實戰(zhàn)：大數(shù)據(jù)如何“落地”？有哪些產(chǎn)品實例

實戰(zhàn)：大數(shù)據(jù)如何“落地”？有哪些產(chǎn)品實例？

下面是來自知乎小伙伴maggie的回答：云計算出現(xiàn)之前，傳統(tǒng)的計算機無法處理大量的非結(jié)構(gòu)化數(shù)據(jù)，云計算使得海量數(shù)據(jù)的存儲和快速分析成為可能，而每個人都擁有的智能終端(手機、電腦、智能設(shè)備)以及帶寬不斷增加的移動通信網(wǎng)絡(luò)，使得海量數(shù)據(jù)的收集成為可能。大數(shù)據(jù)的核心在于“預(yù)測”，而云計算使數(shù)據(jù)從“小樣本”轉(zhuǎn)變成有機會對所有可能的數(shù)據(jù)進行分析，預(yù)測將基于“數(shù)據(jù)之間的關(guān)聯(lián)性”而非“為什么是這樣的因果性”，我們只需要按照預(yù)測出來的趨勢去響應(yīng)，使用這些結(jié)果。比如預(yù)測機票價格的走勢，并給出可信度，幫助用戶來決定什么時間購買機票最省錢。它不用關(guān)心為什么機票會有差異，是因為季節(jié)性還是因為其他什么原因，它僅僅是預(yù)測當(dāng)前的機票未來一段時間會上漲還是下降。如果機票價格有上漲的趨勢，系統(tǒng)就系統(tǒng)用戶立即購買機票。而原始的數(shù)據(jù)可以從機票預(yù)訂數(shù)據(jù)庫或者行業(yè)網(wǎng)站上扒下來。這項預(yù)測技術(shù)可以用在類似的相關(guān)領(lǐng)域。比如賓館預(yù)訂，商品購買等。比如通過汽車引擎的散熱和振動來預(yù)測引擎是否會出現(xiàn)故障。亞馬遜的推薦系統(tǒng)是很好的例子：亞馬遜從每一個客戶身上捕獲了大量的數(shù)據(jù)，歷史購買了什么，哪些商品只是瀏覽卻沒有購買，瀏覽停留的時間，哪些商品是合并購買的，它要做的是找到產(chǎn)品之間的關(guān)聯(lián)性，感興趣的可以去搜索亞馬遜推薦引擎的專利。大數(shù)據(jù)產(chǎn)品大數(shù)據(jù)產(chǎn)品在中國，淘寶、支付寶擁有大量的用戶數(shù)據(jù)，還記得“淘寶時光機嗎“？通過數(shù)據(jù)分析，把畢業(yè)-戀愛-遷移城市-結(jié)婚-買房-生子-買車的人生軌跡串起來，我不敢說有多準，但是的確感動了我們。從數(shù)據(jù)中挖掘出背后的故事，這是一個非常有意思的關(guān)聯(lián)性數(shù)據(jù)挖掘嘗試。想想也挺可怕的，淘寶是個擁有海量用戶數(shù)據(jù)的平臺，每天還有源源不斷地從移動終端、電腦上不斷增加的數(shù)據(jù)，如果把這些數(shù)據(jù)利用起來，不止可以做商品購物推薦，同時還可以對可能的關(guān)聯(lián)性做預(yù)測。在零售行業(yè)，銷售數(shù)據(jù)的統(tǒng)計分析，可以讓供應(yīng)商監(jiān)控銷售速率、數(shù)量、以及存貨情況，可以知道什么貨物和什么貨物擺在一起，放在什么位置銷量最好，特定的季節(jié)，什么產(chǎn)品銷量最高。公共設(shè)施領(lǐng)域，不再是隨機的巡檢，而是針對設(shè)施上報的數(shù)據(jù)以及故障發(fā)生的歷史數(shù)據(jù)、環(huán)境數(shù)據(jù)進行分析和預(yù)測，集中人力和物力優(yōu)先檢查最有可能出現(xiàn)問題的那些設(shè)施，減少整體平均的故障發(fā)生率。大數(shù)據(jù)革命首先要把這些可以獲得的數(shù)據(jù)收集上來，包括未來可能被利用的信息。比如很多應(yīng)用不管是不是需要位置信息，通常都會問你要位置信息，為未來能做出更多的智能反應(yīng)做數(shù)據(jù)儲備。保險公司通過車險投保人的歷史數(shù)據(jù)(時間、地點、實際行駛路程)來為車險定價。廣告公司可以根據(jù)人們的居住地點、要去的地方，提供定制廣告，信息匯集起來可能會揭示某種發(fā)展趨勢。交通服務(wù)公司可以通過手機的位置來預(yù)測交通情況，和某個地方目前聚集了多少人。最近的”棱鏡計劃“，從音視頻、圖片、郵件、文檔以及連接信息中