1. 大数据和数据科学
1. 原则
组织应仔细管理与大数据源相关的元数据， 以便对数据文件及其来源和价值进行准确的清单管理。
2. 数据科学依赖
- 丰富的数据源
- 信息组织和分析
- 信息交付
- 展示发现和数据洞察
3. 大数据
大数据含义的特征，早期 3V 以及新增：
- 数据量大（Volume）
- 数据更新快（Velocity）
- 数据类型多样/可变（Variety）
- 数据黏度大（Viscosity）
- 数据波动性大（Volatility）
- 数据准确性低（Veracity）
4. 数据湖
数据湖是一种可以提取、存储、评估和分析不同类型和结构海量数据的环境，可供多种场景使用。风险在它可能很快会变成数据沼泽，杂乱、不干净、不一致，因此数据被摄取时需要对元数据进行管理。
- 数据科学家可以挖掘和分析数据的环境
- 原始数据的集中存储区域，只需很少量的转换（如果需要的话）
- 数据仓库明细历史数据的备用存储区域
- 信息记录的在线归档
- 可以通过自动化的模型识别提取流数据的环境
5. 机器学习
机器学习（Machine Learning）探索了学习算法的构建和研究，它可以被视为无监督学习和监督学习方法的结合。算法一般分为三种类型：
- 监督学习（Supervised learning）：基于通用规则
- 无监督学习（Unsupervised learning）：基于找到的那些隐藏的规律（数据挖掘）
- 强化学习（Reinforcement learning）：基于目标的实现（如在国际象棋中击败对手）
6. 数据挖掘
数据挖掘（Data mining）是一种特殊的分析方法，它使用各种算法揭示数据中的规律。它是机器学习的一个分支。数据和文本挖掘使用的技术：
- 剖析（Profiling）：描述人群典型特征
- 数据缩减（Data reduction）：用较小的数据集来替换大数据集
- 关联（Association）
- 聚类（Clustering）：根据共享特征聚合
- 自组织映射（Self-organizing maps）：降维
