數據思維和數據場景成為企業數據商業應用的一個障礙。其中領導層起到了很大的作用，可謂成也蕭何，敗也蕭何。很多企業領導的固有的商業思維方式、慣性思維模式、對年輕一代客戶的不了解，對短期利益對看重等多種因素造成了數字思維(或者說數據商業敏感度)的落后。以下是小編為你整理的學大數據入門教程 ?

一個領導的決策和意識往往誤導了企業商業化進程，某些領導不開放的心態和落后的思維方式阻礙了企業的數字化進程。特別是國有大型企業包括金融行業，部分中層領導的數字化思維落后于整個行業的發展，被傳統IT廠商和外包商影響的思維正在嚴重影響其數字化進程。在數字化思維方面，國有企業落后于股份制企業，北方落后于南方，經濟不發達地區落后經濟發達地區。 ?

數字化思維是數據場景應用的基礎，數字思維會提升企業的數據商業敏感度，幫助企業從數據中發現價值，也可以引導企業選擇正確的數字化商業進程。客觀地說，數字化商業進程未來是所有企業必須經歷的階段，也是企業發展的未來。 ?

數字化商業是逐漸進化的過程，不能一促即成，需要不斷的進行嘗試，可能也需要不斷試錯。這個過程既不能空想一天建成，投入巨大財力和人力，進行大規模建設。像某個企業，投入千人，兩年未有結果。也不能像另外一個企業，裹布不前，不斷調研，一年下來沒有任何變化。就像馬云說的，這是個搶錢的時代，當你還在想商業模式時，別人已經跑馬圈地，走在了時代的前沿，剩下的只有后悔和遺憾了。

數據場景應用其實并不復雜，業務需求同數據相結合，數據應用場景即刻就會呈現。國外同行的案例告訴我們，數據場景的應用往往建立在數據分析和業務分析之上。從商業應用場景出發，很容易找到數據應用場景。例如Climate收集的天氣數據可以幫助農民規劃植物種植和病蟲防止，花旗銀行信用卡直接利用乘客頭等艙乘坐記錄來給客戶寄送白金卡;某銀行利用物業費繳費情況，直接找到高端財富人群;某保險公司利用社交傳播，直接吸引了高端保險客戶;某互聯網金融公司利用外部數據，提高了30%左右惡意欺詐用戶識別率;國外某互聯網銀行其運營成本僅是傳統銀行四分之一;手機短信可以揭示客戶收入水平等，這些都是很典型的數據應用場景。 ?

數據場景應用來源于業務人員對數據的商業敏感度，同時也來源于數據分析人員對業務場景對了解，另外對外部數據應用案例和外部數據源的了解，也會幫助企業提高數據場景應用能力。數據的流通、數據案例的分享、數據場景的交流、同行人員的頭腦風暴都會幫助企業找到數據應用場景。過去行業里熟知的大數據案例多來源于美國，希望未來典型的數據應用案例可以來源于*企業。 ?

大數據的用途 ?

手機里別存自己的身份證照片。一旦手機丟失，而手機中恰好有自己的身份證照片，那么別人很容易就改掉你的支付寶支付密碼，啥后果大家也該知道了吧。不過大多數人應該是不會將身份證照片放到手機中的，因為多半都慘不忍睹了哈! ?

平時不要點擊一些來歷不明的鏈接。大家應該經常能看到這樣類似的新聞，某某收到一條短信，或是淘寶客服要求退款，或是領取信用卡積分，或是什么孩子成績單等等，然后甩給你一條鏈接，要求你填寫個人信息，或者是下載一個安裝包，然而這些鏈接絕大多數都攜帶木馬病毒，手機一旦“中毒”病毒就會竊取你的個人信息，銀行卡里的錢被轉走那都是分分鐘的事兒。 ?

社交網絡上的一些趣味測試也別隨意點，好奇心害死貓。最近微信朋友圈里出現了不少趣味測試，比如測測你的前世是什么，測測你的好運有多少等等，只要填寫自己的姓名、性別、生日等信息就能得到測試結果。但是這也是一種泄露個人信息的行為，如果不想被推銷電話和垃圾短信轟炸，或者更嚴重的利用生日猜中你的支付密碼，這種測試*別做，類似的還有紅包鏈接，別為了貪小便宜，*吃大虧。 ?

提高手機的安全性。作為一個“沒有手機會死星人”，平時也要提高手機的安全性，因為這是防止信息泄露重要因素。為手機設置屏保密碼等等之類的，大家可以根據自己手機的功能進行對應的處理。 ?

1處理好自己快遞包裝上的個人信息。快遞是個人信息泄露的“大戶”，我們知道，快遞包裝上會有自己的姓名、手機號，地址這些個人信息，所以廣大剁手黨們在扔掉包裝前不要怕麻煩，把這些信息統統毀掉。雖然說有些謹小慎微，但還是要注意一下的。 ?

如果個人信息泄露，小的話就是會天天有源源不斷的騷擾電話，大的話就會導致財產的損失，甚至是現實中的個人生活問題。因此保護好個人信息安全，切不可等閑視之了。 ?

大數據給營銷的會心一擊 ?

到了互聯網時代，亞馬遜的個性化推薦大幅增加了其銷售量、Facebook的精準廣告投放，成功把粉絲和流量變現、Google搜索頁面動態調整，讓推薦更符合用戶心意，提高了搜索的效率，這些事例都成為業界口口相傳的大數據營銷經典之作。 通過大數據計算，能夠準確推測用戶的真實需求，將用戶想要的、喜歡的精準到達，有效的導流、用戶觸達和促進銷售。

?

在大數據時代之前，成功的營銷準則似乎并不復雜。掌握營銷的4P理論——產品(product)、價格(price)、促銷(promotion)、渠道(place)，當營銷遇到挑戰時，只要使用熟知的營銷方案，加上好的產品和漂亮的廣告，基本就可以完成營銷的目標。而進入大數據時代，一切營銷行為和消費行為皆數據化，營銷逐漸的成為了一個數字游戲，數據分析和數據管理成為了營銷人員的核心競爭力，數據貫穿營銷過程的始末。 ?

誰是準確的目標受眾?如何在合適的時間、合適的地點、以合適的方式傳達給消費者正確的信息?隨著數據搜集、存儲、管理、分析、挖掘與應用的技術體系的發展，這些問題的答案已經可以顯現于眼前。 ?

數據挖掘與分析與將隱藏于數據汪洋中瑰寶打撈而出;各渠道數據融合提高了精準營銷的準確度;可視化技術把復雜的數據打磨為直觀的圖表，使之成為淺顯易懂、人皆可用的工具和手段;完備的數據服務器集群，提供強大穩定的數據計算能力，實時洞察消費者行為，及時響應;移動終端的普及，讓數據分析隨地可行……大數據營銷使得營銷行動目標明確、可追蹤、可衡量、可優化，從而造就了以數據為核心的營銷閉環，營銷行動得到良性循環，這些都是BDP商業數據平臺致力為用戶提供的服務。 ?

了解Storm集群組件的功能 ?

Storm集群中包含兩類節點：主控節點(Master Node)和工作節點(Work Node)。其分別對應的角色如下： ?

主控節點(Master Node)上運行一個被稱為Nimbus的后臺程序，它負責在Storm集群內分發代碼，分配任務給工作機器，并且負責監控集群運行狀態。Nimbus的作用類似于Hadoop中JobTracker的角色。 ?

每個工作節點(Work Node)上運行一個被稱為Supervisor的后臺程序。Supervisor負責監聽從Nimbus分配給它執行的任務，據此啟動或停止執行任務的工作進程。每一個工作進程執行一個Topology的子集;一個運行中的Topology由分布在不同工作節點上的多個工作進程組成。 ?

Nimbus和Supervisor節點之間所有的協調工作是通過Zookeeper集群來實現的。此外，Nimbus和Supervisor進程都是快速失敗(fail-fast)和無狀態(stateless)的;Storm集群所有的狀態要么在Zookeeper集群中，要么存儲在本地磁盤上。這意味著你可以用kill -9來殺死Nimbus和Supervisor進程，它們在重啟后可以繼續工作。這個設計使得Storm集群擁有不可思議的穩定性。