企业大数据分析生态系统的构建

《企业大数据分析生态系统的构建》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、2014年第2期沈阳师范大学学报(社会科学版)№2．2014第38卷V01．38(总第182期)Jro￡胛laf旷舭，啪卿罾Ⅳoml口fu砒7e乃妙融边Sc如nce尉如幻一G嘶eral．№182企业大数据分析生态系统的构建李艳玲(东北财经大学管理科学与工程学院，辽宁大连116025；大连东软信息学院信息技术与商务管理系，辽宁大连116023)【摘要】随着互联网、电子商务、社交媒体等诸多领域的应用企业的数据量正以，乙何缎数激增，而且数据籼乐、数据类型各不相同，如何高效利用和分析这样庞大的大数据资源，必须依赖有效的数据分析技术和方法。当前，大数据分析教术面临许多机遇与挑

2、战，有必要鹊畀爿蛾据高度整合，构建大数据生态系统。在此基础E，才能有效实现对大数据的实时高效处理和深度分析。【关键词】大数据；生态系统；商业模式【中图分类号】C931．6[文献标识码】A【文章编号】1674—5450(2014)02—0080-03一、大数据相关概念一是数据体量巨大Ⅳolume)。数据量之大，是前所未随着社会化媒体的逐渐成熟，宽带技术的迅速提有的，数据量呈几何级数增加，用现有的技术，无法有效升，移动互联网的日益普及，云计算、物联网的应用也更管理和分析。加丰富，各种传感器如手机、台式电脑、笔记本、平板电二是数据类型繁多Ⅳde劝。数据类型花样繁多，除脑、

3、智能电视、导航定位等终端遍及各个角落，每个人都了传统的业务数据、文本等结构化数据以外，多种类型是数据的创造者、传播者和分享者，如浏览网页、发布微的非结构化数据与日俱增，如网络日志、音频、视频、图博、搜索关键词、上传文件、发送邮件、交友、购物的每一片、地理位置信息等，这些类型的数据需要更科学高效个行为都被实时记录下来，正是由于这些数据的大量瞬的技术来进行处理。间积累，数据量和信息量激增，发展态势迅猛，数据单位三是价值密度低Ⅳalue)。价值密度低是指数据总量由G、T到P、E、z、Y演变，据IDC在《数字宇宙膨胀：比较大，比如一部1小时的视频，真正有用的数据或者到202

4、0年全球信息增长预测》所做的数据统计，2006是有价值的数据可能只有一二秒，价值密度的高低与数年全球制造复制出的数字信息量共计16．1万，大约是历据量大小成相反比例，那么如何对大数据量通过机器算史上图书信息总量的3000倍；2010年达到98．8万PB，法迅速地完成价值数据“提纯”，是目前大数据技术处理过去三年间产生的数据量超过以往总和。2011年，全球的一个难题。创建和复制的数据总量达1．8zB，照此速度的话，到2020四是处理速度快Ⅳeki啪。这是大数据与传统数据年，数字宇宙将超出预期达到40ZB。的最显著特征，数据产生和更新的速度非常快，每时每在这样一个数字爆

5、炸的时代，每时每刻都即时产生秒都在即时增加，对大数据的处理效率的要求，是大数大量数据，这些数据与传统数据相比，呈现新的特征，美据处理技术的重大挑战。国麦肯锡全球研究院(MGI)发表一篇名为“Bigdata：ne二、大数据分析技术n麟t舶而erforinrIovBti∞，c锄pe6ti帆蛐dp剐uctivit)r”(大(一)大数据分析技术的机遇与挑战数据：未来创新、竞争、生产力的指向标)的研究报告，1．快速捕获即时数据，创造高速价值“BigData”(大数据)这个关键词便开始流行起来。大数据最大的特点是数据的产生速度非常快，每时据IDC描述，大数据(BigDa脚是指无

6、法用现有的软每秒可以产生很多的数据。例如，每分钟facebook上的件工具提取、存储、搜索、共享、分析和处理的海量的、复视频就可以多产生390万部，大数据的产生速度是不可杂的数据集合。包括所建立的数据库等结构化信息，也想象的。据调查，53％的高管表示大部分关键信息无法包括文本、图片、视频等非结构化信息，难以用一般技术及时获得，获取信息的速度越快，采取行动的速度也就来管理的大量数据的集合，业界通常用4个V(即越快，快速行动创造的价值越高，数据的使用和分析效Volume、Variety、Value、Velocity)来概括大数据的特征。率真高，企业为实现卓越的运营，需要

7、快速捕获高速运【收稿日期】2013—11—29【作者简介】李艳玲，女，辽宁大连人，东北财经大学管理科学与工程博士研究生，大连东软信息学院副教授。·80·万方数据沈阳师范大学学报(社会科学版)2014年第2期(总第182期)行中的大数据，更加迅速地计算分析数据，将数据转为值。大数据多样、高速、海量的特点从各个领域推动着行信息，信息转为洞察，实时推进业务措施，立即采取行业的技术创新，给数据的抓取、存储和分析带来了新的动，从而提升企业竞争力。在这里还有一点，当企业捕获挑战，工具、开源以及框架设施对于大数据行业来说非的数据越来越多，需要分析的数据量越多，需要对数据常重要