科多大数据培训
全国24小时免费热线
15328019568
联系QQ
3048661160
开班时间
当前位置:首页 > 学习资讯 > 大数据内容 >

大数据培训资讯:大数据分析和传统情报分析有何差异

大数据分析和传统情报分析到底有什么不同,为什么说大数据培训是有必要的呢?大数据分析与情报分析在数据的定量分析、多源数据融合、相关性分析方面有共通之处,但在数据对象

大数据分析和传统情报分析到底有什么不同,为什么说大数据培训是有必要的呢?大数据分析与情报分析在数据的定量分析、多源数据融合、相关性分析方面有共通之处,但在数据对象、数据规模、分析时机、分析任务等方面则有明显的差异。

1、数据对象有区别
情报分析与大数据分析的对象不同,数据的性质也存在差异。从实践上,无论是过去以定性分析为主的翻译、文摘、综述时代,还是现在以定量为主的动态监测快报、领域态势分析快报时代,情报分析都主要以文本文献作为数据的对象和基础,这些文本包括论文、专利、科技报告、政策文本、领导讲话等。正是因为主要对象为文本,而文本本身又具有语义关联,因此,情报分析的重要任务之一是找出这些文献中的语义关联。大数据分析则不同,其分析对象并不限于某种数据类型,从当前实际应用的成果来看,大数据分析通常以数值数据与结构化的短文本数据为主要对象,如销售数据、用户数据、传感器采集数据等。

2、数据规模有差异
大数据分析的对象是大数据,按照大数据的定义与基本特点,在PB以上级别的数据方称之为大数据。维基百科将大数据定义为无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合,也就是说用传统算法和数据库系统可以处理的海量数据不算“大数据”。另外,大数据分析强调分析全体数据,要全体不要抽样是大数据分析的一个重要特点。
情报分析在绝大多数情况下并不需要这么大量的数据,通常有海量数据就足够了。一方面,对于很多情报任务来说,获取与任务相关的全部数据,几乎是不可能的。有些情报分析课题根本不可能获取全部数据,而且,有时情报任务的时效性也不允许搜集到全部的数据再进行分析。另一方面,即使拥有全部数据,情报分析也未必需要对全部数据进行分析,只需要分析关键数据或主导数据即可。

3、分析时机有差别
就分析的时机而言,分析可以分为历史分析和实时分析。历史分析是对历史数据进行分析,包括交互式历史分析和批处理历史分析两种方式。实时分析是对变化着的数据做实时分析,包括动态流分析、基于时间窗口的实时分析等。大数据分析的提出,主要是为了满足数据大、数据类型广泛、数据处理速度快的要求。因而,实时分析是大数据分析的另一项突出特色。当然,一些有特点的大数据分析系统,因为其应用场景不同,也会强调其历史分析能力。
与大数据分析不同,情报分析很少对历史分析与实时分析进行区分。情报分析虽然在动态跟踪时主要依赖于新的数据,但在规律总结与趋势分析时往往使用带有一定阶段性和滞后性的数据,即要分析一段时间内的数据。在情报分析报告或学术论文中经常看到“近十年”、“二十一世纪以来”等字样,这都体现了情报分析在分析时机方面与大数据分析的不同。

4、分析任务有不同
大数据分析的典型任务是通过相关性实现模式挖掘与预测分析。一般情况下,就模式挖掘而言,大数据分析强调发现事先不知道的新模式和未知的相关关系,这一点与情报分析有显著的差异。就预测分析而言,大数据分析主要包括趋势预测和缺失信息预测。趋势预测是指通过事物的一些基本属性信息和先前的态势分析,预测事物发展的轨迹和最终影响力。缺失信息预测是指对现有信息中缺失的信息项或者还没有出现的信息进行预测,也称预见。
情报分析的目的和任务通常情况下是明确的,要回答具体的问题。换句话说,在情报分析的开始阶段就已经知道了结果的模式。情报人员需要做的就是紧密围绕情报分析课题的需求,广泛搜集各类相关信息,运用多种工具与方法进行内容分析,监测其中的新现象、新情况、新异常,并根据蛛丝马迹发现其中的规律、本质、战略意图等,并将这些内容“填充”到情报分析结果的模式中,或按预定的模式组织所发现的内容,形成情报分析报告。

充分认识到大数据分析和传统情报分析的差异,在发挥好传统情报分析特色和优势的基础上,引入大数据分析的优势从而更好的帮助情报分析这个行业的发展。想要了解更多大数据培训资讯,欢迎关注科多大数据
最新资讯更多+
内容推荐更多+
在线课堂
猜你喜欢