《数据科学与大数据分析——数据的发现 分析 可视化与表示》一1.6 练习

简介:

本节书摘来自异步社区《数据科学与大数据分析——数据的发现 分析 可视化与表示》一书中的第1章,第1.6节,作者【美】EMC Education Services(EMC教育服务团队),更多章节内容可以访问云栖社区“异步社区”公众号查看

1.6 练习

1.大数据有哪三个特点?在处理大数据时主要需要考虑哪些因素?

2.什么是分析沙盘?为什么分析沙盘非常重要呢?

3.解释商业智能(BI)和数据科学之间的区别。

4.请描述当前分析架构在应对数据科学时面临的挑战。

5.数据科学家有哪些关键的技能和行为特征?

参考书目
[1] C. B. B. D. Manyika, “Big Data: The Next Frontier for Innovation, Competition, and Productivity,”McKinsey Global Institute, 2011.

[2] D. R. John Gantz, “The Digital Universe in 2020: Big Data, Bigger Digital Shadows, and Biggest Growth in the Far East,” IDC, 2013.

[3] http://www.willisresilience.com/emc-datalab[Online].

[4] C. Duhigg, The Power of Habit: Why We Do What We Do in Life and Business, New York: Random House, 2012.

[5] K. Hill, “How Target Figured Out a Teen Girl Was Pregnant Before Her Father Did,” Forbes, February 2012.

[6] http://hadoop.apache.org[Online].

相关文章
|
2月前
|
机器学习/深度学习 并行计算 数据挖掘
R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域
【10月更文挑战第21天】R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域。本文将介绍R语言中的一些高级编程技巧,包括函数式编程、向量化运算、字符串处理、循环和条件语句、异常处理和性能优化等方面,以帮助读者更好地掌握R语言的编程技巧,提高数据分析的效率。
61 2
|
7月前
|
机器学习/深度学习 算法 数据挖掘
数据分析入门系列教程-股票走势预测分析
数据分析入门系列教程-股票走势预测分析
117 0
数据分析入门系列教程-股票走势预测分析
|
数据采集 机器学习/深度学习 搜索推荐
数据分析与数据挖掘
数据分析与数据挖掘是两个密切相关但又有区别的概念。 数据分析是指通过收集、处理、分析数据,提取有价值的信息,以便更好地理解数据背后的业务情况和趋势,为决策提供支持。数据分析通常包括描述性统计、探索性数据分析、验证性数据分析和预测性数据分析等步骤。数据分析的应用场景包括:用户行为分析、市场趋势分析、产品性能分析等。
161 8
|
7月前
|
数据采集 搜索推荐 数据可视化
Day04-数据分析模型
Day04-数据分析模型
|
存储 数据可视化 算法
数据分析案例-气象数据分析
数据分析案例-气象数据分析
347 0
数据分析案例-气象数据分析
|
数据采集 分布式计算 数据可视化
数据分析学习
个人学习
211 0
数据分析学习
|
机器学习/深度学习 算法 数据挖掘
做数据分析,要懂多少模型
一提起数据分析,很多人都会联想到“分析模型”,似乎分析模型是个很厉害又很神秘的东西。那做数据分析到底需要懂多少模型?今天简单跟大家分享一下。
220 0
做数据分析,要懂多少模型
|
机器学习/深度学习 SQL 自然语言处理
数据挖掘与数据分析
数据挖掘与数据分析
334 0
|
JSON JavaScript 前端开发
数据科学的原理与技巧 五、探索性数据分析
五、探索性数据分析 原文:DS-100/textbook/notebooks/ch05 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 探索性数据分析是一种态度,一种灵活的状态,一种寻找那些我们认为不存在和存在的东西的心愿。
1088 0
|
人工智能 物联网 数据挖掘
非数据科学家如何进行数据分析?
文章讲的是非数据科学家如何进行数据分析,Gartner报告称,到2018年,大多数业务人员和分析师都将通过自助式BI工具来准备和分析大数据。虽然目前国内的发展现状无法在2018年达到自助式分析的局面,但这一趋势无法否认。
1244 0