大數(shù)據(jù)和商業(yè)分析相比，哪個(gè)前景好？BI（BusinessIntelligence）即商務(wù)智能，它是一套求下載的解決方案，單獨(dú)將企業(yè)中現(xiàn)有的數(shù)據(jù)通過快速有效的整合，飛快確切地提供報(bào)表并提議決策依據(jù)，幫助

大數(shù)據(jù)和商業(yè)分析相比，哪個(gè)前景好？

BI（BusinessIntelligence）即商務(wù)智能，它是一套求下載的解決方案，單獨(dú)將企業(yè)中現(xiàn)有的數(shù)據(jù)通過快速有效的整合，飛快確切地提供報(bào)表并提議決策依據(jù)，幫助企業(yè)提出不明智的決定的業(yè)務(wù)經(jīng)營(yíng)決策。BD大數(shù)據(jù)（Big Data），指根本無(wú)法在是有時(shí)間范圍內(nèi)用常規(guī)項(xiàng)軟件工具并且捕捉、管理和全面處理的數(shù)據(jù)數(shù)學(xué)集合，是需要新處理模式才能本身更強(qiáng)的決策力、敏銳洞察發(fā)現(xiàn)到力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多樣的信息資產(chǎn)。（施禮道百度百科）

大數(shù)據(jù)分析與BI商業(yè)智能一定程度上可以相互間完全融合，BI中中有一些企業(yè)內(nèi)部的數(shù)據(jù)分析，大數(shù)據(jù)分析中有一種體現(xiàn)了什么為BI商業(yè)智能，企業(yè)可根據(jù)不同發(fā)展階段，使用完全不同方案。初期階段大多我推薦是從MDM（主數(shù)據(jù)）、BI來(lái)做數(shù)據(jù)治理分析。說(shuō)白大數(shù)據(jù)分析，從廣義上講是對(duì)海量數(shù)據(jù)參與講，多作用于行業(yè)、產(chǎn)業(yè)、國(guó)計(jì)民生、社交網(wǎng)絡(luò)數(shù)據(jù)，但當(dāng)前相對(duì)于絕大多數(shù)企業(yè)而言，應(yīng)用到集成顯卡、數(shù)據(jù)治理、業(yè)務(wù)全部整合都沒有做好，甚至信息化系統(tǒng)還存在地缺乏的情況下，大數(shù)據(jù)建設(shè)是對(duì)企業(yè)來(lái)說(shuō)很顯然是為時(shí)尚早。

BD大數(shù)據(jù)比較復(fù)雜的技術(shù)更繁雜不少，從4V規(guī)模性（Volume）、多樣性（Varity）、西下高速性（Velocity）和價(jià)值性（Value）四個(gè)方面要求：數(shù)據(jù)的采集渠道、工具極其多樣；加工、存取、處理速度也越快，且海量數(shù)據(jù)那些要求存儲(chǔ)模式也不可能發(fā)生龐大無(wú)比的改變，其中，MPP跟Hadoop是兩種啊是模式，前者更方便啊，尤其是相對(duì)于T/P級(jí)沒有問題，如果數(shù)據(jù)量級(jí)更大就不得不談Hadoop了。大數(shù)據(jù)面對(duì)的數(shù)據(jù)格式：重新格式化、非格式化磁盤、半重新格式化都有，必須不屬于一些技術(shù)數(shù)據(jù)處理手段，比如說(shuō)：語(yǔ)音識(shí)別、圖像識(shí)別，這些一系列中級(jí)的算法。這些都特別要求大數(shù)據(jù)建設(shè)必須更高端的人才儲(chǔ)備。

是對(duì)企業(yè)而言數(shù)據(jù)治理項(xiàng)目、建數(shù)倉(cāng)，對(duì)生產(chǎn)、經(jīng)營(yíng)、管理數(shù)據(jù)進(jìn)行沉淀、加工、分析什么，在數(shù)據(jù)量的逐漸增多之后，遷出到基于MPP技術(shù)（比如：GreenPlum）數(shù)據(jù)存儲(chǔ)分析平臺(tái)上，這是一個(gè)最佳路徑。不過，企業(yè)內(nèi)部的生產(chǎn)、經(jīng)營(yíng)、管理數(shù)據(jù)的價(jià)值密度，比不同渠道采集回來(lái)的說(shuō)白大數(shù)據(jù)價(jià)值密度要高大部分，做BI或是準(zhǔn)大數(shù)據(jù)項(xiàng)目建設(shè)的投入產(chǎn)出比大數(shù)據(jù)項(xiàng)目建設(shè)也要高很多、成功率也相對(duì)于過低。

況且說(shuō)兩者的前景，兩個(gè)前景都非常好，但如果不是是對(duì)問這個(gè)問題的朋友，我建議您從數(shù)倉(cāng)、數(shù)據(jù)治理、BI何練起學(xué)，然后再再漸漸地?fù)駲C(jī)剛剛進(jìn)入大數(shù)據(jù)領(lǐng)域，練拳不練功走一段路竹籃打水，否則大數(shù)據(jù)的落地后路徑、工具方法、生態(tài)體系等也會(huì)變得更加成熟，現(xiàn)在仍有喧囂還沒有落下來(lái)。

大數(shù)據(jù)主要涉及的內(nèi)容有哪些？可以從事哪些崗位？

我記得大學(xué)本科畢業(yè)的第一份工作，我們公司的業(yè)務(wù)是做BI產(chǎn)品研發(fā)。哪時(shí)候互聯(lián)網(wǎng)還沒有今天這樣的話激狂，也沒有大數(shù)據(jù)、移動(dòng)互聯(lián)網(wǎng)的概念。記住有一次和同事去華師后門買書，同事買了一本javascript,我買了一個(gè)ajax。那會(huì)，我們產(chǎn)品的客戶端是用Delphi開發(fā)的，不過買書就是就是為了回答一點(diǎn)新知識(shí)，工作中基本上用過了。在公司的第三年，公司要轉(zhuǎn)做web的BI展示界面，我?guī)凸居胹vg做了兩個(gè)展示組件，心里那就美滋滋的。

伴隨著時(shí)間的推移、電商的發(fā)展，大數(shù)據(jù)、云計(jì)算很顯然成了每個(gè)互聯(lián)網(wǎng)公司對(duì)外宣傳的標(biāo)準(zhǔn)說(shuō)法。假如不講點(diǎn)這些概念，很顯然給人感覺太多些逼格。記的10年在公司的三次培訓(xùn)上，有個(gè)同事問，云計(jì)算會(huì)不會(huì)你搞進(jìn)去的，就而且我姓云。聽著這個(gè)問題，我瘋笑亦非。

大數(shù)據(jù)這個(gè)概念喊了這些年來(lái)了，很多人還是不清楚大數(shù)據(jù)指的是什么？替回答我好這個(gè)問題，我還去一類收索了大數(shù)據(jù)的概念。老實(shí)說(shuō)百科的解釋，連我從事外貿(mào)了到現(xiàn)在為止互聯(lián)網(wǎng)的人，也沒看得懂。

“大數(shù)據(jù)（big data），IT行業(yè)術(shù)語(yǔ)，是指不能在一定會(huì)時(shí)間范圍內(nèi)用常規(guī)軟件工具進(jìn)行捕捉、管理和全面處理的數(shù)據(jù)集合，是必須新處理模式才能更具更強(qiáng)的決策力、洞察發(fā)現(xiàn)自己力和流程優(yōu)化能力的海量、高增長(zhǎng)率和多元化的信息資產(chǎn)?！?/p>

什么是大數(shù)據(jù)？

大數(shù)據(jù)說(shuō)的直白點(diǎn)，那是應(yīng)用一套技術(shù)手段，把數(shù)據(jù)變的信息和知識(shí)的過程。數(shù)據(jù)對(duì)我是沒有價(jià)值的東西，我們要把數(shù)據(jù)加工成信息或者知識(shí)，才能被人類解釋。舉個(gè)例子：公司一周的考勤數(shù)據(jù)是意義很大的東西，但我們是從一月考勤數(shù)據(jù)的分析和比較好，我們發(fā)現(xiàn)張三這個(gè)員工還老遲到。那么，張三總是遲到的人這個(gè)信息就對(duì)公司的管理有幫助了，領(lǐng)導(dǎo)需要去清楚下，有沒張三家有什么事？也可以張三最近直接出現(xiàn)別的狀況？

大數(shù)據(jù)的“大”又該如何再理解呢？所謂的“大”，一層含義指數(shù)據(jù)的體量大，在數(shù)據(jù)庫(kù)時(shí)代數(shù)據(jù)以GB為單位，但在互聯(lián)網(wǎng)時(shí)代以TB為單位，數(shù)據(jù)的體量升了一個(gè)數(shù)量級(jí)。另一層含義指數(shù)據(jù)形式的多樣化。在悠久的傳統(tǒng)BI應(yīng)用中，數(shù)據(jù)基本都是存儲(chǔ)位置在關(guān)系型數(shù)據(jù)庫(kù)中，但在互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)的形式變得更加豐富化了，.例如:文本、視頻及數(shù)據(jù)庫(kù)。清楚了大數(shù)據(jù)的概念，我們下來(lái)看，大數(shù)據(jù)包含哪些內(nèi)容。

大數(shù)據(jù)的內(nèi)涵

大數(shù)據(jù)從技術(shù)的角度看看，包涵兩大分支：數(shù)據(jù)分析和數(shù)據(jù)挖掘。數(shù)據(jù)分析是對(duì)歷史數(shù)據(jù)的分析，為管理能提供輔助決策信息。數(shù)據(jù)挖掘是研究趨勢(shì)和未來(lái)的問題，通常應(yīng)用方法在預(yù)測(cè)方面。從業(yè)務(wù)的時(shí)效性特別要求去看，分為：在線實(shí)時(shí)總結(jié)系統(tǒng)和離線分析系統(tǒng)。的或:網(wǎng)站的動(dòng)態(tài)實(shí)時(shí)用戶區(qū)域分佈狀況那就是人工智能分析計(jì)算機(jī)；2019年全國(guó)各省GDP排名分析是離綫分析什么應(yīng)用。

從大數(shù)據(jù)項(xiàng)目的過程看，大數(shù)據(jù)包含：數(shù)據(jù)采集、數(shù)據(jù)收集、數(shù)據(jù)轉(zhuǎn)化與存儲(chǔ)、數(shù)據(jù)建模分析、上層應(yīng)用展示等。大數(shù)據(jù)的難點(diǎn)，只是相對(duì)而言海量數(shù)據(jù)的分析，這又比較復(fù)雜到海量數(shù)據(jù)存儲(chǔ)及分析架構(gòu)等問題。

按照Hadoop的技術(shù)體系來(lái)講，flume用處再收集和被轉(zhuǎn)化存儲(chǔ)位置在服務(wù)器各處的日志及數(shù)據(jù)，儲(chǔ)存在以hdfs文件系統(tǒng)或是hive或是hbase等數(shù)據(jù)倉(cāng)庫(kù)中，再利用hadoop架構(gòu)的規(guī)范，編譯程序mapreduce作業(yè)，再把分析結(jié)果展示展示給用戶。其實(shí)，這里面設(shè)計(jì)什么到數(shù)據(jù)分析的各種算法。

大數(shù)據(jù)相關(guān)的工作崗位

下面介紹下，大數(shù)據(jù)相關(guān)的核心崗位：

業(yè)務(wù)專家的或顧問：為大數(shù)據(jù)能提供研發(fā)方向和判斷研究主題，并為技術(shù)人員需要提供業(yè)務(wù)支持。

數(shù)據(jù)分析師：普通機(jī)電設(shè)備數(shù)據(jù)收集、整理好、分析并根據(jù)數(shù)據(jù)做出決定評(píng)估和預(yù)測(cè)的專業(yè)人員。

數(shù)據(jù)挖掘工程師：從海量數(shù)據(jù)中發(fā)現(xiàn)規(guī)律，是需要比較好的算法和數(shù)學(xué)基礎(chǔ)。

可視化工程師：提供美觀、便于掌握人們解釋的分析的結(jié)果展示界面。

維護(hù)工程師：專門負(fù)責(zé)服務(wù)器環(huán)境的配置、重新搭建和運(yùn)維。

每個(gè)公司常規(guī)的大數(shù)據(jù)技術(shù)線路不同，工作崗位會(huì)有不差距。比較感興趣朋友，也可以自己去清楚下，可以做到的幾種大數(shù)據(jù)方案。

緊接著5G網(wǎng)絡(luò)的建設(shè)，接入網(wǎng)絡(luò)的iot設(shè)備會(huì)越來(lái)越多，互聯(lián)網(wǎng)所再積累的數(shù)據(jù)，也會(huì)成級(jí)數(shù)增強(qiáng)。在未來(lái)幾年，大數(shù)據(jù)行業(yè)始終是朝陽(yáng)行業(yè)，要的大數(shù)據(jù)人才會(huì)越來(lái)越多，希望本文對(duì)有意愿組建大數(shù)據(jù)行業(yè)的朋友，有所啟發(fā)和幫助，也我希望大家能對(duì)大數(shù)據(jù)的概念，有更清晰的認(rèn)識(shí)。謝謝啦！