大数据

在传统行业，一个技术工程师做了十几二十年，月薪一两万；而互联网行业，一个应届生可能都比这个高。谁服气？人才的价值，除了个人能力、勤奋程度外，还有很重要的一点是，行业和所处平台的加成。

Growth 这个概念在硅谷由来已久，《增长黑客》一书将这个概念很好的在国内普及。很多人都觉得增长黑客这个概念很神秘，病毒性营销、指数级增长这些概念挂在嘴边；其实在硅谷 Growth 是非常落地的，除了概念，大多数企业都在非常认真地探索实践。

人工智能是个信息革命到蒸汽机规模之间的机会，相比之下虚拟现实应该是移动互联网级别的，而用户个性化服务应该是伴生规模的。

「行为分析」四个字的分量已经代表了近两年一些高速成长的公司对数据分析需求的精细化程度，同时，它也催生出了新一代的数据分析工具和分析方法。

随着互联网和IT技术的推进，大数据的应用逐渐渗透到各行各业。尤其是数据体量大的互联网、金融、银行、制造行业。大数据正逐渐改变企业的运营模式，市场导向，进而惠及人们的生活。

数据分析领域自2010前后一直占据了全球信息技术的核心地位，OLAP的需求并未随着Hadoop的流行而消亡，而是被越来越理智的认可——“数据再多也需要分析、分析的主要需求还是交互查询”。本文概括了OLAP的本质原则、曾经的困境和当前的技术派系，希望能引起从业者的思考，共同促进行业进步与发展！

数据驱动不能没有数据分析工具，我结合自己多年分析经历谈了自己的看法。一个好的数据分析产品一定要简单易用，让数据工作从大到小，实现从冰山到冰棍的变化。同时，几秒钟就能拿到数据、大幅提升数据工作效率也是一款优秀数据产品的所必须具备的。

关于用户画像的建立，网上有很多文章，方法也都不经相同。作为一枚非用研人员，第一次尝试做用户画像，在各种资源有限、经验有限的情况下，经历一次完整的研究过程并不容易，所谓最难跨出的永远是第一步。

作者| 魏守峰 首先声明本文不存在任何工作歧视，每个人只要找到适合自己并且自己喜欢的岗位都是在为社会主义为人类的发展做出自己的贡献。 2011年从湖南某985高校仪器专业毕业，扛着大包小包先火车到西安然后汽车到兰州，之后出租车到单位，一路风尘仆仆。离开熟悉的环境，离开朝夕相处的同学只身一人来到一个陌生的城市。路途的艰辛倒也是早就司空见惯，然而迎接我的却是不堪…

用户画像作为大数据的根基，它完美的描述了一个用户的信息全貌，为进一步精准、快速的分析用户行为、消费等重要信息，用户画像仓库同时也提供了足够的数据基础，让我们Qunar更好的为用户提供高价值的服务，满足用户智慧出行的需要。

数据就好比原油，掌握自主的开采权是核心，否则，就是卖基础资源，有什么附加值？谈何大数据生态链，更别提掌控权了。

人类大脑的功能不仅在于发现各种事件的原因，还在于尽量简化这种原因。在进化过程的作用下，在并不存在模式的地方发现模式比在确实存在模式的地方无法发现模式有利得多。也就是说，发现模式(即使这种模式是错误的)具有生存价值——只要偶然做对一次。

由数据分析网团队创办的《数据科学家》10月刊已上线，欢迎下载阅读。

遥想未来，当人工智能接近甚至凌驾于人类智慧的时候，它们将会怎样？是更好地服务于人类，还是给人类带来灭顶之灾，亦或是独立于人类，与人类互不干涉地共同生存？真希望有生之年可以看到这一天的到来。

我们想要告诉大家的是成为大数据工程师需要掌握的知识体系，而作为初学者，你可以先从简单的入手，慢慢在学更深的知识，拿出高考的恒心和坚持来，肯定能行。