大数据分析有哪些误解

ppv课

深圳飞博远创www.ppvke.com的大数据培训课程的江老师说道大数据的主要类型：第一类是记录数据，即记录的汇集，其中每个记录包含固定的数据字段（或属性）。比如，计量经济学中的横截面数据，文档数据，事务数据或购物篮数据；第二类是基于图形的数据，包括带有数据对象之间联系的数据和具有图形对象的数据，比如网页链接、化合物结构；第三类是有序数据，包括时序数据、序列数据、空间数据。比如，宏观经济指标序列，金融价格序列，基因组序列，词或字母的序列，同一时点上从不同的地理位置收集的气象数据（温度、湿度、气压等）。
大数据分析的主要任务：第一类是预测任务，目标是根据某些属性的值，预测另外一些特定属性的值。被预测的属性一般称为目标变量或因变量，被用来做预测的属性称为解释变量和自变量；第二类是描述任务，目标是导出概括数据中潜在联系的模式，包括相关、趋势、聚类、轨迹和异常等。描述性任务通常是探查性的，常常需要后处理技术来验证和解释结果。具体可分为分类、回归、关联分析、聚类分析、推荐系统、异常检测、链接分析等几种。
大数据分析与计量经济学的差异与联系
　　大数据分析与计量经济学既有差异又有联系。
　　两者的差异表现为：第一，两者处理的数据类型不同。计量经济学处理结构型数据，主要包括横截面数据、时间序列数据和面板数据，一般能以excel表格的形式呈现，而且表格的行列都有清晰的经济学含义，有一致统计口径。大数据分析能处理很多非结构型数据，包括文档、视频、图像，一般难以用excel表格的形式呈现。但这些非结构型数据需要量化后才能分析，在量化中一般伴随着信息损失。
　　第二，两者分析重点不同。计量经济学分析的重点是假设检验，核心理念与波普的证伪主义非常接近。计量经济学就是通过假设检验，来证伪或支持（注意不是证实）某个经济理论。相比之下，大数据分析更具实用主义色彩。预测在大数据分析中占有很大比重。对预测效果的后评估也是大数据分析的重要内容。
大数据分析与计量经济学的内在联系也不容忽视。在对随机问题的处理上，它们没有本质差别，基础理论都是概率论和数理统计。

暖卿雪傲

好。推荐王道海 资深企业运营、项目管理、流程管理专家、信产部认证培训讲师。
荣誉：信产部信息化管理师资质认证讲师、CPMP国家项目管理认证讲师。
教育背景：北京理工大学 、项目管理PMP资质认证 、六西格玛绿带。