大数据分析

大数据分析是指对海量数据的分析。大数据可以概括为五个V s，数据量大(Volume)速度快(speed)类型多(Variety)价值（Value）真实性（honest）

大数据作为最热门的IT行业词汇，紧随其后的是数据仓库、数据安全、数据分析、围绕大数据商业价值的数据挖掘等运用逐渐成为行业人士追捧的利润焦点。随着大数据时代的到来，大数据分析应运而生。

前端展现

用于演示分析的前端开源工具有JasperSoftPentaho  Spagobi  OpenI  BIRT等。

用于呈现分析的商业分析工具是Style Intelligence、RapidMiner Radoop、Cognos， BO，  Microsoft   power   bi， Oracle，Microstrategy，QlikView、Form  。

中国有BDP和郭云的数据（大数据魔镜）smartFineBI等等。

数据仓库

有Teradata AsterData， EMC GreenPlum， HP Vertica 等等。

数据集市

有QlikView、  Form  、Style   intelligence and so on。

大数据分析的六个基本方面

1.  analysis   visualization（可视化分析）

无论对于数据分析专家还是普通用户，数据可视化都是对数据分析工具最基本的要求。可视化可以直观地展示数据，让数据自己说话，让受众听到结果

2.  data mining   algorithm（数据挖掘算法）

可视化是给人的，数据挖掘是给机器的。集群、分割、异常值分析和其他算法允许我们深入数据并挖掘价值。这些算法不仅要处理大数据量，还要处理大数据速度

3.  Prediction   Analysis   Function（预测性分析能力）

数据挖掘可以让分析师更好地理解数据，而预测分析可以让分析师根据可视化分析和数据挖掘的结果做出一些预测性的判断。

4.  engine（语义引擎）

我们知道非结构化数据的多样性给数据分析带来了新的挑战，我们需要一系列的工具来分析提取和分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。

5.  Data   Quality and Management（数据质量和数据管理）

数据质量和数据管理是一些管理最佳实践。通过标准化流程和工具处理数据可以确保预定义的高质量分析结果。

如果大数据真的是下一个重要的技术创新，我们 我们最好关注大数据能给我们带来的好处，而不仅仅是挑战。

6.数据存储，数据仓库

数据仓库是为了便于以特定模式对数据进行多维分析和多角度展示而建立的关系数据库。在商业智能系统的设计中，数据仓库的构建是商业智能系统的关键和基础，它承担着商业系统数据集成的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题查询和访问数据，为在线数据分析和数据挖掘提供数据平台。

巴西世界杯关系

大数据分析[分析庞大的数据]

与历届世界杯不同的是，：数据分析成为巴西世界杯之外的一大亮点。随着场上球员的激烈竞争，大数据也在全面解读世界杯背后的分析故事。一向以严谨著称的德国队推出了专门处理大数据的足球解决方案，分析比赛数据，优化球队配置，通过分析对手数据找到比赛“制敌”方式；谷歌、微软、Opta等人通过大数据分析预测结果. 大数据，不仅仅成为赛场上的“第12人”在某种程度上，它也是世界杯'预言帝'

大数据分析遇上世界杯，这是大数据时代的必然，未来大数据分析也将改变我们生活的方方面面。

1.积极主动＆预测需求：企业面临越来越大的竞争压力他们不仅需要获取客户，还需要了解他们的需求，以便改善客户体验，发展长期关系。通过共享数据，客户降低了数据使用的隐私级别，并期望企业理解他们，形成相应的交互，并在所有接触点提供无缝体验。

为此，企业需要多个标识符来识别客户（例如手机、电子邮件和地址）并将其集成到一个客户ID中。随着客户越来越多地使用多种渠道与企业互动，有必要整合传统数据源和数字数据源，以了解客户 行为。此外，企业还需要提供上下文相关的实时体验，这也是客户的期望。

2. 缓冲风险＆减少欺诈：安全和欺诈分析旨在保护所有物理的、金融和知识资产受到保护，免受内部和外部威胁。高效的数据和分析能力将确保最佳的欺诈防范水平，并提高整个企业的安全性：威慑需要建立一个有效的机制，使企业能够迅速发现和预测欺诈活动，同时识别和跟踪肇事者。

将统计、网络、在预测性欺诈倾向模型中使用了路径和大数据方法论，这将确保它在被实时威胁检测流程触发后能够及时做出响应，并自动发出警报并做出相应的处理。数据管理和高效透明的欺诈事件报告机制将有助于改进欺诈风险管理流程。

此外，整个企业的数据的整合和关联可以提供一个统一的跨业务线、产品和交易的欺诈观点。多类型分析和数据库可以提供更准确的欺诈趋势分析和预测，预测未来潜在的操作模式，并识别欺诈审计和调查的漏洞。

3.提供相关产品：产品是任何企业生存的基石，通常也是企业投入最多的领域。产品管理团队的角色是识别和推动创新、新功能和服务战略路线图的发展趋势。

通过对个人发表的想法和观点的第三方数据源进行有效的整理，然后进行相应的分析，可以帮助企业在需求发生变化或开发新技术时保持竞争力，并且可以加快对市场需求的预测，在需求产生之前提供相应的产品。

4. 个性化＆服务：公司仍然在结构化数据中挣扎，需要通过数字技术快速处理客户交互带来的不稳定性。要做出实时反应，让客户感受到被重视，只能通过先进的分析技术来实现。大数据带来基于客户的互动机会个性。这是通过了解客户的态度，考虑实时位置等因素实现的，从而在多渠道的服务环境中带来个性化的关注。

5. 优化＆改善客户体验 糟糕的运营管理可能会导致许多重大问题，包括损害客户体验并最终降低品牌忠诚度的重大风险。通过将分析技术应用于过程设计和控制，以及商品或服务生产中的业务运营优化，可以提高满足客户期望的有效性和效率，并实现卓越运营。

通过部署先进的分析技术，可以提高现场运营活动的生产率和效率，并根据业务和客户需求优化组织人力安排。数据和分析的最佳使用可以带来端到端的视图并衡量关键运营指标，从而确保持续改进。

例如，对许多企业来说，存货是流动资产类别中最大的项目——库存过多或不足将直接影响公司 直接成本和盈利能力。通过数据和分析，以最低的成本保证不间断生产、销售和/或客户服务水平，从而提高库存管理水平。数据和分析可以提供关于当前和计划库存情况以及库存高度的信息、组成和位置信息，并可以帮助确定存储策略和做出相应的决策。客户期望无缝体验，并让企业了解他们的活动。