图表分析让大数据变得更大_数据分析师

社交网络让互联网变形成为一种复杂的网络关系，社交图形的分析为那些关系提供了一种解释。

社交图形分析是人类行为高密度预测模型强有力的推动因素，因为他们帮助识别个人在群体、人际关系和影响中的行为。这些模型能更细的看到人们的行为和反应。

对于社交图形分析而言，如果你只对几个人感兴趣，这个任务会很简单。你只需要研究他们之间的某一种关系，并且只需要挖掘他们相关行为数据的某个静态池。另一方面，如果你试着去获取地球上每个人、每个地方、每件事的任何潜在关系的转换模式，以及所有他们可能对彼此说的话，并动态实时对他们在未来每个时间点的想法做出精确预测，那你一定是生活在一个科幻的世界。

全球开始逐渐关注社交图形分析的潜能，并把大量应用转换到公共的、私有的、研究的领域。它将迅速发展成为在大数据市场中最有前景的新部分，并且成为许多商业和开放资源图表数据库的核心应用。

在许多行业，社交图形分析已经让反欺诈、分析影响、情绪模拟、细分市场、参与优化、体验优化，还有复杂行为模式中需要迅速被识别的其他应用程序变强大。

为了获得这些潜在优势，社交图形分析也需要使用大数据资源。在最基础的层面，你可以像描绘节点和链接一样做出实体与社会关系、或者个人和一些联系的社交图形模型。图表分析专家也用“顶点”和“边缘”这种术语，来指代特别相似的事情。我们会听说大规模并行公共图表分析基础设施，这些基础设施处理由4.4万亿节点(记录)和70万亿边条(与那些记录有关的)组成的图表。Facebook的社交图表分析基础设施，能独自处理数十亿的节点和几万亿边条。

仔细想想，大规模的图表分析已经大规模使用——存储、互联、数据中心建设、低能耗等，几乎其他任何你能叫出名字的大数据部署都会被比下去。并且，其扩展性也随图表模型的大小和数据资源的获得范围而有所波动，所处理的工作量在数量、种类上增加，对实时低延迟速度的要求也达到另一个层次。

图表分析把大数据改革推向了规模更大、复杂程度更高的层次。Hadoop是改革中的一个小部分，但它在大的方面并不是必要的。当大规模NoSQL数据库专用于发现、关联、预处理大量来自任何资源的行为数据时，存储数据库结构会出现。如果你对图表分析十分关注，你需要提高大数据中三个V——数量化(volume)、速度化(velocity)、多样化(variety)的能力，并有效的处理它们。随着要素成本的降低和量子计算架构发展，许多公司开始运行艾字节规模的、零延迟的存储，还是很有可能的。文章来源：CDA数据分析师官网