《大數(shù)據(jù)營(yíng)銷》認(rèn)識(shí)大數(shù)據(jù)

大數(shù)據(jù)營(yíng)銷開篇語(yǔ)

數(shù)據(jù)可以治國(guó)，也可以強(qiáng)國(guó)。大數(shù)據(jù)是21世紀(jì)的石油和金礦，蘊(yùn)藏著巨大的商業(yè)價(jià)值。

我們的學(xué)習(xí)目標(biāo)——讓大數(shù)據(jù)“變現(xiàn)”為消費(fèi)者價(jià)值和公司價(jià)值。

課程目標(biāo)課程目標(biāo)具體內(nèi)容課程目標(biāo)1：具備大數(shù)據(jù)營(yíng)銷的基本專業(yè)知識(shí)，具備大數(shù)據(jù)思維。課程目標(biāo)2：具備大數(shù)據(jù)營(yíng)銷的操作能力，能夠采集需要的數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行脫敏以及數(shù)據(jù)資產(chǎn)管理，應(yīng)用大數(shù)據(jù)營(yíng)銷數(shù)據(jù)分析方法分析具體問(wèn)題，應(yīng)用大數(shù)據(jù)營(yíng)銷模型進(jìn)行大數(shù)據(jù)挖掘。課程目標(biāo)3：根據(jù)消費(fèi)者行為的演變，能夠利用大數(shù)據(jù)洞察消費(fèi)者需求；具備大數(shù)據(jù)驅(qū)動(dòng)的營(yíng)銷組合創(chuàng)新能力；能夠綜合運(yùn)用個(gè)性化營(yíng)銷、精準(zhǔn)營(yíng)銷、關(guān)聯(lián)營(yíng)銷的策略。課程目標(biāo)4：具備大數(shù)據(jù)營(yíng)銷的行業(yè)應(yīng)用能力及大數(shù)據(jù)營(yíng)銷倫理意識(shí)。

課程主要內(nèi)容認(rèn)識(shí)大數(shù)據(jù)【學(xué)習(xí)目標(biāo)】知識(shí)目標(biāo)能力目標(biāo)1、了解什么是大數(shù)據(jù)。1.掌握大數(shù)據(jù)的含義、特點(diǎn)和分類。2、了解大數(shù)據(jù)的產(chǎn)生與發(fā)展。2.掌握大數(shù)據(jù)發(fā)展的主要方向。3、理解大數(shù)據(jù)的商業(yè)價(jià)值。3.能挖掘大數(shù)據(jù)的商業(yè)價(jià)值。4、了解大數(shù)據(jù)的支撐技術(shù)。4.掌握大數(shù)據(jù)的技術(shù)架構(gòu)和關(guān)鍵技術(shù)。5、理解大數(shù)據(jù)時(shí)代的變革。5.掌握大數(shù)據(jù)時(shí)代思維變革和管理變革方向。思維導(dǎo)圖【思考】1.新冠疫情的防控過(guò)程中，我國(guó)是如何應(yīng)用大數(shù)據(jù)實(shí)現(xiàn)智慧戰(zhàn)役的？2.當(dāng)前，大數(shù)據(jù)在我國(guó)哪些領(lǐng)域哪些行業(yè)得到了應(yīng)用？第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義大數(shù)據(jù)(bigdata)被用來(lái)描述和定義信息爆炸時(shí)代產(chǎn)生的海量數(shù)據(jù)，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng)新。作為IT行業(yè)的熱門概念，已從專業(yè)IT人士和數(shù)據(jù)分析師，擴(kuò)散到所有關(guān)注科技、互聯(lián)網(wǎng)以及營(yíng)銷領(lǐng)域的人群及行業(yè)中。大數(shù)據(jù)上過(guò)《紐約時(shí)報(bào)》、《華爾街日?qǐng)?bào)》的專欄封面，進(jìn)入美國(guó)白宮官網(wǎng)的新聞，現(xiàn)身在國(guó)內(nèi)外一系列互聯(lián)網(wǎng)主題的講座沙龍中，甚至被嗅覺(jué)靈敏的證券公司等寫進(jìn)了投資推薦報(bào)告。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義?“大數(shù)據(jù)”是未來(lái)學(xué)專家阿爾文.托夫勒在《第三次浪潮》（1980）提出的，他指出：“所謂第三次浪潮，即是在農(nóng)業(yè)文明、工業(yè)文明之后的信息社會(huì)”，而大數(shù)據(jù)是第三次浪潮的華彩樂(lè)章。

★

2011年6月，麥肯錫公司發(fā)布了頗具影響力的大數(shù)據(jù)報(bào)告：《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)和生產(chǎn)力的下一個(gè)前沿》，指出了大數(shù)據(jù)將成為競(jìng)爭(zhēng)的關(guān)鍵基礎(chǔ)，支撐新的生產(chǎn)力增長(zhǎng)。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義1Byte=8Bit1KB=1024Bytes1MB=1024KB=1,048,576Bytes1GB=1024MB=1,048,576KB=1,073,741,824Bytes1TB=1024GB=1,048,576MB=1,099,511,627,776Bytes1PB=1024TB=1,048,576GB=1,125,899,906,842,624Bytes1EB=1024PB=1,048,576TB=1,152,921,504,606,846,976Bytes1ZB=1024EB=1,048,576PB=1,180,591,620,717,411,303,424Bytes1YB=1024ZB=1,048,576EB=1,208,925,819,614,629,174,706,176Bytes圖1-1數(shù)據(jù)量級(jí)圖第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義天眼查數(shù)據(jù)顯示，目前我國(guó)數(shù)據(jù)中心相關(guān)企業(yè)超156.7萬(wàn)家，2022年新增注冊(cè)企業(yè)近40.2萬(wàn)家。廣東、北京、山東三地，數(shù)據(jù)中心相關(guān)企業(yè)數(shù)量位列前三位。從行業(yè)分布來(lái)看，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)相關(guān)企業(yè)位列第一，科學(xué)研究和技術(shù)服務(wù)業(yè)位列第二。從成立時(shí)間來(lái)看，77.3%的企業(yè)成立于5年之內(nèi)。IDC第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義麥肯錫：一種規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合。維基百科：大數(shù)據(jù)是無(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的大量而復(fù)雜的數(shù)據(jù)集合。美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）：大數(shù)據(jù)是數(shù)量大、獲取速度快或形態(tài)多樣化的數(shù)據(jù)，難以用傳統(tǒng)關(guān)系型數(shù)據(jù)分析方法進(jìn)行有效分析，或者需要大規(guī)模的水平擴(kuò)展才能高效處理。第一節(jié)

什么是大數(shù)據(jù)1.大數(shù)據(jù)的含義我國(guó)大數(shù)據(jù)專家涂子沛在《大數(shù)據(jù)》一書中分析了大數(shù)據(jù)的三大成因：一是基于摩爾定律，人類保存數(shù)據(jù)的能力增強(qiáng)；二是基于社交媒體發(fā)展，人類生產(chǎn)數(shù)據(jù)的能力增強(qiáng)；三是基于數(shù)據(jù)挖掘能力，人類使用數(shù)據(jù)的能力增強(qiáng)。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)摩爾定律是計(jì)算機(jī)IC上可容納的晶體管書目，約()個(gè)月便會(huì)增加一倍，這一定律是（

）公司董事長(zhǎng)戈登.摩爾所提出的。18，IMB16,Microsoft18，Inter16，AppleABCD提交單選題1分第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)海量數(shù)據(jù)（Volume）

以應(yīng)用較為廣泛的淘寶網(wǎng)和臉書為例，淘寶網(wǎng)近4億的會(huì)員日均產(chǎn)生的商品交易數(shù)據(jù)約20TB，臉書近10億的用戶日均產(chǎn)生的日志數(shù)據(jù)約300TB。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)實(shí)時(shí)處理（Velocity）大數(shù)據(jù)對(duì)數(shù)據(jù)處理速度有著嚴(yán)格的要求，服務(wù)器中大量資源都用于處理和計(jì)算數(shù)據(jù)，一些平臺(tái)都需要做到實(shí)時(shí)分析。數(shù)據(jù)源源不斷，誰(shuí)的數(shù)據(jù)處理速度快，誰(shuí)就有優(yōu)勢(shì)，唯快不破。1981年，一個(gè)千兆字節(jié)的內(nèi)存大約需要30萬(wàn)美元，而今天只需10美分。這使得以實(shí)時(shí)處理作為價(jià)值創(chuàng)新點(diǎn)的商業(yè)應(yīng)用成為可能，而實(shí)時(shí)或近似實(shí)時(shí)的信息處理與運(yùn)用能使一個(gè)公司比其競(jìng)爭(zhēng)對(duì)手更加機(jī)敏（McAfee，Brynjolfsson，2012）。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)實(shí)時(shí)處理（Velocity）大數(shù)據(jù)對(duì)數(shù)據(jù)處理速度有著嚴(yán)格的要求，服務(wù)器中大量資源都用于處理和計(jì)算數(shù)據(jù)，一些平臺(tái)都需要做到實(shí)時(shí)分析。數(shù)據(jù)源源不斷，誰(shuí)的數(shù)據(jù)處理速度快，誰(shuí)就有優(yōu)勢(shì)，唯快不破。1981年，一個(gè)千兆字節(jié)的內(nèi)存大約需要30萬(wàn)美元，而今天只需10美分。這使得以實(shí)時(shí)處理作為價(jià)值創(chuàng)新點(diǎn)的商業(yè)應(yīng)用成為可能，而實(shí)時(shí)或近似實(shí)時(shí)的信息處理與運(yùn)用能使一個(gè)公司比其競(jìng)爭(zhēng)對(duì)手更加機(jī)敏（McAfee，Brynjolfsson，2012）。大數(shù)據(jù)處理流程大數(shù)據(jù)處理流程--示例：語(yǔ)音識(shí)別、人臉支付等；多來(lái)源（Variety）

大數(shù)據(jù)的主要來(lái)源企業(yè)系統(tǒng)：客戶關(guān)系管理系統(tǒng)、企業(yè)資源計(jì)劃系統(tǒng)、庫(kù)存系統(tǒng)、銷售系統(tǒng)等。機(jī)器系統(tǒng)：智能儀表、工業(yè)設(shè)備傳感器、智能設(shè)備、視頻監(jiān)控系統(tǒng)等?；ヂ?lián)網(wǎng)系統(tǒng)：電商系統(tǒng)、服務(wù)行業(yè)業(yè)務(wù)系統(tǒng)、政府監(jiān)管系統(tǒng)等。社交系統(tǒng)：微信、QQ、微博、博客、新聞網(wǎng)站、朋友圈等。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)多來(lái)源（Variety）

非結(jié)構(gòu)化數(shù)據(jù)是數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒(méi)有預(yù)定義的數(shù)據(jù)模型，不方便用數(shù)據(jù)庫(kù)二維邏輯表來(lái)表現(xiàn)的數(shù)據(jù)。包括所有格式的辦公文檔、文本、圖片、XML,HTML、各類報(bào)表、圖像和音頻/視頻信息等等。特點(diǎn)：格式多樣、標(biāo)準(zhǔn)多樣；形式：文本、圖形、圖像、音頻、視頻等；處理過(guò)程：挖掘、提取、分析、管理、存儲(chǔ)第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)數(shù)據(jù)價(jià)值密度低（Value）這是大數(shù)據(jù)的核心特征?，F(xiàn)實(shí)世界所產(chǎn)生的如此龐雜的大數(shù)據(jù)中，有價(jià)值的數(shù)據(jù)所占比例很小。相比于傳統(tǒng)的小數(shù)據(jù)，大數(shù)據(jù)的價(jià)值在于從大量不相關(guān)的數(shù)據(jù)中，挖掘出對(duì)未來(lái)趨勢(shì)預(yù)測(cè)分析有價(jià)值的數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)、人工智能、數(shù)據(jù)挖掘等方法深度分析，從而發(fā)現(xiàn)新規(guī)律和新知識(shí)，并應(yīng)用于相應(yīng)的領(lǐng)域，最終達(dá)到提高生產(chǎn)效率、改善社會(huì)治理的目的。第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)下列關(guān)于大數(shù)據(jù)的特點(diǎn)表述正確的是（

）數(shù)據(jù)容量大數(shù)據(jù)來(lái)源多樣化，類型多樣化數(shù)據(jù)能進(jìn)行實(shí)時(shí)處理數(shù)據(jù)價(jià)值密度大ABCD提交多選題3分第一節(jié)

什么是大數(shù)據(jù)2.大數(shù)據(jù)的特點(diǎn)“大數(shù)據(jù)”之“大”，并不僅僅在于其“容量之大”，“大數(shù)據(jù)”之“大”，更多的意義在于：人類可以“分析和使用”的數(shù)據(jù)在大量增加，通過(guò)這些數(shù)據(jù)的交換、整合和分析，人類可以發(fā)現(xiàn)新的知識(shí)，創(chuàng)造新的價(jià)值，帶來(lái)“大知識(shí)”、“大科技”、“大利潤(rùn)”和“大發(fā)展”。按數(shù)據(jù)結(jié)構(gòu)劃分：結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化三種3.大數(shù)據(jù)的類型傳統(tǒng)數(shù)據(jù)為主大數(shù)據(jù)為主第一節(jié)

什么是大數(shù)據(jù)示例：結(jié)構(gòu)化數(shù)據(jù)（優(yōu)衣庫(kù)銷售數(shù)據(jù)）Store_id門店隨機(jī)編號(hào)id,無(wú)實(shí)際意義City門店所在城市Channel門店所產(chǎn)生的銷售渠道，線上表示網(wǎng)上購(gòu)買到門店自提，線下表示門店直接購(gòu)買GenderGroup客戶性別男age_group客戶年齡段wkd_ind購(gòu)買發(fā)生的時(shí)間(周末，周中)Product產(chǎn)品類別customer客戶數(shù)量revenue銷售金額Order訂單數(shù)量(一個(gè)客人可能多次購(gòu)買)Quant購(gòu)買的產(chǎn)品數(shù)量unit_cost產(chǎn)品的成本(包含制造和營(yíng)銷層面)示例：半結(jié)構(gòu)化數(shù)據(jù)（無(wú)印良品京東旗艦店評(píng)論）示例：非結(jié)構(gòu)化數(shù)據(jù)（優(yōu)衣庫(kù)官網(wǎng)廣告）廣告呈現(xiàn)方式如何刺激消費(fèi)者產(chǎn)生進(jìn)一步行為？？非結(jié)構(gòu)化數(shù)據(jù)的三大來(lái)源：企業(yè)內(nèi)部的經(jīng)營(yíng)交易信息，物聯(lián)網(wǎng)世界中商品、物流信息，互聯(lián)網(wǎng)世界中人與人之間的交互信息、位置信息等是大數(shù)據(jù)的三個(gè)主要來(lái)源。具體來(lái)看，它們來(lái)自網(wǎng)絡(luò)文本、文件、搜索索引、日志、RFID、傳感器網(wǎng)絡(luò)、呼叫記錄、天文地理數(shù)據(jù)、生物基因信息、醫(yī)療記錄、攝影視頻檔案，以及大規(guī)模的電子商務(wù)數(shù)據(jù)等。多元來(lái)源的數(shù)據(jù)其大小、格式可能都不相同，其中75%—80%都是非結(jié)構(gòu)化數(shù)據(jù)（例如，視頻、Facebook更新、Twitter消息、互聯(lián)網(wǎng)搜索等），有預(yù)測(cè)指出，未來(lái)10年，非結(jié)構(gòu)化數(shù)據(jù)量將占全部數(shù)據(jù)量的90%（涂子沛，2012）。無(wú)線射頻識(shí)別即射頻識(shí)別技術(shù)是自動(dòng)識(shí)別技術(shù)的一種，通過(guò)無(wú)線射頻方式進(jìn)行非接觸雙向數(shù)據(jù)通信，利用無(wú)線射頻方式對(duì)記錄媒體（電子標(biāo)簽或射頻卡）進(jìn)行讀寫，從而達(dá)到識(shí)別目標(biāo)和數(shù)據(jù)交換的目的，其被認(rèn)為是21世紀(jì)最具發(fā)展?jié)摿Φ男畔⒓夹g(shù)之一。企業(yè)管理系統(tǒng)：企業(yè)資源計(jì)劃(ERP)是指組織用于管理日常業(yè)務(wù)活動(dòng)的一套軟件，這些活動(dòng)包括會(huì)計(jì)、采購(gòu)、項(xiàng)目管理、風(fēng)險(xiǎn)管理和合規(guī)性、供應(yīng)鏈運(yùn)營(yíng)等等?？蛻絷P(guān)系管理系統(tǒng)CRM的主要含義就是通過(guò)對(duì)客戶詳細(xì)資料的深入分析，來(lái)提高客戶滿意程度，從而提高企業(yè)的競(jìng)爭(zhēng)力的一種手段?？蛻絷P(guān)系是指圍繞客戶生命周期發(fā)生、發(fā)展的信息歸集。3.大數(shù)據(jù)的類型業(yè)務(wù)數(shù)據(jù)：消費(fèi)者數(shù)據(jù)、客戶關(guān)系數(shù)據(jù)、庫(kù)存數(shù)據(jù)、賬目數(shù)據(jù)等；行業(yè)數(shù)據(jù)：車流量數(shù)據(jù)、能耗數(shù)據(jù)、PM2.5數(shù)據(jù)、交通大數(shù)據(jù)等；內(nèi)容數(shù)據(jù)：應(yīng)用日志、電子文檔、機(jī)器數(shù)據(jù)、語(yǔ)音數(shù)據(jù)、社交媒體數(shù)據(jù)等；線上行為數(shù)據(jù)：頁(yè)面數(shù)據(jù)、交互數(shù)據(jù)、表單數(shù)據(jù)、會(huì)話數(shù)據(jù)、反饋數(shù)據(jù)等；線下行為數(shù)據(jù)：車輛位置和軌跡、用戶位置和軌跡、動(dòng)物位置和軌跡等；第一節(jié)

什么是大數(shù)據(jù)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展1.大數(shù)據(jù)的產(chǎn)生

1980-2008萌芽期

1998大數(shù)據(jù)挑戰(zhàn)2007社交網(wǎng)絡(luò)發(fā)展，數(shù)據(jù)科學(xué)領(lǐng)域迎來(lái)新范式——數(shù)據(jù)探索20082005Hadoop項(xiàng)目誕生Nature推出“大數(shù)據(jù)”專欄；美國(guó)技術(shù)社區(qū)聯(lián)盟推出基于大數(shù)據(jù)的白皮書。1980BIGDATA首次出現(xiàn)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長(zhǎng)

2009-2012成長(zhǎng)期

2013-2015爆發(fā)期

2011麥肯錫關(guān)于大數(shù)據(jù)報(bào)告2013中國(guó)大數(shù)據(jù)元年；BAT推出大數(shù)據(jù)應(yīng)用20142012維克托.邁克爾.舍恩伯的《大數(shù)據(jù)時(shí)代》大數(shù)據(jù)寫入我國(guó)《政府工作報(bào)告》，上升為

國(guó)家戰(zhàn)略。2010《經(jīng)濟(jì)學(xué)人》對(duì)大數(shù)據(jù)專題報(bào)告2015全國(guó)首個(gè)大數(shù)據(jù)交易所掛牌運(yùn)營(yíng)；國(guó)務(wù)院發(fā)布《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的發(fā)展

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的發(fā)展

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長(zhǎng)

2016-快速發(fā)展期

2016增加“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專業(yè)20222021中國(guó)大數(shù)據(jù)產(chǎn)業(yè)白皮書2017大數(shù)據(jù)產(chǎn)業(yè)“十三五規(guī)劃”；成立大數(shù)據(jù)局2016出臺(tái)我國(guó)第一部大數(shù)據(jù)地方法規(guī)；成立首個(gè)國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長(zhǎng)

2016-快速發(fā)展期

2016增加“數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)”專業(yè)20222021中國(guó)大數(shù)據(jù)產(chǎn)業(yè)白皮書2017大數(shù)據(jù)產(chǎn)業(yè)“十三五規(guī)劃”；成立大數(shù)據(jù)局2016出臺(tái)我國(guó)第一部大數(shù)據(jù)地方法規(guī)；成立首個(gè)國(guó)家級(jí)大數(shù)據(jù)綜合試驗(yàn)區(qū)第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展2.大數(shù)據(jù)的成長(zhǎng)

截至2021年8月，我國(guó)大數(shù)據(jù)企業(yè)達(dá)6萬(wàn)多家。

第二節(jié)

大數(shù)據(jù)的產(chǎn)生與發(fā)展3.大數(shù)據(jù)的應(yīng)用

第一層次：描述性分析應(yīng)用，是指通過(guò)大數(shù)據(jù)分析相關(guān)的信息和知識(shí)，幫助人們分析發(fā)生了什么，并以可視化形式呈現(xiàn)事物的發(fā)展歷程。如美國(guó)的DOMO公司。

第二層次：預(yù)測(cè)性分析應(yīng)用，是指通過(guò)大數(shù)據(jù)分析事物之間的關(guān)聯(lián)關(guān)系、發(fā)展模式等，并據(jù)此對(duì)事物發(fā)展的趨勢(shì)進(jìn)行預(yù)測(cè)。如，建立預(yù)測(cè)模型，對(duì)多屆奧斯卡獎(jiǎng)項(xiàng)的歸屬進(jìn)行預(yù)測(cè)。

第三層次：指導(dǎo)性分析應(yīng)用，是指在前兩個(gè)層次的基礎(chǔ)上，分析不同決策將導(dǎo)致的后果，并對(duì)決策進(jìn)行指導(dǎo)和優(yōu)化。如，無(wú)人駕駛汽車分析高精度地圖數(shù)據(jù)和海量的激光雷達(dá)、攝像頭等傳感器的實(shí)時(shí)感知數(shù)據(jù)，對(duì)車輛不同駕駛行為的后果進(jìn)行預(yù)判，并據(jù)此指導(dǎo)車輛的自動(dòng)駕駛。

大數(shù)據(jù)的應(yīng)用場(chǎng)景——宏觀場(chǎng)景2.大數(shù)據(jù)的應(yīng)用場(chǎng)景——微觀場(chǎng)景中國(guó)大數(shù)據(jù)的元年是（

）。2010年2011年2012年2013年ABCD提交單選題1分下列說(shuō)法正確的是

（

）。企業(yè)和個(gè)人應(yīng)將關(guān)注焦點(diǎn)放在大數(shù)據(jù)的“大”上。企業(yè)和個(gè)人應(yīng)將關(guān)注焦點(diǎn)放在大數(shù)據(jù)的商業(yè)價(jià)值上。大數(shù)據(jù)源于數(shù)據(jù)生產(chǎn)和收集的能力以及速度的大幅提升。大數(shù)據(jù)發(fā)展已上升為我國(guó)的國(guó)家戰(zhàn)略。ABCD提交多選題3分第三節(jié)

大數(shù)據(jù)的商業(yè)價(jià)值1.數(shù)據(jù)存儲(chǔ)空間出租

大數(shù)據(jù)時(shí)代企業(yè)和個(gè)人有著海量數(shù)據(jù)的存儲(chǔ)需求，只有將數(shù)據(jù)妥善存儲(chǔ)，才能進(jìn)一步挖掘其潛在價(jià)值。在互聯(lián)網(wǎng)免費(fèi)的模式下，互聯(lián)網(wǎng)公司及各大電信運(yùn)營(yíng)商，都為個(gè)人用戶提供免費(fèi)的云存儲(chǔ)空間，從而形成使用黏性，再通過(guò)增值服務(wù)收費(fèi)。思考：當(dāng)數(shù)據(jù)存儲(chǔ)空間耗盡，人類將以何種方式被記??？數(shù)字時(shí)代的所有數(shù)據(jù)都無(wú)法永久保存。2、數(shù)據(jù)畫像

數(shù)據(jù)畫像包括“人”的畫像、用戶畫像、商品畫像、企業(yè)畫像等。有較大商業(yè)價(jià)值的大數(shù)據(jù)一般是關(guān)于“人”或“用戶”的大數(shù)據(jù)。

關(guān)于人的數(shù)據(jù)在時(shí)間維度和空間維度上具有較多的數(shù)據(jù)，也就是在一定時(shí)間內(nèi)，收集到關(guān)于這個(gè)人在多個(gè)場(chǎng)景的行為數(shù)據(jù)。比如，通過(guò)對(duì)這個(gè)人的需求或潛在需求做出判斷，從而及時(shí)精準(zhǔn)地為他/她提供產(chǎn)品獲服務(wù)，獲得商業(yè)利益。第三節(jié)

大數(shù)據(jù)的商業(yè)價(jià)值3、精準(zhǔn)營(yíng)銷

根據(jù)瞄準(zhǔn)的目標(biāo)市場(chǎng)上的用戶畫像，企業(yè)可以量體裁衣般采取獨(dú)特的行動(dòng)，實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。

比如，大數(shù)據(jù)獲得一個(gè)女性的消費(fèi)數(shù)據(jù)，即性別：女性；年齡：33；星座：巨蟹座；消費(fèi)偏好：住宅家具、童裝/童鞋；消費(fèi)偏好的價(jià)格區(qū)間：200-800元/件，近期消費(fèi)總額：725元。依據(jù)以上數(shù)據(jù)，可以對(duì)其畫像，并其進(jìn)行童裝、家具類商品的推薦。第三節(jié)

大數(shù)據(jù)的商業(yè)價(jià)值精準(zhǔn)營(yíng)銷案例：隔墻有耳？

2018年11月，上海的孫女士在和同事閑聊時(shí)提到想喝CoCo奶茶，在打開餓了么App時(shí)，在推薦商家首位看見(jiàn)了CoCo奶茶。讓孫女士疑惑的是，自己之前從未在餓了么買過(guò)CoCo奶茶，在她手機(jī)后臺(tái)，同時(shí)打開了淘寶、微信、知乎、微博等多個(gè)App，“此前也沒(méi)有使用任何手機(jī)App搜索過(guò)CoCo奶茶的相關(guān)信息。”

此外，生活中您或您的朋友可能會(huì)遇到這樣的場(chǎng)景：在微信里和朋友聊完旅游，一會(huì)兒就能看到機(jī)票的廣告；在現(xiàn)實(shí)生活中和朋友聊會(huì)兒家具，手機(jī)里一個(gè)字沒(méi)打，電商平臺(tái)里也會(huì)有家具的推薦。這不禁讓人費(fèi)解，難道隔屏有耳，我的手機(jī)被監(jiān)聽(tīng)了？

業(yè)內(nèi)專家表示：科技公司不會(huì)笨到用手機(jī)麥克風(fēng)的方式來(lái)監(jiān)聽(tīng)你的隱私，似通過(guò)麥克風(fēng)“偷聽(tīng)”是一件吃力不討好的事，企業(yè)不太可能做。大多數(shù)主流app是沒(méi)有權(quán)利調(diào)用個(gè)人手機(jī)麥克風(fēng)權(quán)限的，同時(shí)，即使個(gè)人手機(jī)在安裝app時(shí)不小心讓app獲得麥克風(fēng)授權(quán)，從商家角度來(lái)說(shuō)，大量的語(yǔ)音分析效率太低，不能明確獲悉消費(fèi)者的態(tài)度偏好，在商業(yè)上沒(méi)有價(jià)值。

那么，app知道我心思是怎么實(shí)現(xiàn)的？在消費(fèi)者需要的時(shí)候正巧推薦了消費(fèi)者所喜歡的東西。

秘密在于大數(shù)據(jù)用戶畫像功能可以讓互聯(lián)網(wǎng)公司輕松猜中你的心思?；ヂ?lián)網(wǎng)公司可以通過(guò)消費(fèi)者的位置信息、使用習(xí)慣、瀏覽記錄分析基本可以分析消費(fèi)者的年齡、性別、興趣愛(ài)好等信息?；ヂ?lián)網(wǎng)公司通過(guò)數(shù)據(jù)共享可以勾勒用戶畫像。在網(wǎng)上搜索用戶畫像，就可以找到多家經(jīng)營(yíng)該業(yè)務(wù)的企業(yè)。一家公司聲稱可以快速找到精準(zhǔn)投放廣告的人群。比如投放汽車類廣告，會(huì)考察用戶是否安裝“汽車之家”之類的app、地理位置方面有沒(méi)有去過(guò)4S店、哪段時(shí)間去過(guò)駕校、是否拿到駕照，再?gòu)闹姓业綆装偃f(wàn)乃至上千萬(wàn)符合這些要求的精準(zhǔn)受眾，媒體就可以精準(zhǔn)投放汽車類廣告內(nèi)容。

隔屏有耳？非也！一切都是大數(shù)據(jù)精準(zhǔn)營(yíng)銷的結(jié)果。4、市場(chǎng)趨勢(shì)預(yù)測(cè)

大數(shù)據(jù)預(yù)測(cè)則是基于大數(shù)據(jù)和預(yù)測(cè)模型去預(yù)測(cè)未來(lái)某件事情的概率。讓分析從“面向已經(jīng)發(fā)生的過(guò)去”轉(zhuǎn)向“面向即將發(fā)生的未來(lái)”。這是大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)分析的最大不同。大數(shù)據(jù)預(yù)測(cè)的邏輯基礎(chǔ)是：每一種非常規(guī)的變化事前一定有征兆，每一件事情都有跡可循，如果找到了征兆與變化之間的規(guī)律，就可以進(jìn)行預(yù)測(cè)。大數(shù)據(jù)預(yù)測(cè)無(wú)法確定某件事情必然會(huì)發(fā)生，它更多是給出一個(gè)概率。最常見(jiàn)的應(yīng)用案例是“預(yù)測(cè)流感”、“預(yù)測(cè)股市”、“預(yù)測(cè)消費(fèi)者行為”。第三節(jié)

大數(shù)據(jù)的商業(yè)價(jià)值5、數(shù)據(jù)搜索

隨著大數(shù)據(jù)時(shí)代到來(lái)，實(shí)時(shí)性、全范圍搜索的需求越來(lái)越強(qiáng)烈。企業(yè)或個(gè)人需要能搜索各種社交網(wǎng)絡(luò)、用戶行為數(shù)據(jù)等，并將實(shí)時(shí)的數(shù)據(jù)處理分析與廣告聯(lián)系起來(lái)，實(shí)時(shí)廣告業(yè)務(wù)和移動(dòng)廣告的社會(huì)服務(wù)蘊(yùn)含著巨大的商業(yè)價(jià)值。第三節(jié)

大數(shù)據(jù)的商業(yè)價(jià)值第四節(jié)

大數(shù)據(jù)的支撐技術(shù)1.大數(shù)據(jù)的技術(shù)構(gòu)架2.大數(shù)據(jù)的技術(shù)構(gòu)架（1）數(shù)據(jù)采集技術(shù)采集對(duì)象：通過(guò)RFID射頻、傳感器、社交網(wǎng)絡(luò)交互、移動(dòng)互聯(lián)網(wǎng)等產(chǎn)生的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)。采集方法：1）離線采集，主要使用ETL工具；2）實(shí)時(shí)采集，主要使用Kafka/Flume；3）互聯(lián)網(wǎng)采集，主要使用Crawler，DPI等。采集工具：ETL工具（RestCloud、Informatica、Kettle）；Kafka工具第四節(jié)

大數(shù)據(jù)的支撐技術(shù)

2.大數(shù)據(jù)的技術(shù)構(gòu)架（1）數(shù)據(jù)采集技術(shù)采集對(duì)象：通過(guò)RFID射頻、傳感器、社交網(wǎng)絡(luò)交互、移動(dòng)互聯(lián)網(wǎng)等產(chǎn)生的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的海量數(shù)據(jù)。采集方法：1）離線采集，主要使用ETL工具；2）實(shí)時(shí)采集，主要使用Kafka/Flume；3）互聯(lián)網(wǎng)采集，主要使用Crawler，DPI等。采集工具：ETL工具（RestCloud、Informatica、Kettle）；Kafka工具第四節(jié)

大數(shù)據(jù)的支撐技術(shù)

2.大數(shù)據(jù)的技術(shù)構(gòu)架（2）數(shù)據(jù)處理技術(shù)

1)Hadoop

Hadoop是以開源形式發(fā)布的一種對(duì)大規(guī)模數(shù)據(jù)進(jìn)行分布式處理的技術(shù)，在數(shù)據(jù)處理方面具有高可靠性、高擴(kuò)展性、高效性、高容錯(cuò)性。

Hadoop是ApacheSoftwareFoundation公司于2005年開發(fā)，它以MapReduce為基礎(chǔ)，主要包括分布式存儲(chǔ)大容量文件的HDFS（HadoopDistributedFileSystem），分布式處理大量數(shù)據(jù)的HM（HadoopMapReduce），以及超大型數(shù)據(jù)表HBase。第四節(jié)

大數(shù)據(jù)的支撐技術(shù)大數(shù)據(jù)的整體技術(shù)數(shù)據(jù)采集數(shù)據(jù)存取基礎(chǔ)架構(gòu)數(shù)據(jù)處理統(tǒng)計(jì)分析數(shù)據(jù)挖掘模型預(yù)測(cè)結(jié)果呈現(xiàn)大數(shù)據(jù)的關(guān)鍵技術(shù)大數(shù)據(jù)采集大數(shù)據(jù)預(yù)處理大數(shù)據(jù)存儲(chǔ)及管理大數(shù)據(jù)安全技術(shù)大數(shù)據(jù)分析與挖掘大數(shù)據(jù)展現(xiàn)與應(yīng)用ETL工具是數(shù)據(jù)的（

）。提取、轉(zhuǎn)換、裝載提取、裝載、轉(zhuǎn)換轉(zhuǎn)換、提取、裝載轉(zhuǎn)換、裝載、提取ABCD提交單選題1分在大數(shù)據(jù)的系統(tǒng)架構(gòu)中，關(guān)鍵技術(shù)包括（

）。大數(shù)據(jù)采集技術(shù)大數(shù)據(jù)存儲(chǔ)技術(shù)大數(shù)據(jù)處理技術(shù)大數(shù)據(jù)展現(xiàn)技術(shù)ABCD提交多選題3分1、大數(shù)據(jù)時(shí)代的思維變革數(shù)據(jù)分析思維從隨機(jī)抽樣轉(zhuǎn)變?yōu)椤皹颖?總體”的全數(shù)據(jù)模式數(shù)據(jù)分析思維強(qiáng)調(diào)數(shù)據(jù)的完整性，包容數(shù)據(jù)的混雜性，不再一味追求小數(shù)據(jù)的精確性。數(shù)據(jù)分析思維由熱衷尋找因果關(guān)系轉(zhuǎn)變?yōu)殛P(guān)注相關(guān)關(guān)系。第五節(jié)

大數(shù)據(jù)的時(shí)代變革1、大數(shù)據(jù)時(shí)代的思維變革數(shù)據(jù)分析思維從隨機(jī)抽樣轉(zhuǎn)變?yōu)椤皹颖?總體”的全數(shù)據(jù)模式數(shù)據(jù)分析思維強(qiáng)調(diào)數(shù)據(jù)的完整性，包容數(shù)據(jù)的混雜性，不再一味追求小數(shù)據(jù)的精確性。數(shù)據(jù)分析思維由熱衷尋找因果關(guān)系轉(zhuǎn)變?yōu)殛P(guān)注相關(guān)關(guān)系。第五節(jié)

大數(shù)據(jù)的時(shí)代變革不是隨機(jī)樣本，而是全體數(shù)據(jù)在大數(shù)據(jù)時(shí)代，我們可以分析更多的數(shù)據(jù)，有時(shí)候甚至可以處理和某個(gè)特別現(xiàn)象相關(guān)的所有數(shù)據(jù)，而不再依賴于隨機(jī)采樣。以前我們通常把隨機(jī)采樣看成是理所應(yīng)當(dāng)?shù)南拗?，但是真正的大?shù)據(jù)時(shí)代是指不用隨機(jī)分析法這樣的捷徑，而采用對(duì)所有數(shù)據(jù)進(jìn)行分析的方法，通過(guò)觀察所有數(shù)據(jù)，來(lái)尋找異常值進(jìn)行分析。例如，信用卡詐騙是通過(guò)異常情況來(lái)識(shí)別的，只有掌握了所有數(shù)據(jù)才能做到這一點(diǎn)。在這種情況下，異常值是最有用的信息，可以把它與正常交易情況作對(duì)比從而發(fā)現(xiàn)問(wèn)題。不是純凈性，而是混雜性數(shù)據(jù)量的大幅增加會(huì)造成一些錯(cuò)誤的數(shù)據(jù)混進(jìn)數(shù)據(jù)集。但是，正因?yàn)槲覀冋莆樟藥缀跛械臄?shù)據(jù)，所以我們不再擔(dān)心某個(gè)數(shù)據(jù)點(diǎn)對(duì)整套分析的不利影響。我們要做的就是要接受這些紛繁的數(shù)據(jù)并從中受益，而不是以高昂的代價(jià)消除所有的不確定性。這就是由“小數(shù)據(jù)”到“大數(shù)據(jù)”的改變。不是精確性，而是趨勢(shì)研究數(shù)據(jù)如此之多，以至于我們不再熱衷于追求精確度。之前需要分析的數(shù)據(jù)很少，所以我們必須盡可能精確地量化我們的記錄，但隨著規(guī)模的擴(kuò)大，對(duì)精確度的癡迷將減弱。擁有了大數(shù)據(jù)，我們不再需要對(duì)一個(gè)現(xiàn)象刨根問(wèn)底，只要掌握了大體的發(fā)展方向即可，適當(dāng)忽略微觀層面上的精確度，會(huì)讓我們?cè)诤暧^層面擁有更好的洞察力。例如，微信朋友圈中朋友發(fā)動(dòng)態(tài)的時(shí)間，在一小時(shí)以內(nèi)的會(huì)顯示多少分鐘之前，在一小時(shí)以外的就只顯示幾小時(shí)前；微信公眾號(hào)中顯示的閱讀量，超過(guò)十萬(wàn)以后顯示的就是100000+，而不是具體數(shù)據(jù)，因?yàn)槌^(guò)十萬(wàn)的閱讀量已經(jīng)讓我們覺(jué)得這篇文章很優(yōu)秀了，沒(méi)必要精確。不是因果關(guān)系，而是相關(guān)關(guān)系在大數(shù)據(jù)時(shí)代，人們開始重視相關(guān)分析，而不僅僅是因果分析，我們不必非得知道現(xiàn)象背后的原因，而是要讓數(shù)據(jù)自己發(fā)聲。相關(guān)關(guān)系的核心是量化兩個(gè)數(shù)據(jù)值之間的數(shù)據(jù)關(guān)系。相關(guān)關(guān)系強(qiáng)是指當(dāng)一個(gè)數(shù)據(jù)值增加時(shí)，其他數(shù)據(jù)值很有可能也會(huì)隨之增加。