傳統(tǒng)分析與大數(shù)據(jù)分析的對比

1、傳統(tǒng)數(shù)據(jù)倉庫分析大數(shù)據(jù)分析大數(shù)據(jù)最大的優(yōu)點(diǎn)是針對傳統(tǒng)手段捕捉到傳統(tǒng)分析對已知的數(shù)據(jù)范圍中好理解的數(shù)據(jù)的數(shù)據(jù)之外的非結(jié)構(gòu)化數(shù)據(jù)。這意味著不進(jìn)行分析。大多數(shù)數(shù)據(jù)倉庫都有一個精致的能保證輸入的數(shù)據(jù)是完整的，清洗過的和提取、轉(zhuǎn)換和加載 (ETL) 的流程和數(shù)據(jù)庫限沒有任何的錯誤。這使它更有挑戰(zhàn)性，但制，這意味著加載進(jìn)數(shù)據(jù)倉庫的數(shù)據(jù)是容易同時它提供了在數(shù)據(jù)中獲得更多的洞察力理解的，洗清過的，并符合業(yè)務(wù)的元數(shù)據(jù)。的范圍。在典型的世界里，很難在所有的信息間以一種正式的方式建立關(guān)系，因此非結(jié)構(gòu)化傳統(tǒng)分析是建立在關(guān)系數(shù)據(jù)模型之上的，主以圖片、視頻、移動產(chǎn)生的信息、無線射題之間的關(guān)系在系統(tǒng)內(nèi)就已經(jīng)被創(chuàng)立，而分頻識

2、別（ RFID）等的形式存在，被考慮進(jìn)析也在此基礎(chǔ)上進(jìn)行。大數(shù)據(jù)分析。絕大多數(shù)的大數(shù)據(jù)分析數(shù)據(jù)庫基于縱列數(shù)據(jù)庫之外。傳統(tǒng)分析是定向的批處理，而且我們在獲得大數(shù)據(jù)分析是利用對數(shù)據(jù)有意義的軟件的所需的洞察力之前需要每晚等待提取、轉(zhuǎn)換支持針對于數(shù)據(jù)的實(shí)時分析。精選文庫和加載（ ETL）以及轉(zhuǎn)換工作的完成。當(dāng)在市場上有大數(shù)據(jù)分析的應(yīng)用系統(tǒng)時，在一個傳統(tǒng)的分析系統(tǒng)中，平行是通過昂貴它同樣可以通過通用的硬件和新一代的分的硬件，如大規(guī)模并行處理（ MPP）系統(tǒng)和 / 析軟件，像 Hadoop或其他分析數(shù)據(jù)庫來實(shí)或?qū)ΨQ多處理（ SMP）系統(tǒng)來實(shí)現(xiàn)的?，F(xiàn)。主要的 IT 公司對分析軟件和應(yīng)用系統(tǒng)供應(yīng)商的購買已經(jīng)成

3、為一種日?，F(xiàn)象。我們已經(jīng)看到“大數(shù)據(jù)分析”這個詞匯被使用在許多企業(yè)的解決方案中?！按髷?shù)據(jù)”是用來表示大量的沒有按照傳統(tǒng)的相關(guān)格式存儲在企業(yè)數(shù)據(jù)庫中的非結(jié)構(gòu)化數(shù)據(jù)的總術(shù)語。以下是大數(shù)據(jù)的一般特點(diǎn)。數(shù)據(jù)存儲量相對于當(dāng)前企業(yè) TB（ TERABYTES）字節(jié)的存儲限制， 定義在 PB（PETA BYTES）字節(jié)， EXA字節(jié)以及更高的容量順序。通常它被認(rèn)為是非結(jié)構(gòu)化數(shù)據(jù)， 并不適合企業(yè)已經(jīng)習(xí)慣使用的關(guān)系型數(shù)據(jù)庫之下數(shù)據(jù)的生成使用的是數(shù)據(jù)輸入非傳統(tǒng)的手段，像無線射頻識別（ RFID），傳感器網(wǎng)絡(luò)等。數(shù)據(jù)對時間敏感，且由數(shù)據(jù)的收集與相關(guān)的時區(qū)組成。在過去，專業(yè)術(shù)語“分析”應(yīng)用于商業(yè)智能（ BI ）世界來

4、提供工具和智能，通過對各種各樣可能的信息視角的快速的、一致的、交互式訪問獲得洞察力。與分析的概念非常接近， 數(shù)據(jù)挖掘已經(jīng)應(yīng)用于企業(yè)以保持關(guān)鍵監(jiān)測和海量信息的分析。最大的挑戰(zhàn)就是如何通過大量的數(shù)據(jù)挖掘出所有的隱藏信息。傳統(tǒng)數(shù)據(jù)倉庫（ DW）分析相對于大數(shù)據(jù)分析企業(yè)數(shù)據(jù)的分析朝著在一段時間內(nèi)在那種內(nèi)容中的信息的有意義的洞察， 是大數(shù)據(jù)分析區(qū)別于傳統(tǒng)數(shù)據(jù)倉庫分析的原因所在。下表總結(jié)了一些它們之間的差別。大數(shù)據(jù)分析用例基于用例，企業(yè)可以理解大數(shù)據(jù)分析的價值和在大數(shù)據(jù)分析的幫助下如何解決傳統(tǒng)的問題。以下是一些用法。客戶滿意度和保證分析： 也許這是基于產(chǎn)品的企業(yè)所擔(dān)心的最大的一個領(lǐng)域。 在當(dāng)今時代，沒有一

5、個清晰的方式來衡量產(chǎn)品的問題和與客戶滿意度相關(guān)的問題，除非他們以一個正式的方式出現(xiàn)在一個電子表格中。-2精選文庫信息質(zhì)量方面， 它是通過各種外部渠道收集的，而且大多數(shù)時候的數(shù)據(jù)沒有清洗因?yàn)閿?shù)據(jù)是非結(jié)構(gòu)化數(shù)據(jù)， 無法關(guān)聯(lián)相關(guān)的問題， 所以長期的解決方案提供給客戶分類和分組的問題陳述都缺失了，導(dǎo)致企業(yè)不能對問題進(jìn)行分組從上面的討論中，對客戶滿意度和保證分析使用大數(shù)據(jù)分析將幫助企業(yè)在急需的客戶注意力設(shè)置中獲得洞察力， 并有效地解決他們的問題以及在他們的新產(chǎn)品線上避免這些問題。競爭對手的市場滲透率分析： 在今天高度競爭的經(jīng)濟(jì)環(huán)境下， 我們需要通過一種實(shí)時分析對競爭者強(qiáng)大的區(qū)域和他們的痛點(diǎn)進(jìn)行衡量。 這

6、種信息是可適用于各種各樣的網(wǎng)站、社交媒體網(wǎng)站和其他公共領(lǐng)域。 對這種數(shù)據(jù)的大數(shù)據(jù)分析可以向企業(yè)提供關(guān)于他們產(chǎn)品線的優(yōu)勢、劣勢、機(jī)遇、威脅等非常需要的信息。醫(yī)療保健 / 流行病的研究和控制：流行病和像流感這樣的季節(jié)性疾病在人群中以一定的模式開始， 如果沒有及早發(fā)現(xiàn)和控制， 它們就會傳播到更大的區(qū)域。 這對發(fā)展中以及發(fā)達(dá)的國家都是一個最大的挑戰(zhàn)。 當(dāng)前絕大部分時間的問題是人們之間的癥狀各異， 而且不同的醫(yī)護(hù)人員治療他們的方法也不同。 人群中也沒有一種常見的癥狀分類。在這種典型的非結(jié)構(gòu)化數(shù)據(jù)上采用大數(shù)據(jù)分析將有助于地方 ZF 有效地應(yīng)對疫情的情況。產(chǎn)品功能和用法分析： 大多數(shù)產(chǎn)品企業(yè)， 尤其是消費(fèi)品， 不斷在他們的產(chǎn)品線上增加許多功能， 但有可能一些功能不會真正地被顧客所使用， 而有些功能則更多地被使用，對這種通過各種移動設(shè)備和其它基于無線射頻識別 （ RFID）輸入捕捉到的數(shù)據(jù)的有效分析，可以為產(chǎn)品企業(yè)提供有價值的洞察力。未來方向的分析： 研究小組分析在各種業(yè)務(wù)中的趨勢， 而這種信息通過行業(yè)特定門戶網(wǎng)站甚至常見的博客可以獲得。 對這種未來數(shù)據(jù)的不斷分析將有助于企業(yè)期待未來，并將這些期待帶入他們的生產(chǎn)線?？偨Y(jié)大數(shù)據(jù)分析為企業(yè)和ZF 分析非結(jié)構(gòu)化的數(shù)據(jù)提供了新的途徑，這些非