《数据科学与大数据分析——数据的发现 分析 可视化与表示》一1.4 大数据分析案例

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1.4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

在介绍完大数据新兴生态系统和支持其发展需要的新角色后，本节将介绍大数据在不同领域中应用的3个例子：零售业、it基础设施和社交媒体。

前面提到，大数据带来了很多改进销售和市场分析的机会。美国零售商target便是这样的例子。作者charles duhigg在他的the power of habit一书[4]中介绍了target如何使用大数据和高级分析方法来提高销售收入。在分析了消费者的购买行为后，target公司的统计人员发现零售业很大的一块销售收入来源于下面的三大主要事件。

结婚，这时人们会倾向于购买很多新东西。

离婚，这时人们也会购买新产品，并且改变自己的消费习惯。

怀孕，这时人们会购买许多新东西，并且都是非常迫切地购买。

分析人员还发现在上述三大事件中，怀孕是最让商家赚钱的事件。通过从购物者身上收集的购物数据，target公司就可以预测哪些购物者可能已经怀孕。有一次，target公司甚至比一位女顾客的家人更早地判断出这位女顾客已经怀孕[5]。根据这类分析结果，target公司会对已经怀孕的顾客提供特定的优惠券和激励机制。事实上，target公司的分析机制不但可以判断某个顾客是否已经怀孕，还可以知道顾客已经怀孕几个月了。这样target公司就可以更好地管理和调整自己的库存，因为他们知道在每9～10个月的周期中，每个月大致会有哪些特定孕期商品的需求。

另一个大数据创新的例子来自于it基础设备领域中的hadoop[6]。apache hadoop是一款开源框架，允许公司以高度并行的方式处理大量的信息。hadoop是由doug cutting和mike cafarella在2005年设计和实现的一种基于mapreduce计算范式的系统，被用于处理各种不同结构的数据。对于很多需要涉及大量或者难以操作的非传统结构数据的大数据项目来说，hadoop是一种理想的技术框架。hadoop的主要优点之一是采用分布式文件系统，这意味着它可以使用分布式集群服务器和商用硬件来处理大量数据。在社交媒体领域中hadoop的应用案例很常见，在这里hadoop可以管理事务、更新文字信息和生成数百万用户间的社交图谱。twitter和facebook每天都会产生海量的非结构化数据，并通过hadoop和其生态系统中的工具来管理这些海量数据。第10章将进一步讲解相关内容。

最后，通过社交媒体上的人际互动可以获取许多新的见解，而其中蕴含着巨大的商机。linkedin是一家典型的数据即产品的公司。在公司创立初期，linkedin创始人reid hoffman就意识到可以为职场专业人士创建一个社交网络。截至2014年，linkedin拥有超过2.5亿的用户账户，并增加了很多额外的功能和数据相关的产品，例如，招聘、求职者工具、广告和社交图谱inmaps。inmaps可以显示用户的职业社交网络图谱。图1.14是一个inmaps可视化案例，使得linkedin用户可以对自己联系人之间的互联关系和脉络有一个更直观的认识。