大数据网络用语是什么意思(大数据是什么意思？)
大数据是什么意思？
您好，很开心为您解答。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》 中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据应用
大数据虽然孕育于信息通信技术，但它对社会、经济、生活产生的影响绝不限于技术层面。更本质上，它是为我们看待世界提供了一种全新的方法，即决策行为将日益基于数据分析，而不是像过去更多凭借经验和直觉。具体来讲，大数据有以下作用。
1）对大数据的处理分析正成为新一代信息技术融合应用的结点。移动互联网、物联网、社交网络、数字家庭、电子商务等是新一代信息技术的应用形态，这些应用不断产生大数据。
云计算为这些海量、多样化的大数据提供存储和运算平台。通过对不同来源数据的管理、处理、分析与优化，将结果反馈到上述应用中，将创造出巨大的经济和社会价值，大数据具有催生社会变革的能量。
2）大数据是信息产业持续高速增长的新引擎。面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。
在硬件与集成设备领域，大数据将对芯片、存储产业产生重要影响，还将催生出一体化数据存储处理服务器、内存计算等市场。
在软件与服务领域，大数据将引发数据快速处理分析技术、数据挖掘技术和软件产品的发展。
3）大数据利用将成为提高核心竞争力的关键因素。各行各业的决策正在从“业务驱动”向“数据驱动”转变。
在商业领域，对大数据的分析可以使零售商实时掌握市场动态并迅速做出应对，可以为商家制定更加精准有效的营销策略提供决策支持，可以帮助企业为消费者提供更加及时和个性化的服务。
在医疗领域，可提高诊断准确性和*物有效性。
在公共事业领域，大数据也开始发挥促进经济发展、维护社会稳定等方面的重要作用。
4）大数据时代，科学研究的方法手段将发生重大改变。例如，抽样调查是社会科学的基本研究方法，在大数据时代，研究人员可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据，进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。
大数据涉及到各个行业，现在能学好大数据技术，加上自己持续的学习，高薪是肯定的。
大数据是什么意思饭圈？
大数据（bigdata），IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据分析通俗的讲就是将海量混杂的数据，通过利用各类手段统一协调成一个有机整体，然后以不同的可视化分析工具直观呈现给用户，让其通俗易懂的发现数据中的一些关键因素点。以保障相关人员提升工作效率及分析数据核心指标，并且为企业带来收益价值点。
大数据可以实现的应用可以概括为精准化定制；通过数据去解决一些行业应用难点，例如：城市规划、市场分析、用户画像分析等、更多居于toB领域。
大数据到底是什么，没弄明白
在问问里提一个问题即可点亮了喔！如果还不亮你可以重新登录一下就行了，你提过问题，并设置其中一个答案是满意答案qq版本必须是2007的什么是问问？搜搜问问是腾讯soso为广大用户提供的问答互动平台，在soso问问大家庭中，您可以：提出问题，让亿万q友为您迅速解答；问问中提出的问题，可以在您的qq上显示出来；回答别人的问题，分享您的智慧，获得积分和等级的上升；选择自己擅长的领域，提供高质量的回答，做受人尊敬的专家；结交更多有共同爱好的朋友，有问题，来问问。一问天下应！问问积分可以换q币，和奖品.积分是为鼓励用户参加而设计的一套奖励系统,积分对换qb和奖品，在首页上
大数据什么意思网络用语（大数据什么意思）_互联百科
关于大数据什么意思网络用语，大数据什么意思这个很多人还不知道，今天菲菲来为大家解答以上的问题，现在让我们一起来看看吧！
1、大数据是相对于传统"小数据"的，传统由于数据处理的成本很高，所以只能处理部分信息系统中产生的非常规范的数据，而对于文本、图片等数据不能处理，而且数据量非常大的话，只能通过抽样的方式来降低数据量。
2、大数据的所谓4个特征是，Volume（数据量大，海量数据），Variety（数据类型多，文本/音频/视频/传感器数据），Velocity（产生速度快，一些实时监控的数据要求实时的进行处理），Value（价值，大数据里面蕴含人们通过逻辑推理得不到的价值）如果感兴趣建议读一下《大数据时代》，还是非常有启发的。
标签：
大数据时代通俗解释
大数据时代就是被大数据充斥着的时代，生活中无处不在都存在着大数据，运用到方方面面的的数据，这就是最通俗的讲法吧人们每天产生数据，所有数据汇总起来就是大数据，运用大数据刻画每个人的用户画像，在现今的社会，大数据的应用越来越彰显他的优势，它占领的领域也越来越大，电子商务、O2O、物流配送等，各种利用大数据进行发展的领域正在协助企业不断地发展新业务，创新运营模式。有了大数据这个概念，对于消费者行为的判断，产品销售量的预测，精确的营销范围以及存货的补给已经得到全面的改善与优化。
大数据体系必备术语知多少？
热文导读|点击标题阅读
IT职业技能图谱（全套13张，值得收藏）
7张图读懂数据科学
如何成为一位数据科学家
你应该了解的大数据时代的10个新理念及10个新术语
大数据的出现带来了许多新的术语，但这些术语往往比较难以理解。因此，我们通过本文给出一个常用的大数据术语表，抛砖引玉，供大家深入了解，部分定义参考了相应的博客文章。
A
聚合(Aggregation) –搜索、合并、显示数据的过程
算法(Algorithms) –可以完成某种数据分析的数学公式
分析法(Analytics) –用于发现数据的内在涵义
异常检测(Anomalydetection) –在数据集中搜索与预期模式或行为不匹配的数据项。除了“Anomalies”,用来表示异常的词有以下几种：outliers,exceptions,surprises,contaminants.他们通常可提供关键的可执行信息
匿名化(Anonymization) –使数据匿名，即移除所有与个人隐私相关的数据
应用(Application) –实现某种特定功能的计算机软件
人工智能(ArtificialIntelligence) –研发智能机器和智能软件，这些智能设备能够感知周遭的环境，并根据要求作出相应的反应，甚至能自我学习。
B
行为分析法(BehaviouralAnalytics) –这种分析法是根据用户的行为如“怎么做”，“为什么这么做”，以及“做了什么”来得出结论，而不是仅仅针对人物和时间的一门分析学科，它着眼于数据中的人性化模式
大数据科学家(BigDataScientist) –能够设计大数据算法使得大数据变得有用的人
大数据创业公司(Bigdatastartup) –指研发最新大数据技术的新兴公司
生物测定术(Biometrics) –根据个人的特征进行身份识别
B字节(BB:Brontobytes) –约等于1000YB(Yottabytes)，相当于未来数字化宇宙的大小。1B字节包含了27个0！
商业智能(BusinessIntelligence) –是一系列理论、方法学和过程，使得数据更容易被理解
C
分类分析(Classificationanalysis) –从数据中获得重要的相关性信息的系统化过程;这类数据也被称为元数据(metadata),是描述数据的数据
云计算(Cloudcomputing) –构建在网络上的分布式计算系统，数据是存储于机房外的（即云端）
聚类分析(Clusteringanalysis) –它是将相似的对象聚合在一起，每类相似的对象组合成一个聚类(也叫作簇)的过程。这种分析方法的目的在于分析数据间的差异和相似性
冷数据存储(Colddatastorage) –在低功耗服务器上存储那些几乎不被使用的旧数据。但这些数据检索起来将会很耗时
对比分析(Comparativeanalysis) –在非常大的数据集中进行模式匹配时，进行一步步的对比和计算过程得到分析结果
复杂结构的数据(Complexstructureddata) –由两个或多个复杂而相互关联部分组成的数据，这类数据不能简单地由结构化查询语言或工具(SQL)解析
计算机产生的数据(Computergenerateddata) –如日志文件这类由计算机生成的数据
并发(Concurrency) –同时执行多个任务或运行多个进程
相关性分析(Correlationanalysis) –是一种数据分析方法，用于分析变量之间是否存在正相关，或者负相关
客户关系管理(CRM:CustomerRelationshipManagement) –用于管理销售、业务过程的一种技术，大数据将影响公司的客户关系管理的策略
D
仪表板(Dashboard) –使用算法分析数据，并将结果用图表方式显示于仪表板中
数据聚合工具(Dataaggregationtools) –将分散于众多数据源的数据转化成一个全新数据源的过程
数据分析师(Dataanalyst) –从事数据分析、建模、清理、处理的专业人员
数据库(Database) –一个以某种特定的技术来存储数据集合的仓库
数据库即服务(Database-as-a-Service) –部署在云端的数据库，即用即付，例如亚马逊云服务(AWS:AmazonWebServices)
数据库管理系统(DBMS:DatabaseManagementSystem) –收集、存储数据，并提供数据的访问
数据中心(Datacentre) –一个实体地点，放置了用来存储数据的服务器
数据清洗(Datacleansing) –对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性
数据管理员(Datacustodian) –负责维护数据存储所需技术环境的专业技术人员
数据道德准则(Dataethicalguidelines) –这些准则有助于组织机构使其数据透明化，保证数据的简洁、安全及隐私
数据订阅(Datafeed) –一种数据流，例如Twitter订阅和RSS
数据集市(Datamarketplace) –进行数据集买卖的在线交易场所
数据挖掘(Datamining) –从数据集中发掘特定模式或信息的过程
数据建模(Datamodelling) –使用数据建模技术来分析数据对象，以此洞悉数据的内在涵义
数据集(Dataset) –大量数据的集合
数据虚拟化(Datavirtualization) –数据整合的过程，以此获得更多的数据信息，这个过程通常会引入其他技术，例如数据库，应用程序，文件系统，网页技术，大数据技术等等
去身份识别(De-identification) –也称为匿名化(anonymization)，确保个人不会通过数据被识别
判别分析(Discriminantanalysis) –将数据分类；按不同的分类方式，可将数据分配到不同的群组，类别或者目录。是一种统计分析法，可以对数据中某些群组或集群的已知信息进行分析，并从中获取分类规则。
分布式文件系统(DistributedFileSystem) –提供简化的，高可用的方式来存储、分析、处理数据的系统
文件存贮数据库(DocumentStoreDatabases) –又称为文档数据库(document-orienteddatabase),为存储、管理、恢复文档数据而专门设计的数据库，这类文档数据也称为半结构化数据
E
探索性分析(Exploratoryanalysis) –在没有标准的流程或方法的情况下从数据中发掘模式。是一种发掘数据和数据集主要特性的一种方法
E字节(EB:Exabytes) –约等于1000PB(petabytes),约等于1百万GB。如今全球每天所制造的新信息量大约为1EB
提取-转换-加载(ETL:Extract,TransformandLoad) –是一种用于数据库或者数据仓库的处理过程，天善学院有国内唯一的最全的ETL学习课程。即从各种不同的数据源提取(E)数据，并转换(T)成能满足业务需要的数据，最后将其加载(L)到数据库
F
故障切换(Failover) –当系统中某个服务器发生故障时，能自动地将运行任务切换到另一个可用服务器或节点上
容错设计(Fault-tolerantdesign) –一个支持容错设计的系统应该能够做到当某一部分出现故障也能继续运行
G
游戏化(Gamification) –在其他非游戏领域中运用游戏的思维和机制，这种方法可以以一种十分友好的方式进行数据的创建和侦测，非常有效。
图形数据库(GraphDatabases) –运用图形结构(例如，一组有限的有序对，或者某种实体)来存储数据，这种图形存储结构包括边缘、属性和节点。它提供了相邻节点间的自由索引功能，也就是说，数据库中每个元素间都与其他相邻元素直接关联。
网格计算(Gridcomputing) –将许多分布在不同地点的计算机连接在一起，用以处理某个特定问题，通常是通过云将计算机相连在一起。
H
Hadoop –一个开源的分布式系统基础框架，可用于开发分布式程序，进行大数据的运算与存储。
Hadoop数据库(HBase) –一个开源的、非关系型、分布式数据库，与Hadoop框架共同使用
HDFS –Hadoop分布式文件系统(HadoopDistributedFileSystem)；是一个被设计成适合运行在通用硬件(commodityhardware)上的分布式文件系统
高性能计算(HPC:High-Performance-Computing) –使用超级计算机来解决极其复杂的计算问题
I
内存数据库(IMDB:In-memory) –一种数据库管理系统，与普通数据库管理系统不同之处在于，它用主存来存储数据，而非硬盘。其特点在于能高速地进行数据的处理和存取。
物联网(InternetofThings) –在普通的设备中装上传感器，使这些设备能够在任何时间任何地点与网络相连。
J
法律上的数据一致性(Juridicaldatacompliance) –当你使用的云计算解决方案，将你的数据存储于不同的国家或不同的大陆时，就会与这个概念扯上关系了。你需要留意这些存储在不同国家的数据是否符合当地的法律。
K
键值数据库(KeyValueDatabases) –数据的存储方式是使用一个特定的键，指向一个特定的数据记录，这种方式使得数据的查找更加方便快捷。键值数据库中所存的数据通常为编程语言中基本数据类型的数据。
L
延迟(Latency) –表示系统时间的延迟
遗留系统(Legacysystem) –是一种旧的应用程序，或是旧的技术，或是旧的计算系统，现在已经不再支持了。
负载均衡(Loadbalancing) –将工作量分配到多台电脑或服务器上，以获得最优结果和最大的系统利用率。
位置信息(Locationdata) –GPS信息，即地理位置信息。
日志文件(Logfile) –由计算机系统自动生成的文件，记录系统的运行过程。
M
M2M数据(Machine2Machinedata) –两台或多台机器间交流与传输的内容
机器数据(Machinedata) –由传感器或算法在机器上产生的数据
机器学习(Machinelearning) –人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。
MapReduce –是处理大规模数据的一种软件框架(Map:映射，Reduce:归纳)。
大规模并行处理(MPP:MassivelyParallelProcessing) –同时使用多个处理器(或多台计算机)处理同一个计算任务。
元数据(Metadata) –被称为描述数据的数据，即描述数据数据属性(数据是什么)的信息。
MongoDB –一种开源的非关系型数据库(NoSQLdatabase)
多维数据库(Multi-DimensionalDatabases) –用于优化数据联机分析处理(OLAP)程序，优化数据仓库的一种数据库。
多值数据库(MultiValueDatabases) –是一种非关系型数据库(NoSQL),一种特殊的多维数据库：能处理3个维度的数据。主要针对非常长的字符串，能够完美地处理HTML和XML中的字串。
N
自然语言处理(NaturalLanguageProcessing) –是计算机科学的一个分支领域，它研究如何实现计算机与人类语言之间的交互。
网络分析(Networkanalysis) –分析网络或图论中节点间的关系，即分析网络中节点间的连接和强度关系。
NewSQL –一个优雅的、定义良好的数据库系统，比SQL更易学习和使用，比NoSQL更晚提出的新型数据库
NoSQL –顾名思义，就是“不使用SQL”的数据库。这类数据库泛指传统关系型数据库以外的其他类型的数据库。这类数据库有更强的一致性，能处理超大规模和高并发的数据。
O
对象数据库(ObjectDatabases) –(也称为面象对象数据库)以对象的形式存储数据，用于面向对象编程。它不同于关系型数据库和图形数据库，大部分对象数据库都提供一种查询语言，允许使用声明式编程(declarativeprogramming)访问对象.
基于对象图像分析(Object-basedImageAnalysis) –数字图像分析方法是对每一个像素的数据进行分析，而基于对象的图像分析方法则只分析相关像素的数据，这些相关像素被称为对象或图像对象。
操作型数据库(OperationalDatabases) –这类数据库可以完成一个组织机构的常规操作，对商业运营非常重要，一般使用在线事务处理，允许用户访问、收集、检索公司内部的具体信息。
优化分析(Optimizationanalysis) –在产品设计周期依靠算法来实现的优化过程，在这一过程中，公司可以设计各种各样的产品并测试这些产品是否满足预设值。
本体论(Ontology) –表示知识本体，用于定义一个领域中的概念集及概念之间的关系的一种哲学思想。(译者注:数据被提高到哲学的高度，被赋予了世界本体的意义，成为一个独立的客观数据世界)
异常值检测(Outlierdetection) –异常值是指严重偏离一个数据集或一个数据组合总平均值的对象，该对象与数据集中的其他它相去甚远，因此，异常值的出现意味着系统发生问题，需要对此另加分析。
P
模式识别(PatternRecognition) –通过算法来识别数据中的模式，并对同一数据源中的新数据作出预测
P字节(PB:Petabytes) –约等于1000TB(terabytes),约等于1百万GB(gigabytes)。欧洲核子研究中心(CERN)大型强子对撞机每秒产生的粒子个数就约为1PB
平台即服务(PaaS:Platform-as-a-Service) –为云计算解决方案提供所有必需的基础平台的一种服务
预测分析(Predictiveanalysis) –大数据分析方法中最有价值的一种分析方法，这种方法有助于预测个人未来(近期)的行为，例如某人很可能会买某些商品，可能会访问某些网站，做某些事情或者产生某种行为。通过使用各种不同的数据集，例如历史数据，事务数据，社交数据，或者客户的个人信息数据，来识别风险和机遇
隐私(Privacy) –把具有可识别出个人信息的数据与其他数据分离开，以确保用户隐私。
公共数据(Publicdata) –由公共基金创建的公共信息或公共数据集。
Q
数字化自我(QuantifiedSelf) –使用应用程序跟踪用户一天的一举一动，从而更好地理解其相关的行为
查询(Query) –查找某个问题答案的相关信息
R
再识别(Re-identification) –将多个数据集合并在一起，从匿名化的数据中识别出个人信息
回归分析(Regressionanalysis) –确定两个变量间的依赖关系。这种方法假设两个变量之间存在单向的因果关系(译者注：自变量，因变量，二者不可互换)
RFID –射频识别;这种识别技术使用一种无线非接触式射频电磁场传感器来传输数据
实时数据(Real-timedata) –指在几毫秒内被创建、处理、存储、分析并显示的数据
推荐引擎(Recommendationengine) –推荐引擎算法根据用户之前的购买行为或其他购买行为向用户推荐某种产品
路径分析(Routinganalysis) –针对某种运输方法通过使用多种不同的变量分析从而找到一条最优路径，以达到降低燃料费用，提高效率的目的
S
半结构化数据(Semi-structureddata) –半结构化数据并不具有结构化数据严格的存储结构，但它可以使用标签或其他形式的标记方式以保证数据的层次结构
情感分析(SentimentAnalysis) –通过算法分析出人们是如何看待某些话题
信号分析(Signalanalysis) –指通过度量随时间或空间变化的物理量来分析产品的性能。特别是使用传感器数据。
相似性搜索(Similaritysearches) –在数据库中查询最相似的对象，这里所说的数据对象可以是任意类型的数据
仿真分析(Simulationanalysis) –仿真是指模拟真实环境中进程或系统的操作。仿真分析可以在仿真时考虑多种不同的变量，确保产品性能达到最优
智能网格(Smartgrid) –是指在能源网中使用传感器实时监控其运行状态，有助于提高效率
软件即服务(SaaS:Software-as-a-Service) –基于Web的通过浏览器使用的一种应用软件
空间分析(Spatialanalysis) –空间分析法分析地理信息或拓扑信息这类空间数据，从中得出分布在地理空间中的数据的模式和规律
SQL –在关系型数据库中，用于检索数据的一种编程语言
结构化数据(Structureddata) -可以组织成行列结构，可识别的数据。这类数据通常是一条记录，或者一个文件，或者是被正确标记过的数据中的某一个字段，并且可以被精确地定位到。
T
T字节(TB:Terabytes) –约等于1000GB(gigabytes)。1TB容量可以存储约300小时的高清视频。
时序分析(Timeseriesanalysis) –分析在重复测量时间里获得的定义良好的数据。分析的数据必须是良好定义的，并且要取自相同时间间隔的连续时间点。
拓扑数据分析(TopologicalDataAnalysis) –拓扑数据分析主要关注三点：复合数据模型、集群的识别、以及数据的统计学意义。
交易数据(Transactionaldata) –随时间变化的动态数据
透明性(Transparency) –消费者想要知道他们的数据有什么作用、被作何处理，而组织机构则把这些信息都透明化了。
U
非结构化数据(Un-structureddata) –非结构化数据一般被认为是大量纯文本数据，其中还可能包含日期，数字和实例。
V
价值(Value) –(译者注：大数据4V特点之一)所有可用的数据，能为组织机构、社会、消费者创造出巨大的价值。这意味着各大企业及整个产业都将从大数据中获益。
可变性(Variability) –也就是说，数据的含义总是在（快速）变化的。例如，一个词在相同的推文中可以有完全不同的意思。
多样(Variety) –(译者注：大数据4V特点之一)数据总是以各种不同的形式呈现，如结构化数据，半结构化数据，非结构化数据，甚至还有复杂结构化数据
高速(Velocity) –(译者注：大数据4V特点之一)在大数据时代，数据的创建、存储、分析、虚拟化都要求被高速处理。
真实性(Veracity) –组织机构需要确保数据的真实性，才能保证数据分析的正确性。因此，真实性(Veracity)是指数据的正确性。
可视化(Visualization) –只有正确的可视化，原始数据才可被投入使用。这里的“可视化”并非普通的图型或饼图，可视化指是的复杂的图表，图表中包含大量的数据信息，但可以被很容易地理解和阅读。
大量(Volume) –(译者注：大数据4V特点之一)指数据量，范围从Megabytes至Brontobytes
W
天气数据(Weatherdata) –是一种重要的开放公共数据来源，如果与其他数据来源合成在一起，可以为相关组织机构提供深入分析的依据
X
XML数据库(XMLDatabases) –XML数据库是一种以XML格式存储数据的数据库。XML数据库通常与面向文档型数据库相关联，开发人员可以对XML数据库的数据进行查询，导出以及按指定的格式序列化
Y
Y字节(Yottabytes) –约等于1000ZB(Zettabytes),约等于250万亿张DVD的数据容量。现今，整个数字化宇宙的数据量为1YB,并且将每18年翻一番。
Z
Z字节(ZB:Zettabytes) –约等于1000EB(Exabytes),约等于1百万TB。据预测，到2016年全球范围内每天网络上通过的信息大约能达到1ZB。
附：存储容量单位换算表
1Bit(比特)=BinaryDigit
8Bits=1Byte(字节)
1,000Bytes=1Kilobyte
1,000Kilobytes=1Megabyte
1,000Megabytes=1Gigabyte
1,000Gigabytes=1Terabyte
1,000Terabytes=1Petabyte
1,000Petabytes=1Exabyte
1,000Exabytes=1Zettabyte
1,000Zettabytes=1Yottabyte
1,000Yottabytes=1Brontobyte
1,000Brontobytes=1Geopbyte
作者 | 图文来自网络、如涉及版权问题，请联系我们以便处理。文章内容纯属作者个人观点，不代表本网观点。
-END-
【通知】
首届大数据教育高峰论坛(桂林，4月15日～4月16日)
抖音大数据什么意思？
抖音大数据是什么意思？
抖音大数据就是海量的数据，大就是多的意思，而数据就是信息、技术以及数据资料，合起来就是多的信息、技术、以及数据资料，随着大数据产业的发展逐渐变为了具体的、实用的理念。谢谢回答完毕希望我的回答能帮到你
脑洞议题：冲浪黑话大创作！_网络_意思_缩写
原标题：脑洞议题：冲浪黑话大创作！
数据君在带薪摸鱼的时候发现一条看不懂的热搜↓
eg：
所以，我对这个热搜的第一反应就是：
这是数据君第一次知道“下头”原来还有泼冷水的意思，
移动互联网飞速发展的时代，基于大数据的兴趣推荐让网络社交有了更多玩法。很多更垂直、更小圈层的自我身份，可以迅速在各种app上找到成百上千个一样的价值认同。
那如何最终辨别”网络推荐“的朋友是自己所欣赏的呢？
具有圈层属性识别功能的”冲浪黑话“就派上用场了！
在网络上，以95后00后为主的年轻一代创作的社交黑话，好像不知不觉就占据了社交平台的“半壁江山”。
下面是一组相对简单的入门测试，大家不妨先看下自己掌握了多少。
测试规则：回答出你认为正确的答案。
1.请问"xswl"是什么意思？
“xswl”，现在网络上的常用语。是指“笑死我了”（xiàosǐwǒle），拼音第一个字母组成的缩写，表示很好笑。
“dbq”，网络流行词。该词是“对不起”一词的缩写形式，取的是这三个字的首字母缩写，也是如今的饭圈常用语。
“扩列”，网络常用语。一般指00后的黑话，是“扩充列表，添加好友”的缩写，等同于认识新的朋友。
“nsdd”，网络流行词。是“你说得对”一词的缩写的梗，也是常见的饭圈用语。该词最早出自饭圈，于2018走红。
“NBCS”，饭圈流行语。是英文“nobodycares”短语中字母的缩写形式，意思为没有人关心、没人会在意,也就是不感兴趣。
“ssfd”，网络流行词。该词是“瑟瑟发抖”一词缩写形式，通常是一种卖萌地表达自己可怜兮兮、沮丧无比、恐惧害怕的负面情绪，是常见的饭圈用语。
“走花路”，饭圈常用语，网络流行词。是指走美丽、顺利、平坦的道路。完整说法：一起走花路吧（英文：Hopeeverythinggoeswellforyou）。意思：希望顺顺利利，一直有好事发生。从2017年开始一直被广泛使用。
“plgg”，饭圈流行用语，汉语“漂亮哥哥”的缩写，意思是很好看的小哥哥。
“yjjc”，网络流行词。是“一骑绝尘”四个字的拼音首字母缩写，形容明星艺人的人气资源断壁断层。
“lllllllllb”，网络流行词。即英文“layback”，也就是落后、延迟的意思。就比方某个作品出现好久了，但是你却刚刚知道。通俗点就是你村里刚通网络，有点out落伍了。
不论是在热播网剧、综艺的弹幕，还是在知乎、微博下的评论，或是qq、微信的对话，这些网络黑话频频现身！
虽然数据君作为95后的“小同志”（四舍五入），但也不禁感叹自己已经llllllb了!!（没看懂10道题的朋友也不要急，冲浪黑话是相对的，你平常发微信加的狗头和太阳对有些人而言也是看不懂的”黑话存在“，是不是又觉得自己行了？）
其实除了单纯的汉字或字母组合外，还有一种更高级的黑话表现形式，具体为下面这样！
其实说回来，这些“冲浪黑话”讲究的都是一个遁辞隐义，
我们工作中接触的“行业黑话”也是异曲同工之妙。
自古深情留不住，总是套路得人心。相信各大家都感同身受！
如果说“冲浪黑话”是为了“圈地自萌”，不让自己的小圈子受到打扰，那“职场黑话”可能就真的是同事之间，甲乙方之间的“润滑剂”了，稍不小心就会陷入“对方套路”了呢！
欢迎关注「CPDA数据分析师」账号矩阵：
点击“赞”和“在看”，让更多数据分析学习者看到此内容。返回搜狐，查看更多
责任编辑：
由内容质量、互动评论、分享传播等多维度分值决定，勋章级别越高()，代表其在平台内的综合表现越好。
常用大数据术语一览表
A
聚合-搜索、收集和显示数据的过程。
算法-可以对数据执行某种分析的数学公式。
分析―发现数据蕴含的洞察力。
异常检测-搜索数据集中与预测模式或预期行为不匹配的数据项。异常又叫outlier、exception、surprise或contaminant，它们常常提供了关键的、可付诸行动的信息。
匿名化-使数据匿名，即移除可能表明个人身份的所有数据点。
应用程序-让计算机能够执行某项任务的计算机软件。
人工智能-研发智能机器和软件，它们能够感知周围环境，并且在需要时采取相应的动作，甚至从那些动作中学习。
B
行为分析-这种分析可以表明如何、为何和什么，而不是仅仅表明是谁和何时。它可分析数据中的人性化模式。
大数据科学家-能够开发解读大数据的算法的人。
大数据初创公司―开发新颖大数据技术的新兴公司。
生物特征识别-根据人的生物特征来识别人的身份。
波字节(BB)-约等于1000尧字节，相当于未来数字化宇宙的大小。1波字节有27个0!
商业智能-让数据易于理解的一套理论、方法和过程。
C
分类分析-从数据获取重要相关信息的系统化过程，又叫元数据，即描述数据的数据。
云计算-网络上用于异地存储数据的分布式计算系统。
聚类分析-识别彼此相似的对象并聚集成类的过程，以便了解数据里面的相似之处和不同之处。
冷数据存储-将很少使用的旧数据存储在低功耗服务器上。检索数据耗时较长。
对比分析-它确保采用逐步的比较和计算过程，以便发现非常大的数据集里面的模式。
复杂的结构化数据-由两个或多个复杂的关联部分组成的数据，它们不容易被结构化查询语言和工具来解析。
计算机生成的数据-计算机生成的数据，比如日志文件。
并发-同时运行或执行多个任务或进程。
关联分析-分析数据，以便确定变量之间的关系，确定这种关系是负关系(-1.00)还是正关系(+1.00)。
客户关系管理(CRM)-管理销售和业务流程，大数据会影响CRM策略。
D
仪表板-使用图形化显示算法执行的分析的工具。
数据聚合工具-将分散于众多数据源的数据转化成单一新数据源的过程。
数据分析员-分析、建模、清理或处理数据的人员。
数据库-数据通过某种技术存储起来的数字化集合。
数据库即服务-托管在云端的数据库，按使用量付费，比如亚马逊网络服务(AWS)。
数据库管理系统(DBMS)-收集和存储数据，并提供数据访问。
数据中心-放置用来存储数据的服务器的实际场地。
数据清洗-审查和修订数据的过程，以便删除重复数据、纠正错误，并提供一致性。
数据管理员-负责数据存储所需技术环境的人员。
数据道德准则-帮助企业组织在数据方面做到透明的准则，确保简洁性、安全性和隐私性。
数据源-一种数据流，比如推特数据源或RSS。
数据市场-进行数据集买卖的在线环境。
数据挖掘-从数据集中找到某些模式或信息的过程。
数据建模-使用数据建模技术来分析数据对象，从数据获得洞察力。
数据集-数据集合。
数据虚拟化-数据整合过程，以便获得更多的洞察力。它通常涉及数据库、应用程序、文件系统、网站和大数据技术等等。
去身份识别-跟匿名化一样;确保无法通过数据来识别人员身份。
判别分析-对数据分类;将数据分成不同的群组或类别。数据中的某些群组或聚类事先已知的情况下使用统计分析，利用该信息生成分类规则。
分布式文件系统-提供一种简化的、高可用的方法来存储、分析和处理数据的系统。
文件存储数据库-一种为了存储、管理和检索文档而专门设计的一种面向文档的数据库，又叫半结构化数据。
E
探索性分析-不用标准的程序或方法，找到数据里面的模式。这是发现数据、找到数据集主要特点的一种方法。
艾字节(EB)-约等于1000拍字节或10亿吉字节。如今全球每天生成的新信息量约为1艾字节。
提取、转换和加载(ETL)-这是数据库和数据仓库的一种方法，从各个数据源提取数据，转换数据，以适合业务运营要求，最后加载到数据库。
F
故障切换-万一某个服务器或节点发生故障，自动切换到另一个不同的服务器或节点。
G
游戏化-在非游戏环境下使用游戏元素;它对于生成数据非常有用，因而被称为是友好地搜索大数据。
图形数据库-使用图形结构(比如一组有限的有序对或某些实体)，使用边缘、属性和节点用于数据存储。它提供了无索引的相邻性，这意味着每个元素与相邻元素直接联系起来。
网格计算-常常通过云，将诸多地方的不同计算机系统连接起来，以实现某个共同的目标。
H
Hadoop-为了能够跨分布式文件系统处理和存储大数据而构建的一种开源框架。
HBase-这是与Hadoop一起运行的开源非关系型分布式数据库。
HDFS-Hadoop分布式文件系统，这是一种旨在可以在商用硬件上运行的分布式文件系统。
高性能计算-使用超级计算机解决极其复杂的高级计算问题。
I
内存中-数据库管理系统将数据存储在主内存上，而不是存储在磁盘上，因而处理、存储和加载数据的速度很快。
物联网-随时随地通过传感器连接到互联网的普通设备。
J
数据法规遵从-如果你使用云计算解决方案，如果数据存储在不同的国家或不同的大陆，这个概念就很重要。要注意，存储在不同国家的数据必须遵守该国法律。
K
键值数据库-这种数据库用主键来存储数据，这种使用独特识别方式的记录让数据查找起来方便又快捷。键值数据库中存储的数据通常是编程语言的某种基本数据。
L
延迟-衡量系统的延迟时间。
遗留系统―不再得到支持的旧的应用程序、技术或计算机系统。
负载均衡-将工作负载分配到多台计算机或服务器上，以便获得最优结果、系统利用率最大化。
位置数据-描述地理位置的GPS数据。
日志文件-计算机自动生成的文件，记录系统运行过程中发生的事件。
M
机器对机器(M2M)-彼此通信的两个或多个机器。
机器数据-机器通过传感器或算法生成的数据。
机器学习-人工智能的一部分，机器从当前执行的任务中进行学习，不断变得更完善。
MapReduce-处理大量数据的一种软件框架。
大规模并行处理(MPP)-使用许多不同的处理器(或计算机)，同时执行某些计算任务。
元数据-描述数据的数据;提供了数据关于什么方面的信息。
MongoDB-一种开源NoSQL数据库。
多维数据库-针对数据联机分析处理(OLAP)应用和数据仓库而进行优化的一种数据库。
多值数据库-这是一种NoSQL和多维数据库，可直接理解3个维度的数据。它们主要是庞大字符串，最适合直接处理HTML和XML字符串。
N
自然语言处理-计算机科学的一个分支领域，研究计算机与人类语言之间的交互。
网络分析-从网络或图论方面分析节点之间的关系，意味着分析网络中节点之间的关系和层次强度。
NewSQL-一种优雅的、明确定义的数据库系统，比SQL更容易学习、更出色。它还NoSQL还要新颖。
NoSQL-有时候被称为“NotonlySQL”，因为这种数据库并不遵守传统的关系数据库结构。它具有更强的一致性，能实现更高的可用性和和横向扩展。
O
对象数据库-它们以对象的形式来存储数据，被面向对象的编程所使用。它们不同于关系数据库和图形数据库，大多数对象数据库提供一种查询语言，允许使用声明式编程方法来发现对象。
基于对象的图像分析-可结合来自单个像素的数据来分析数字化图像，而基于对象的图像分析使用来自一组相关像素(名为对象或图像对象)的数据。
操作型数据库-这类数据库可以执行企业组织的常规操作，对业务来说通常非常重要。它们一般使用联机事务处理方法，因而可以输入、收集和检索关于公司的特定信息。
优化分析-产品设计周期过程中算法进行的优化过程。它让公司可以设计某个产品的许多不同版本，并且对照预设变量来测试该产品。
本体-本体将知识作为某个领域里面的一组概念和那些概念之间的关系来表示。
异常值检测-异常值是严重偏离某个数据集或数据组合里面的普通平均值的对象。其数值与其他数据相差甚远，因而异常值表明出现了某种异常情况，因而通常需要另外的分析。
P
模式识别-通过算法来识别数据中的模式，从而预测来自同一数据源的新数据。
拍字节(PB)-约等于1000太字节或100万吉字节。欧洲核子研究中心(CERN)大型强子对撞机每秒生成约1拍字节的数据。
平台即服务(PaaS)-为云计算解决方案提供所有必要基础设施的一种服务。
预测分析-最有价值的大数据分析方法，因为这种方法有助于预测某人可能会购买什么商品、访问什么网站、做什么事情，或者某人在近期有怎样的行为。它使用众多不同的数据集，比如历史数据、事务数据、社交数据或者客户概况数据，以识别风险和机遇。
隐私-将关于个人的某些私密数据/信息隔离起来。
公共数据-由公共基金创建的公共信息或数据集。
Q
量化自我―使用应用程序跟踪用户在一天当中的举动，以便更好地了解某人的行为。
查询-请求回答某个问题的信息。
R
再识别-合并几个数据集，从匿名化数据当中找到某个人。
回归分析-确定两个变量之间的依赖关系。它假设一个变量到另一个变量的响应之间存在单向的因果关系。
射频识别(RFID)--使用无线非接触式射频电磁场来传输数据的一种传感器。
实时数据-在几毫秒内被创建、处理、存储、分析并显示的数据。
推荐引擎-根据之前的购买行为或其他人的购买行为推荐某些产品的一种算法。
路径分析-针对某种传输途径，使用许多不同的变量，找到经过优化的路径，以便降低燃料成本，提高效率。
S
半结构化数据-不像结构化数据那样拥有正规结构的一种结构化数据。然而，它确实有标签或其他标记来保证数据的层次结构。
情感分析-使用算法来了解人们对某些话题有怎样的看法。
信号分析-它是指分析时间变化或空间变化的物理量的度量，从而分析产品的性能。尤其与传感器数据结合使用。
相似性搜索-查找与数据库中的查询对象最相似的对象，这里的数据对象可以是任何类型的数据。
模拟分析-模拟是指模仿现实世界流程或系统的操作。模拟分析可以考虑许多不同的变量，有助于产品性能达到最优。
智能网格-指使用能源网络里面的传感器实时监控运行状况，有助于提高效率。
软件即服务(SaaS)-通过浏览器来使用的一种应用软件。
空间分析-指分析地理数据或拓扑数据之类的空间数据，从而识别并了解分布在地理空间的数据当中的模式和规律。
SQL--从关系型数据库检索数据的一种编程语言。
结构化数据-用行列结构加以组织即可识别的数据。数据驻留在记录或文件里面的固定字段，或者数据在正确标记后，可以准确地识别出来。
T
太字节(TB)-约等于1000吉字节。1太字节可以存储多达300个小时的高清视频。
时间序列分析-分析通过重复的时间测量获得的明确定义的数据。数据必须加以明确定义，并按同样时间间隔的连续时间点来加以测量。
拓扑数据分析-专注于复杂数据的形状，并识别聚类和数据里面存在的任何统计意义。
事务型数据-随时间变化的动态数据。
透明性-消费者想要知道数据出现了什么情况，企业组织一定要在这方面做到透明。
U
非结构化数据-非结构化数据被认为是含有大量普通文本的数据，但也可能包含日期、数字和事实。
V
价值-所有的可用数据将为企业、社会和消费者创造巨大价值。大数据意味着大商机，各行各业将从大数据获益。
可变性-它是指数据含义会(迅速)变化。比如在几乎一样的推特消息中，某个词可能有着完全不同的意思。
种类-如今的数据有许多不同格式：结构化数据、半结构化数据、非结构化数据，甚至复杂的结构化数据。
速度-创建、存储、分析和显示数据的速度。
真实性-企业组织需要确保数据正确，还要确保针对数据执行的分析正确。真实性指数据的正确性。
可视化-只有正确的可视化，原始数据才可利用起来。当然，可视化并不是指普通的图型或饼图。它们指包括可能许多数据变量，同时仍保持容易理解和阅读的复杂图形。
体量-指数据量，从兆字节到波字节不等。
W
气象数据-一种重要的开放公共数据源，如果与其他数据源结合起来，可以为企业组织提供丰富的洞察力。
X
XML数据库-XML数据库让数据可以以XML格式存储起来。XML数据库常常与面向文档的数据库联系起来。XML数据库里面存储的数据可加以查询、导出并序列化成所需的任何格式。
Y
尧字节(YB)-约等于1000泽字节，相当于250万亿张DVD的数据量。现今，整个数字化世界的数据量为1尧字节，这个数据量每18个月将会翻番。
Z
泽字节(ZB)-约等于1000艾字节，或10太字节。预计2016年每天超过1泽字节的数据会在全球各地的网络上传输。
内容来源：网络大数据
大数据常见术语，你了解多少？
主要内容包含以下（收藏，转发给你身边的朋友）
用户画像又称用户角色，作为一种勾画目标用户、联系用户诉求与设计方向的有效工具，用户画像在各领域得到了广泛的应用。我们在实际操作的过程中往往会以最为浅显和贴近生活的话语将用户的属性、行为与期待的数据转化联结起来。作为实际用户的虚拟代表，用户画像所形成的用户角色并不是脱离产品和市场之外所构建出来的，形成的用户角色需要有代表性能代表产品的主要受众和目标群体。
对大数据来说这是一个不好的概念。
不同消费者对价格敏感度不同，支付意愿有差异，相比起统一定价，差异化的定价行为更能提高商家利润。因此互联网入口出现垄断，杀熟便会成为一种“自然反应”。
大数据杀熟本身就是利用各种这个消费数据，把消费数据形成标签，这种杀熟做法非常糟糕。其实在我们交易过程里面很容易识别，但在网络商品交易里面可能比较难识别，而且会破坏交易的公平性，破坏了社会的公平。
即席查询（AdHoc）是用户根据自己的需求，灵活的选择查询条件，系统能够根据用户的选择生成相应的统计报表。即席查询与普通应用查询最大的不同是普通的应用查询是定制开发的，而即席查询是由用户自定义查询条件的。
查询引擎怎么选？7000字解析所有开源引擎的秘密
数据湖（DataLake）是一个存储企业的各种各样原始数据的大型仓库，其中的数据可供存取、处理、分析及传输。hudi目前，Hadoop是最常用的部署数据湖的技术，所以很多人会觉得数据湖就是Hadoop集群。数据湖是一个概念，而Hadoop是用于实现这个概念的技术。
数据湖能处理所有类型的数据，如结构化数据，非结构化数据，半结构化数据等，数据的类型依赖于数据源系统的原始数据格式。非结构化数据（语音、图片、视频等）根据海量的数据，挖掘出规律，反应给运营部门。拥有非常强的计算能力用于处理数据。
而不同与数据仓库的是：
数据仓库主要处理历史的、结构化的数据，而且这些数据必须与数据仓库事先定义的模型吻合。数据仓库分析的指标都是产品经理提前规定好的。按需分析数据。（日活、新增、留存、转化率等等）。
数据中台是对既有/新建信息化系统业务与数据的沉淀，是实现数据赋能新业务、新应用的中间、支撑性平台。
在数据开发中，核心数据模型的变化是相对缓慢的，同时，对数据进行维护的工作量也非常大；但业务创新的速度、对数据提出的需求的变化，是非常快速的。
数据中台的出现，就是为了弥补数据开发和应用开发之间，由于开发速度不匹配，出现的响应力跟不上的问题。
数据集市（DataMart），也叫数据市场，数据集市就是满足特定的部门或者用户的需求，按照多维的方式进行存储，包括定义维度、需要计算的指标、维度的层次等，生成面向决策分析需求的数据立方体。
数据集市就是企业级数据仓库的一个子集，它主要面向部门级业务，并且只面向某个特定的主题。为了解决灵活性与性能之间的矛盾，数据集市就是数据仓库体系结构中增加的一种小型的部门或工作组级别的数据仓库。数据集市存储为特定用户预先计算好的数据，从而满足用户对性能的需求。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。
特点：
1.数据集市的特征包括规模小。
2．有特定的应用。
3．面向部门。
4．由业务部门定义、设计和开发。
5．业务部门管理和维护。
6．能快速实现。
7．购买较便宜。
8．投资快速回收。
9．工具集的紧密集成。
10．提供更详细的、预先存在的、数据仓库的摘要子集。
11．可升级到完整的数据仓库。
ETL代表提取、转换和加载。它指的是这一个过程：「提取」原始数据，通过清洗/丰富的手段，把数据「转换」为「适合使用」的形式，并且将其「加载」到合适的库中供系统使用。即使ETL源自数据仓库，但是这个过程在获取数据的时候也在被使用，例如，在大数据系统中从外部源获得数据。
星型模型：是一种多维的数据关系，它由一个事实表（FactTable）和一组维表（DimensionTable）组成。每个维表都有一个维作为主键，所有这些维的主键组合成事实表的主键。
雪花型模型：当有一个或多个维表没有直接连接到事实表上，而是通过其他维表连接到事实表上时，其图解就像多个雪花连接在一起，故称雪花模型。雪花模型是对星型模型的扩展。它对星型模型的维表进一步层次化，原有的各维表可能被扩展为小的事实表，形成一些局部的"层次"区域，这些被分解的表都连接到主维度表而不是事实表。
星座模型：由多个事实表组合，维表是公共的，可以被多个事实表共享。
事实表中的每行数据代表一个业务事件。“事实”这个术语表示的是业务事件的度量值，例如，订单事件中的下单金额。
（1）事务性事实表以每个事务或事件为单位，例如一个销售订单记录，一笔支付记录等，作为事实表里的一行数据。
（2）周期性快照事实表周期性快照事实表中不会保留所有数据，只保留固定时间间隔的数据，例如每天或者每月的销售额，或每月的账户余额等。
（3）累积性快照事实表累计快照事实表用于跟踪业务事实的变化。例如，数据仓库中可能需要累积或者存储订单从下订单开始，到订单商品被打包、运输、和签收的各个业务阶段的时间点数据来跟踪订单声明周期的进展情况。当这个业务过程进行时，事实表的记录也要不断跟新。
维度表（DimensionTable）或维表，有时也称查找表（LookupTable），是与事实表相对应的一种表；它保存了维度的属性值，可以跟事实表做关联；相当于将事实表上经常重复出现的属性抽取、规范出来用一张表进行管理。常见的维度表有：日期表（存储与日期对应的周、月、季度等的属性）、地点表（包含国家、省／州、城市等属性）等。维度是维度建模的基础和灵魂，
使用维度表有诸多好处，具体如下：
(1).缩小了事实表的大小。
(2).便于维度的管理和维护，增加、删除和修改维度的属性，不必对事实表的大量记录进行改动。
(3).维度表可以为多个事实表重用，以减少重复工作。
上钻：自下而上，从当前数据回归到上层数据。
下钻：自上而下，从当前数据继续向下获取下层数据。
钻取是在数据分析中不可缺少的功能之一，通过改变展现数据维度的层次、变换分析的粒度从而关注数据中更详尽的信息。它包括向上钻取（rollup）和向下钻取（drilldown）。
上钻是沿着维度的层次向上聚集汇总数据，下钻是在分析时加深维度，对数据进行层层深入的查看。通过逐层下钻，数据更加一目了然，更能充分挖掘数据背后的价值，及时做出更加正确的决策。
维度退化的维度表可以被剔除，从而简化维度数据仓库的模式。因为简单的模式比复杂的更容易理解，也有更好的查询性能。
当一个维度没有数据仓库需要的任何数据时就可以退化此维度。需要把维度退化的相关数据迁移到事实表中，然后删除退化的维度。
维度属性也可以存储到事实表中，这种存储到事实表中的维度列被称为“维度退化”。与其他存储在维表中的维度一样，维度退化也可以用来进行事实表的过滤查询、实现聚合操作等。
PV(访问量)：即PageView,具体是指网站的是页面浏览量或者点击量；
UV(独立访客)：即UniqueVisitor，访问您网站的一台电脑客户端为一个访客。根据IP地址来区分访客数，在一段时间内重复访问，也算是一个UV；
UV价值=销售额/访客数。意思是每位访客带来多少销售额；UV价值越大，产品越迎合消费者需求，只有一定的推广投入才会带来相对应的UV；比如这篇文章文末的浏览量这边代表的就是UV，不管你今天打开过还是明天再打开，对你来说，程序后台记录的增加值是1。
SPU=StandardProductUnit(标准化产品单元)
SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。
SKU=stockkeepingunit(库存量单位)
SKU即库存进出计量的单位，可以是以件、盒、托盘等为单位。
你想要一台iPhone13,店员也会再继续问:你想要什么iPhone13?64G银色?128G白色?每一台iPhone13的毛重都是400.00g,产地也都是中国大陆，这两个属性就属于spu属性。
而容量和颜色,这种会影响价格和库存的(比如64G与128G的价格不同,128G白色还有货,绿色卖完了)属性就是sku属性。
spu属性：
1、毛重420.00g
2、产地中国大陆
sku属性:
1、容量:16G,64G,128G
2、颜色:银、白、玫瑰金
ODS层：保持数据原貌不做任何修改，起到备份数据的作用。
DWD层：构建维度模型，一般采用星型模型，呈现的状态一般为星座模型。
DWS层：服务数据层，DWS层存放的所有主题对象当天的汇总行为，例如每个地区当天的下单次数，下单金额等。
DWT层：DWT层存放的是所有主题对象的累计行为，例如一个地区最近（7天，15天，30天，60天）的下单次数、下单金额等。
DWS层是天表，DWT层是累计值。
ADS层：应用数据层，指标层。
概念最早来自于股市。T+0和T+1交易制度是中国股市的一种交易制度，T+0交易指的是当天买入股票可当天卖出，当天卖出股票又可当天买入。
在大数据中：T+0代表实时处理的数据。T+1代表处理昨天的数据。
人工智能的一部分，指的是机器能够从它们所完成的任务中进行自我学习，通过长期的累积实现自我改进。
是处理大规模数据的一种软件框架(Map:映射，Reduce:归纳)。
指在几毫秒内被创建、处理、存储、分析并显示的数据。
同学共进，点赞，转发，在看，关注，是我学习之动力。
和我联系吧，加群交流大数据知识,一起成长~~~
