别再傻傻分不清数据统计、OLAP、挖掘和大数据
·
大数据圈里，数据统计、OLAP、数据挖掘、大数据这些词常被混为一谈。其实它们是从浅到深的四个层次，打个高校管理的比方，你就全明白了。
第一层：数据统计——回答“发生了什么”
这是最基础的数据分析，自古有之。就是用排序、筛选、汇总等方法，从数据中提取直观结论。比如把全年级学生按平均分从高到低排个序，前10%获得保研资格。简单、直接，但只能告诉你过去的状态。
第二层：OLAP——回答“接下来会怎样”
联机分析处理（OLAP）基于数据仓库，支持从多个维度在线观察某个指标。比如学校定江苏招生计划，不能只看去年人数，而要结合历年分数线、报考率、毕业生反馈等多维数据综合判断。OLAP比统计更进一步，能模拟“如果我这样做，结果会如何”。
第三层：数据挖掘——回答“为什么会这样”
挖掘是从海量数据中发现未知、隐含、却有价值的规律，靠的是关联、聚类、时序等算法，而非肉眼观察。比如高数不及格率逐年上升，一般以为是不认真，但挖掘后发现：挂科学生中80%在大一上学期同时选了四门以上硬课。于是学校调整选课建议，问题迎刃而解。
第四层：大数据——回答“处理不了怎么办”
大数据指现有软硬件难以采集、存储、分析的超大规模数据集，具有4V特性：海量、多样、高速、低价值密度。10-100TB通常被视为门槛。它更多是技术挑战，而非单一分析方法。
总结
目前多数学校的数据应用还停留在统计报表阶段，真正做好OLAP和挖掘的很少，到达大数据级别的更罕见。
但请记住：不必被术语绑架。作为分析师，业务的深度理解才是立身之本，数据工具终究是为决策服务的。疗效比名词重要。
更多推荐
7
0- 0
已为社区贡献32条内容
所有评论(0)