隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，數(shù)據(jù)庫(kù)呈現(xiàn)井噴式發(fā)展，出現(xiàn)了各式各樣的產(chǎn)品，如文件存儲(chǔ)數(shù)據(jù)庫(kù)、列存儲(chǔ)數(shù)據(jù)庫(kù)、NewSQL 數(shù)據(jù)庫(kù)。之所有如此，歸結(jié)于數(shù)據(jù)量不斷快速膨脹，傳統(tǒng)數(shù)據(jù)庫(kù)在大數(shù)據(jù)上的處理性能不能滿足需求等。企業(yè)和開發(fā)者趨于去針對(duì)不同應(yīng)用類型開發(fā)不同的數(shù)據(jù)庫(kù)，來(lái)滿足對(duì)特定數(shù)據(jù)處理的需求。以下是小編為你整理的怎么學(xué)習(xí)大數(shù)據(jù) ?

阿里巴巴在多種場(chǎng)景下同樣有不同的數(shù)據(jù)存儲(chǔ)技術(shù)實(shí)踐，比如： ?

海量數(shù)據(jù)場(chǎng)景下的 OLAP 列式數(shù)據(jù)庫(kù) —— HiStore

HiStore 是一款基于獨(dú)特的知識(shí)網(wǎng)格技術(shù)的列式數(shù)據(jù)庫(kù)，定位于海量數(shù)據(jù)高壓縮比列式存儲(chǔ)，是低存儲(chǔ)成本，低維護(hù)成本，海量數(shù)據(jù) OLAP 存儲(chǔ)引擎;有效的解決了海量數(shù)據(jù)存儲(chǔ)的成本問題，以及在百億數(shù)據(jù)場(chǎng)景下支持實(shí)時(shí)高效的多維度自由組合的檢索。適用場(chǎng)景： ?

日志/事件管理系統(tǒng)：調(diào)用鏈路日志跟蹤，消息軌跡分析，系統(tǒng)/網(wǎng)絡(luò)安全審計(jì)記錄; ?

通信行業(yè)：話單分析，用戶行為分析等; ?

大數(shù)據(jù)量的分析應(yīng)用：網(wǎng)頁(yè)/在線分析，移動(dòng)分析，客戶行為分析，營(yíng)銷和廣告數(shù)據(jù);《linux就該這么學(xué)》中有相關(guān)知識(shí) ?

數(shù)據(jù)倉(cāng)庫(kù)/數(shù)據(jù)集市：實(shí)時(shí)展示統(tǒng)計(jì)分析后數(shù)據(jù)，便于用戶根據(jù)統(tǒng)計(jì)結(jié)果做決策; ?

對(duì)數(shù)據(jù)存儲(chǔ)成本敏感，查詢有實(shí)時(shí)性要求的場(chǎng)景應(yīng)考慮HiStore; ?

物聯(lián)網(wǎng)：保存大量物理節(jié)點(diǎn)的采集上報(bào)，狀態(tài)等信息，用于后期統(tǒng)計(jì)處理; ?

歷史評(píng)價(jià)數(shù)據(jù)，歷史訂單數(shù)據(jù)等。 ?

應(yīng)用層面 ?

人類所有的知識(shí)可以分為三個(gè)大類：自然科學(xué)、社會(huì)科學(xué)和人文科學(xué)。一直以來(lái)，營(yíng)銷的科學(xué)性正是因?yàn)檫\(yùn)用了自然科學(xué)中的數(shù)據(jù)收集手段，嚴(yán)謹(jǐn)?shù)挠涗?、搜集和分析消費(fèi)者的各項(xiàng)數(shù)據(jù)和行為軌跡;同時(shí)又采用了社會(huì)心理學(xué)的方法，通過(guò)現(xiàn)象去解釋人的內(nèi)心世界。這種主客觀的結(jié)合，讓營(yíng)銷能夠推測(cè)與接近市場(chǎng)需求的方向，讓生產(chǎn)者與消費(fèi)者達(dá)到和諧交換。因此，數(shù)據(jù)與營(yíng)銷之間存在著密不可分的關(guān)系。 ?

我們對(duì)于數(shù)據(jù)的計(jì)量單位已經(jīng)從位(bit)、字節(jié)(B)、千字節(jié)(KB)、兆字節(jié)(MB)、吉字節(jié)(GB)、太子節(jié)(TB)等走向了澤字節(jié)(ZB)，甚至堯字節(jié)(YB)。大數(shù)據(jù)帶來(lái)的影響不僅是數(shù)據(jù)量幾何級(jí)的增長(zhǎng)，還有從量變到質(zhì)變的顛覆性變革。另一方面，互聯(lián)網(wǎng)的發(fā)展使得消費(fèi)者個(gè)性化需求的日益凸顯，也讓營(yíng)銷領(lǐng)域發(fā)生了從“以產(chǎn)品為中心”到“以客戶為中心”的轉(zhuǎn)變?；诖髷?shù)據(jù)的精準(zhǔn)營(yíng)銷對(duì)企業(yè)的營(yíng)銷戰(zhàn)略帶來(lái)了挑戰(zhàn)也賦予了新的可能。 ?

何為精準(zhǔn)營(yíng)銷 ?

精準(zhǔn)營(yíng)銷(Precision marketing)的概念是由營(yíng)銷專家菲利普·科特勒在2005年底提出，他認(rèn)為企業(yè)需要更精準(zhǔn)、可衡量和高投資回報(bào)的營(yíng)銷溝通，需要制定更注重結(jié)果和行動(dòng)的營(yíng)銷傳播計(jì)劃，還有越來(lái)越注重對(duì)直接銷售溝通的投資。簡(jiǎn)單來(lái)說(shuō)就是5個(gè)合適，在合適的時(shí)間、合適的地點(diǎn)、將合適的產(chǎn)品以合適的方式提供給合適的人。像戀愛一樣，讓消費(fèi)者能夠一見鐘情、二見傾心、三定終生，實(shí)現(xiàn)產(chǎn)品與用戶多維度的契合。 ?

數(shù)據(jù)貫穿營(yíng)銷過(guò)程的始末 ?

從啤酒和尿布這個(gè)古老的故事說(shuō)起，沃爾瑪通過(guò)對(duì)超市一段時(shí)間的原始交易數(shù)據(jù)的詳細(xì)分析，發(fā)現(xiàn)了這對(duì)神奇的組合，將它們放在一起銷售，提升了兩種商品的銷量，這是傳統(tǒng)零售的一個(gè)經(jīng)典故事。 ?

大數(shù)據(jù)的作用 ?

一旦手機(jī)丟失，*時(shí)間掛失sim卡，并趕緊凍結(jié)賬戶。記住一個(gè)公式：手機(jī)丟+身份證丟=錢丟!因?yàn)橛辛诉@兩大“神器”，你的支付寶、微信支付、手機(jī)銀行等賬戶很容易被不法分子更換密碼，前面說(shuō)了驗(yàn)證碼是改密碼中很重要的一步，所以要*時(shí)間致電客服掛失sim卡，并且要趕緊將銀行卡、支付寶賬號(hào)、微信賬號(hào)之類的賬戶凍結(jié)。 ?

別隨意填寫問卷或者參與掃碼活動(dòng)。大家平時(shí)肯定在一些街頭、店鋪門口等地方，遇到有人讓你幫忙填寫調(diào)查問卷，或者是掃二維碼注冊(cè)，然后送你一些小獎(jiǎng)品，這種行為也會(huì)造成個(gè)人信息泄露。做這些事情，要了解清楚再進(jìn)行相關(guān)活動(dòng)。

?

驗(yàn)證碼是個(gè)神奇的東西，打死也不能告訴別人。驗(yàn)證碼有的時(shí)候可能是你卡里的錢被盜之前的“*一根救命稻草”，支付寶賬號(hào)更改密碼是要輸入驗(yàn)證碼才能完成的，前段時(shí)間比較火的騙術(shù)之“幫你買銀行貴金屬”也是如此，所以大家要像保護(hù)銀行卡密碼一樣的保護(hù)驗(yàn)證碼，打死也不要告訴陌生人。 ?

手機(jī)號(hào)不用了一定要注銷各種綁定的賬號(hào)。手機(jī)號(hào)不用了別以為停機(jī)就行了，停用的手機(jī)號(hào)會(huì)被銷號(hào)回收，二次放號(hào)給其他人使用。如果你以前用它綁定了微博、微信、支付寶、銀行卡等又沒取消，就很危險(xiǎn)了。所以手機(jī)號(hào)不用了一定要注銷綁定的各種賬號(hào)，另外，*在更換號(hào)碼前重新綁定新手機(jī)號(hào)。 ?

車票、飛機(jī)票要妥善保存好。那回程的票根，你留作紀(jì)念，不必害怕面對(duì)離別~可以，但是前提是務(wù)必保存好，因?yàn)檫@些票根上面也有你的個(gè)人信息，一旦丟失，被壞人撿到就不好了。 ?

大數(shù)據(jù)和小數(shù)據(jù)的商業(yè)價(jià)值 ?

大數(shù)據(jù)被炒作的過(guò)于神奇，本質(zhì)上其不過(guò)是一個(gè)輔助分析的工具，其不能代替企業(yè)商業(yè)決策，只能提供科學(xué)決策支持。大數(shù)據(jù)代表的是行業(yè)數(shù)據(jù)，是宏觀數(shù)據(jù)，是統(tǒng)計(jì)分析的結(jié)果。大數(shù)據(jù)的應(yīng)用場(chǎng)景多是宏觀決策，例如產(chǎn)業(yè)布局、城市規(guī)劃、戰(zhàn)略布局、行業(yè)發(fā)展、風(fēng)險(xiǎn)控制等。大數(shù)據(jù)在*和大企業(yè)應(yīng)用較多，價(jià)值巨大，對(duì)經(jīng)濟(jì)發(fā)展影響也較大。大數(shù)據(jù)商業(yè)價(jià)值多應(yīng)用在于*和社會(huì)，對(duì)于企業(yè)也很有幫助。但企業(yè)的數(shù)字化之路應(yīng)該從小數(shù)據(jù)開始。 ?

小數(shù)據(jù)是圍繞客戶產(chǎn)生的數(shù)據(jù)，是客戶瀏覽行為和消費(fèi)行為分析的數(shù)據(jù)，在互聯(lián)網(wǎng)企業(yè)特別是電商企業(yè)應(yīng)用較廣。小數(shù)據(jù)對(duì)企業(yè)業(yè)務(wù)運(yùn)營(yíng)非常重要，也是目前數(shù)據(jù)商業(yè)應(yīng)用最重要的數(shù)據(jù)。未來(lái)企業(yè)將以經(jīng)營(yíng)用戶為中心，用戶需求分析將是小數(shù)據(jù)應(yīng)用的重要領(lǐng)域。小數(shù)據(jù)代表了用戶的行為軌跡，代表了用戶的需求和偏好，可以幫助企業(yè)了解客戶，為目標(biāo)客戶設(shè)計(jì)產(chǎn)品或?qū)a(chǎn)品推薦給目標(biāo)客戶。經(jīng)營(yíng)客戶的數(shù)據(jù)就是小數(shù)據(jù)，其商業(yè)價(jià)值據(jù)巨大。 ?

典型的小數(shù)據(jù)應(yīng)用案例有嘀嘀打車，其數(shù)據(jù)分析和應(yīng)用團(tuán)隊(duì)有300多人，設(shè)計(jì)了不同的數(shù)據(jù)模型，依據(jù)客戶和司機(jī)的位置為客戶推薦出租車或?qū)＼?，依?jù)司機(jī)搶單情況來(lái)給司機(jī)安排客戶，依據(jù)客戶訂單多少提升客戶等級(jí)和訂車優(yōu)先權(quán)。另外一個(gè)小數(shù)據(jù)應(yīng)用的典型公司是今日頭條，其推薦算法團(tuán)隊(duì)也有幾百人，依據(jù)客戶瀏覽習(xí)慣，為客戶提供內(nèi)容，包含新聞、財(cái)經(jīng)、視頻、專欄等。公司僅有1000人，2015年廣告收入將超過(guò)10億元人民幣，完全是靠數(shù)據(jù)分析優(yōu)勢(shì)成長(zhǎng)的公司，未來(lái)將成為移動(dòng)互聯(lián)網(wǎng)的門戶網(wǎng)站。 ?

金融行業(yè)、互聯(lián)網(wǎng)金融行業(yè)、地產(chǎn)行業(yè)、零售行業(yè)、媒體行業(yè)、航空業(yè)、旅游、酒店、耐用消費(fèi)品等行業(yè)將成為小數(shù)據(jù)應(yīng)用的主要產(chǎn)業(yè)。 ?