大數據平台與傳統數據倉庫對比分析

對於傳統手段實現的數據分析平台，利用的主要是結構化數據進行統計分析。這部分功能在大數據平台上完全可以實現，而且大數據平台採用的分散式架構設計，利用分散式計算完成相同的工作內容所需時間更短，市場上已經有大量案例證明。

對於多元數據融合存儲，大數據平台利用新的技術架構，使用非關係型資料庫HBase實現Key/Value鍵值對的形式存儲，利用唯一主鍵作為標識，將多元數據整合為一張寬表進行存儲。利用新的技術，實現對欄位的靈活讀取和調用，保證對各業務系統的數據支撐。

Hadoop大數據平台具有可擴展性

Hadoop採用分散式架構，實現動態擴展，系統隨著應用需求與容量的不斷增長，支持水平擴展，不需對系統架構進行變更，只做硬體擴容，並部署服務 軟體，即可滿足系統容量擴展要求。系統擴容時，系統平台增加新節點之後，系統自動在所有節點之間均衡數據。系統後台根據忙閑程度，自動發起，佔用很少系統 資源，無需人工干預，實現數據均衡分布。系統可以通過增加集群節點的方式提高系統性能，性能提升實現線性增長。

結構化數據

傳統手段處理的主要是結構化數據，結構化數據是在企業業務應用中使用最多的一部分數據，也是其中比重最小的一部分數據；與之相比，非結構化數據含金 量高但價值密度低，例如系統日誌數據、用戶的點擊行為等，這些數據的量級是結構化數據的幾十倍。在大數據平台出現之前，沒有人談論大數據。數據應用主要是 結構化數據，多採用IBM、HP等老牌廠商的小型機或伺服器設備。採用傳統方法處理這些價值密度低的非結構化數據，被認為是不值得的，因為其產出實在是有 限。Hadoop平台出現之後，提供了一種開放的、廉價的、基於普通商業硬體的平台，其核心是分散式大規模並行處理，從而為非結構化數據處理創造條件。

非結構化數據

對於非結構化數據的存儲和處理，大數據技術不再局限於傳統的二維表結構，可以利用矩陣、向量以及圖的形式進行存儲和計算，能夠提供更加豐富的數據分析手段，包括行為計算 、自然語言處理、圖像計算、關聯關係計算等，更好的幫助企業挖掘數據價值。

大數據真正實現了實時同步全量分析

傳統手段採用抽樣分析的手段進行數據統計分析，分析結果主要是面向群體的統計報表，維度是有限制的，而且統計的數據是一定周期內的，結果往往已經是 過時的了。而利用大數據，這種狀況將不再發生。大數據在全量數據之上進行數據分析，利用機器學習技術和演算法建模，實現對數據的實時分析，能夠幫助企業完全 勾勒出每個個體客戶的DNA，新的Key/Value形式的存儲結構擺脫了對維度的限制，可以更加方便的進行數據挖掘分析。

如何做好大數據營銷

充分了解客戶是有效的與客戶達成生意合作的關鍵。真正了解您的客戶，意味著您可以結合客戶的個性化特點，給出有針對性的建議或顯示廣告。亞馬遜已然 將這一點做到了極致，他們為客戶推薦的產品絕不是一個巧合。亞馬遜的推薦引擎完全是基於客戶在過去一段時間的購買行為所做的：客戶的購物車中所收藏的商 品、客戶喜歡的商品、其它用戶瀏覽或購買的商品。亞馬遜使用的該演算法，為每位客戶定製了專屬的個人主頁。利用該策略是：該公司在其第三財政季度期間銷售增 長27%，達到了131.8億美元，而去年同期的銷售額則為96億美元。