“大-0”時(shí)代來(lái)臨的一個(gè)重要標(biāo)志，就是大量專(zhuān)業(yè)級(jí)“數(shù)據(jù)交易員”的出現(xiàn)，以及圍繞數(shù)據(jù)交易形成的產(chǎn)業(yè)鏈，貫穿于收集、整理、分析、應(yīng)用的全過(guò)程。大數(shù)據(jù)發(fā)展的核心是讓用戶(hù)從海量的非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)中獲得新的價(jià)值，而數(shù)據(jù)價(jià)值是帶動(dòng)數(shù)據(jù)交易。近幾年，IBM、甲骨文、SAP都斥巨資收購(gòu)了數(shù)據(jù)管理與分析公司。在這些互聯(lián)網(wǎng)巨頭的推動(dòng)下，數(shù)據(jù)分析技術(shù)越來(lái)越成熟。

1、Da 數(shù)據(jù)應(yīng)用第一階段:輔助產(chǎn)品的初期應(yīng)用比較簡(jiǎn)單，就是輔助產(chǎn)品人員和營(yíng)銷(xiāo)人員做出判斷。以前做實(shí)物產(chǎn)品的調(diào)查很麻煩。比如在飲料公司，研究人員要通過(guò)各種方式觀(guān)看他們的飲酒場(chǎng)景和步驟。問(wèn)卷調(diào)查是最常見(jiàn)的，但不允許。所以我們會(huì)組織各種專(zhuān)業(yè)的野外實(shí)驗(yàn)，搭建一個(gè)環(huán)境(一般是單面玻璃或者攝像頭)，邀請(qǐng)志愿者，然后根據(jù)他們的日常習(xí)慣指導(dǎo)他們完成一些操作。

顯然，這種方法非常繁瑣?，F(xiàn)在的互聯(lián)網(wǎng)產(chǎn)品根本不需要這樣的麻煩。用戶(hù)對(duì)數(shù)據(jù)的所有使用和行為都有記錄。想了解什么，可以即時(shí)分析。2.數(shù)據(jù)應(yīng)用的第二階段:在數(shù)據(jù)的數(shù)量和質(zhì)量達(dá)到一定水平后，事情開(kāi)始發(fā)生變化。元數(shù)據(jù)將不僅僅作為一個(gè)輔助產(chǎn)品，而是成為最有價(jià)值的生產(chǎn)本身。很簡(jiǎn)單，工商局是不是最熟悉中國(guó)老百姓的消費(fèi)習(xí)慣？

1，開(kāi)源數(shù)據(jù)開(kāi)源數(shù)據(jù)包括互聯(lián)網(wǎng)數(shù)據(jù)，移動(dòng)數(shù)據(jù)，互聯(lián)網(wǎng)平臺(tái)和移動(dòng)互聯(lián)網(wǎng)平臺(tái)。2.業(yè)務(wù)數(shù)據(jù)Business數(shù)據(jù)產(chǎn)生于各單位的信息系統(tǒng)，尤其是內(nèi)部信息系統(tǒng)，我們統(tǒng)稱(chēng)為業(yè)務(wù)系統(tǒng)。在目前的公司業(yè)務(wù)系統(tǒng)中，存在于公司的OA系統(tǒng)或CRM中，包含了大量的工作數(shù)據(jù)和事務(wù)數(shù)據(jù)，客戶(hù)管理數(shù)據(jù)。包括交易數(shù)據(jù)，流水?dāng)?shù)據(jù)，記賬數(shù)據(jù)，貸款數(shù)據(jù)，貸款數(shù)據(jù)，等等。同時(shí)是對(duì)賬戶(hù)余額、信用額度、購(gòu)買(mǎi)力等的有力補(bǔ)充。這些數(shù)據(jù)不僅支撐生產(chǎn)系統(tǒng)，也作為用戶(hù)(銀行客戶(hù)、電力客戶(hù)、擔(dān)保公司等)的重要依據(jù)。)做出相關(guān)決定。所以目前很多公司都需要對(duì)這些數(shù)據(jù)進(jìn)行查詢(xún)、統(tǒng)計(jì)和分析。

指電信行業(yè)三大數(shù)據(jù)域。B域的數(shù)據(jù)businesssupportsystem的域，O域的數(shù)據(jù)operationsupportsystem的域，M域的數(shù)據(jù)management supportsystem的域。B域包括用戶(hù)數(shù)據(jù)和服務(wù)數(shù)據(jù)，如用戶(hù)的消費(fèi)習(xí)慣、終端信息、ARPU的分組、業(yè)務(wù)內(nèi)容、業(yè)務(wù)受眾等。o域有網(wǎng)絡(luò)數(shù)據(jù)，如信令、告警、故障、網(wǎng)絡(luò)資源等。

1、數(shù)據(jù) Layer:采集加工的過(guò)程數(shù)據(jù)傳統(tǒng)采集數(shù)據(jù)一般是有限的、有意識(shí)的、有結(jié)構(gòu)的數(shù)據(jù)采集，例如以問(wèn)卷調(diào)查的形式，你能收集到的數(shù)據(jù)一定是你能想象到的。數(shù)據(jù)結(jié)構(gòu)良好。一般的數(shù)據(jù)庫(kù)Mysql甚至Excel都可以滿(mǎn)足數(shù)據(jù)處理程序。2.業(yè)務(wù)層:建模分析數(shù)據(jù) used 數(shù)據(jù)分析模型，如基礎(chǔ)統(tǒng)計(jì)，機(jī)器學(xué)習(xí)，如數(shù)據(jù)挖掘分類(lèi)，聚類(lèi)，關(guān)聯(lián)，預(yù)測(cè)等算法，傳統(tǒng)數(shù)據(jù)。

3.應(yīng)用層:解讀數(shù)據(jù)-0/指導(dǎo)營(yíng)銷(xiāo)最重要的是解讀。傳統(tǒng)上，我們?cè)诙x營(yíng)銷(xiāo)問(wèn)題后，收集相應(yīng)的數(shù)據(jù)，然后根據(jù)已建立的建?；蚍治隹蚣軘?shù)據(jù)，進(jìn)行分析，驗(yàn)證假設(shè)，進(jìn)行解讀。解釋的空間有限。大數(shù)據(jù)提供了一種可能性，可以根據(jù)營(yíng)銷(xiāo)問(wèn)題，通過(guò)封閉地挖掘?qū)?yīng)的數(shù)據(jù)來(lái)驗(yàn)證，也可以開(kāi)放地探索，得出一些可能與常識(shí)或經(jīng)驗(yàn)判斷完全不同的結(jié)論。

如何理解“Da數(shù)據(jù)”:數(shù)據(jù)質(zhì)變的三個(gè)方面Da 數(shù)據(jù)(BigData)，字面意思是“海量數(shù)據(jù)”，簡(jiǎn)單涉及。但是，這只是對(duì)“Da 數(shù)據(jù)”的一個(gè)粗淺認(rèn)識(shí)，最早提出“Da 數(shù)據(jù)”概念的學(xué)科是“天文學(xué)”和“遺傳學(xué)”，這兩個(gè)學(xué)科從誕生之日起就依靠“基于海量數(shù)據(jù)”的分析方法。