析相比较，大数据分析的一个重要目标就是从海量，数据繁多的数据库中找出隐藏的规律，使数据库发挥最大的价值。数据的价值远不止于数据本 身，而是隐藏在数据之间的关系隐含的知识。比如，现在企业与客户之间的接触途道和界面越来越丰富，而这些途径承载了客户与企业之间、客户与产品之间、客户 与品牌之间的大量互动信息与数据。如果可将这些数据整合，企业便有更多的机会准确了解现有的用户及挖掘潜在的用户群体。
　　为了充分发挥和利用大数据的价值，对可视化分析及数据挖掘后的结果进行预测性分析。在大数据时代，对数据进行预测性分析，为企业带来了洞察客户的机会，更全面更深入地了解和把握客户的需求特征、兴趣爱好、消费倾向和消费心理等，帮助企业提升运营管理能力及绩效。
　　结论
　 　随着数据爆炸式的增长，我们正被各种数据包围着。正确利用大数据将给人们带来极大的便利，但与此同时也给传统的数据分析带来了技术的挑战。本文对大数据 的分析关键技术进行了详细的分析，主要阐述了大数据分析时的可视化技术、挖掘技术、分析技术以数据挖掘后的预测性分析问题。总的来说，虽然我们已经进入大 数据时代，但是“大数据”技术还仍处于起步阶段，进一步地开发以完善大数据分析技术仍旧是大数据研究课题的热点。