大数据时代下数据分析理念的辨析

《大数据时代下数据分析理念的辨析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大数据时代下数据分析理念的辨析　　摘要：21世纪，互联网技术发展突飞猛进，各行各业的数据收集也越来越多，促使各种数据的处理和存储速度越来越快，尤其是随着数据传感器自动采集信息的出现，使得数据呈指数式增长，全球已经全面进入大数据时代。文章将主要分析大数据时代下的数据统计和分析理念，明确数据统计工作和研究的基本思路。　　关键词：大数据时代数据分析理念辨析　　中图分类号：C8文献标识码：A文章编号：1674-098X（2017）01（c）-0136-02　　近年来，对大数据的研究和应用已经受到我国各界人士的广泛关注，国

2、家统计局已经把信息处理技术列为关键性的创新技术工程之一。随着我国大型计算机的迅速发展，处理大规模的复杂数据的能力逐渐提升，从这些大数据中提取有效信息的能力也逐步加强，毫无疑问，我国进入大数据时代的脚步将会进一步加快，人们将会感受到大数据时代下给其带来的生活、工作上的便利。　　1大数据和大数据时代简介　　1.1大数据　　大数据是指远大于一般数据的巨量资料，需要人们通过全新的处理模式才能获取其中有价值的数据信息。“大数据”这一概念最早由维克托在《大数据时代》一书中引用得来，最开始对其定义为：不通过传统的随机分析方法直

3、接对所有数据进行分析处理，主要有大量、高速、多样和价值4个特征。　　大数据可以分为大数据技术、大数据工程、大数据科学和大数据应用等领域。目前受到最多应用的是大数据技术和大数据应用。人们通过收集数据，提取有效信息就可以为企业发展或者社会活动提供最有效的实施途径。因此，可以这样说，在大数据的王国里，最成功的企业就是那些善于运用机遇的公司。　　1.2大数据时代　　大数据时代是建立在信息时代的基础上，通过互联网、物联网等渠道广泛搜集海量数据资源并对其进行存储、提取和展示。在大数据时代，几乎所有人都能够享受从任一数据中获得

4、所需要的信息，大数据时代也具有社会性、广泛性、公开性和动态性4个特征。大数据时代的发展将会引领社会众多领域和行业的变革，对人类的生产、生活方式产生深远影响。　　在大数据时代下，传统的数据分析思想已经不再适用，应该做出改变。首先，应该转变抽样思想，大数据时代下的样本即总体，已经不再依靠少量样本分析事物的相关规律；其次，要转变数据精确测量的思想，大数据时代要学会接受繁冗复杂的多样性数据；最后要转变探究事物的因果关系思想，转为研究事物的相关规律。以上思想的转变，均与统计学有关，因此，下面将分析大数据对统计学带来的具体影

5、响。　　2大数据对统计学研究工作的影响　　2.1大?稻莘岣涣送臣蒲У难芯慷韵?　　大数据影响的领域范围非常广泛，在大数据时代，不仅能够对以结构数据为度量单位的客观主体，还可以对不能用数据衡量关系的文本、图片、音像等非结构数据进行分析，大大扩展了传统统计学的研究范畴。　　2.2大数据影响统计学的工作进程　　统计学是对所搜集的数据进行整理和归纳的方法论学科。大数据时代的资料十分丰富，分析数据已经不再需要抽取样本了，因为数据总体即是样本。此时，传统的统计学抽取样本分析的工作方法已经不再适用，而是被现代化通过传感器自动采

6、集数据的方法所取代。　　3大数据时代下数据分析理念辨析　　3.1数据分析理念　　传统的数据分析是指用统计学方法将收集的数据资料进行系列分析，以便最大化地开发数据中的功能，从中提取有价值的数据，再和未经处理的数据进行对比，发挥数据的作用。大数据时代下的数据分析，由于数据量非常大，数据本身的动态特性使人们要研究的数据难度加大，因此，大数据时代的数据分析一般利用统计学的理念，采用更广泛的方法统计和分析数据，以此摆脱对数据样本的依赖，也可以避免数据的流动性给分析结果带来的不确定性。大数据时代更加注重数据的增值分析工作，研

7、究数据的未来走向，使其中有价值的数据可以增值，将有效数据有机整合，能够及时发现问题和解决问题。　　3.2数据分析的主要程序　　3.2.1数据整理　　统计数据的整理主要分为4个步骤：审核统计资料、对资料进行分组、汇总和编制统计表格或图表、保管和公布。当统计对象为数据资料庞大、类型复杂、要求处理速度快的大数据时，这些步骤就显得繁冗了，尤其是图表的绘制是没办法实现的，因此，只需要对资料进行审核和存储。大数据的审核和存储不同于传统意义上的数据审核和保存，大数据时代利用先进的现代化工具进行数据的审核和保存。　　3.2.2数

8、据的开发　　传统数据的样本量较小，目的主要着眼于解决问题，数据的时效性较强，数据的使用价值会随时间流逝而降低。而大数据的流动性很强，随着时间的推移会越来越壮大，而且具有推陈出新、价值重塑的可能，因此，在大数据时代，数据是会不断增值的，开发大数据，是一项有重要意义的工作。　　3.2.3数据的应用　　其中分别对教育、运输、消费品、电力、石油与天然气、医疗护理、消费金融等进行分