大數(shù)據(jù)有許多新術(shù)語，有時(shí)不好理解。因此，我們列出了一份大數(shù)據(jù)術(shù)語表，以便大家深入了解。當(dāng)然，這份大數(shù)據(jù)術(shù)語表并不是百分之分全面，要是你認(rèn)為遺漏了什么術(shù)語，請告知我們。

A

聚合-搜索、收集和顯示數(shù)據(jù)的過程。

算法-可以對數(shù)據(jù)執(zhí)行某種分析的數(shù)學(xué)公式。

分析-發(fā)現(xiàn)數(shù)據(jù)蘊(yùn)含的洞察力。

異常檢測-搜索數(shù)據(jù)集中與預(yù)測模式或預(yù)期行為不匹配的數(shù)據(jù)項(xiàng)。異常又叫outlier、exception、surprise或 contaminant，它們常常提供了關(guān)鍵的、可付諸行動(dòng)的信息。

匿名化-使數(shù)據(jù)匿名，即移除可能表明個(gè)人身份的所有數(shù)據(jù)點(diǎn)。

應(yīng)用程序-讓計(jì)算機(jī)能夠執(zhí)行某項(xiàng)任務(wù)的計(jì)算機(jī)軟件。

人工智能-研發(fā)智能機(jī)器和軟件，它們能夠感知周圍環(huán)境，并且在需要時(shí)采取相應(yīng)的動(dòng)作，甚至從那些動(dòng)作中學(xué)習(xí)。

B

行為分析-這種分析可以表明如何、為何和什么，而不是僅僅表明是誰和何時(shí)。它可分析數(shù)據(jù)中的人性化模式。

大數(shù)據(jù)科學(xué)家-能夠開發(fā)解讀大數(shù)據(jù)的算法的人。

大數(shù)據(jù)初創(chuàng)公司―開發(fā)新穎大數(shù)據(jù)技術(shù)的新興公司。

生物特征識別-根據(jù)人的生物特征來識別人的身份。

波字節(jié)(BB)-約等于1000堯字節(jié)，相當(dāng)于未來數(shù)字化宇宙的大小。1波字節(jié)有27個(gè)0!

商業(yè)智能-讓數(shù)據(jù)易于理解的一套理論、方法和過程。

C

分類分析-從數(shù)據(jù)獲取重要相關(guān)信息的系統(tǒng)化過程，又叫元數(shù)據(jù)，即描述數(shù)據(jù)的數(shù)據(jù)。

云計(jì)算-網(wǎng)絡(luò)上用于異地存儲(chǔ)數(shù)據(jù)的分布式計(jì)算系統(tǒng)。

聚類分析-識別彼此相似的對象并聚集成類的過程，以便了解數(shù)據(jù)里面的相似之處和不同之處。

冷數(shù)據(jù)存儲(chǔ)-將很少使用的舊數(shù)據(jù)存儲(chǔ)在低功耗服務(wù)器上。檢索數(shù)據(jù)耗時(shí)較長。

對比分析-它確保采用逐步的比較和計(jì)算過程，以便發(fā)現(xiàn)非常大的數(shù)據(jù)集里面的模式。

復(fù)雜的結(jié)構(gòu)化數(shù)據(jù)-由兩個(gè)或多個(gè)復(fù)雜的關(guān)聯(lián)部分組成的數(shù)據(jù)，它們不容易被結(jié)構(gòu)化查詢語言和工具來解析。

計(jì)算機(jī)生成的數(shù)據(jù)-計(jì)算機(jī)生成的數(shù)據(jù)，比如日志文件。

并發(fā)-同時(shí)運(yùn)行或執(zhí)行多個(gè)任務(wù)或進(jìn)程。

關(guān)聯(lián)分析-分析數(shù)據(jù)，以便確定變量之間的關(guān)系，確定這種關(guān)系是負(fù)關(guān)系(-1.00)還是正關(guān)系(+1.00)。

客戶關(guān)系管理(CRM)-管理銷售和業(yè)務(wù)流程，大數(shù)據(jù)會(huì)影響CRM策略。

D

儀表板-使用圖形化顯示算法執(zhí)行的分析的工具。

數(shù)據(jù)聚合工具-將分散于眾多數(shù)據(jù)源的數(shù)據(jù)轉(zhuǎn)化成單一新數(shù)據(jù)源的過程。

數(shù)據(jù)分析員-分析、建模、清理或處理數(shù)據(jù)的人員。

數(shù)據(jù)庫-數(shù)據(jù)通過某種技術(shù)存儲(chǔ)起來的數(shù)字化集合。

數(shù)據(jù)庫即服務(wù)-托管在云端的數(shù)據(jù)庫，按使用量付費(fèi)，比如亞馬遜網(wǎng)絡(luò)服務(wù)(AWS)。

數(shù)據(jù)庫管理系統(tǒng)(DBMS)-收集和存儲(chǔ)數(shù)據(jù)，并提供數(shù)據(jù)訪問。

數(shù)據(jù)中心-放置用來存儲(chǔ)數(shù)據(jù)的服務(wù)器的實(shí)際場地。

數(shù)據(jù)清洗-審查和修訂數(shù)據(jù)的過程，以便刪除重復(fù)數(shù)據(jù)、糾正錯(cuò)誤，并提供一致性。

數(shù)據(jù)管理員-負(fù)責(zé)數(shù)據(jù)存儲(chǔ)所需技術(shù)環(huán)境的人員。

數(shù)據(jù)道德準(zhǔn)則-幫助企業(yè)組織在數(shù)據(jù)方面做到透明的準(zhǔn)則，確保簡潔性、安全性和隱私性。

數(shù)據(jù)源-一種數(shù)據(jù)流，比如推特?cái)?shù)據(jù)源或RSS。

數(shù)據(jù)市場-進(jìn)行數(shù)據(jù)集買賣的在線環(huán)境。

數(shù)據(jù)挖掘-從數(shù)據(jù)集中找到某些模式或信息的過程。

數(shù)據(jù)建模-使用數(shù)據(jù)建模技術(shù)來分析數(shù)據(jù)對象，從數(shù)據(jù)獲得洞察力。

數(shù)據(jù)集-數(shù)據(jù)集合。

數(shù)據(jù)虛擬化-數(shù)據(jù)整合過程，以便獲得更多的洞察力。它通常涉及數(shù)據(jù)庫、應(yīng)用程序、文件系統(tǒng)、網(wǎng)站和大數(shù)據(jù)技術(shù)等等。

去身份識別-跟匿名化一樣;確保無法通過數(shù)據(jù)來識別人員身份。

判別分析-對數(shù)據(jù)分類;將數(shù)據(jù)分成不同的群組或類別。數(shù)據(jù)中的某些群組或聚類事先已知的情況下使用統(tǒng)計(jì)分析，利用該信息生成分類規(guī)則。

分布式文件系統(tǒng)-提供一種簡化的、高可用的方法來存儲(chǔ)、分析和處理數(shù)據(jù)的系統(tǒng)。

文件存儲(chǔ)數(shù)據(jù)庫-一種為了存儲(chǔ)、管理和檢索文檔而專門設(shè)計(jì)的一種面向文檔的數(shù)據(jù)庫，又叫半結(jié)構(gòu)化數(shù)據(jù)。

E

探索性分析-不用標(biāo)準(zhǔn)的程序或方法，找到數(shù)據(jù)里面的模式。這是發(fā)現(xiàn)數(shù)據(jù)、找到數(shù)據(jù)集主要特點(diǎn)的一種方法。

艾字節(jié)(EB)-約等于1000拍字節(jié)或10億吉字節(jié)。如今全球每天生成的新信息量約為1艾字節(jié)。

提取、轉(zhuǎn)換和加載(ETL)-這是數(shù)據(jù)庫和數(shù)據(jù)倉庫的一種方法，從各個(gè)數(shù)據(jù)源提取數(shù)據(jù)，轉(zhuǎn)換數(shù)據(jù)，以適合業(yè)務(wù)運(yùn)營要求，最后加載到數(shù)據(jù)庫。

F

故障切換-萬一某個(gè)服務(wù)器或節(jié)點(diǎn)發(fā)生故障，自動(dòng)切換到另一個(gè)不同的服務(wù)器或節(jié)點(diǎn)。

容錯(cuò)設(shè)計(jì)-即便某些部件發(fā)生故障，也能繼續(xù)正常運(yùn)行的特別設(shè)計(jì)的系統(tǒng)。

G

游戲化-在非游戲環(huán)境下使用游戲元素;它對于生成數(shù)據(jù)非常有用，因而被稱為是友好地搜索大數(shù)據(jù)。

圖形數(shù)據(jù)庫-使用圖形結(jié)構(gòu)(比如一組有限的有序?qū)蚰?些實(shí)體)，使用邊緣、屬性和節(jié)點(diǎn)用于數(shù)據(jù)存儲(chǔ)。它提供了無索引的相鄰性，這意味著每個(gè)元素與相鄰元素直接聯(lián)系起來。

網(wǎng)格計(jì)算-常常通過云，將諸多地方的不同計(jì)算機(jī)系統(tǒng)連接起來，以實(shí)現(xiàn)某個(gè)共同的目標(biāo)。

H

Hadoop-為了能夠跨分布式文件系統(tǒng)處理和存儲(chǔ)大數(shù)據(jù)而構(gòu)建的一種開源框架。

HBase-這是與Hadoop一起運(yùn)行的開源非關(guān)系型分布式數(shù)據(jù)庫。

HDFS-Hadoop分布式文件系統(tǒng)，這是一種旨在可以在商用硬件上運(yùn)行的分布式文件系統(tǒng)。

高性能計(jì)算-使用超級計(jì)算機(jī)解決極其復(fù)雜的高級計(jì)算問題。

I

內(nèi)存中-數(shù)據(jù)庫管理系統(tǒng)將數(shù)據(jù)存儲(chǔ)在主內(nèi)存上，而不是存儲(chǔ)在磁盤上，因而處理、存儲(chǔ)和加載數(shù)據(jù)的速度很快。

物聯(lián)網(wǎng)-隨時(shí)隨地通過傳感器連接到互聯(lián)網(wǎng)的普通設(shè)備。

J

數(shù)據(jù)法規(guī)遵從-如果你使用云計(jì)算解決方案，如果數(shù)據(jù)存儲(chǔ)在不同的國家或不同的大陸，這個(gè)概念就很重要。要注意，存儲(chǔ)在不同國家的數(shù)據(jù)必須遵守該國法律。

K

鍵值數(shù)據(jù)庫-這種數(shù)據(jù)庫用主鍵來存儲(chǔ)數(shù)據(jù)，這種使用獨(dú)特識別方式的記錄讓數(shù)據(jù)查找起來方便又快捷。鍵值數(shù)據(jù)庫中存儲(chǔ)的數(shù)據(jù)通常是編程語言的某種基本數(shù)據(jù)。

L

延遲-衡量系統(tǒng)的延遲時(shí)間。

遺留系統(tǒng)―不再得到支持的舊的應(yīng)用程序、技術(shù)或計(jì)算機(jī)系統(tǒng)。

負(fù)載均衡-將工作負(fù)載分配到多臺(tái)計(jì)算機(jī)或服務(wù)器上，以便獲得最優(yōu)結(jié)果、系統(tǒng)利用率最大化。

位置數(shù)據(jù)-描述地理位置的GPS數(shù)據(jù)。

日志文件-計(jì)算機(jī)自動(dòng)生成的文件，記錄系統(tǒng)運(yùn)行過程中發(fā)生的事件。

M

機(jī)器對機(jī)器(M2M)-彼此通信的兩個(gè)或多個(gè)機(jī)器。

機(jī)器數(shù)據(jù)-機(jī)器通過傳感器或算法生成的數(shù)據(jù)。

機(jī)器學(xué)習(xí)-人工智能的一部分，機(jī)器從當(dāng)前執(zhí)行的任務(wù)中進(jìn)行學(xué)習(xí)，不斷變得更完善。

MapReduce-處理大量數(shù)據(jù)的一種軟件框架。

大規(guī)模并行處理(MPP)-使用許多不同的處理器(或計(jì)算機(jī))，同時(shí)執(zhí)行某些計(jì)算任務(wù)。

元數(shù)據(jù)-描述數(shù)據(jù)的數(shù)據(jù);提供了數(shù)據(jù)關(guān)于什么方面的信息。

MongoDB-一種開源NoSQL數(shù)據(jù)庫。

多維數(shù)據(jù)庫-針對數(shù)據(jù)聯(lián)機(jī)分析處理(OLAP)應(yīng)用和數(shù)據(jù)倉庫而進(jìn)行優(yōu)化的一種數(shù)據(jù)庫。

多值數(shù)據(jù)庫-這是一種NoSQL和多維數(shù)據(jù)庫，可直接理解3個(gè)維度的數(shù)據(jù)。它們主要是龐大字符串，最適合直接處理HTML和XML字符串。

N

自然語言處理-計(jì)算機(jī)科學(xué)的一個(gè)分支領(lǐng)域，研究計(jì)算機(jī)與人類語言之間的交互。

網(wǎng)絡(luò)分析-從網(wǎng)絡(luò)或圖論方面分析節(jié)點(diǎn)之間的關(guān)系，意味著分析網(wǎng)絡(luò)中節(jié)點(diǎn)之間的關(guān)系和層次強(qiáng)度。

NewSQL-一種優(yōu)雅的、明確定義的數(shù)據(jù)庫系統(tǒng)，比SQL更容易學(xué)習(xí)、更出色。它還NoSQL還要新穎。

NoSQL-有時(shí)候被稱為“Not only SQL”，因?yàn)檫@種數(shù)據(jù)庫并不遵守傳統(tǒng)的關(guān)系數(shù)據(jù)庫結(jié)構(gòu)。它具有更強(qiáng)的一致性，能實(shí)現(xiàn)更高的可用性和和橫向擴(kuò)展。

O

對象數(shù)據(jù)庫-它們以對象的形式來存儲(chǔ)數(shù)據(jù)，被面向?qū)ο蟮木幊趟?使用。它們不同于關(guān)系數(shù)據(jù)庫和圖形數(shù)據(jù)庫，大多數(shù)對象數(shù)據(jù)庫提供一種查詢語言，允許使用聲明式編程方法來發(fā)現(xiàn)對象。

基于對象的圖像分析-可結(jié)合來自單個(gè)像素的數(shù)據(jù)來分析數(shù)字化圖像，而基于對象的圖像分析使用來自一組相關(guān)像素(名為對象或圖像對象)的數(shù)據(jù)。

操作型數(shù)據(jù)庫-這類數(shù)據(jù)庫可以執(zhí)行企業(yè)組織的常規(guī)操作，對業(yè)務(wù)來說通常非常重要。它們一般使用聯(lián)機(jī)事務(wù)處理方法，因而可以輸入、收集和檢索關(guān)于公司的特定信息。

優(yōu)化分析-產(chǎn)品設(shè)計(jì)周期過程中算法進(jìn)行的優(yōu)化過程。它讓公司可以設(shè)計(jì)某個(gè)產(chǎn)品的許多不同版本，并且對照預(yù)設(shè)變量來測試該產(chǎn)品。

本體-本體將知識作為某個(gè)領(lǐng)域里面的一組概念和那些概念之間的關(guān)系來表示。

異常值檢測-異常值是嚴(yán)重偏離某個(gè)數(shù)據(jù)集或數(shù)據(jù)組合里面的普通平均值的對象。其數(shù)值與其他數(shù)據(jù)相差甚遠(yuǎn)，因而異常值表明出現(xiàn)了某種異常情況，因而通常需要另外的分析。

P

模式識別-通過算法來識別數(shù)據(jù)中的模式，從而預(yù)測來自同一數(shù)據(jù)源的新數(shù)據(jù)。

拍字節(jié)(PB)-約等于1000太字節(jié)或100萬吉字節(jié)。歐洲核子研究中心(CERN)大型強(qiáng)子對撞機(jī)每秒生成約1拍字節(jié)的數(shù)據(jù)。

平臺(tái)即服務(wù)(PaaS)-為云計(jì)算解決方案提供所有必要基礎(chǔ)設(shè)施的一種服務(wù)。

預(yù)測分析-最有價(jià)值的大數(shù)據(jù)分析方法，因?yàn)檫@種方法有助于預(yù)測某人可能會(huì)購買什么商品、訪問什么網(wǎng)站、做什么事情，或者某人在近期有怎樣的行為。它使用眾多不同的數(shù)據(jù)集，比如歷史數(shù)據(jù)、事務(wù)數(shù)據(jù)、社交數(shù)據(jù)或者客戶概況數(shù)據(jù)，以識別風(fēng)險(xiǎn)和機(jī)遇。

隱私-將關(guān)于個(gè)人的某些私密數(shù)據(jù)/信息隔離起來。

公共數(shù)據(jù)-由公共基金創(chuàng)建的公共信息或數(shù)據(jù)集。

Q

量化自我―使用應(yīng)用程序跟蹤用戶在一天當(dāng)中的舉動(dòng)，以便更好地了解某人的行為。

查詢-請求回答某個(gè)問題的信息。

R

再識別-合并幾個(gè)數(shù)據(jù)集，從匿名化數(shù)據(jù)當(dāng)中找到某個(gè)人。

回歸分析-確定兩個(gè)變量之間的依賴關(guān)系。它假設(shè)一個(gè)變量到另一個(gè)變量的響應(yīng)之間存在單向的因果關(guān)系。

射頻識別(RFID)--使用無線非接觸式射頻電磁場來傳輸數(shù)據(jù)的一種傳感器。

實(shí)時(shí)數(shù)據(jù)-在幾毫秒內(nèi)被創(chuàng)建、處理、存儲(chǔ)、分析并顯示的數(shù)據(jù)。

推薦引擎-根據(jù)之前的購買行為或其他人的購買行為推薦某些產(chǎn)品的一種算法。

路徑分析-針對某種傳輸途徑，使用許多不同的變量，找到經(jīng)過優(yōu)化的路徑，以便降低燃料成本，提高效率。

S

半結(jié)構(gòu)化數(shù)據(jù)-不像結(jié)構(gòu)化數(shù)據(jù)那樣擁有正規(guī)結(jié)構(gòu)的一種結(jié)構(gòu)化數(shù)據(jù)。然而，它確實(shí)有標(biāo)簽或其他標(biāo)記來保證數(shù)據(jù)的層次結(jié)構(gòu)。

情感分析-使用算法來了解人們對某些話題有怎樣的看法。

信號分析-它是指分析時(shí)間變化或空間變化的物理量的度量，從而分析產(chǎn)品的性能。尤其與傳感器數(shù)據(jù)結(jié)合使用。

相似性搜索-查找與數(shù)據(jù)庫中的查詢對象最相似的對象，這里的數(shù)據(jù)對象可以是任何類型的數(shù)據(jù)。

模擬分析-模擬是指模仿現(xiàn)實(shí)世界流程或系統(tǒng)的操作。模擬分析可以考慮許多不同的變量，有助于產(chǎn)品性能達(dá)到最優(yōu)。

智能網(wǎng)格-指使用能源網(wǎng)絡(luò)里面的傳感器實(shí)時(shí)監(jiān)控運(yùn)行狀況，有助于提高效率。

軟件即服務(wù)(SaaS)-通過瀏覽器來使用的一種應(yīng)用軟件。

空間分析-指分析地理數(shù)據(jù)或拓?fù)鋽?shù)據(jù)之類的空間數(shù)據(jù)，從而識別并了解分布在地理空間的數(shù)據(jù)當(dāng)中的模式和規(guī)律。

SQL--從關(guān)系型數(shù)據(jù)庫檢索數(shù)據(jù)的一種編程語言。

結(jié)構(gòu)化數(shù)據(jù)-用行列結(jié)構(gòu)加以組織即可識別的數(shù)據(jù)。數(shù)據(jù)駐留在記錄或文件里面的固定字段，或者數(shù)據(jù)在正確標(biāo)記后，可以準(zhǔn)確地識別出來。

T

太字節(jié)(TB)-約等于1000吉字節(jié)。1太字節(jié)可以存儲(chǔ)多達(dá)300個(gè)小時(shí)的高清視頻。

時(shí)間序列分析-分析通過重復(fù)的時(shí)間測量獲得的明確定義的數(shù)據(jù)。數(shù)據(jù)必須加以明確定義，并按同樣時(shí)間間隔的連續(xù)時(shí)間點(diǎn)來加以測量。

拓?fù)鋽?shù)據(jù)分析-專注于復(fù)雜數(shù)據(jù)的形狀，并識別聚類和數(shù)據(jù)里面存在的任何統(tǒng)計(jì)意義。

事務(wù)型數(shù)據(jù)-隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù)。

透明性-消費(fèi)者想要知道數(shù)據(jù)出現(xiàn)了什么情況，企業(yè)組織一定要在這方面做到透明。

U

非結(jié)構(gòu)化數(shù)據(jù)-非結(jié)構(gòu)化數(shù)據(jù)被認(rèn)為是含有大量普通文本的數(shù)據(jù)，但也可能包含日期、數(shù)字和事實(shí)。

v

價(jià)值-所有的可用數(shù)據(jù)將為企業(yè)、社會(huì)和消費(fèi)者創(chuàng)造巨大價(jià)值。大數(shù)據(jù)意味著大商機(jī)，各行各業(yè)將從大數(shù)據(jù)獲益。

可變性-它是指數(shù)據(jù)含義會(huì)(迅速)變化。比如在幾乎一樣的推特消息中，某個(gè)詞可能有著完全不同的意思。

種類-如今的數(shù)據(jù)有許多不同格式：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，甚至復(fù)雜的結(jié)構(gòu)化數(shù)據(jù)。

速度-創(chuàng)建、存儲(chǔ)、分析和顯示數(shù)據(jù)的速度。

真實(shí)性-企業(yè)組織需要確保數(shù)據(jù)正確，還要確保針對數(shù)據(jù)執(zhí)行的分析正確。真實(shí)性指數(shù)據(jù)的正確性。

可視化-只有正確的可視化，原始數(shù)據(jù)才可利用起來。當(dāng)然，可視化并不是指普通的圖型或餅圖。它們指包括可能許多數(shù)據(jù)變量，同時(shí)仍保持容易理解和閱讀的復(fù)雜圖形。

體量-指數(shù)據(jù)量，從兆字節(jié)到波字節(jié)不等。

W

氣象數(shù)據(jù)-一種重要的開放公共數(shù)據(jù)源，如果與其他數(shù)據(jù)源結(jié)合起來，可以為企業(yè)組織提供豐富的洞察力。

X

XML數(shù)據(jù)庫-XML數(shù)據(jù)庫讓數(shù)據(jù)可以以XML格式存儲(chǔ)起來。XML數(shù)據(jù)庫常常與面向文檔的數(shù)據(jù)庫聯(lián)系起來。XML數(shù)據(jù)庫里面存儲(chǔ)的數(shù)據(jù)可加以查詢、導(dǎo)出并序列化成所需的任何格式。

Y

堯字節(jié)(YB)-約等于1000澤字節(jié)，相當(dāng)于250萬億張DVD的數(shù)據(jù)量。現(xiàn)今，整個(gè)數(shù)字化世界的數(shù)據(jù)量為1堯字節(jié)，這個(gè)數(shù)據(jù)量每18個(gè)月將會(huì)翻番。

Z

澤字節(jié)(ZB)-約等于1000艾字節(jié)，或10太字節(jié)。預(yù)計(jì)2016年每天超過1澤字節(jié)的數(shù)據(jù)會(huì)在全球各地的網(wǎng)絡(luò)上傳輸。

本文轉(zhuǎn)載自