非结构化大数据智慧分析技术及应用.PDFVIP

2015第四屆海峽兩岸高校高端IT人才論壇 非結構化大數據智慧分析技術及應用 北京大學 信息工程學院 朱躍生 教授 2015年7月27日 台中 內容提要  大數據基本概念  大數據理論基礎  非結構化數據智慧分析技術  大數據的安全問題 內容提要  大數據基本概念  大數據理論基礎  非結構化數據智慧分析技術  大數據的安全問題 大數據形成(big data)  每天產生巨大數據  互聯網（社交、有哪些信誉好的足球投注网站、電商、微博）、物聯網（感測器，智慧地球）、車聯網、GPS、醫學 影像、安全監控、金融（銀行、股市、保險）、電信（通話、短信）正在瘋狂產生著數據 Email：全球發送約 3 百萬封／秒 Youtube：約3萬個小時視頻／天 推特：發佈 5千萬條消息／每天 亞馬遜：產生 6.3 百萬筆訂單／每天 Facebook： 7千億分鐘/月， 移動互聯網使用者發送和接收的數據高達1.3EB Google ：處理24PB 數據／每天 IDC 預測，產生的數據量呈指數級增長，約翻一番/兩年，近兩年產生的數據量相當於之前產生的數據總量。 到2015年，全球數據量約達到7.9 ZB （Zetta-Bytes，1 ZB ＝270 byte，10 ２１byte ）  已經遠遠超越了目前所能處理的能力！！！ 大數據(big data)  定義 度 數據量大到超出目前傳統數據庫軟體工具， 維 在合理時間內達到獲取、管理、處理、並分析 間 空 時空大數據 整理成可決策數據的能力 “Big data refers to data sets whose size is beyond the ability of typical database software tools to capture, store, manage and analyze.” - The McKinsey Global Institute, 2011 時間維度 大數據類型  結構化數據 存在數據庫，可用二維表結構來邏輯表達實現 先有結構、再有數據  非/半結構化資料 字段長度可變，辦公文檔、文本、圖片、XML 、 HTML、各類報表、圖像和音頻/視頻數據等 先有數據，再有結構 隨著網路技術的發展，非結構化數據的數量日趨增大 主要特點-5V  Volume （量大） ZB級，非結構化數據大規模增長， 占總量80%，比結構化數據增長快10-50倍  Velocity （變化快） VERACITY 即時,監控  Variety （種類多） VALUE 文本、圖像、音視頻、機器數據  Veracity （真實性） 完整性、模糊／隱性 》關聯一致性  Value （價值） 挖掘 預測，諮詢，報告 效益 基本屬性- 3I 價值 Inexact 事物的基本特性