炒股App：大数据丢在风口上的蛋
尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道
据媒体报道，与2007年“大牛市”不同，2014年以来的大牛市伴随移动互联网的蓬勃发展，特别是微信、移动新闻客户端等加快了信息传播速度。2007年时，股票投资者还需要在同花顺、大智慧等PC客户端浏览行情；而今，几十个乃至近百个新式炒股App蓬勃而生，为无数赶赴牛市的“85后”新生代投资者提供参考。
一场以炒股App寻找全新App增长点的创投热情，更在四五月间股市的“牛气冲天”中，被极度释放，进而又在6月末的一连串股市大跌之中，被非议无数。作为已经不再热门的App创业中的一支奇葩，在股市的风口上，炒股App到底能够走多远？
社交应用的股票定制版？
在有关提到此次炒股App热的媒体报道中，常有一段话，专门用来解析过去主要应用于PC的炒股软件和当下应用于手机的炒股App的区别：“尽管炒股App处于刚刚勃兴阶段，但业内几乎在短时间内迅速就其产品模式达成了共识——将交易与交流相结合，组建日常化的投资社区。在此之下，不同背景与定位的炒股App开始探索各自的商业模式，谋求符合自己的生存之道。”
如果翻译成更为浅显的话语，可以理解为这些炒股App的基础架构颇类似微信、微博之类的社交应用，一些炒股达人则成为这一社交应用之中的微信公众号或者微博大V。当然，草根股民也可以用朋友圈，发表一下自己对股市的看法。
这样的平台架构，其实在技术上已经没有多少难度可言，因此，其快速爆发的效率可以用“扎堆”来形容。据6月22日中国之声《新闻晚高峰》报道：“任意一个App Store，与‘炒股’相关的新式App有几十至近百个之多，包括公牛炒股、优顾炒股、短线放大器、投资堂等。”而火爆程度呢？“百度指数也显示，近一个月内关键词‘炒股软件’的搜索指数整体同比上升了834%，移动端同比上升超1000%。”
如此红火的炒股App势头，它真正和过去大智慧、同花顺这样的PC客户端相比，当然并不仅仅是炒股社交化如此简单。以2011年就上线的炒股App股票雷达为例，其创始人冯月就坦言：在做法上，股票雷达要求投资者都必须公布自己的投资记录，形成交易数据公开；通过一定时间内的收益排名数据比较自动推出“股票高手”，允许用户跟着高手投资。一旦关注某个高手后，平台会自动向投资者发送该高手仓位实时变化消息。凭借“有迹可循”和“跟单交易”的新颖模式，股票雷达很快就吸引了首批用户，截至目前，股票雷达实盘日交易额已经有几亿元，股票雷达团队也已突破100人。
这被冯月称之为是一种大数据的呈现，而真正对于股民来说，这其实就是一个实时的 *** 作指南。这是以往大智慧、同花顺等老牌股票应用，主要提供一些股票推荐和相关资讯所不能及的。
据《深市新开户个人投资者学历分析报告》显示，在2014年初到2015年3月31日之间的新开户投资者中，30岁以下人群占比达到377%。这一批在互联网土壤上生长起来的“85后”股市小白用户，跟着带头大哥混的思维逻辑就是他们炒股的刚性需求。
一个前度玩家的新游戏
对于炒股App和过去的炒股软件的区别，笔者有一个更为形象的比方，后者其实就是一款单机游戏，而大智慧们提供的各种资讯，则是股票这款游戏的玩家们，在一个封闭的小房子里，独自专研着属于自己的游戏攻略。你其实是一个人在战斗。个人在股市里摸爬滚打的长期经验和对信息的分析研判能力，将为一次又一次通关，增加一些成功的砝码。
而前者，则是一款网络游戏，面对全新的关卡，一个新手往往顿时迷失了方向，如果沿用过去的方法，去研究游戏攻略，学费高、课程长、见效慢。但在社交平台上，可以有另一个选择，跟着有经验的老前辈、股票高手们一起，去开荒捞点战利品。当然，这依然不能保证通关，但至少这是摆在还不太懂股市的“票友”们最简单粗暴的炒股赚钱方式。
其实，这两种模式之间，是有过渡阶段的，即在2007年上一轮牛市期间，在博客平台上一度跃红的那些荐股牛人，包括曾被誉为中国第一博后又因为诈骗罪而入狱的“带头大哥777”。所不同的是，这个中间阶段的过渡平台，依然延续着那些专家荐股、炒股达人的神话，加上信息的不透明性和仅仅为推荐而非真正实时 *** 盘，而备受诟病。
这就涉及一个所谓盈利模式的话题。即前代产品如大智慧、同花顺的盈利模式，其实最主要的还是作为一个平台，协助股民浏览行情、获取资讯、完成交易，并收取金融信息服务费用和少量的广告费用。这种其实还停留在过去“卖产品”的服务模式和股票门户平台的定位，在越来越海量的信息数据爆炸下，也越来越不合时宜，也更加地向摸爬滚打股海多年的重度股民方向发展，也使得其业绩一直表现乏力。5月的媒体报道中，一位分析师则对腾讯财经表示，大智慧一向擅长给资本市场讲故事，但其主业一直陷于巨额亏损，商业模式不可持续。
反之走“跟高手炒股”概念的股票雷达、雪球等炒股App，则以反专业化的面目出现，即用“高手”这一概念，以及自己平台对大量碎片化信息数据的分析并简化成买进卖出的量化结果，让小白用户可以快速赚钱，并迅速地为自己的平台聚集起人气。“人气就是入口”，对于移动互联网的App们来说，有了人气，并用真正能赚到钱来黏住用户，盈利模式总会有的。到6月，据称股票雷达和雪球上的日均活跃用户数接近100万，对于一款“网络游戏”来说，社区的内容贡献问题、高手数量、跟随的小弟资源，均已盘活了。
只是，在大牛市下，怎么炒都容易赚钱，矛盾不易爆发。但万一熊了呢？
大数据！一个有关预测的局
万一熊了，能不能真正让小白用户“跟高手炒股”赚到钱，就成为决定App黏合度的最终关键，为此，有志于炒股App的各路英雄，包括BAT们，都祭出了同一张牌——大数据。
腾讯早在2012年就推出了“自选股”App，在其社交领域基础上打造“股票圈”；百度今年2月上线了选股App百度股市通，主推智能选股。阿里则在5月牵手第一财经，将第一财经专业的财经资讯、投研报告内容，通过支付宝“股市行情”端口直接抵达3亿支付宝用户。
在某种意义上，腾讯的“自选股”颇为类似上述草根创业的炒股App，阿里则以更为专业和标准化生产采集的第一手资讯和服务压过传统炒股软件大智慧们一头。两大巨头的切入角度，均是以自己最优势而竞争对手难以山寨的平台力量，可谓刁钻，但尚不具备颠覆力量；而最具典范意义的则是百度的股市通，其号称基于百度每天数亿量级的政经类搜索数据和数百万新闻资讯信息，通过专业的数据挖掘和分析技术，将新闻信息、搜索数据与股票建立起相应的关系，以信息的热度变化来实时分析股票市场的变动。
简言之，就是通过信息流的快速变化得出一个涨跌的大数据结论，这个大数据优势，只有百度具备，其原理颇为类似早前百度推出依托区域面积内使用百度地图的人数而形成的景区热力图，来帮助出行人士选择到底是看人海还是看风景。这一基于大数据和人工智能技术的“智能选股”服务，据其统计数据显示，上线3个月以来，百度股市通应用大数据推出的热点有685个。如果以每个热点的关联股票作为一个组合，平均仓位以当日开盘价买入，第二天开盘价卖出计算，有78%的热点题材股票是上涨的，且日均涨幅达到17%。如果按照A股1年240个交易日计算，年复利收益在理论上达到56倍。
但这依然只是一个理论化的模型，其特点也仅仅是用数据的力量来分析海量信息流，跳过股民不关心的分析过程而直接导出一个预测结果，与“跟高手炒股”的区别，也主要在于一个是以算法来预测，一个则更多依靠经验来预测。
且“跟高手炒股”目前也在探索一种经验型大数据的解决方案，如股票雷达等，也在考虑除了供应大量信息和订阅高手动态的方式之外，对信息数据以及高手们的实时动态，而形成一系列预测结果，甚至介入中信证券、广发证券、国金证券、方正证券、国联证券等老牌券商，以形成更具指导力的结果，供小白用户直接选择。
怎么样的大数据分析方案，其实都只是各个入局炒股App根据自身优势与特点，对“真正能为小白客户实现简化投资”这一结果而找寻的出路，但真正能否预测到结果呢？正如抽样调查只能为选举结果提供参考系一样，仅仅来自于某些领域的大数据，其实也只是一个较大的参考系，而非全量的数据分析，其参考价值更大，但也仅仅只是参考，是更无限接近真相的一个预测。
股市有风险，投资需谨慎。这句话同样适用于炒股App们，能否在牛市和熊市的不同阶段保持对用户的黏合性，能否总是保持正确，很重要。而这其中，除了科学的大数据参考外，还有那么一丝赌博的味道。
以上是小编为大家分享的关于炒股App 大数据丢在风口上的蛋的相关内容，更多信息可以关注环球青藤分享更多干货
大数据基金逆势猛发 主动引入量化对冲策略
大数据正在持续激发商业模式创新，不断催生新业态，成为互联网等新兴领域促进业务创新增值、提升企业核心价值的重要驱动力。大数据产业正在成为新的经济增长点，对未来信息产业格局产生重要影响。在各个互联网平台纷纷拿出自己的数据做成金融产品的同时，基金公司也在希望借力大数据基金，抓住成长于互联网时代的新一代基民。
六月以来，国内资本市场逐步走弱，基金募集依然极度低迷。新基金不仅首募规模惨淡，且频现延长募集问题。行情不好，公募也明显放慢了新产品的发行节奏。而其中，大数据基金反而是静流中的一股暗涌。不仅形形色色大数据指数陆续面世，而且基于这些指数开发的产品也将列队发行。
大数据指数的开发也进入精耕细作的阶段。公募对互联网数据的要求越来越挑剔，尤其要求与投资者行为密切相关。公募合作的互联网平台从百度、新浪财经，亦发展到雪球、腾讯自选股、同花顺等记录了投资行为的平台。
中国公募基金行业对大数据引入投资的应用还处于初级阶段，因此开发较为简单的指数型基金是多数试水者的首选。然而，今年6月中旬以来A股接连几度大跌，让始终保持高仓位、必须跟随指数的大数据指数基金面临着业绩的压力。
震荡市中，配置了代表转型方向小票的高仓位大数据指数基金遭遇重挫，先行者也在思考这类产品如何转身的问题。如今，大数据基金产品的开发走向了仓位和 *** 作更加灵活的主动量化趋势，引入对冲策略。
大数据为新基金“贴金”
经济观察报注意到，仅是今年7、8两个月份，中证指数公司已发布三条与雪球相关的大数据指数，三条与银联相关的大数据指数，一条与360旗下的搜索引擎有关的大数据指数，一条与搜房网房天下有关的大数据指数。记者了解到，博时基金、大成基金、天弘基金、中欧基金、鹏华基金正在开发基于上述指数的基金产品，将在未来两三个月内发行。
大数据基金始步于2014年，升温于2015年。去年，广发基金[微博]与百度的合作打响大数据基金头炮;今年，除了新增南方、博时、大成、天弘、中欧、鹏华、嘉实等将近十家试水者之外，产品发行的速度和数量均在今年明显上升一个台阶。记者了解到，博时和大成等公募基金公司已经把大数据基金的开发作为公司的战略重点。
年轻的大数据指数尚未建立自己的地位。大数据是否只是营销的噱头，仍是多数基民心中挥之不去的质疑。对此，博时基金副总裁王德英以量化基金在国内从不受重视到大受欢迎的经历勉励自己。他认为，前几年尚未做出业绩的量化基金发展得不温不火。但从去年开始，一些运作时间较长的量化基金已积累出业绩，尤其是在今年股市震荡期中成为很多投资者在债券、固定收益类产品之外的避险之选，“希望多积累点业绩，来说服投资者。”
大数据因子的出现，寄予了公募在投研方式变革的期望，也希望能够把大数据开发成一个良好的策略，帮助原有的量化模型跑赢市场。
大数据基金的选股多采用“多因子”模型，参考此类基金的基金合同，大都采用“财务”、“动量”、“大数据”等三类因子选股。
王德英介绍，目前各家公募所引用的互联网数据要么与基本面有关，如银联跨行交易数据，以及蚂蚁金服旗下支付宝[微博]金融信息服务平台提供的网上消费类统计型趋势特征数据;要么是与市场信心或情绪有关的数据，如反映市场热点的百度或新浪财经等。
华南一位大数据指数基金经理告诉经济观察报，大数据跟投资的相关性大小对最后出来的指数产品的影响并不是那么直接，还取决于它跟现有的模型匹配的程度有多大，“如果它在某一段时间的市场情况下我们觉得表现会好，会增加它的权重，有时候会降低。”
大成基金首席战略官温智敏认为，原则上随着对大数据的应用能力的提升，大数据的权重会越来越大，“包括我们关于这支产品或者后续的产品方面在未来会把互联网的元素强化。”
经济观察报了解到，大数据指数的选股模型的优劣取决与各家公募在量化投资领域的积累。仔细研究发现，来自各个互联网平台的数据只是选股模型中的一个因子，且所占的权重目前还不大，少则六分之一，多则三分之一。
王德英表示，将大数据因子融入原有的量化模型中，考验的是模型的成熟度。包括大数据在内的各个因子的权重并不是固定的。不同因子如何调配才能优势互补，需要多年的运行经验才能总结出来，“模型经常要调整，哪个失效，要剔掉;要不断统计和优化。”
这意味着大数据指数和传统被动管理型的指数有较大差异。通过多个因子策略的调整和权重优化，大数据指数可实现一定程度的主动管理。
目前市面上的大数据指数基金多数是每月调一次仓。一位不愿具名的大数据指数基金的基金经理告诉经济观察报，现在大数据指数都是一个月一换仓，换手率比其它的主动管理型基金还是偏高一些。其进一步揭示了产品局限性和风险性，“主动管理型基金可以挑时间换仓，而我们每个月就定期这样去换，如果赶上时间点不好，大容量可能会容纳不下。”
前述基金经理管理的大数据指数基金并没有设置最大的规模。其表示，“规模如果太大可能会影响一些调仓，尤其像现在股市不好成交低迷的情况。但是三十亿、五十亿正常规模的基金应该是没问题的，毕竟百只股票三千万、五千万，即使换仓一天换不了，拿三五天、一周来换的话也是很合理的。”
不过，与主动型基金相比，大数据指数基金的管理费用低廉具有明显的竞争优势。一位业内人士认为，这也是策略指数能够在很短的时间内获得市场和投资者广泛青睐的一个重要原因。
逆势而上 勇于创新
温智敏告诉经济观察报，策略指数在国外很重要的一种策略就是等权重。传统的指数采用的是市值加权的方式，意味着更看重所谓市值较大的股票。而大数据指数则是在等权重的情况下，由模型中的多个因子去考量和选择。
温智敏认为，现在经济转型的情况下，资本市场更加看重成长性股票。等权重的方式下选出了大量的小票，是有资本市场的判断逻辑在背后支撑。
然而，先行者却在实践中发现了问题。倾向于小盘股的特点导致其收益不稳定。
以最早成立的广发中证百度百发策略100指数基金为例，其募集金额曾高达23亿元，基金的成分股为100只，成分股中中小盘股占比较高。该指数策略采用等权重方式，以23亿元的募集金额来看，每只股票的配置资金为2300万元。值得投资者注意的是，中小盘股较多，当基金进行调仓时可能将产生一定的冲击成本。
近几个月的震荡市中，受伤最大的是那些被认为代表转型方向，最有上升空间的小票。配置了小票的高仓位大数据指数基金，便在这一过程中遭遇了较大的回撤。百发100指数基金便是其中一员。
百发100指数基金自去年运行以来，广发基金意识到该基金的规模局限性，广发基金大数据混合基金经理季峰表示，“假设在极端行情下，市场流动性匮乏，成分股大部分集中在小盘股上，后果就是交易过程中会产生巨大的冲击成本，对基金业绩造成影响。”
高仓位，主动性差，作为第一波大数据指数基金的先行者，广发基金思考着如何更好地发挥大数据的优势。指数型产品碰壁之后，首只大数据主动量化基金广发大数据混合在解决问题的背景下诞生。记者发现，新发的广发大数据混合在仓位上更加灵活，为0~95%之间，而非百发100那样在任何时候都必须保持90%以上的仓位。
在加权方式上，第二代大数据基金也做了改变，抛弃了等权的方法。广发大数据混合不再像此前那样按等权重买入，而是按照市值比例进行配置。季峰认为，由于加权方式采用类市值加权，因而基金规模不做任何限制，调仓的流动性风险和冲击成本将大幅降低。此外，在应对下跌趋势时，除了降低仓位，一旦展开趋势性行情时，该基金也会开股指期货空单对冲。
股市行情震荡，让市场上基金的业绩表现分化。基金管理公司也开始从侧重指数型产品转型到侧重主动管理型产品。主动管理型能够在大数据选股的优势上结合择时对冲风险。
以上是小编为大家分享的关于大数据基金逆势猛发 主动引入量化对冲策略的相关内容，更多信息可以关注环球青藤分享更多干货
大数据分析是一个含义广泛的术语，是指数据集，如此庞大而复杂的，他们需要专门设计的硬件和软件工具进行处理。该数据集通常是万亿或EB的大小。这些数据集收集自各种各样的来源：传感器，气候信息，公开的信息，如杂志，报纸，文章。大数据分析产生的其他例子包括购买交易记录，网络日志，病历，军事监控，视频和图像档案，及大型电子商务。
大数据分析，他们对企业的影响有一个兴趣高涨。大数据分析是研究大量的数据的过程中寻找模式，相关性和其他有用的信息，可以帮助企业更好地适应变化，并做出更明智的决策。
一、Hadoop
Hadoop是一个开源框架，它允许在整个集群使用简单编程模型计算机的分布式环境存储并处理大数据。它的目的是从单一的服务器到上千台机器的扩展，每一个台机都可以提供本地计算和存储。
Hadoop 是一个能够对大量数据进行分布式处理的软件框架。但是 Hadoop 是以一种可靠、高效、可伸缩的方式进行处理的。Hadoop
是可靠的，即使计算元素和存储会失败，它维护多个工作数据副本，确保能够针对失败的节点重新分布处理。Hadoop是高效的，它采用并行的方式工作，通过并行处理加快处理速度。Hadoop
还是可伸缩的，能够处理 PB 级数据。此外，Hadoop 依赖于社区服务器，因此它的成本比较低，任何人都可以使用。
Hadoop是轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它主要有以下几个优点：
1、高可靠性。Hadoop按位存储和处理数据的能力值得人们信赖。
2、高扩展性。Hadoop是在可用的计算机集簇间分配数据并完成计算任务的，这些集簇可以方便地扩展到数以千计的节点中。
3、高效性。Hadoop能够在节点之间动态地移动数据，并保证各个节点的动态平衡，因此处理速度非常快。
4、高容错性。Hadoop能够自动保存数据的多个副本，并且能够自动将失败的任务重新分配。
Hadoop带有用 Java 语言编写的框架，因此运行在 Linux 生产平台上是非常理想的。Hadoop 上的应用程序也可以使用其他语言编写，比如
C++。
二、HPCC
HPCC，High Performance Computing and
Communications(高性能计算与通信)的缩写。1993年，由美国科学、工程、技术联邦协调理事会向国会提交了"重大挑战项目：高性能计算与通信"的报告，也就是被称为HPCC计划的报告，即美国总统科学战略项目，其目的是通过加强研究与开发解决一批重要的科学与技术挑战问题。HPCC是美国实施信息高速公路而上实施的计划，该计划的实施将耗资百亿美元，其主要目标要达到：开发可扩展的计算系统及相关软件，以支持太位级网络传输性能，开发千兆比特网络技术，扩展研究和教育机构及网络连接能力。
该项目主要由五部分组成：
1、高性能计算机系统(HPCS)，内容包括今后几代计算机系统的研究、系统设计工具、先进的典型系统及原有系统的评价等;
2、先进软件技术与算法(ASTA)，内容有巨大挑战问题的软件支撑、新算法设计、软件分支与工具、计算计算及高性能计算研究中心等;
3、国家科研与教育网格(NREN)，内容有中接站及10亿位级传输的研究与开发;
4、基本研究与人类资源(BRHR)，内容有基础研究、培训、教育及课程教材，被设计通过奖励调查者-开始的，长期的调查在可升级的高性能计算中来增加创新意识流，通过提高教育和高性能的计算训练和通信来加大熟练的和训练有素的人员的联营，和来提供必需的基础架构来支持这些调查和研究活动;
5、信息基础结构技术和应用(IITA )，目的在于保证美国在先进信息技术开发方面的领先地位。
三、Storm
Storm是一个免费开源、分布式、高容错的实时计算系统。Storm令持续不断的流计算变得容易，弥补了Hadoop批处理所不能满足的实时要求。Storm经常用于在实时分析、在线机器学习、持续计算、分布式远程调用和ETL等领域。Storm的部署管理非常简单，而且，在同类的流式计算工具，Storm的性能也是非常出众的。
Storm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言，使用起来非常有趣。Storm由Twitter开源而来，其它知名的应用企业包括Groupon、淘宝、支付宝、阿里巴巴、乐元素、Admaster等等。
Storm有许多应用领域：实时分析、在线机器学习、不停顿的计算、分布式RPC(远过程调用协议，一种通过网络从远程计算机程序上请求服务)、
ETL(Extraction-Transformation-Loading的缩写，即数据抽取、转换和加载)等等。Storm的处理速度惊人：经测试，每个节点每秒钟可以处理100万个数据元组。Storm是可扩展、容错，很容易设置和 *** 作。
四、Apache Drill
为了帮助企业用户寻找更为有效、加快Hadoop数据查询的方法，Apache软件基金会近日发起了一项名为"Drill"的开源项目。Apache
Drill 实现了Google’s Dremel。"Drill"已经作为Apache孵化器项目来运作，将面向全球软件工程师持续推广。
该项目将会创建出开源版本的谷歌Dremel
Hadoop工具(谷歌使用该工具来为Hadoop数据分析工具的互联网应用提速)。而"Drill"将有助于Hadoop用户实现更快查询海量数据集的目的。
"Drill"项目其实也是从谷歌的Dremel项目中获得灵感：该项目帮助谷歌实现海量数据集的分析处理，包括分析抓取Web文档、跟踪安装在Android
Market上的应用程序数据、分析垃圾邮件、分析谷歌分布式构建系统上的测试结果等等。
通过开发"Drill"Apache开源项目，组织机构将有望建立Drill所属的API接口和灵活强大的体系架构，从而帮助支持广泛的数据源、数据格式和查询语言。
五、RapidMiner
RapidMiner提供机器学习程序。而数据挖掘，包括数据可视化，处理，统计建模和预测分析。
RapidMiner是世界领先的数据挖掘解决方案，在一个非常大的程度上有着先进技术。它数据挖掘任务涉及范围广泛，包括各种数据艺术，能简化数据挖掘过程的设计和评价。
功能和特点
免费提供数据挖掘技术和库;100%用Java代码(可运行在 *** 作系统);数据挖掘过程简单，强大和直观;内部XML保证了标准化的格式来表示交换数据挖掘过程;可以用简单脚本语言自动进行大规模进程;多层次的数据视图，确保有效和透明的数据;图形用户界面的互动原型;命令行(批处理模式)自动大规模应用;Java
API(应用编程接口);简单的插件和推广机制;强大的可视化引擎，许多尖端的高维数据的可视化建模;400多个数据挖掘运营商支持;耶鲁大学已成功地应用在许多不同的应用领域，包括文本挖掘，多媒体挖掘，功能设计，数据流挖掘，集成开发的方法和分布式数据挖掘。
RapidMiner的局限性;RapidMiner 在行数方面存在大小限制;对于RapidMiner，您需要比ODM和SAS更多的硬件资源。
六、Pentaho BI
Pentaho BI 平台不同于传统的BI
产品，它是一个以流程为中心的，面向解决方案(Solution)的框架。其目的在于将一系列企业级BI产品、开源软件、API等等组件集成起来，方便商务智能应用的开发。它的出现，使得一系列的面向商务智能的独立产品如Jfree、Quartz等等，能够集成在一起，构成一项项复杂的、完整的商务智能解决方案。
Pentaho BI 平台，Pentaho Open BI
套件的核心架构和基础，是以流程为中心的，因为其中枢控制器是一个工作流引擎。工作流引擎使用流程定义来定义在BI
平台上执行的商业智能流程。流程可以很容易的被定制，也可以添加新的流程。BI
平台包含组件和报表，用以分析这些流程的性能。目前，Pentaho的主要组成元素包括报表生成、分析、数据挖掘和工作流管理等等。这些组件通过
J2EE、WebService、SOAP、>
Pentaho
SDK共包含五个部分：Pentaho平台、Pentaho示例数据库、可独立运行的Pentaho平台、Pentaho解决方案示例和一个预先配制好的
Pentaho网络服务器。其中Pentaho平台是Pentaho平台最主要的部分，囊括了Pentaho平台源代码的主体;Pentaho数据库为
Pentaho平台的正常运行提供的数据服务，包括配置信息、Solution相关的信息等等，对于Pentaho平台来说它不是必须的，通过配置是可以用其它数据库服务取代的;可独立运行的Pentaho平台是Pentaho平台的独立运行模式的示例，它演示了如何使Pentaho平台在没有应用服务器支持的情况下独立运行;
Pentaho解决方案示例是一个Eclipse工程，用来演示如何为Pentaho平台开发相关的商业智能解决方案。
Pentaho BI 平台构建于服务器，引擎和组件的基础之上。这些提供了系统的J2EE
服务器，安全，portal，工作流，规则引擎，图表，协作，内容管理，数据集成，分析和建模功能。这些组件的大部分是基于标准的，可使用其他产品替换之。
七、Druid
Druid是实时数据分析存储系统，Java语言中最好的数据库连接池。Druid能够提供强大的监控和扩展功能。
八、Ambari
大数据平台搭建、监控利器;类似的还有CDH
1、提供Hadoop集群
Ambari为在任意数量的主机上安装Hadoop服务提供了一个逐步向导。
Ambari处理集群Hadoop服务的配置。
2、管理Hadoop集群
Ambari为整个集群提供启动、停止和重新配置Hadoop服务的中央管理。
3、监视Hadoop集群
Ambari为监视Hadoop集群的健康状况和状态提供了一个仪表板。
九、Spark
大规模数据处理框架(可以应付企业中常见的三种数据处理场景：复杂的批量数据处理(batch data
processing);基于历史数据的交互式查询;基于实时数据流的数据处理，Ceph:Linux分布式文件系统。
十、Tableau Public
1、什么是Tableau Public - 大数据分析工具
这是一个简单直观的工具。因为它通过数据可视化提供了有趣的见解。Tableau
Public的百万行限制。因为它比数据分析市场中的大多数其他玩家更容易使用票价。使用Tableau的视觉效果，您可以调查一个假设。此外，浏览数据，并交叉核对您的见解。
2、Tableau Public的使用
您可以免费将交互式数据可视化发布到Web;无需编程技能;发布到Tableau
Public的可视化可以嵌入到博客中。此外，还可以通过电子邮件或社交媒体分享网页。共享的内容可以进行有效硫的下载。这使其成为最佳的大数据分析工具。
3、Tableau Public的限制
所有数据都是公开的，并且限制访问的范围很小;数据大小限制;无法连接到[R ;读取的唯一方法是通过OData源，是Excel或txt。
十一、OpenRefine
1、什么是OpenRefine - 数据分析工具
以前称为GoogleRefine的数据清理软件。因为它可以帮助您清理数据以进行分析。它对一行数据进行 *** 作。此外，将列放在列下，与关系数据库表非常相似。
2、OpenRefine的使用
清理凌乱的数据;数据转换;从网站解析数据;通过从Web服务获取数据将数据添加到数据集。例如，OpenRefine可用于将地址地理编码到地理坐标。
3、OpenRefine的局限性
Open Refine不适用于大型数据集;精炼对大数据不起作用
十二、KNIME
1、什么是KNIME - 数据分析工具
KNIME通过可视化编程帮助您 *** 作，分析和建模数据。它用于集成各种组件，用于数据挖掘和机器学习。
2、KNIME的用途
不要写代码块。相反，您必须在活动之间删除和拖动连接点;该数据分析工具支持编程语言;事实上，分析工具，例如可扩展运行化学数据，文本挖掘，蟒蛇，和[R
。
3、KNIME的限制
数据可视化不佳
十三、Google Fusion Tables
1、什么是Google Fusion Tables
对于数据工具，我们有更酷，更大版本的Google Spreadsheets。一个令人难以置信的数据分析，映射和大型数据集可视化工具。此外，Google
Fusion Tables可以添加到业务分析工具列表中。这也是最好的大数据分析工具之一。
2、使用Google Fusion Tables
在线可视化更大的表格数据;跨越数十万行进行过滤和总结;将表与Web上的其他数据组合在一起;您可以合并两个或三个表以生成包含数据集的单个可视化;
3、Google Fusion Tables的限制
表中只有前100,000行数据包含在查询结果中或已映射;在一次API调用中发送的数据总大小不能超过1MB。
十四、NodeXL
1、什么是NodeXL
它是关系和网络的可视化和分析软件。NodeXL提供精确的计算。它是一个免费的(不是专业的)和开源网络分析和可视化软件。NodeXL是用于数据分析的最佳统计工具之一。其中包括高级网络指标。此外，访问社交媒体网络数据导入程序和自动化。
2、NodeXL的用途
这是Excel中的一种数据分析工具，可帮助实现以下方面：
数据导入;图形可视化;图形分析;数据表示;该软件集成到Microsoft Excel
2007,2010,2013和2016中。它作为工作簿打开，包含各种包含图形结构元素的工作表。这就像节点和边缘;该软件可以导入各种图形格式。这种邻接矩阵，Pajek
net，UCINet dl，GraphML和边缘列表。
3、NodeXL的局限性
您需要为特定问题使用多个种子术语;在稍微不同的时间运行数据提取。
十五、Wolfram Alpha
1、什么是Wolfram Alpha
它是Stephen Wolfram创建的计算知识引擎或应答引擎。
2、Wolfram Alpha的使用
是Apple的Siri的附加组件;提供技术搜索的详细响应并解决微积分问题;帮助业务用户获取信息图表和图形。并有助于创建主题概述，商品信息和高级定价历史记录。
3、Wolfram Alpha的局限性
Wolfram Alpha只能处理公开数字和事实，而不能处理观点;它限制了每个查询的计算时间;这些数据分析统计工具有何疑问
十六、Google搜索运营商
1、什么是Google搜索运营商
它是一种强大的资源，可帮助您过滤Google结果。这立即得到最相关和有用的信息。
2、Google搜索运算符的使用
更快速地过滤Google搜索结果;Google强大的数据分析工具可以帮助发现新信息。
十七、Excel解算器
1、什么是Excel解算器
Solver加载项是Microsoft Office Excel加载项程序。此外，它在您安装Microsoft
Excel或Office时可用。它是excel中的线性编程和优化工具。这允许您设置约束。它是一种先进的优化工具，有助于快速解决问题。
2、求解器的使用
Solver找到的最终值是相互关系和决策的解决方案;它采用了多种方法，来自非线性优化。还有线性规划到进化算法和遗传算法，以找到解决方案。
3、求解器的局限性
不良扩展是Excel Solver缺乏的领域之一;它会影响解决方案的时间和质量;求解器会影响模型的内在可解性;
十八、Dataiku DSS
1、什么是Dataiku DSS
这是一个协作数据科学软件平台。此外，它还有助于团队构建，原型和探索。虽然，它可以更有效地提供自己的数据产品。
2、Dataiku DSS的使用
Dataiku DSS - 数据分析工具提供交互式可视化界面。因此，他们可以构建，单击，指向或使用SQL等语言。
3、Dataiku DSS的局限性
有限的可视化功能;UI障碍：重新加载代码/数据集;无法轻松地将整个代码编译到单个文档/笔记本中;仍然需要与SPARK集成
以上的工具只是大数据分析所用的部分工具，小编就不一一列举了，下面把部分工具的用途进行分类：
1、前端展现
用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。
用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft
Power BI, Oracle,Microstrategy,QlikView、 Tableau 。
国内的有BDP，国云数据(大数据分析魔镜)，思迈特，FineBI等等。
2、数据仓库
有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。
3、数据集市
有QlikView、 Tableau 、Style Intelligence等等。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）