注册 | 登录

[分享]大数据——“数据空间关系分析”方法论(一)

        现在,随着IT的发展,传统企业在互联网时代的改革,越来越多的IT企业都纷纷加入移动互联网、大数据、云计算的阵营,但是更多的企业是把大数据分析停留在概念、产品这个层面。大数据分析、移动互联网已经不单单是一个IT概念了,它更多的是帮助企业改变商业模式的产业。对于一个企业如何让大数据发挥出价值,推动企业业绩增长,让数据驱动经营,这是需要大数据分析从概念产品到落地的重要标准。

 

 

       大数据分析最重要的是什么——建模分析,试想一下,如果没有分析,那么大数据就毫无意义。目前很多企业,随着企业信息化的建设,积累了大量的数据,但是都淹没在各个数据孤岛或者隐藏在各个系统中没有被发现。我们如何建立数据仓库、如何帮助用户确定分析指标(KPI)、如何定义数据清洗、转换时条件和规则、如何缩短需求调研时间?

 

        如何读懂一个行业?用户经常会问:你们是否有与我们行业相同的案例?是否有行业经验?行业经验固然重要,但是我们不可能去了解每一个行业,所以只能去建立不同行业的数据模型,这些数据模型是有一定的共性,同时也有相同的方法论。《星际穿越》这边大片的五维空间给了我们提示,任何物体都离不开时空关系。所谓的方法论,比如我们经常用到的的数据立方体模型、多维模型等,都是“数据空间关系”。

 

 

         “数据空间关系”——即数据时空关系。业务的产生及执行是在一定的时间、空间维度实现的。任何一个行业的数据都逃不出这个“空间—时间”范畴,唯一不同的是度量指标,而且时间维度和空间维度(主数据)是两个比较独立的纬度,没有交集和关联关系,比如物料与时间没有直接的联系(但是对于有时效性的主数据与时间是有关系的,如食品、药品、化工原料等)这两个纬度一般是通过“度量”发生联系的,在“量”的属性中一定要关联时间及空间。所以我们在每个行业中都能分析出一个空间数据关系模型,我们只要掌握、理解每个行业的空间数据模型,解决好度量属性,就能做各行业的大数据分析。

 

 

        大数据分析解决方案——企业系统数据集成、清洗、转换、抽取、建立数据仓库、建模分析、多维度BI展现等一系列过程,确保大数据分析的价值可以在各个层次得到体现,能够帮助企业更好的理解这个行业,建设起行业壁垒,为管理者提供决策支撑。

 

 

————————————————

 

签名档 SOA落地 简单的IT。
| 发表时间:2014/12/16 10:56:20 | 浏览数:7500 | 回复数:0
等级:助理
行业:计算机软件
职能部门:市场管理
城市:重庆
金币:304
(共 0 条) 上一页 下一页
您还不是圈子成员,不能对文章进行评论。请先申请加入圈子,待管理员通过申请之后才能进行评论。