- 1、本文档共32页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
大数据分析师的卓越之道
2
Infrastructure
Data
Value
Knowledge
Discovery
数据分析的典型场景
Data
Value
改变思维方式
提高技术素养
丰富分析能力
3
基础设施已经改朝换代分析师也需要与时俱进
新的世界观:不确定的世界
4
大数据的测不准
5
《科学》:大数据傲慢
《自然》:测不准
6
Collection
Analytics
Interpretation
Evaluation
Preparation
Hypotheses
数据分析方法论的升级
7
Collection
Analytics
Interpretation
Evaluation
Preparation
Hypotheses
数据分析方法论的升级
8
Hypotheses
机械地发掘相关性和假设
直觉,拿侦探小说练手
阅读广泛涉猎
跨界思维碰撞
融入业务部门
防止数据采集与分析、业务与数据分析的脱节
9
Collection
Analytics
Interpretation
Evaluation
Preparation
Hypotheses
数据分析方法论的升级
10
数据!数据!数据!
n=All !
Enterprise Data Warehouse ? Enterprise Data Hub/Data Lake
External data sources
Structured ? semi-structured ? unstructured
Log analysis
Text analysis
Image/video
Data with geo and temporal tags
Networks and graphs
11
数据?数据?数据?
n=All ?
More data vs. sampling
“Raw data” is an oxymoron
Signals and noises
Sampling bias
Data exchange and sharing
Data rights, data pricing
Data lifecycle management
Provenance capture, representation, and querying
Sometimes data are not assets, but costs
12
Collection
Analytics
Interpretation
Evaluation
Preparation
Hypotheses
数据分析方法论的升级
13
数据质量:重中之重
Noisy, biased and polluted data are unavoidable
Goal: models = components for noise + relatively complex models for signal
Cleansing, validation, …
Can it start with a small subset? Can the process be automated?
Work together with visualization, machine learning
Curation, Wrangling, …
Automated learning to discover structure, resolve entities, and transform data
14
数据表示
Reduce compute and communication complexity
Sparse, compressed data structure
Approximate computation
Reduce statistical complexity
Dimensionality reduction, clustering
Sampling
Non-random sampling, compressive sensing, … …
Choose best representation for specific computational methods
E.g. tables for data parallelism, networks/graphs for graph parallelism
UIMA: Unstructured Information Management Architecture
15
Collection
Analytics
Interpretation
Evaluation
Preparation
Hypotheses
数据分析方法论的升级
16
Source:
Computational Sc
文档评论(0)