大数据-特征4V 数据科学导论 量大(Volume) 速度快 数据量大 ·类型多(Variety) ■ 速度快(Velocity) Velocity V4 VI Volume ·价值发现难度大(Value) 大数据的 特征 Value V3 V2 Variety- 价值密度低 类型多
数据科学理论与实践 大数据-特征4V 数据科学导论 ▪ 量大（Volume） ▪ 类型多（Variety） ▪ 速度快（Velocity） ▪ 价值发现难度大（Value） 数据量大 Volume V1 V3 V2 V4 类型多 Value Variety 价值密度低 速度快 Velocity 大数据的 特征
大数据-特征4V 数据科学导论 ■Volume(量大) 。 一种相对于现有的计算和存储能力的说法，就目前而言，当数据量达到拍 字节(PB)级以上，一般称为"大"的数据①。但是，我们应该注意到，大数 据的时间分布往往不均匀，近几年生成数据的占比最高。 ·Variety(类型多) 。 大数据涉及多种数据类型，包括结构化数据、非结构化数据和（或)半结 构化数据。有统计显示，在未来，非结构化数据的占比将达到90%以上
数据科学理论与实践 大数据-特征4V 数据科学导论 ▪ Volume(量大) • 一种相对于现有的计算和存储能力的说法，就目前而言，当数据量 达到拍 字节(PB)级以上，一般称为"大"的数据①。但是，我们应该注意到，大数 据的 时间分布往往不均匀，近几年生成数据的占比最高。 ▪ Variety（类型多） • 大数据涉及多种数据类型，包括结构化数据、非结构化数据和 （或）半结 构化数据。有统计显示，在未来，非结构化数据的占比将达到90%以上
大数据-特征4V 数据科学导论 ■Value(价值发现难度大) 。 在大数据中，数据价值与数据量之间不一定存在线性关系，有价值的数据 往往被淹没在海量无用数据之中。例如，一部长达120分钟的连续不间断 的监控视频中，有价值数据可能仅有几秒。因此，“如何从海量数据中洞见 (洞察)出有价值的数据，是数据科学的重要课题之一。 ■Velocity(速度快) ·大数据中所说的“速度”包括两种：增长速度和处理速度。一方面大数据 增长速度快，另一方面我们对大数据处理的时间要求也越来越高
数据科学理论与实践 大数据-特征4V 数据科学导论 ▪ Value（价值发现难度大） • 在大数据中，数据价值与数据量之间不一定存在线性关 系，有价值的数据 往往被淹没在海量无用数据之中。例如，一部长达120分钟的连续不间断 的监控视频中, 有价值数据可能仅有几秒。因此， “如何从海量数据中洞见 （洞察）出有价值的数据, 是数据科学的重要课题之一。 ▪ Velocity(速度快) • 大数据中所说的“速度”包括两种：增长速度和处理速度。一方面大数据 增长速度快，另一方面我们对大数据处理的时间要求也越来越高
数据科学(Data Science) 数据科学导论 ·数据科学(Data Science)是数据，尤其是大数据背后的科学。 一门将现实世界映射到“"数据世界”之后，在“数据层次”上研究“现实世界”的问题，并根 据“数据世界”的分析结果，对现实世界”进行预测、洞见、解释或决策的新兴科学 一门以数据，尤其是大数据为研究对象，并以数据统计、机器学习、数据可视化等为理论基础， 主要研究数据加工、数据管理、数据计算、数据产品开发等活动的交叉学科。 一门以实现”从数据到信息"“从数据到知识"和（或）”从数据到智慧" 的转化为主要研究目的，以“数据驱动"”数据业务化””数据洞见”“数 据产品研发"和（或）“数据生态系统的建设”为主要研究任务的独立学 科。 。 一门以“数据时代"，尤其是”大数据时代"面临的新挑战、新机会、新 思维和新方法为核心内容的，包括新的理论、方法、模型、技术、平台、 工具、应用和最佳实践在内的一整套知识体系 -朝乐门《数据科学理论与实践》第2版
数据科学理论与实践 数据科学(Data Science) 数据科学导论 ▪ 数据科学(Data Science)是数据，尤其是大数据背后的科学。 • 一门将现实世界映射到“数据世界”之后，在“数据层次”上研究“现实世界”的问题，并根 据“数据世界”的分析结果，对现实世界”进行预测、洞见、解释或决策的新兴科学 • 一门以数据,尤其是大数据为研究对象，并以数据统计、机器学习、数据可视化等为理论基础, 主要研究数据加工、数据管理、数据计算、数据产品开发等活动的交叉学科。 • 一 门 以 实 现 “ 从 数 据 到 信 息 " “ 从 数 据 到 知 识 " 和 （ 或 ） “ 从 数 据 到 智 慧 " 的 转 化 为 主 要 研 究 目 的 ， 以 “ 数 据 驱 动 " “ 数 据 业 务 化 " “ 数 据 洞 见 " “ 数 据 产 品 研 发 " 和 （ 或 ） “ 数 据 生 态 系 统 的 建 设 ” 为 主 要 研 究 任 务 的 独 立 学 科 。 • 一 门 以 “ 数 据 时 代 " ， 尤 其 是 “ 大 数 据 时 代 " 面 临 的 新 挑 战 、 新 机 会 、 新 思 维 和 新 方 法 为 核 心 内 容 的 ， 包 括 新 的 理 论 、 方 法 、 模 型 、 技 术 、 平 台 、 工 具 、 应 用 和 最 佳 实 践 在 内 的 一 整 套 知 识 体 系 ------朝乐门《数据科学理论与实践》第2版
数据科学(Data Science) 数据科学导论 数据科学(data science)是一门利用数据学习知识的学科，其目标是通过 从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论 和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓 库以及高性能计算。 ---- 维基百科 数据科学(data science)由一系列原理、问题定义、算法及数据处理过程 组成，用于从大数据集中抽取不显眼但又非常有用的模式。 --John D.Kelleher《人人可懂的数据科学》
数据科学理论与实践 数据科学(Data Science) 数据科学导论 ▪ 数据科学（data science）是一门利用数据学习知识的学科，其目标是通过 从数据中提取出有价值的部分来生产数据产品。 它结合了诸多领域中的理论 和技术，包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓 库以及高性能计算。 ------维基百科 ▪ 数据科学（data science）由一系列原理、问题定义、算法及数据处理过程 组成，用于从大数据集中抽取不显眼但又非常有用的模式。 ------John D.Kelleher《人人可懂的数据科学》