人工智能[4676]解读数据分析的发展和演变都经过哪几个阶段？[2]

数据分析 2.0 →大数据

随着各大企业都纷纷走出舒适区，试图用更广泛的方法进行更复杂的分析时，前一阶段的数据分析局限性变得更加突出。

企业都开始通过外部资源获取信息，比如点击流、社交媒体、互联网等，与此同时对新工具的需求也越发明显。不可避免地，“大数据”一词出现了，为了区分那些纯粹来自公司内部系统的小数据。

在这个阶段，公司希望员工能够通过快速处理引擎帮助处理大量数据。他们没预想到的是，因此应运而生的新兴的群体，即如今所称的“开源社区”将产生巨大的影响力，这也是数据分析 2.0时代的标志。

在社区前所未有的支持下，大数据工程师，Hadoop管理员等角色在就业领域发展壮大，并且对每个IT企业都至关重要。科技公司急于开发新的框架，这些框架不仅能够收集、转化处理大数据，而且还能在集成预测性分析。而且，进一步通过描述性和诊断分析的结果检测趋势、聚类和异常，并预测未来趋势，这也使其成为重要的预测工具。

在今天的技术生态系统中，我个人认为“大数据”这个术语已经被大量使用，甚至滥用。从技术上讲，如今“大数据”指的是所有数据，或者只是指数据。

数据分析 3.0→ 功能强大的数据产品

开创性的大数据公司开始投资数据分析，从而支持面向客户的产品，服务和功能。它们通过更好的搜索算法、购买建议以及针对性广告吸引用户访问其网站，所有这些都是由数据分析所驱动的。大数据现象迅速蔓延，如今不仅是科技公司在通过数据分析开发产品和服务，几乎每个行业的公司都是如此。

另一方面，大数据技术的普及带来了好坏参半的影响。在科技巨头收获大量利润取得成功的同时，大多数企业和非科技公司却因为忽略数据而失败惨重。因此，数据科学领域应运而生，旨在使用科学方法、探索过程、算法等从各种形式的数据中获得知识和分析见解。

实际上，数据科学领域是跨学科的，它被定义为“结合统计、数据分析、机器学习等相关方法的概念”，从而用数据“理解和分析实际现象”。换句话说，良好的数据加上出色的训练模型能够产生更好的预测结果。新一代的量化分析师被称为数据科学家，他们拥有计算和数据分析技能。

科技行业在数据科学的帮助下迅速发展，并充分利用预测性和规范性对未来趋势进行预测。企业间也开启了数据分析的竞争，公司不仅通过改善内部决策等传统方式，而且还在不断开发更有价值的产品和服务。这是数据分析 3.0时期的精髓。

如今数据分析产生了巨大转变。公司正以超乎想象的速度发展，在内部设立更多的研发部门，比如数据科学家、数据工程师、解决方案架构师、首席分析师等人员构成的数据分析团队。

我是一位爱学习的老人！本站主要是些学习体验与分享(其中会引用一些作品的原话并结合我的一生体会与经验加工整理而成！在此一并感谢！如有不妥之处敬请与我联系,我会妥善处理，谢谢！)我写的主要是中老年人各方面应注意的事儿！退休后我希望通过这个平台广交朋友，互助交流，共筑美好生活！