FIT5202的重點是大數據處理，包括使用最新大數據技術的數據量、復雜性和速度。在大數據量方面，它涵蓋使用并行技術的大容量數據處理。在大維度(或復雜度)方面，它涵蓋了并行處理的各種數據分析方法。在速度方面，它涵蓋數據流處理。

一、什么是大數據?

大數據是結構化、半結構化和非結構化數據的集合，可在預測分析、機器學習和其他高級數據分析應用中進行處理和使用。根據 Gartner 的說法，"大數據是高容量、高速度和高品種的信息資產，需要經濟高效、創新形式的信息處理，以增強洞察力和決策制定能力"。

此外，Doug Laney 將大數據定義為 5 個 V，即數量(Volume)、速度(Velocity)、種類(Variety)、價值(Value)和真實性(Veracity)。

數量代表所收集的結構化和非結構化數據的數量，速度指接收數據的頻率，多樣性指音頻、視頻、文本、數字數據等數據格式，價值定義所收集數據的有用程度，而所收集數據的準確性則被稱為 "真實性"。

盡管 "大數據 "并不是指特定數量的數據，但大數據的實施通常包括跨期收集的千兆字節、萬兆字節和兆字節數據。如今，企業正在利用海量數據集來加強管理、提供更好的客戶支持、開展有針對性的營銷活動等。例如，大數據可為企業提供重要的 "消費者分析"(Consumer Analytics)，可用于改進營銷策略和實踐，提高客戶參與度。

二、大數據有哪些類型?

結構化

半結構化

非結構化

A) 結構化數據

結構化數據是指具有明確結構的標準化格式。結構化數據以表格形式組織，列和行之間存在關系。例如，Excel 文件或 SQL 數據庫包含結構數據的行和列。結構化數據需要有數據模型，即關于如何存儲、訪問和處理數據的概念。每個字段都是獨立的，可以單獨訪問，也可以與其他區域的信息一起訪問。

B) 半結構化數據

半結構化數據是指無法在關系數據庫中排列的數據，或者缺乏精確的功能結構但具有某些結構特性的數據。半結構化數據由按主題分組或適合分層編程語言的信息組成。它是一種結構化數據，不包含與任何關系數據庫相關的數據模型的任何表格格式。面向對象數據庫包含的 XML 文檔、HTML 文件和表格就是半結構化數據的常見例子。半結構化數據的優點是可用性廣，可用于產生深入的見解。

C)非結構化數據

非結構化數據被歸類為定性數據，因為它沒有預定的形狀或結構。每天，企業都會收到海量的非結構化數據--視頻、音頻、文本等，這些數據正被用于創建大規模的深度學習模型，以解決現實世界中的一些復雜問題。然而，從非結構化數據中生成洞察力非常困難，而且需要巨大的計算能力。

海馬課堂專業課程輔導，2100+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。