數(shù)據(jù)被譽為新時代的石油，隨著大數(shù)據(jù)市場的發(fā)展，數(shù)據(jù)開始流通，越來越多人也開始挖掘數(shù)據(jù)的價值。本文盡可能全面地介紹國內的數(shù)據(jù)源、搜索數(shù)據(jù)的方法以及數(shù)據(jù)交易的平臺，幫助數(shù)據(jù)工作者們快速全面地找數(shù)據(jù)。文中涉及的數(shù)據(jù)交易方式包括API數(shù)據(jù)接口、數(shù)據(jù)包下載、數(shù)據(jù)定制等，涵蓋免費的公開源數(shù)據(jù)以及付費數(shù)據(jù)。以下是小編為你整理的大數(shù)據(jù)新手學習教程 ?

統(tǒng)計數(shù)據(jù) ?

*統(tǒng)計局/*數(shù)據(jù) ?

最正統(tǒng)、最官方的數(shù)據(jù)，數(shù)據(jù)范圍涵蓋各行各業(yè)，時間跨度也較大，可下載為各種常見格式 ?

*網(wǎng)站通常有統(tǒng)計數(shù)據(jù)，但不同*數(shù)據(jù)量有多有少，目前為止數(shù)據(jù)并不算深入，但隨著數(shù)據(jù)開放政策的深入，相信*網(wǎng)站會成為很好的數(shù)據(jù)源 ?

*列表可以在**網(wǎng)找，下文中的各行業(yè)數(shù)據(jù)都可以在相關的*網(wǎng)站找到數(shù)據(jù)，就不一一列舉了

數(shù)據(jù)需要申請或購買，公開的并不多，但不失為一個選擇 ?

咨詢、金融、市場調研公司，尤其是業(yè)內頂尖的，通常有自己的數(shù)據(jù)，但同樣并不免費公開，部分數(shù)據(jù)可購買 ?

大部分主要行業(yè)都有自己的年鑒，數(shù)據(jù)比較寶貴，只是給機器用之前還需要處理;價值高的年鑒通常需要付費獲取;這里推薦一下人大經(jīng)濟論壇，氛圍較好 ?

如何統(tǒng)計數(shù)據(jù) ?

公開信息及整理比如統(tǒng)計局的數(shù)據(jù)、公司自己發(fā)布的年報、其他市場機構的研究報告、或者根據(jù)公開的零散信息整理; ?

購買的數(shù)據(jù)庫市場上有很多產(chǎn)品化的數(shù)據(jù)庫，比如Bloomberg、OneSource、Wind等等，這個一般是以公司的名義買入口，不光咨詢公司還有很多高等院校及研究機構也買了; ?

自己的數(shù)據(jù)庫自己維護的數(shù)據(jù)庫有，但是比較少，一是專業(yè)的數(shù)據(jù)公司差不多能想到的都做了，二是自己做數(shù)據(jù)庫其實是一件很麻煩的事情。在有些數(shù)據(jù)是外界無法得到的情況下有可能自己維護一個小型的數(shù)據(jù)庫; ?

咨詢行業(yè)專家當然是有償?shù)?，這個在項目中應該蠻常見的。有些行業(yè)專家會專門收集和銷售數(shù)據(jù)，想要的基本能買到。 ?

發(fā)問卷有時候為了單獨的項目也會收集很特別的數(shù)據(jù)，如果外界實在沒有但是項目上沒有不行就只有自己做了，比如自己發(fā)發(fā)問卷之類的，但是這類數(shù)據(jù)需求要控制工作量，因為除非數(shù)據(jù)本身是交付內容之一，要不然不能為了個中間件花費太多時間和精力; ?

客戶有些數(shù)據(jù)就是來源于客戶，甚至是咨詢公司的產(chǎn)品。舉個例子，比如HR咨詢公司的行業(yè)工資數(shù)據(jù)、四大的一些數(shù)據(jù)庫等等，這些數(shù)據(jù)的采集需要比較強的專業(yè)性或者時間積累，很大一部分是通過調查客戶的HR收集來的數(shù)據(jù)進行統(tǒng)計的。 ?

HBase集群及其管理 ?

1、集群的搭建過程 2、集群的監(jiān)控 3、集群的管理 ?

Pig基礎知識 ?

Pig是進行Hadoop計算的另一種框架，是一個高級過程語言，適合于使用 Hadoop 和 MapReduce 平臺來查詢大型半結構化數(shù)據(jù)集。通過允許對分布式數(shù)據(jù)集進行類似 SQL 的查詢，Pig 可以簡化 Hadoop 的使用。 ?

1、Pig概述 2、安裝Pig 3、使用Pig完成手機流量統(tǒng)計業(yè)務

?

Hive ?

hive是基于Hadoop的一個數(shù)據(jù)倉庫工具，可以將結構化的數(shù)據(jù)文件映射為一張數(shù)據(jù)庫表，并提供簡單的sql查詢功能，可以將sql語句轉換為MapReduce任務進行運行。 其優(yōu)點是學習成本低，可以通過類SQL語句快速實現(xiàn)簡單的MapReduce統(tǒng)計，不必開發(fā)專門的MapReduce應用。 ?

1、數(shù)據(jù)倉庫基礎知識 2、Hive定義 3、Hive體系結構簡介 4、Hive集群 5、客戶端簡介 6、HiveQL定義 7、HiveQL與SQL的比較 8、數(shù)據(jù)類型 9、表與表分區(qū)概念 10、表的操作與CLI客戶端 11、數(shù)據(jù)導入與CLI客戶端 12、查詢數(shù)據(jù)與CLI客戶端 13、數(shù)據(jù)的連接與CLI客戶端 14、用戶自定義函數(shù)(UDF) ?

Scala ?

Scala是另一種基于Java的語言，并且和Java相同的是，它正日益成為大規(guī)模機器學習，或構建高層次算法的工具。它富有表現(xiàn)力，并且還能夠構建健壯的系統(tǒng)。 ?

“Java就像是建造時的鋼鐵，而Scala則像黏土，因為你之后可以將之放入窯內轉變成鋼鐵，”Driscoll說。 ?

Cetas項目關注點

及時乃至實時的決策提供了投資的成功可能性!隨著各式各樣應用產(chǎn)生不規(guī)則的數(shù)據(jù)產(chǎn)生，這些數(shù)據(jù)到底想告訴你我什么呢?我們相信大數(shù)據(jù)將提供一個遠見，一個對客戶的洞察。那就沒有理由去懷疑，基于用戶的產(chǎn)品和服務會成功!Cetas提供了一個易于管理，自助服務的虛擬環(huán)境，支持企業(yè)自定義創(chuàng)建多種應用。這里提供了多維度的行為分析和大量高級的分析算法。 ?

除了提供在線應用實時的高級分析之外，還能分析IT運營管理，提供企業(yè)的管理運營能力。這為企業(yè)提供了對企業(yè)IT運營效果的面面觀。 ?

為企業(yè)或個人提供可擴展，高性能的Hadoop自助分析平臺，也提供了可視化的數(shù)據(jù)發(fā)現(xiàn)功能，并且嵌入了大量先進的機器學習算法，這些都促進研究和深度挖掘大數(shù)據(jù)所隱藏的內容。甚至如果你有建模的需要，這個平臺也能滿足你!! ?

從虛擬化的基礎上創(chuàng)建起的這三項服務，分別面向私人，公共，甚至是公私混合。從而Cetas使得大數(shù)據(jù)分析更加輕量化，這也是VMware公司收購Cetas之后加大投入的方向。 ?

如今Cetas加入VMware的大家族，未來將被賦予更重要的角色和作用。這方面也讓我們拭目以待VMware這架虛擬化馬車駛出的大數(shù)據(jù)分析之路。