“大資料”是用來表示大量的沒有按照傳統的相關格式存儲在企業資料庫中的非結構化資料的總術語。以下是大資料的一般特點。
資料存儲量相對于目前企業tb(tera bytes)位元組的存儲限制，定義在pb(peta bytes)位元組，exa位元組以及更高的容量順序。
通常它被認為是非結構化資料，并不适合企業已經習慣使用的關系型資料庫之下資料的生成使用的是資料輸入非傳統的手段，像無線射頻識别(rfid)，傳感器網絡等。
資料對時間敏感，且由資料的收集與相關的時區組成。
在過去，專業術語“分析”應用于商業智能(bi)世界來提供工具和智能，通過對各種各樣可能的資訊視角的快速的、一緻的、互動式通路獲得洞察力。
與分析的概念非常接近，資料挖掘已經應用于企業以保持關鍵監測和海量資訊的分析。最大的挑戰就是如何通過大量的資料挖掘出所有的隐藏資訊。
企業資料的分析朝着在一段時間内在那種内容中的資訊的有意義的洞察，是大資料分析差別于傳統資料倉庫分析的原因所在。下表總結了一些它們之間的差别。
大資料分析用例
基于用例，企業可以了解大資料分析的價值和在大資料分析的幫助下如何解決傳統的問題。以下是一些用法。
客戶滿意度和保證分析
也許這是基于産品的企業所擔心的最大的一個領域。
在當今時代，沒有一個清晰的方式來衡量産品的問題和與客戶滿意度相關的問題，除非他們以一個正式的方式出現在一個電子表格中。資訊品質方面，它是通過各種外部管道收集的，而且大多數時候的資料沒有清洗，因為資料是非結構化資料，無法關聯相關的問題，是以長期的解決方案提供給客戶，分類和分組的問題陳述都缺失了，導緻企業不能對問題進行分組，從上面的讨論中，對客戶滿意度和保證分析使用大資料分析将幫助企業在急需的客戶注意力設定中獲得洞察力，并有效地解決他們的問題以及在他們的新産品線上避免這些問題。
競争對手的市場滲透率分析
在今天高度競争的經濟環境下，我們需要通過一種實時分析對競争者強大的區域和他們的痛點進行衡量。這種資訊是可适用于各種各樣的網站、社交媒體網站和其他公共領域。對這種資料的大資料分析可以向企業提供關于他們産品線的優勢、劣勢、機遇、威脅等非常需要的資訊。
産品功能和用法分析
大多數産品企業，尤其是消費品，不斷在他們的産品線上增加許多功能，但有可能一些功能不會真正地被顧客所使用，而有些功能則更多地被使用，對這種通過各種移動裝置和其它基于無線射頻識别(rfid)輸入捕捉到的資料的有效分析，可以為産品企業提供有價值的洞察力。
未來方向的分析
研究小組分析在各種業務中的趨勢，而這種資訊通過行業特定門戶網站甚至常見的部落格可以獲得。對這種未來資料的不斷分析将有助于企業期待未來，并将這些期待帶入他們的生産線。
總結
大資料分析為企業和zf分析非結構化的資料提供了新的途徑，這些非結構化資料到目前為止在典型的企業資料倉庫的情景中被資料清洗的慣例所拒絕。然而從以上用例明顯看出，這些分析在改善企業的營運方面有很長的路要走。我們在未來的日子裡将會看到更多的産品和應用系統在這個市場上出現。
本文作者：佚名
來源：51cto