1700432900
1700432901
■ 如果有必要，除了当前评分，还可以保存历史评分。某些企业会保留一段时间内的历史评分，有一些则不会。你需要决定你的企业使用哪一种方式更合理。
1700432902
1700432904
5.5 本章小结
1700432905
1700432906
以下是本章的重点内容。
1700432907
1700432908
■ 部署了分析流程和模型并不意味着就能获得价值。更新分析流程来充分利用分析的可扩展性，这对于驾驭大数据是非常关键的。
1700432909
1700432910
■ 分析专家比其他类型的用户更需要系统资源与权限。分析沙箱这种机制使得分析专家自由地探索数据，还能让IT人员保证系统资源的平衡。
1700432911
1700432912
■ 沙箱最适合数据探索、分析开发以及原型创建这些活动，它不适合那些重复性或生产性的任务。
1700432913
1700432914
■ 有多种类型的沙箱环境，包括内部沙箱、外部沙箱以及混合式沙箱。每一种沙箱都可以与MapReduce环境组合在一起处理大数据。
1700432915
1700432916
■ 分析数据集是可以直接用于分析的数据集合，例如，客户、区域、产品、供应商等。
1700432917
1700432918
■ 不要把传统基于ADS的分析项目简单地迁移到库内分析架构中，而是应该把ADS升级为更加规范的企业分析数据集（EADS）架构。
1700432919
1700432920
■ EADS是一个预定义好的汇总表和概要视图，它可以方便地访问成百上千个分析所需的通用指标。
1700432921
1700432922
■ EADS提升了系统性能，减少了数据冗余，增加了透明度，并确保各项分析所用数据一致。
1700432923
1700432924
■ EADS的使用对象和范围不应该局限于分析专家与分析应用，应该开放给其他的应用和用户使用。EADS里包含重要的信息，应该被广泛地使用。
1700432925
1700432926
■ 嵌入式评分过程可以部署在沙箱环境或者EADS环境内，并提供了评分程序，这些程序可以很容易地被各种用户和应用访问。
1700432927
1700432928
■ 嵌入式评分的实现方式包括SQL、UDF、嵌入式过程或者PMML。
1700432929
1700432930
■ 如果企业开始广泛地使用模型，那么就应该建立模型和评分管理流程。
1700432931
1700432932
■ 模型与评分管理系统有4个主要组件：输入分析数据集、模型定义、模型验证与报表制作、模型评分输出。
1700432933
1700432934
1700432935
1700432936
1700432938
驾驭大数据 第6章分析工具与方法的演进
1700432939
1700432940
使用几十年前的设计图纸和手动工具，能建造好一个房子吗？当然可以，但在已经拥有现代化工具和最新图纸的今天，很少有人会愿意这么做。类似地，分析专家可以使用自定义代码和传统方法来完成各类分析。然而，如果要花时间了解可能的各种选项，很少有人会选择这么做。正如建造房屋一样，人们能够比十年前花更少的人力建造功能更多的房屋，分析工作亦是如此。
1700432941
1700432942
分析专家一直在使用各种类型的分析工具。这些工具可以帮助分析师准备分析所需的数据，执行分析算法，并评估分析结果。分析工具的深度与功能性也一直在提高。除了更丰富更友好的用户界面外，分析工具也可以自动化或流水线式地执行一些常见任务。因此，分析专家们可以花费更多的时间专注于分析本身。使用新的工具和方法，结合第4章与第5章讨论过的分析可扩展性与流程，企业就能轻松地驾驭大数据。
1700432943
1700432944
在本章，我们会阐述分析专家如何改变工作方法来构建分析流程，以更好地利用各种分析工具带来的性能与可扩展性的提升。我们会讨论组合模型，简易模型，以及文本分析。我们还会讨论分析工具演进的各种路径，以及这些新技术和工具如何改变分析专家的工作方式。我们还会讨论点击式的可视化用户界面，开源工具，以及数据可视化工具。
1700432945
1700432947
6.1 分析方法的演进
1700432948
1700432949
不少分析和建模方法已经被广泛使用了很多年，其中的一些，如线性回归模型或决策树模型，计算效率较高，实施起来也相对简单。在过去，简单是必需的，因为当时分析工具的可用性与可扩展性严格受限，直到今天，人们才拥有了更多可能。
[
上一页 ]
[ :1.7004329e+09 ]
[
下一页 ]