目录:
什么是大数据
——What is big data
空间大数据的传统策略
——当互联网遇上空间分析
现实的挑战很严峻
——当量变成为质变的时候
大数据中,我们能做什么?
——We are action in Big data
大数据带来的思考
——Think in Big data
1、什么是大数据?
——What is big data
现今大数据的几种认识:
数据量大就是大数据
不用(传统)数据库就是大数据
用了Hadoop,就是大数据
我们是否可以凭借上面的条件判断呢?当然不,那么用什么条件呢?三个内容共大家解读~
数据复杂:大数据的那些V
大数据与传统数据的差异
大数据真正的核心
信息化最后到底要什么?
2、空间大数据的传统策略
——当互联网遇上空间分析
在新版本的ArcGIS 10.5的GeoAnalytics中已经提供了现成工具,实现这部分的功能,不要开发,不要代码!点击鼠标即可:
数据汇总
聚合点
连接要素
重新构建追踪
汇总属性
范围内汇总
位置查找
查找相似位置
分析模式
计算密度
查找热点
时空立方体(ArcGIS Pro)
邻近分析
创建缓冲区
数据管理
复制到数据存储
几个GeoAnalytics的案例
3、现实的挑战很严峻
——当量变成为质变的时候
一个很简单的需求~看下面。
这么简单的问题,就拜托了~(截止2015年:北京共有1200条公交线路,5000余个公交站点。)
这个问题也是一样的,拜托了。
那么如何解决上面的问题呢?我们现行主流解决方案有三个~
1、矩阵运算
优点:数值分析中的标准形式,有严谨的数学模型支持。
缺点:编程模型比较缺乏
2、分布式运算
优点:当前发展的主流趋势
缺点:被赋予的期望值太高
3、多线程
优点:编程模型成熟
缺点:编程难度较高,限制较大
如何解决前面的“简单”问题?看这里~
点是空间数据的主要表现形式,常用数据中点数据的占比要远远高于面和线数据,类似这样~
LBS的特点:
空间数据
时间数据
唯一ID
附加的其他信息(可选)
LBS的表现形式
4、大数据中,我们能做什么?
——We are action in Big data
企业内部如何快速开展大数据战略?
一个组织的数据科学部门的主要职责,就是类似统计局这样的部门。
地理分析的意义在哪里?看图就好。
大数据带来的思考
——Think in Big data
大数据分析中还存在着许多的陷阱,比如:一组来自百度大数据的对比图。