1.3.1　數據分析與挖掘

下面分享一個真正通過數據挖掘收益的經典案例。最大零售超市沃爾瑪擁有世界上最大的數據倉庫系統。為了能夠準確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。通過數據挖掘和分析，一個意外的發現是：美國中年男子購買尿布的同時一般存在很大的可能會購買啤酒。通過分析后超市將啤酒和尿布擺放位置靠近，這樣給超市帶來了巨大收益。

國內百度大數據也做過很多次預測分析。2014年世界杯足球賽，百度通過大數據分析了所有比賽，小組賽準確率達到60%，淘汰賽階段高達100%。還有微軟、Google等幾家公司都利用大數據做了相應的預測。如圖1-2所示是幾家公司預測對比。

圖1-2

這兩個案例都是傳統的數據分析領域，最終目的都是為了從大數據中找到一些規則或者作出預測，為企業決策提供幫助，有點像沙里淘金。為了一點點金粒，就要留住所有沙子。這里的金子就是規則和結果，大量沙子就是大數據。

數據分析的步驟類似于從沙子里淘金的步驟，其步驟如下：

步驟01　采集大數據（可能有很多來源，這里要說明一下，數據必須真實可靠，否則得到的規則也將是錯誤的）。

步驟02　數據抽取（清洗，把對結果形成干擾的或者異常的數據剔除。比如運動員檔案的數據里面出現一些名字，各項指標都是空著的，這樣沒意義的數據要刪除）。

步驟03　在清洗完畢的數據基礎上構建數據倉庫（實際上就是對我們感興趣的維度構建一個模型，比如你要考察的是足球運動員，可能關注身高、體重、坐高、下肢長、小腿長，而對長得帥不帥、哪里人不感興趣），模型建好之后，最后一步運用數據挖掘算法進行計算得到結論，這就是大數據處理的傳統領域——數據分析，也叫作商業智能。

上面講到的兩個案例都是實時性要求不高，不要求馬上得到結果。如果希望快速得到結果，比如幾秒鐘得到處理結果，這就是大數據處理的另一個領域，即云計算。本書不詳細講解云計算，此處僅僅舉個小例子，以幫助讀者理解云計算的概念。