大數(shù)據(jù)旅游業(yè)

1、大數(shù)據(jù)與旅游業(yè)大數(shù)據(jù)與旅游業(yè)大數(shù)據(jù) 2012年12月，英國(guó)人維克托邁爾舍恩伯格在其大數(shù)據(jù)時(shí)代書中指出： 大數(shù)據(jù)帶來的信息風(fēng)暴正在變革我們的生活、工作和思維，大數(shù)據(jù)開啟了一次重大的時(shí)代轉(zhuǎn)型。 哈佛大學(xué)社會(huì)學(xué)教授加里金說：“這是一場(chǎng)革命，龐大的數(shù)據(jù)資源使得各個(gè)領(lǐng)域開始了量化進(jìn)程，無論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開始這種進(jìn)程?！笔裁词谴髷?shù)據(jù) “大數(shù)據(jù)”是一個(gè)體量特別大，數(shù)據(jù)類別特別大的數(shù)據(jù)集，并且這樣的數(shù)據(jù)集無法用傳統(tǒng)數(shù)據(jù)庫(kù)工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理。 大數(shù)據(jù)的特征歸納為4個(gè)“v”，即海量的數(shù)據(jù)規(guī)模（volume）、快速的數(shù)據(jù)流轉(zhuǎn)和動(dòng)態(tài)的數(shù)據(jù)體系（velocity）、多樣的數(shù)據(jù)類型（va

2、riety）、巨大的數(shù)據(jù)價(jià)值（value）。 第一，數(shù)據(jù)體量巨大。大數(shù)據(jù)的起始計(jì)量單位至少是p(1000個(gè)t)、e(100萬個(gè)t)或z(10億個(gè)t); 第二，數(shù)據(jù)類型繁多。比如，網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等等。 第三，價(jià)值密度低，商業(yè)價(jià)值高。 第四，處理速度快。最后這一點(diǎn)也是和傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)有著本質(zhì)的不同。大數(shù)據(jù)根據(jù)互聯(lián)網(wǎng)數(shù)據(jù)中心的中國(guó)互聯(lián)網(wǎng)市場(chǎng)洞見：互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)創(chuàng)新研究2012報(bào)告顯示：截至2011年年底，中國(guó)互聯(lián)網(wǎng)行業(yè)持有的數(shù)據(jù)總量已達(dá)到1.9eb，預(yù)計(jì)2015年該規(guī)模將增長(zhǎng)到8.2eb以上。所以 培養(yǎng)“在多樣的或者大量數(shù)據(jù)中，迅速獲取信息的能力”。 客戶定了一張飛機(jī)票，但

3、是由于大雨，趕到機(jī)場(chǎng)需要一個(gè)半小時(shí)，可能會(huì)趕不上航班。此時(shí)服務(wù)供應(yīng)商知曉客戶的所在位置，并計(jì)算出達(dá)到機(jī)場(chǎng)所需的時(shí)間，于是馬上推送一個(gè)通知給客戶，并幫助預(yù)訂下一航班。 大數(shù)據(jù)技術(shù)在大量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律的能力，使得那些擁有大數(shù)據(jù)項(xiàng)目的企業(yè)能以一種全新的方式向消費(fèi)者銷售旅游產(chǎn)品。大數(shù)據(jù)技術(shù)大數(shù)據(jù)技術(shù) 數(shù)據(jù)采集：數(shù)據(jù)采集：etl工具負(fù)責(zé)將分布的、異構(gòu)數(shù)據(jù)源中的數(shù)據(jù)如關(guān)系數(shù)據(jù)、平面數(shù)據(jù)文件等抽取到臨時(shí)中間層后進(jìn)行清洗、轉(zhuǎn)換、集成，最后加載到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市中，成為聯(lián)機(jī)分析處理、數(shù)據(jù)挖掘的基礎(chǔ)。數(shù)據(jù)存?。簲?shù)據(jù)存取：關(guān)系數(shù)據(jù)庫(kù)、nosql、sql等?；A(chǔ)架構(gòu)：基礎(chǔ)架構(gòu)：云存儲(chǔ)、分布式文件存儲(chǔ)等。數(shù)據(jù)處理：數(shù)

4、據(jù)處理：自然語言處理，也是人工智能(ai,artificialintelligence)的核心課題之一。統(tǒng)計(jì)分析：統(tǒng)計(jì)分析： 數(shù)據(jù)挖掘：數(shù)據(jù)挖掘：分類（classification）、估計(jì)（estimation）、預(yù)測(cè)（prediction）、相關(guān)性分組或關(guān)聯(lián)規(guī)則（affinitygroupingorassociationrules）、聚類（clustering）、描述和可視化、descriptionandvisualization）、復(fù)雜數(shù)據(jù)類型挖掘(text,web,圖形圖像，視頻，音頻等)模型預(yù)測(cè)：模型預(yù)測(cè)：預(yù)測(cè)模型、機(jī)器學(xué)習(xí)、建模仿真。結(jié)果呈現(xiàn)：結(jié)果呈現(xiàn)：云計(jì)算、標(biāo)簽云、關(guān)系圖等。百度旅游預(yù)測(cè) 百度涉及旅游的大數(shù)據(jù)一般可分為三個(gè)方面： 1、旅游者屬性數(shù)據(jù)（游客來源結(jié)構(gòu)、性別結(jié)構(gòu)、年齡結(jié)構(gòu)等屬性信息）； 2、旅游者