大数据的4Vs

最初由  Forrester   提出Big Data’s 4Vs,即:

Volume(巨量)、

Variety(多样化)、

Velocity(实时)、

Value(价值);

现在,人们已经基本认同了大数据“4V”的特征:

第一,Volume表明数据的体量巨大,企业处理的信息总量已经从TB级别跃升到PB级别;

第 二,Variety表明数据类型繁多,包括结构化、非结构化等类型的数据,尤其是非结构化数据的大幅增长对传统的处理结构化数据为主的架构带来了巨大冲 击;

第三,Velocity表明实时处理是大数据的一个典型特征,而这也正是它区别于传统数据挖掘技术的关键所在;

第四,Value表明数据是有价值的, 这也是大数据挖掘的最终目标。

13082709104476

 

一堆书引发的思考

image
书到用时方恨少,现在的情况是,陆续买了很多书,每本书都有看。但总体框架和知识体系没很好总结,导致获取的知识都是片段,不能形成合力,形成体系。

上图是整理的一堆书籍,为了更好的理顺知识,做了下图的思维导图整理!

image

这次整理,主要初步理清 “”大数据如何在金融行业有效落地”。
按目前成熟的数据科学框架理论,知识体系主要包括:『领域知识』,『统计学相关知识』,『大数据技术实现』三部分。三部分相辅相成,缺一不可。每个部分都是一个专业方向!要想全部精通,几无可能!

知识,从隐性到显性。从了解,熟悉,掌握,精通。都是一个循序渐进的过程。要形成体系,解决方案,更需总结,实践,再总结再实践。循环往复。

目前大数据领域。更多的从业者是在实践阶段,还没形成有效的,放之四海而皆准的方法论或模式。各自总结的经验还未有效汇集提取。

其实黑猫白猫,抓住耗子就是好猫!只要你的方法能有效获取,分析,展现和预测!既为有效方法。到罗马的路大家都在走,披荆斩棘,走的人多了,就会形成大路,高速公路及空中航线。