18、大数据分析：定制化方法与框架解析

大数据分析：定制化方法与框架解析

1. 大数据分析的兴起与特性

大数据分析近年来备受关注，企业渴望对所收集的数据进行有效分析，以获取有价值的信息，但以往却难以做到。大数据分析具有独特的特性，使其与传统分析方法有所区别。

从分析视角来看，大数据分析可分为决策导向和行动导向两类：
- 决策导向分析 ：类似于传统商业智能，通过分析大数据源的子集和表征，为商业决策提供支持。
- 行动导向分析 ：用于快速响应，当检测到特定数据模式时，立即采取行动。

除了常见的大量（Volume）、高速（Velocity）、多样（Variety）这三个特性外，大数据分析还具有以下特点：
- 可程序化 ：处理大规模原始数据时，需要通过编程（代码）进行操作和探索。
- 数据驱动 ：可以利用大量数据直接驱动分析，例如使用机器学习算法进行无假设分析。
- 多属性 ：处理的数据可能包含数千个属性和数百万条观测记录，规模远超以往。
- 迭代性 ：借助强大的计算能力，可以不断迭代模型，还可能需要使用自然语言处理或神经网络等先进技术。
- 云服务支持 ：利用基于云的基础设施即服务（IaaS），如亚马逊云服务（ACS），可以快速获取计算资源，处理和分析大量数据。

以下是一个简单的 mermaid 流程图，展示大数据分析的特性关系：