Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.

i 聯網系列之5:大數據

2.071 Aufrufe

Veröffentlicht am

大數據的基本介紹

Veröffentlicht in: Präsentationen & Vorträge
  • Als Erste(r) kommentieren

i 聯網系列之5:大數據

  1. 1. ⼤大數據 RICHARD PEI 1
  2. 2. 裴有恆 Richard 2 學歷與認證   美國南加⼤大電腦⼯工程碩⼠士畢業 台灣⼤大學機械系學⼠士畢業 台灣外貿協會第六屆碩⼠士後⾏行銷班畢業 台灣外貿協會第⼀一屆品牌班⾏行銷班畢業   新產品開發專家(NPDP)認證(全台前⼗十名) IDEO ACUMEN 服務設計 DESIGN KIT 經歷   元創意股份有限公司資深產品經理   神達電腦  產品經理,流程經理,專案經理主管: Mio A501,A702⼿手機專案, Sagem My-S7 Mercedes Map Pilot產品ODM專案, 仁寶電腦專案經理: XG-3D⼿手機專案 台灣⼤大哥⼤大研發處主任: Mail系統開發, WAP系統開發,簡訊傳情, MMS系統⾃自製專案   企業內訓教學專⻑⾧長   物聯網、流程創新、產品創新、服務創新、   商業模式創新、創新管理、專案管理
  3. 3. 大數據與傳統資料探勘的不同   現在的電腦一台電腦通常只能有個別分析獨立的 小型資料庫(data set)。傳統資料探勘就是在 這些小型資料庫做資料處理與分析以探查趨勢與 異常分析。   大數據是將各個電腦上的小型資料庫合併後進行 分析,也因此大數據無法使用大多數的資料庫管 理系統處理,而必須使用「在數十、數百甚至數 千台伺服器上同時平行運行的軟體」,這樣常可 得出許多額外的資訊和資料關聯性。
  4. 4. 大數據的挑戰與機遇 四個方向:   量(Volume,資料大小)   速(Velocity,資料輸入輸出的速度)   多變(Variety,多樣性)   不確定性(Veracity,資料真實性) 合稱「4V」或「4Vs」。
  5. 5. 大數據執行的分散式系統架構   SMAQ Storage   Map  Reduce   Query   ⽤用來儲存分散、 沒有關聯的⾮非結 構化資料   運⽤用批次處理的 ⽅方式,將⼯工作平 均分散到許多   伺服器做運算。   將算完的結構化資 料儲存到可供查詢 的資料庫系統  
  6. 6. 技術演進: Google vs Apache
  7. 7. 為什麼現在大數據這麼紅   大數據是對群體長期觀察/資料收集的結果的分 析!   資料探勘的法則,資料越多得到的分析結果越正 確!   使用大數據找出的趨勢,你可以讓生產良率大量 提升(如:台積電),你可以強化自己的電子商 務競爭力(如淘寶、亞馬遜、九易宇軒)。   現在不懂大數據,你可能只落後一點; 幾年後不 懂大數據,你已經趕不上懂大數據的對手!
  8. 8. 大數據的資料價值 8 p  目標導向用途: p  異常判別 p  趨勢判斷分析 p  預測 p  資料導向用途: p  這些資料顯示出什麼可以改善的方向? p  這些資料這些資料顯示什麼新商機?
  9. 9. 資料分析在經營決策的價值   以資料驅動的決策:用資料提升預測精準率   以資料驅動的流程:精準行銷與廣告推播   以資料驅動的產品/服務:用戶分析與精準行銷 得到的需求基礎上, 加強自己的產品與服務   產品運營時, 利用資料分析防止異常及創新
  10. 10. 百度使用大數據   百度搜尋指數   春節遷徙圖
  11. 11. 臉書使用大數據   了解社群偏好:看什麼文章、跟什麼人合照、 常在哪裡出沒   了解消費者社群行為:那些好友、玩那些心理 測驗、看那些粉絲團   針對消費者有效投放廣告   好友推薦
  12. 12. 阿里巴巴使用大數據在   淘寶電商大數據: ¤  了解消費者購物行為 ¤  了解商家信用   收視大數據(優酷土豆)   社群大數據(陌陌、新浪)   天氣(墨跡)   阿里小貸根據貸款客戶在下游訂單、上游供應商、 經營信用來評估
  13. 13. 騰訊使用大數據在   了解熱門話題   了解社群偏好   了解使用者行為:社群上行為、網路遊戲行為   廣告投放(?)   O2O電子商務行為(滴滴打車…)
  14. 14. Google使用大數據   記錄搜索行為的時間、內容與方式   了解查詢趨勢:流行性感冒預測-2011/12 年的 美國流感、2007/08 年瑞士流感、2005/06 年 德國流感、2007/08 比利時流感等   Google Analytics追蹤訪問者在其站點的足跡   Google Adsense了解廣告效果   Youtube收視大數據:收視推薦   Google Map追蹤移動軌跡
  15. 15. Amazon使用大數據   了解消費者買書/物偏好,然後預測   推薦消費者書籍   測試網路頁面文字   Kindle Fire紀錄客戶使用行為

×