1、天道酬勤大数据心得体会800字_大数据读后感大数据读后感【导读】一、数据量。采集器实时都对新闻、论坛、博客、微博在进行采集，当然如果说一年的数据量不算大的话，亦或者宁波本地的数据量也没那么大的话。公司假设几年后、几十年后业务量增大了，做到了浙江省乃至全国的时候。那个时候的数据量我想应该是非常的庞大了。二、对数据挖掘的程度，当然有关公司涉及的更多。不过有时候那些公司做得仅仅是从采集的数据那里通过筛选，将相关信息发送给相关的客户。个人觉得这个价值应该被放大，通过对相关数据的挖掘对过去的规律进行总结，对未来的趋势做出预测。如固特异轮胎，根据往年的数据总结出某款轮胎某地以及在哪个时间段销量最大，然后第
2、二年可以根据这个数据，制造商可以提前对该型号轮胎进行大量备货以备不时之需。通过挖掘在特定的时间段，哪几种商品捆绑销售会得到更好的销量等等。当然数据仓库是面向主题的数据集合，用于支持管理中的决策制定。个人觉得对公司领导层做出正确决策有很大的指导作用。2、公司应该加大数据挖掘能力。公司在招聘往里面招聘的所谓数据分析师，只不过是用来数据监测的。真正意义上面的数据分析师很是匮乏。现在客户大多希望的是能够给本企业决策有指导性意义的报告、或者建议。这就需要我们通过数据挖掘预测出未来趋势，即预测性分析。这样无论在产品推广，以及在本品牌忠诚度上都会有一定的保障。【全文】首先，本书大体上都是在讲美国政府在各社会
3、团体不断“争取权利、三权分立制度的制衡下，一步步将信息公开的历程。以及数据对美国政治所产生的影响，美国政府如何保护公民隐私等等。其实真正涉及到企业如何变得更加“智能，唯有第四章讲得非常详细。先来看一下完整的商务智能流程：1、通过各种来源的关系型数据库，使用ELT提取、转换、加载工具，对来自不同系统的数据以统一格式进行清洗、转换、集成进入到数据仓库。2、锁定目标数据后进行联机分析。通过不同的分析角度进行多维分析，这样用户可以随时创立自己需要的报表，开发人员只要在后台为用户创立构建多维的数据立方体模型，用户就可以直接在前端的各个维度之间进行切换，从不同的维度对数据进行分析。从而获得更加全面的、动态
4、的的分析结果。3、进行数据挖掘。就是从海量数据中，挖掘出具有价值的数据。通过对数据的挖掘其一、可以发现数据的历史规律，对过去进行总结。其二、可以根据数据对未来进行预测。企业可以根据预测对未来行情趋势做出预判，并作出相关决策。4、数据可视化，我想任何人看到一推数据，就会感到很头疼。当然也很不直观，到底企业的各项指标相比往年是好是坏去做比照也会很麻烦。使用各种图表、三维地图、动态模拟以及相关的动画技术是原本枯燥乏味的数据，变得生动起来。数据可视化把数据以更加直观的形态展现出来，使人们对相关数据做到一目了然。5、通过上面几步我们就把原先毫无价值的数据，变成了信息，最后演变为知识。其次，我们北大青鸟公
5、司应该考虑的：1、是否有必要建立数据仓库？当然我这个问题我也在线上向IBM数据仓库的人员询问过。要考虑的有两个因素:其一、数据量的级别，其二、对数据挖掘的程度。一、数据量。采集器实时都对新闻、论坛、博客、微博在进行采集，当然如果说一年的数据量不算大的话，亦或者宁波本地的数据量也没那么大的话。公司假设几年后、几十年后业务量增大了，做到了浙江省乃至全国的时候。那个时候的数据量我想应该是非常的庞大了。二、对数据挖掘的程度，当然有关公司涉及的更多。不过有时候那些公司做得仅仅是从采集的数据那里通过筛选，将相关信息发送给相关的客户。个人觉得这个价值应该被放大，通过对相关数据的挖掘对过去的规律进行总结，对未
6、来的趋势做出预测。如固特异轮胎，根据往年的数据总结出某款轮胎某地以及在哪个时间段销量最大，然后第二年可以根据这个数据，制造商可以提前对该型号轮胎进行大量备货以备不时之需。通过挖掘在特定的时间段，哪几种商品捆绑销售会得到更好的销量等等。当然数据仓库是面向主题的数据集合，用于支持管理中的决策制定。个人觉得对公司领导层做出正确决策有很大的指导作用。2、公司应该加大数据挖掘能力。公司在招聘往里面招聘的所谓数据分析师，只不过是用来数据监测的。真正意义上面的数据分析师很是匮乏。现在客户大多希望的是能够给本企业决策有指导性意义的报告、或者建议。这就需要我们通过数据挖掘预测出未来趋势，即预测性分析。这样无论在产品推广，以及在本品牌忠诚度上都会有一定的保障。3、是否能通过联机分析处理将数据从各个角度、不同纬度展现出来。例如对销售数据的分析，时间周期是一个维度，产品类别、分销渠道、地理分布、客户群类也分别是一个维度。一旦多维数据模型建立完成，用户可以快速地从各个分析角度获取数据，也能动态的在各个角度之间切换或者进行多角度综合分析。4、数据可视化设计上需要强化。相关系统是直接给客户进行操作使用的，但我们所生成报告里面的统计图、走势图还不能很直观的展现给客户。这个对于客户体验来说是非常致命的，因为一旦不能直观的表达数据所呈现出来的状态，客户就不能对其决策做出准确的判断。进一步导致客户对我们忠诚度的降低。