大數(shù)據(jù)時(shí)代的數(shù)據(jù)分析師該了解哪些事情
創(chuàng)新互聯(lián)專注于南充企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站建設(shè),商城系統(tǒng)網(wǎng)站開(kāi)發(fā)。南充網(wǎng)站建設(shè)公司,為南充等地區(qū)提供建站服務(wù)。全流程定制網(wǎng)站制作，專業(yè)設(shè)計(jì)，全程項(xiàng)目跟蹤，創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)
近幾年來(lái)，大數(shù)據(jù)養(yǎng)精蓄銳，從剛開(kāi)始的無(wú)人談及，到現(xiàn)在的盛行談?wù)摚瓦@樣走進(jìn)了公眾的視野。什么是大數(shù)據(jù)呢?對(duì)于數(shù)據(jù)分析師，它有意味著什么?處在人人高談的大數(shù)據(jù)時(shí)代，數(shù)據(jù)分析師該了解哪些內(nèi)容，本文將為您解答。
用Google搜索了一下“BigData”，得到了19,600,000個(gè)結(jié)果……而使用同樣的詞語(yǔ)，在兩年前你幾乎搜索不到什么內(nèi)容，而現(xiàn)在大數(shù)據(jù)的內(nèi)容被大肆宣傳，內(nèi)容多得讓人眼花繚亂。而這些內(nèi)容主要是來(lái)自IBM、麥肯錫和O’Reilly ，大多數(shù)文章都是基于營(yíng)銷目的的夸夸其談，對(duì)真實(shí)的情況并不了解，有些觀點(diǎn)甚至是完全錯(cuò)誤的。我問(wèn)自己…… 大數(shù)據(jù)之于數(shù)據(jù)分析師，它意味著什么呢?如下圖所示，谷歌趨勢(shì)顯示，與“網(wǎng)站分析”(web analytics)和”商業(yè)智能”(business intelligence)較為平穩(wěn)的搜索曲線相比，“大數(shù)據(jù)”(big data)的搜索量迎來(lái)了火箭式的大幅度增長(zhǎng)。
被神話的大數(shù)據(jù)
Gartner把“大數(shù)據(jù)”的發(fā)展階段定位在“社交電視”和“移動(dòng)機(jī)器人”之間，正向著中部期望的高峰點(diǎn)邁進(jìn)，而現(xiàn)在是達(dá)到較為成熟的階段前的二至五年。這種定位有著其合理性。各種奏唱著“大數(shù)據(jù)”頌歌的產(chǎn)品數(shù)量正在迅速增長(zhǎng)，大眾媒體也進(jìn)入了“大數(shù)據(jù)”主題的論辯中，比如紐約時(shí)報(bào)的“大數(shù)據(jù)的時(shí)代“，以及一系列在福布斯上發(fā)布的題為” 大數(shù)據(jù)技術(shù)評(píng)估檢查表“的文章。
進(jìn)步的一面體現(xiàn)在
，大數(shù)據(jù)的概念正在促使內(nèi)部組織的文化發(fā)生轉(zhuǎn)變，對(duì)過(guò)時(shí)的“商務(wù)智能”形成挑戰(zhàn)，并促進(jìn)了“分析”意識(shí)的提升。
基于大數(shù)據(jù)的創(chuàng)新技術(shù)可以很容易地被應(yīng)用到類似數(shù)據(jù)分析的各種環(huán)境中。值得一提的是，企業(yè)組織通過(guò)應(yīng)用先進(jìn)的業(yè)務(wù)分析，業(yè)務(wù)將變得更廣泛、更復(fù)雜，價(jià)值也更高，而傳統(tǒng)的網(wǎng)站分析受到的關(guān)注將會(huì)有所減弱。
大數(shù)據(jù)的定義
什么是“大數(shù)據(jù)”，目前并沒(méi)有統(tǒng)一的定義。維基百科提供的定義有些拙劣，也不完整：“ 大數(shù)據(jù)，指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)主流的工具，在合理的時(shí)間內(nèi)擷取、管理、處理、并整理成為人們所能解讀的信息 “。
IBM 提供了一個(gè)充分的簡(jiǎn)單易懂的概述：
大數(shù)據(jù)有以下三個(gè)特點(diǎn)：大批量(Volume)、高速度(Velocity)和多樣化(Variety) 。 大批量 – 大數(shù)據(jù)體積龐大。企業(yè)里到處充斥著數(shù)據(jù)，信息動(dòng)不動(dòng)就達(dá)到了TB級(jí)，甚至是PB級(jí)。 高速度 – 大數(shù)據(jù)通常對(duì)時(shí)間敏感。為了最大限度地發(fā)揮其業(yè)務(wù)價(jià)值，大數(shù)據(jù)必須及時(shí)使用起來(lái)。 多樣化 – 大數(shù)據(jù)超越了結(jié)構(gòu)化數(shù)據(jù)，它包括所有種類的非結(jié)構(gòu)化數(shù)據(jù)，如文本、音頻、視頻、點(diǎn)擊流、日志文件等等都可以是大數(shù)據(jù)的組成部分。 MSDN的布萊恩·史密斯在IBM的基礎(chǔ)上增加了第四點(diǎn)： 變異性 – 數(shù)據(jù)可以使用不同的定義方式來(lái)進(jìn)行解釋。不同的問(wèn)題需要不同的闡釋。
從技術(shù)角度看大數(shù)據(jù)
大數(shù)據(jù)包括了以下幾個(gè)方面：數(shù)據(jù)采集、存儲(chǔ)、搜索、共享、分析和可視化，而這些步驟在商務(wù)智能中也可以找到。在皮特·沃登的“ 大數(shù)據(jù)詞匯表 “中，囊括了60種創(chuàng)新技術(shù)，并提供了相關(guān)的大數(shù)據(jù)技術(shù)概念的簡(jiǎn)要概述。
獲取 ：數(shù)據(jù)的獲取包括了各種數(shù)據(jù)源、內(nèi)部或外部的、結(jié)構(gòu)化或非結(jié)構(gòu)化的數(shù)據(jù)?！按蠖鄶?shù)公共數(shù)據(jù)源的結(jié)構(gòu)都不清晰，充滿了噪音，而且還很難獲得。” 技術(shù)： Google Refine、Needlebase、ScraperWiki、BloomReach 。
序列化：“你在努力把你的數(shù)據(jù)變成有用的東西，而這些數(shù)據(jù)會(huì)在不同的系統(tǒng)間傳遞，并可能存儲(chǔ)在不同節(jié)點(diǎn)的文件中。這些操作都需要某種序列化，因?yàn)閿?shù)據(jù)處理的不同階段可能需要不同的語(yǔ)言和API。當(dāng)你在處理非常大量的記錄時(shí)，該如何表示和存儲(chǔ)數(shù)據(jù)，你所做的選擇對(duì)你的存儲(chǔ)要求和性能將產(chǎn)生巨大影響。 技術(shù)： JSON、BSON、Thrift、Avro、Google Protocol Buffers 。
存儲(chǔ) ：“大規(guī)模的數(shù)據(jù)處理操作使用了全新的方式來(lái)訪問(wèn)數(shù)據(jù)，而傳統(tǒng)的文件系統(tǒng)并不適用。它要求數(shù)據(jù)能即時(shí)大批量的讀取和寫入。效率優(yōu)先，而那些有助于組織信息的易于用戶使用的目錄功能可能就顯得沒(méi)那么重要。因?yàn)閿?shù)據(jù)的規(guī)模巨大，這也意味著它需要被存儲(chǔ)在多臺(tái)分布式計(jì)算機(jī)上?！?技術(shù)： Amazon S3、Hadoop分布式文件系統(tǒng) 。
服務(wù)器 ：“云”是一個(gè)非常模糊的術(shù)語(yǔ)，我們可能對(duì)它所表示的內(nèi)容并不很了解，但目前在計(jì)算資源的可用性方面已有了真正突破性的發(fā)展。以前我們都習(xí)慣于購(gòu)買或長(zhǎng)期租賃實(shí)體機(jī)器，而現(xiàn)在更常見(jiàn)的情況是直接租用正運(yùn)行著虛擬實(shí)例的計(jì)算機(jī)來(lái)作為服務(wù)器。這樣供應(yīng)商可以以較為經(jīng)濟(jì)的價(jià)格為用戶提供一些短期的靈活的機(jī)器租賃服務(wù)，這對(duì)于很多數(shù)據(jù)處理應(yīng)用程序來(lái)說(shuō)這是再理想不過(guò)的事情。因?yàn)橛辛四軌蚩焖賳?dòng)的大型集群，這樣使用非常小的預(yù)算處理非常大的數(shù)據(jù)問(wèn)題就可能成為現(xiàn)實(shí)。“ 技術(shù)： Amazon EC2、Google App Engine、Amazon Elastic Beanstalk、Heroku 。
NoSQL：在IT行為中，NoSQL(實(shí)際上意味著“不只是SQL”)是一類廣泛的數(shù)據(jù)庫(kù)管理系統(tǒng)，它與關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)(RDBMS)的傳統(tǒng)模型有著一些顯著不同，而最重要的是，它們并不使用SQL作為其主要的查詢語(yǔ)言。這些數(shù)據(jù)存儲(chǔ)可能并不需要固定的表格模式，通常不支持連接操作，也可能無(wú)法提供完整的ACID(原子性—Atomicity、一致性—Consistency、隔離性—Isolation、持久性—Durability)的保證，而且通常從水平方向擴(kuò)展(即通過(guò)添加新的服務(wù)器以分?jǐn)偣ぷ髁?，而不是升?jí)現(xiàn)有的服務(wù)器)。 技術(shù)： Apache Hadoop、Apache Casandra、MongoDB、Apache CouchDB、Redis、BigTable、HBase、Hypertable、Voldemort 。
處理 ：“從數(shù)據(jù)的海洋中獲取你想要的簡(jiǎn)潔而有價(jià)值的信息是一件挑戰(zhàn)性的事情，不過(guò)現(xiàn)在的數(shù)據(jù)系統(tǒng)已經(jīng)有了長(zhǎng)足的進(jìn)步，這可以幫助你把數(shù)據(jù)集到轉(zhuǎn)變成為清晰而有意義的內(nèi)容。在數(shù)據(jù)處理的過(guò)程中你會(huì)遇上很多不同的障礙，你需要使用到的工具包括了快速統(tǒng)計(jì)分析系統(tǒng)以及一些支持性的助手程序?！?技術(shù)： R、Yahoo! Pipes、Mechanical Turk、Solr/ Lucene、ElasticSearch、Datameer、Bigsheets、Tinkerpop 。 初創(chuàng)公司： Continuuity、Wibidata、Platfora 。
MapReduce ：“在傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)的世界里，在信息被加載到存儲(chǔ)器后，所有的數(shù)據(jù)處理工作才能開(kāi)始，使用的是一門專用的基于高度結(jié)構(gòu)化和優(yōu)化過(guò)的數(shù)據(jù)結(jié)構(gòu)的查詢語(yǔ)言。這種方法由Google首創(chuàng)，并已被許多網(wǎng)絡(luò)公司所采用，創(chuàng)建一個(gè)讀取和寫入任意文件格式的管道，中間的結(jié)果橫跨多臺(tái)計(jì)算機(jī)進(jìn)行計(jì)算，以文件的形式在不同的階段之間傳送。“ 技術(shù)： Hadoop和Hive、Pig、Cascading、Cascalog、mrjob、Caffeine、S4、MapR、Acunu、Flume、Kafka、Azkaban、Oozie、Greenplum 。
自然語(yǔ)言處理 ：“自然語(yǔ)言處理(NLP)……重點(diǎn)是利用好凌亂的、由人類創(chuàng)造的文本并提取有意義的信息?！?技術(shù)： 自然語(yǔ)言工具包Natural Language Toolkit、Apache OpenNLP、Boilerpipe、OpenCalais。
機(jī)器學(xué)習(xí)：“機(jī)器學(xué)習(xí)系統(tǒng)根據(jù)數(shù)據(jù)作出自動(dòng)化決策。系統(tǒng)利用訓(xùn)練的信息來(lái)處理后續(xù)的數(shù)據(jù)點(diǎn)，自動(dòng)生成類似于推薦或分組的輸出結(jié)果。當(dāng)你想把一次性的數(shù)據(jù)分析轉(zhuǎn)化成生產(chǎn)服務(wù)的行為，而且這些行為在沒(méi)有監(jiān)督的情況下也能根據(jù)新的數(shù)據(jù)執(zhí)行類似的動(dòng)作，這些系統(tǒng)就顯得特別有用。亞馬遜的產(chǎn)品推薦功能就是這其中最著名的一項(xiàng)技術(shù)應(yīng)用?！?技術(shù)： WEKA、Mahout、scikits.learn、SkyTree 。
可視化 ：“要把數(shù)據(jù)的含義表達(dá)出來(lái)，一個(gè)最好的方法是從數(shù)據(jù)中提取出重要的組成部分，然后以圖形的方式呈現(xiàn)出來(lái)。這樣就可以讓大家快速探索其中的規(guī)律而不是僅僅籠統(tǒng)的展示原始數(shù)值，并以此簡(jiǎn)潔地向最終用戶展示易于理解的結(jié)果。隨著Web技術(shù)的發(fā)展，靜態(tài)圖像甚至交互式對(duì)象都可以用于數(shù)據(jù)可視化的工作中，展示和探索之間的界限已經(jīng)模糊。“ 技術(shù)： GraphViz、Processing、Protovis、Google Fusion Tables、Tableau 。
大數(shù)據(jù)的挑戰(zhàn)
最近舉行的世界經(jīng)濟(jì)論壇也在討論大數(shù)據(jù)，會(huì)議確定了一些大數(shù)據(jù)應(yīng)用的機(jī)會(huì)，但在數(shù)據(jù)共用的道路上仍有兩個(gè)主要的問(wèn)題和障礙。
1.隱私和安全
正如Craig Ludloff在“隱私和大數(shù)據(jù)“的專題中所提到的，一個(gè)難以避免的危機(jī)正在形成，大數(shù)據(jù)將瓦解并沖擊著我們生活的很多方面，這些方面包括私隱權(quán)、政府或國(guó)際法規(guī)、隱私權(quán)的安全性和商業(yè)化、市場(chǎng)營(yíng)銷和廣告……試想一下歐盟的cookie法規(guī)，或是這樣的一個(gè)簡(jiǎn)單情景，一個(gè)公司可以輕易地在社交網(wǎng)絡(luò)上收集各種信息并建立完整的資料檔案，這其中包括了人們?cè)敿?xì)的電子郵箱地址、姓名、地理位置、興趣等等。這真是一件嚇人的事情!
2.人力資本
麥肯錫全球研究所的報(bào)告顯示 ，美國(guó)的數(shù)據(jù)人才的缺口非常大，還將需要140,000到190,000個(gè)有著“深度分析”專業(yè)技能的工作人員和1.500個(gè)精通數(shù)據(jù)的經(jīng)理。尋找熟練的“網(wǎng)站分析”人力資源是一個(gè)挑戰(zhàn)，另外，要培養(yǎng)自己的真正擁有分析技能的人員，需要學(xué)習(xí)的內(nèi)容很多，這無(wú)疑是另一個(gè)大挑戰(zhàn)。
大數(shù)據(jù)的價(jià)值創(chuàng)造
很多大數(shù)據(jù)的內(nèi)容都提及了價(jià)值創(chuàng)造、競(jìng)爭(zhēng)優(yōu)勢(shì)和生產(chǎn)率的提高。要利用大數(shù)據(jù)創(chuàng)造價(jià)值，主要有以下六種方式。
透明度 ：讓利益相關(guān)人員都可以及時(shí)快速訪問(wèn)數(shù)據(jù)。實(shí)驗(yàn) ：?jiǎn)⒂脤?shí)驗(yàn)以發(fā)現(xiàn)需求，展示不同的變體并提升效果。隨著越來(lái)越多的交易數(shù)據(jù)以數(shù)字形式存儲(chǔ)，企業(yè)可以收集更準(zhǔn)確、更詳細(xì)的績(jī)效數(shù)據(jù)。決策支持 ：使用自動(dòng)化算法替換/支持人類決策，這可以改善決策，減少風(fēng)險(xiǎn)，并發(fā)掘被隱藏的但有價(jià)值的見(jiàn)解。創(chuàng)新 ：大數(shù)據(jù)有助于企業(yè)創(chuàng)造出新的產(chǎn)品和服務(wù)，或提升現(xiàn)有的產(chǎn)品和服務(wù)，發(fā)明新的商業(yè)模式或完善原來(lái)的商業(yè)模式。細(xì)分 ：更精細(xì)的種群細(xì)分，可以帶來(lái)不同的自定義行為。
工業(yè)領(lǐng)域的增長(zhǎng) ：有了足夠的和經(jīng)過(guò)適當(dāng)培訓(xùn)的人力資源，那些重要的成果才會(huì)成為現(xiàn)實(shí)并產(chǎn)生價(jià)值。
數(shù)據(jù)分析的機(jī)會(huì)領(lǐng)域
當(dāng)“網(wǎng)站分析”發(fā)展到“數(shù)據(jù)智能“，毫無(wú)疑問(wèn)，數(shù)據(jù)分析人員也工作也應(yīng)該發(fā)生一些轉(zhuǎn)變，過(guò)去的工作主要是以網(wǎng)站為中心并制定渠道的具體戰(zhàn)術(shù)，而在將來(lái)則需要負(fù)責(zé)更具戰(zhàn)略性的、面向業(yè)務(wù)和(大)數(shù)據(jù)專業(yè)知識(shí)的工作。
數(shù)據(jù)分析師的主要關(guān)注點(diǎn)不應(yīng)該是較低層的基礎(chǔ)設(shè)施和工具開(kāi)發(fā)。以下幾點(diǎn)是數(shù)據(jù)分析的機(jī)會(huì)領(lǐng)域：
處理：掌握正確的工具以便可以在不同條件下(不同的數(shù)據(jù)集、不同的業(yè)務(wù)環(huán)境等)進(jìn)行高效的分析。目前網(wǎng)站分析專家們最常用的工具無(wú)疑是各類網(wǎng)站分析工具，大多數(shù)人并不熟悉商業(yè)智能和統(tǒng)計(jì)分析工具如Tableau、SAS、Cognos等的使用。擁有這些工具的專業(yè)技能將對(duì)數(shù)據(jù)分析人員的發(fā)展大有好處。
NLP：學(xué)習(xí)非結(jié)構(gòu)化數(shù)據(jù)分析的專業(yè)技能，比如社交媒體、呼叫中心日志和郵件的數(shù)據(jù)多為非結(jié)構(gòu)化數(shù)據(jù)。從數(shù)據(jù)處理的角度來(lái)看，在這個(gè)行業(yè)中我們的目標(biāo)應(yīng)該是確定和掌握一些最合適的分析方法和工具，無(wú)論是社會(huì)化媒體情感分析還是一些更復(fù)雜的平臺(tái)。
可視化 ：掌握儀表板的展示技能，或者寬泛點(diǎn)來(lái)說(shuō)，掌握數(shù)據(jù)可視化的技術(shù)是擺在數(shù)據(jù)分析師面前一個(gè)明顯的機(jī)會(huì)(注：不要把數(shù)據(jù)可視化與現(xiàn)在網(wǎng)絡(luò)營(yíng)銷中常用的“信息圖”infographics相混淆)。
行動(dòng)計(jì)劃
在大數(shù)時(shí)代，其中一個(gè)最大的挑戰(zhàn)將是滿足需求和技術(shù)資源的供給。當(dāng)前的“網(wǎng)站分析”的基礎(chǔ)普遍并不足夠成熟以支持真正的大數(shù)據(jù)的使用，填補(bǔ)技能差距，越來(lái)越多的“網(wǎng)站分析師”將成長(zhǎng)為“數(shù)據(jù)分析師”。
請(qǐng)先給出明確答復(fù)：推薦選前端開(kāi)發(fā)，web前端可以說(shuō)前途不可限量！
解釋原因：
現(xiàn)在的Web前端技術(shù)可以說(shuō)是越來(lái)越成熟了，Web前端市場(chǎng)也非常的火爆，Web前端人才也是異常的緊缺。再者，由于互聯(lián)網(wǎng)的崛起，Web前端技術(shù)的不斷發(fā)展，也占據(jù)了互聯(lián)網(wǎng)的一席之地。
那為什么說(shuō)Web前端無(wú)可限量呢？國(guó)外著名的自媒體平臺(tái)facebook，相信大家多多少少知道一點(diǎn)，也用過(guò)一點(diǎn)，它就是Web前端技術(shù)的產(chǎn)物，完全基于前端框架打造出來(lái)的平臺(tái)。再者，大家常用的外賣平臺(tái)餓了么，它旗下的部分產(chǎn)品就是基于Web前端技術(shù)的。像淘寶，百度，阿里等等，都已經(jīng)將Web前端技術(shù)打入到了自己的產(chǎn)品中。
前端開(kāi)發(fā)行業(yè)薪資水平呈上漲趨勢(shì)，Web前端開(kāi)發(fā)早已不是做帶動(dòng)畫的下拉菜單的時(shí)代了，他們已成為互聯(lián)網(wǎng)主宰者，各行業(yè)都用其開(kāi)發(fā)互聯(lián)網(wǎng)應(yīng)用。但目前整互聯(lián)網(wǎng)行業(yè)的Web前端開(kāi)發(fā)工程師緊俏，企業(yè)正高薪求才，薪資待遇一漲再漲 ！
Web前端技術(shù)可以說(shuō)是越來(lái)越成熟了，Web前端市場(chǎng)也非常的火爆，Web前端人才也是異常的緊缺。再者，Web前端行業(yè)也是無(wú)可限量。由于互聯(lián)網(wǎng)的崛起，Web前端技術(shù)的不斷發(fā)展，也占據(jù)了互聯(lián)網(wǎng)的一席之地。
Web前端開(kāi)發(fā)工程師已經(jīng)成為發(fā)展中的職業(yè)香饃饃。幾乎整個(gè)互聯(lián)網(wǎng)行業(yè)都缺Web前端工程師，無(wú)論是剛起步的創(chuàng)業(yè)公司，還是上市公司乃至巨頭，空缺一樣存在。優(yōu)秀的Web前端工程師簡(jiǎn)直比大熊貓還稀少。
有無(wú)解決辦法：所以，還是很推薦你學(xué)習(xí)web前端的；如果真的想學(xué)習(xí)，可以了解一下北京尚學(xué)堂，我們是專門做編程培訓(xùn)的，擁有極其豐厚的師資力量，帶給你不一樣的學(xué)習(xí)體驗(yàn)。分享一下前端的知識(shí)框架，希望對(duì)你有所幫助：
什么才是大數(shù)據(jù)
大數(shù)據(jù)相關(guān)的技術(shù)和工具非常多，給企業(yè)提供了很多的選擇。在未來(lái)，還會(huì)繼續(xù)出現(xiàn)新的技術(shù)和工具，如Hadoop分發(fā)、下一代數(shù)據(jù)倉(cāng)庫(kù)等，這也是大數(shù)據(jù)領(lǐng)域的創(chuàng)新熱點(diǎn)。但是什么才是大數(shù)據(jù)可能很多人會(huì)認(rèn)為數(shù)據(jù)量大就是大數(shù)據(jù)，其實(shí)不然所謂大數(shù)據(jù)是結(jié)合數(shù)據(jù)的條數(shù)＋單個(gè)數(shù)據(jù)文件的大小綜合衡量得出，而這其中則包括如何快速精準(zhǔn)定位到單條數(shù)據(jù)和快速傳輸數(shù)據(jù)等多項(xiàng)相關(guān)技術(shù)。
那么我們企業(yè)到底該選用什么技術(shù)？才能保證我們的系統(tǒng)或者軟件擺脫大數(shù)據(jù)的瓶頸呢？
可能大家都知道TDWI(數(shù)據(jù)倉(cāng)庫(kù)研究所)對(duì)現(xiàn)有的大部分技術(shù)和工具進(jìn)行了調(diào)查，以現(xiàn)在及未來(lái)三年內(nèi)企業(yè)接受度和增長(zhǎng)率兩個(gè)維度進(jìn)行劃分，這些技術(shù)和工具可分成四類。
從中分析得出企業(yè)最需要關(guān)注的是第1類中的技術(shù)和工具，它們最有可能成為最佳的實(shí)施工具，有很多人認(rèn)為這代表了大數(shù)據(jù)技術(shù)的發(fā)展方向。我們認(rèn)為這是一個(gè)誤區(qū)。
對(duì)于我們真實(shí)使用及使用過(guò)程中，只有基于云的數(shù)據(jù)分析及分布式平臺(tái)進(jìn)行數(shù)據(jù)處理才能趨于完善。
很多企業(yè)越來(lái)越希望能將自己的各類應(yīng)用程序及基礎(chǔ)設(shè)施轉(zhuǎn)移到云平臺(tái)上。就像其他IT系統(tǒng)那樣，大數(shù)據(jù)的分析工具和數(shù)據(jù)庫(kù)也將走向云計(jì)算。云計(jì)算不單單是硬件的疊加，它必須結(jié)合分布式內(nèi)核調(diào)用和內(nèi)存計(jì)算，同時(shí)如果你想更快速的定位那就需要將算法遷入其中。
云計(jì)算能為大數(shù)據(jù)帶來(lái)哪些變化呢?
首先云計(jì)算為大數(shù)據(jù)提供了可以彈性擴(kuò)展、相對(duì)便宜的存儲(chǔ)空間和計(jì)算資源（請(qǐng)記住這不單單說(shuō)的是硬件的疊加，我們的要考慮的是軟件層面的控制和管理，線程池／內(nèi)存鎖／域空間／層級(jí)都是必可少的考慮因素），使得中小企業(yè)也可以像亞馬遜一樣通過(guò)云計(jì)算來(lái)完成大數(shù)據(jù)分析。
其次，云計(jì)算IT資源龐大、分布較為廣泛，是異構(gòu)系統(tǒng)較多的企業(yè)及時(shí)準(zhǔn)確處理數(shù)據(jù)的有力方式，甚至是唯一的方式。（此時(shí)的傳輸效率就會(huì)成為我們應(yīng)該去考慮的問(wèn)題，量子數(shù)據(jù)傳輸系統(tǒng)為我么提供了非常好的解決方案）
當(dāng)然，大數(shù)據(jù)要走向云計(jì)算，還有賴于數(shù)據(jù)通信帶寬的提高和云資源池的建設(shè)，需要確保原始數(shù)據(jù)能遷移到云環(huán)境以及資源池可以隨需彈性擴(kuò)展。
數(shù)據(jù)分析集逐步擴(kuò)大，企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)將成為主流如現(xiàn)有的NOSQL，內(nèi)存性數(shù)據(jù)庫(kù)等，更加便宜和迅速，成為企業(yè)業(yè)務(wù)經(jīng)營(yíng)的好助手，甚至可以改變?cè)S多行業(yè)的經(jīng)營(yíng)方式。
輿情早報(bào)網(wǎng)大數(shù)據(jù)的商業(yè)模式與架構(gòu)
我們不得不承認(rèn)云計(jì)算及其分布式結(jié)構(gòu)是重要途徑大數(shù)據(jù)處理技術(shù)正在改變目前計(jì)算機(jī)的運(yùn)行模式，正在改變著這個(gè)世界：它能處理幾乎各種類型的海量數(shù)據(jù)，無(wú)論是微博、文章、電子郵件、文檔、音頻、視頻，還是其它形態(tài)的數(shù)據(jù)；它工作的速度非?？焖伲簩?shí)際上幾乎實(shí)時(shí)；它具有普及性：因?yàn)樗玫亩际亲钇胀ǖ统杀镜挠布?，而云?jì)算它將計(jì)算任務(wù)分布在大量計(jì)算機(jī)構(gòu)成的資源池上，使用戶能夠按需獲取計(jì)算力、存儲(chǔ)空間和信息服務(wù)。云計(jì)算及其技術(shù)給了人們廉價(jià)獲取巨量計(jì)算和存儲(chǔ)的能力，云計(jì)算分布式架構(gòu)能夠很好地支持大數(shù)據(jù)存儲(chǔ)和處理需求。這樣的低成本硬件+低成本軟件+低成本運(yùn)維，更加經(jīng)濟(jì)和實(shí)用，使得大數(shù)據(jù)處理和利用成為可能。但這只是從投入來(lái)說(shuō)我們可以有更多的彈性。
大數(shù)據(jù)的存儲(chǔ)和管理----云數(shù)據(jù)庫(kù)的必然
很多人認(rèn)為NoSQL就是云數(shù)據(jù)庫(kù)，因?yàn)槠涮幚頂?shù)據(jù)的模式完全是分布于各種低成本服務(wù)器和存儲(chǔ)磁盤，因此它可以幫助網(wǎng)頁(yè)和各種交互性應(yīng)用快速處理過(guò)程中的海量數(shù)據(jù)。
它采用分布式技術(shù)結(jié)合了一系列技術(shù)，可以對(duì)海量數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，滿足了大數(shù)據(jù)環(huán)境下一部分業(yè)務(wù)需求。
但我說(shuō)這是一個(gè)錯(cuò)誤，至少不是完整的，不能或無(wú)法徹底解決大數(shù)據(jù)存儲(chǔ)管理需求。不可否認(rèn)云計(jì)算對(duì)關(guān)系型數(shù)據(jù)庫(kù)的發(fā)展將產(chǎn)生巨大的影響，而絕大多數(shù)大型業(yè)務(wù)系統(tǒng)（如銀行、證券交易等）、電子商務(wù)系統(tǒng)所使用的數(shù)據(jù)庫(kù)還是基于關(guān)系型的數(shù)據(jù)庫(kù)，隨著云計(jì)算的大量應(yīng)用，勢(shì)必對(duì)這些系統(tǒng)的構(gòu)建產(chǎn)生影響，進(jìn)而影響整個(gè)業(yè)務(wù)系統(tǒng)及電子商務(wù)技術(shù)的發(fā)展和系統(tǒng)的運(yùn)行模式。
而基于關(guān)系型數(shù)據(jù)庫(kù)服務(wù)的云數(shù)據(jù)庫(kù)產(chǎn)品將是云數(shù)據(jù)庫(kù)的主要發(fā)展方向，云數(shù)據(jù)庫(kù)（CiiDB），提供了海量數(shù)據(jù)的并行處理能力和良好的可伸縮性等特性，提供同時(shí)支持在在線分析處理（ CRD）和在線事務(wù)處理(CRD) 能力，提供了超強(qiáng)性能的數(shù)據(jù)庫(kù)云服務(wù)，并成為集群環(huán)境和云計(jì)算環(huán)境的理想平臺(tái)。它是一個(gè)高度可擴(kuò)展、安全和可容錯(cuò)的軟件系統(tǒng)，客戶能通過(guò)整合降低IT成本，管理位于多個(gè)數(shù)據(jù)，提高所有應(yīng)用程序的性能和實(shí)時(shí)性做出更好的業(yè)務(wù)決策服務(wù)。
我們認(rèn)為CII分布式結(jié)構(gòu)粒度數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)倉(cāng)庫(kù)才是大數(shù)據(jù)處理的未來(lái)。它包含量子數(shù)據(jù)傳輸系統(tǒng)（有效解決數(shù)據(jù)傳輸?shù)钠款i）/高效壓縮系統(tǒng)（壓縮比例128:1）／云智能粒度層級(jí)分布式系統(tǒng)。
當(dāng)人們從大數(shù)據(jù)分析中嘗到甜頭以后，數(shù)據(jù)分析集就會(huì)逐步擴(kuò)大。目前大部分的企業(yè)所分析的數(shù)據(jù)量一般以TB為單位。按照目前數(shù)據(jù)的發(fā)展速度，很快將會(huì)進(jìn)入PB時(shí)代。特別是目前在100-500TB和500+TB范圍的分析數(shù)據(jù)集的數(shù)量會(huì)呈3倍或4倍增長(zhǎng)。
隨著數(shù)據(jù)分析集的擴(kuò)大，以前部門層級(jí)的數(shù)據(jù)集市將不能滿足大數(shù)據(jù)分析的需求，它們將成為企業(yè)級(jí)數(shù)據(jù)庫(kù)(EDW)的一個(gè)子集。有一部分用戶已經(jīng)在使用企業(yè)級(jí)數(shù)據(jù)倉(cāng)庫(kù)，未來(lái)這一占比將會(huì)更高。傳統(tǒng)分析數(shù)據(jù)庫(kù)可以正常持續(xù)，但是會(huì)有一些變化，一方面，數(shù)據(jù)集市和操作性數(shù)據(jù)存儲(chǔ)(ODS)的數(shù)量會(huì)減少，另一方面，傳統(tǒng)的數(shù)據(jù)庫(kù)廠商會(huì)提升它們產(chǎn)品的數(shù)據(jù)容量，細(xì)目數(shù)據(jù)和數(shù)據(jù)類型，以滿足大數(shù)據(jù)分析的需要。
這就是我們所說(shuō)的分布式結(jié)構(gòu)粒度數(shù)據(jù)結(jié)構(gòu)數(shù)據(jù)倉(cāng)庫(kù)，而如何做好大數(shù)據(jù)處理，輿情早報(bào)網(wǎng)已經(jīng)做到了。
如何選擇前端還是后端選擇的最大依據(jù)是興趣愛(ài)好，如果喜歡研究一些底層的東西，想著探究一些問(wèn)題的本質(zhì)，如果具備這種性格適合做后臺(tái)的開(kāi)發(fā)，后臺(tái)的研發(fā)開(kāi)始階段相對(duì)來(lái)講入門難點(diǎn)，因?yàn)樾枰莆找恍┛蚣?，隨著時(shí)間的推移越做越有感覺(jué)。
前端一般入門比較快，因?yàn)橐粋€(gè)網(wǎng)頁(yè)效果很快就能展示出來(lái)，前端能做的人很多，能做好的人不多主要javascript這種腳本語(yǔ)言博大精深，想要掌握精通是一件非常難得事情，很多編程語(yǔ)言都有一種特性，越是入門容易的后面越難成為高手，越是看似入門非常難反而容易做的非常好。
所以如何選擇還是根據(jù)自己的興趣走，有了興趣可能更加容易干的長(zhǎng)久，畢竟興趣是第一老師，現(xiàn)在很多程序員開(kāi)始對(duì)于編程并不感興趣，有的人做的時(shí)間長(zhǎng)了慢慢積累成興趣了，有的人做了很長(zhǎng)時(shí)間還是咬牙頂著，不感興趣想辦法培養(yǎng)出興趣來(lái)，有了興趣至于從事前端還是后臺(tái)都不是多大的事情，做了幾年程序之后再想切換到別的崗位也不是多大的事情，編程的套路大同小異。
至于前端有哪些優(yōu)勢(shì)？
優(yōu)勢(shì)一：擁有超高性價(jià)比，輕松維護(hù)
開(kāi)發(fā)成本也不高，使用起來(lái)十分的方便。響應(yīng)式網(wǎng)站可以根據(jù)不同的設(shè)備自動(dòng)進(jìn)行內(nèi)容的布局調(diào)整，只需擁有一個(gè)就可以兼容所有的終端設(shè)備，不用再像過(guò)去那樣為不同的設(shè)備開(kāi)發(fā)不同版本的網(wǎng)站或者手機(jī)APP，投入巨大不說(shuō)，不同版本的多個(gè)網(wǎng)站管理起來(lái)也是十分復(fù)雜，人力和財(cái)力都投入巨大。有了響應(yīng)式網(wǎng)站，管理變得十分簡(jiǎn)單，只需一次編輯，任何設(shè)備上都可以同時(shí)看到更新。
優(yōu)勢(shì)二：從前端開(kāi)發(fā)效率、網(wǎng)頁(yè)效果等方面來(lái)看，深受歡迎
而從前端開(kāi)發(fā)效率、網(wǎng)頁(yè)效果等方面來(lái)看，Amaze UI躋身成為國(guó)內(nèi)領(lǐng)先水平，并深受國(guó)內(nèi)廣大中小站長(zhǎng)的歡迎。與此同時(shí)，Amaze UI已經(jīng)為計(jì)蒜客、蹭課助手等網(wǎng)站制作了風(fēng)格酷炫，調(diào)性凸顯的跨屏網(wǎng)站，并且登上了開(kāi)源中國(guó)、SegmentFault 、CSDN、Gitcafe、前端亂燉等各大開(kāi)發(fā)者社區(qū)頭條。
優(yōu)勢(shì)三：擁有出色的、人性化的用戶體驗(yàn)
響應(yīng)式網(wǎng)站可以自動(dòng)偵測(cè)設(shè)備屏幕的大小，對(duì)網(wǎng)站的內(nèi)容和布局靈活調(diào)整，讓網(wǎng)站在任何設(shè)備上都有令人驚艷的顯示效果。一個(gè)可以自由在任何設(shè)備上輕松訪問(wèn)的網(wǎng)站毫無(wú)疑問(wèn)比一個(gè)只能在特定設(shè)備上瀏覽的網(wǎng)站更能取悅客戶，留住客戶的心。
如今，“瀏覽器”這個(gè)概念在移動(dòng)時(shí)代已經(jīng)完全不同了。微信、百度App、微博都是"瀏覽器"，
優(yōu)勢(shì)四：受互聯(lián)網(wǎng)發(fā)展趨勢(shì)影響，前端未來(lái)發(fā)展無(wú)限
就未來(lái)互聯(lián)網(wǎng)發(fā)展趨勢(shì)來(lái)看，H5無(wú)疑前景無(wú)限，優(yōu)勢(shì)明顯，無(wú)論是擇業(yè)，跳行，還是繼續(xù)深造都是不錯(cuò)的選擇。換句話說(shuō)，如果說(shuō)掌握(或者某些簡(jiǎn)歷里自稱的精通) HTML+CSS+JavaScript，了解后端知識(shí)，只是 60 分的合格前端;那么要想成為受追捧、拿高薪的 80 分優(yōu)秀前端，要對(duì)業(yè)務(wù)需求和、架構(gòu)設(shè)計(jì)有真正的運(yùn)用;而 100 分的頂級(jí)前端，則必須要能夠兼顧技術(shù)和設(shè)計(jì)，更接近以前端開(kāi)發(fā)為主的全棧工程師了。
好了，說(shuō)了這么多關(guān)于前端的內(nèi)容，接下來(lái)該談?wù)勅绾螌W(xué)前端了？
零基礎(chǔ)學(xué)前端的話，這些書籍資料可以參考一下：
1、《JavaScript高級(jí)程序設(shè)計(jì)(第3版) 紅皮書 》，適合有一定編程經(jīng)驗(yàn)的Web應(yīng)用開(kāi)發(fā)人員閱讀，也可作為高校及社會(huì)實(shí)用技術(shù)培訓(xùn)相關(guān)專業(yè)課程的教材。
2、《JavaScript權(quán)威指南(第6版)》 犀牛書，本書不僅適合初學(xué)者系統(tǒng)學(xué)習(xí)，也適合有經(jīng)驗(yàn)的 JavaScript 開(kāi)發(fā)者隨手翻閱。
3、《JavaScript DOM編程藝術(shù) (第2版)》，本書在簡(jiǎn)潔明快地講述JavaScript和DOM的基本知識(shí)之后，通過(guò)幾個(gè)實(shí)例演示了專業(yè)水準(zhǔn)的網(wǎng)頁(yè)開(kāi)發(fā)技術(shù)，透徹闡述了平穩(wěn)退化等一批至關(guān)重要的 JavaScript編程原則和最佳實(shí)踐，并全面探討了HTML5以及jQuery等JavaScript庫(kù)。
4、《CSS權(quán)威指南(第三版)》，不管你是一個(gè)有經(jīng)驗(yàn)的Web開(kāi)發(fā)人員還是一個(gè)徹底的初學(xué)者，《CSS權(quán)威指南(第3版)》都是你的CSS學(xué)習(xí)源泉。
5、《JavaScript設(shè)計(jì)模式》，適合JavaScript初學(xué)者、前端設(shè)計(jì)者、JavaScript程序員學(xué)習(xí)，也可以作為大專院校相關(guān)專業(yè)師生的學(xué)習(xí)用書，以及培訓(xùn)學(xué)校的教材。
6、《你不知道的JavaScript(上中下卷) 》，本書既適合JavaScript語(yǔ)言初學(xué)者了解其精髓，又適合經(jīng)驗(yàn)豐富的JavaScript開(kāi)發(fā)人員深入學(xué)習(xí)。
7、《Vue.js權(quán)威指南》，該書內(nèi)容全面，講解細(xì)致，示例豐富，適用于各層次的開(kāi)發(fā)者。
學(xué)習(xí)路線：
第1階段：前端頁(yè)面重構(gòu)(4周)
內(nèi)容包含了：(PC端網(wǎng)站布局項(xiàng)目、HTML5+CSS3基礎(chǔ)項(xiàng)目、WebApp頁(yè)面布局項(xiàng)目)
第2階段：JavaScript高級(jí)程序設(shè)計(jì)(5周)
內(nèi)容包含：(原生JavaScript交互功能開(kāi)發(fā)項(xiàng)目、面向?qū)ο筮M(jìn)階與ES5/ES6應(yīng)用項(xiàng)目、JavaScript工具庫(kù)自主研發(fā)項(xiàng)目)
第3階段：PC端全棧項(xiàng)目開(kāi)發(fā)(3周)
內(nèi)容包含：(jQuery經(jīng)典交互特效開(kāi)發(fā)、HTTP協(xié)議、Ajax進(jìn)階與PHP/JAVA開(kāi)發(fā)項(xiàng)目、前端工程化與模塊化應(yīng)用項(xiàng)目、PC端網(wǎng)站開(kāi)發(fā)項(xiàng)目、PC端管理信息系統(tǒng)前端開(kāi)發(fā)項(xiàng)目)
第4階段：移動(dòng)端項(xiàng)目開(kāi)發(fā)(6周)
內(nèi)容包含：(Touch端項(xiàng)目、微信場(chǎng)景項(xiàng)目、應(yīng)用Angular+Ionic開(kāi)發(fā)WebApp項(xiàng)目、應(yīng)用Vue.js開(kāi)發(fā)WebApp項(xiàng)目、應(yīng)用React.js開(kāi)發(fā)WebApp項(xiàng)目)
第5階段：混合(Hybrid,ReactNative)開(kāi)發(fā)(1周)
內(nèi)容包含：(微信小程序開(kāi)發(fā)、ReactNative、各類混合應(yīng)用開(kāi)發(fā))
第6階段：NodeJS全棧開(kāi)發(fā)(1周)
內(nèi)容包括：(WebApp后端系統(tǒng)開(kāi)發(fā)、一、NodeJS基礎(chǔ)與NodeJS核心模塊二、Express三、noSQL數(shù)據(jù)庫(kù))
視頻教程：
網(wǎng)頁(yè)鏈接
重慶分公司
重慶分公司
