Page 17 - 大数据时代信息安全及保护
P. 17
第一章 绪论
的认识，大数据分析普遍存在的方法理论有哪些呢？
1.可视化分析
大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者
对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观地呈现
大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。
2.数据挖掘算法
大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的
数据类型和格式才能更加科学地呈现出数据本身具备的特点，也正是因为这些被
全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，
挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速地
处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无
从说起了。
3.预测性分析能力
大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特
点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的
数据。
4.语义引擎
大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词
或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。
5.数据质量和数据管理
大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，
无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。
大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多
很多更加有特点的、更加深入的、更加专业的大数据分析方法。
（二）大数据应用
大数据的类型大致可分为三类：第一，传统企业数据：包括CRM systems
的消费者数据，传统的ERP数据，库存数据以及账目数据等；机器和传感器数
据：包括呼叫记录、智能仪表、工业设备传感器、设备日志、交易数据等；社
交数据：包括用户行为记录，反馈数据等。如Twitter、Facebook这样的社交媒体
平台。
·9·
