大数据之Hadoop（大数据概论）

大数据概念

• 大数据(Big Data)：指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
• bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB
• 主要解决，海量数据的存储和海量数据的分析计算问题。

大数据的特点（4V）

• 1、Volume(大量)：截至目前，人类生产的所有印刷材料的数据量是200PB，而历史上全人类总共说过的话的数据量大约是5EB。当前，典型的个人计算机硬盘的容量为TB量级，而一些大企业的数据量已经接近EB量级。
• 2、Velocity（高速）：这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。
• 3、Variety（多样）：这种类型的多样性也让数据被分为结构化数据和非结构化数据。相对于遗忘便于存储的以数据库/文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力也提出了新要求。
• 4、Value（低价值密度）：价值密度的高低与数据总量的大小成反比。如何快速对有价值数据“提纯”成为目前大数据背景下待解决的难题。

大数据应用场景

• 1、物流仓储：大数据分析系统助力商家精细化运营、提升销量、节约成本。
• 2、零售：分析用户消费习惯，为用户购买商品提供方便，从而提升商品销量。经典案例，子尿布+啤酒。
• 3、旅游：深度结合大数据能力与旅游行业需求，共建旅游产业智慧管理、智慧服务和智慧营销的未来。
• 4、商品广告推荐：给用户推荐可能喜欢的商品。
• 5、保险：海量数据挖掘及风险预测，助力保险行业精准营销，提升精细化定价能力。
• 6、金融：多维度体现用户特征，帮助金融机构推荐优质客户，防范欺诈风险。
• 7、房产：大数据全面助力房地产行业，打造精准投策与营销，选出更合适的地，建造更合适的楼，卖给更合适的人。
• 8、人工智能

大数据发展前景

• 1、党的十八大提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，大数据技术和应用处于创新突破期，国内市场需求处于爆发期，我国大数据产业面临重要的发展机遇。
• 2、党的十九大提出“推动互联网、大数据、人工智能和实体经济深度融合”。
• 3、国际数据公司IDC预测，到2020年，企业基于大数据计算数据分析平台的支出将突破5000亿美元。目前，我国大数据人才只有46万，未来3到5年人才缺口达150万之多。
• 4、2017年北京大学、中国人民大学、北京邮电大学等25所高校成功申请开设大数据课程。
• 5、大数据属于高新技术，大牛少，升职竞争小；
• 6、在北京大数据开发工程师的平均薪水已经到24060元，而且目前还保持强劲的发展势头。

大数据部门业务流程分析

• 产品人员提需求（统计总用户数、日活跃用户数、回流用户数等）-》数据部门搭建数据平台、分析数据指标-》数据可视化（报表展示、邮件发送、大屏幕展示等）。

大数据部门组织结构

• 平台组：Hadoop、Flume、Kafka、HBase、Spark等框架平台搭建；集群性能监控；集群性能调优。
• 数据仓库组：ETL工程师-数据清洗；Hive工程师-数据分析、数据仓库建模。
• 数据挖掘组：算法工程师、推荐系统公司、用户画像工程师。
• 报表开发组：JavaEE工程师