数据是指对客观事件进行记录并可以鉴别的符号Y 是对客观事物的性质状态以及相互关系等进行记 载的物理符号或这些物理符号的组合Y是可识别的 抽象的符号 ?数据和信息是两个不同的概念Y信息是较为宏观 的概念Y它由数据的有序排列组合而成Y传达给读 者某个概念方法等Y而数据则是构成信息的基本单 位Y离散的数据没有任何实用价值。 数据也被称为“未来的石油” 涉及到国家安全等方面。 计算机系统中的数据组织形式主要有两种Y即文件和 数据库 ? 1?文件x计算机系统中的很多数据都是以文件形式 网页文件一个图片文件等等 ? 2?数据库x计算机系统中另一种非常重要的数据组 织形式就是数据库Y数据库已经成为计算机软件开发 的基础和核心。 过去x一旦数据的基本用途实现了Y往往就会被 删除Y一方面是由于过去的存储技术落后Y人们 需要删除旧数据来存储新数据Y另一方面则是人 们没有认识到数据的潜在价值 现在x数据的价值不会因为不断被使用而削减Y 反而会因为不断重组而产生更大的价值 将来x各类收集来的数据都应当被尽可能长时间 地保存下来Y同时也应当在一定条件下与全社会 分享Y并产生价值。 人类进入信息社会以后Y数据以自然方式增长Y其产生不以人 的意志为转移 从1986年开始到2010年的20年时间里Y全球数据的数量增长 了100倍Y今后的数据量增长速度将更快Y我们正生活在一个 数据爆炸的时代。 数据分析过程包括x数据采集与预处理数据存储与管理数据处理与 分析数据可视化等 ? 1?数据采集与预处理x采用各种技术手段把外部各种数据源产生的数 据实时或非实时地采集预处理并加以利用 ? 2?数据存储与管理x利用计算机硬件和软件技术对数据进行有效的存 储和应用的过程Y其目的在于充分有效地发挥数据的作用 ? 3?数据处理与分析x数据分析是指用适当的分析方法?来自统计学 机器学习和数据挖掘等领域?Y对收集来的数据进行分析Y提取有用信 息和形成结论的过程 ? 4?数据可视化x将数据集中的数据以图形图像形式表示Y并利用数据 分析和开发工具发现其中未知信息的处理过程。 数据采集与预处理包含了数据采集和数据预处理两大任务 数据采集是指从传感器和智能设备企业在线系统企业离线 系统社交网络和互联网平台等获取数据的过程需要采集的 数据包括RFId数据传感器数据用户行为数据社交网络交 互数据及移动互联网数据等各种类型的结构化半结构化及非 结构化的海量数据 数据采集技术是大数据技术的重要组成部分Y已经广泛应用于 国民经济各个领域Y随着大数据技术的发展和普及Y大数据采 集技术会迎来更加广阔的发展前景。 数据预处理目标是为后续的数据分析工作提供可靠和高质量的 数据Y减少数据集规模Y提高数据抽象程度和数据分析效率 数据预处理任务主要包括数据清洗数据集成数据转换和数 据脱敏等经过这些步骤Y我们可