成都做大数据的公司有哪些？做的好的有哪几家？

作者：小维斗链接：https://www.zhihu.com/question/27933628/answer/96310427来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。关于成都做大数据的公司这几天小编特意整理出来了一份明细表，仅个人分享发表一下：1、成都神鸟数据咨询有限公司 网址：成都市场调研公司成都神鸟数据咨询有限公司主营业务包括公共事务研究、商业研究、媒介研究和数据库建设及流程信息化建设，客户涵盖政府部门、公用事业单位、国内外知名企业，积累多行业研究经验，使神鸟数据的研究团队具备良好的跨行业、跨区域、跨专业的多元化视角和思维。“神鸟数据”接受各企事业、政府机构和非政府机构的委托，独立完成市场调查、民意测验、政策性调查等各类定量与定性研究课题。多年的发展经验使本公司更了解客户的需求，从而为客户提供更有针对性的服务，“神鸟数据”研究领域涉及食品/饮料、公共事务、房地产、汽车、家电、IT、金融保险、媒体、商业服务、等多个行业，其中房地产、汽车、媒体、金融保险、快速消费品、公共事务是公司目前重点的研究领域。2、成都探码科技有限公司 首页 | 探码科技成都探码科技有限公司（简称探码科技）于2015年9月成立，公司总部位于成都，并在美国设立分公司服务海外客户。由清华海归创业团队组建，具有10多年国内外项目研发积累，擅长美国互联网前沿技术，崇尚硅谷创业模式，自主研发有核心技术。 是国内比较早的ROR开发团队，并在网络数据采集，大数据解析方面具有突出的能力。将在国内推出一系列面向政务、企业的创新型大数据研究项目与合作，为各大企业提供高端信息技术咨询服务。2015年与北京大数据研究院成为战略合作伙伴专研大数据服务。2016年开发DB智能数据服务平台，一款基于Hadoop开源计算框架，集成了Apache社区几十个成熟的Hadoop子项目，整合了数据ETL和流程管理功能模块，融合了十几个可直接调用的应用模版而最终形成的面对大数据进行存储、计算、查询、挖掘四大应用方向的基础平台产品3、数联铭品成都数联铭品科技有限公司数联铭品是行业领先的大数据解决方案提供商，商业大数据行业标准COSR数据服务框架的制定者。公司总部位于成都，在北京、贵州、深圳设有子公司，同时在新加坡设立了子公司服务海外客户。已经为金融行业、传媒行业、旅游行业、制造业和体育产业提供了具有产业化和产品化能力的领先大数据整体解决方案。4、成都数之联科技有限公司成都数之联科技集团成都数之联科技有限公司成立于2012年，公司致力于帮助政府和企业设计大数据顶层规划，为客户提供数据采集、存储、治理、分析、挖掘、应用和可视化等大数据全产业链综合服务。数之联业务覆盖多个行业，参控股成都数联寻英科技有限公司、成都数联易康科技有限公司、国信优易数据有限公司，提供人力资源、医疗健康、数据交易等多个行业的大数据垂直解决方案，先后服务了包括阿里巴巴、腾讯、中国联通、中国工商银行、中国银联、海尔、五粮液集团、三泰控股、置信集团等近百家知名企业。5、成都崇信大数据服务有限公司 暂无网站成都崇信大数据服务有限公司（简称：崇信公司）是专注于大数据建设的国有独资企业，成立于2006年，是四川省首家国资大数据公司。崇信公司专注于数据处理和存储服务，信息系统集成服务，信息技术咨询服务集成电路设计，数字内容服务，信息化基础设施建设，计算机网络系统工程服务，软件开发，非金融性项目投资，资产管理。6、成都勤智数码科技股份有限公司数据说-大数据全网整合营销平台以“大数据技术”为基础，从社交网站和电商平台等渠道收集海量数据，结合企业已有数据，从产品、品牌、客户、营销四个维度，完成相应的数据清洗、提取、整合，并进行科学、准确的数据分析。

“大数据”近几年来可谓蓬勃发展，它不仅是企业趋势，也是一个改变了人类生活的技术创新。大数据对行业用户的重要性也日益突出。掌握数据资产，进行智能化决策，已成为企业脱颖而出的关键。因此，越来越多的企业开始重视大数据战略布局，并重新定义自己的核心竞争力。

国内做大数据的公司依旧分为两类：一类是现在已经有获取大数据能力的公司，如百度、腾讯、阿里巴巴等互联网巨头以及华为、浪潮、中兴等国内领军企业，做大数据致店一叭柒叁耳领一泗贰五零，涵盖了数据采集，数据存储，数据分析，数据可视化以及数据安全等领域另一类则是初创的大数据公司，他们依赖于大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。其中大部分的大数据应用还是需要第三方公司提供服务。

越来越多的应用涉及到大数据，这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以，大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于此，对大数据进行分析的产品有哪些比较倍受青睐呢?

而在这里面，最耀眼的明星当属Hadoop，Hadoop已被公认为是新一代的大数据处理平台，EMC、IBM、Informatica、Microsoft以及Oracle都纷纷投入了Hadoop的怀抱。对于大数据来说，最重要的还是对于数据的分析，从里面寻找有价值的数据帮助企业作出更好的商业决策。下面，我们就来看看以下十大企业级大数据分析利器吧。

随着数据爆炸式的增长，我们正被各种数据包围着。正确利用大数据将给人们带来极大的便利，但与此同时也给传统的数据分析带来了技术的挑战，虽然我们已经进入大数据时代，但是“大数据”技术还仍处于起步阶段，进一步地开发以完善大数据分析技术仍旧是大数据领域的热点。

在当前的互联网领域，大数据的应用已经十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。

可视化分析

大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

2. 数据挖掘算法

大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计

学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如

果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

3. 预测性分析

大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

4. 语义引擎

非结构化数据的多元化给数据分析带来新的挑战，我们需要一套工具系统的去分析，提炼数据。语义引擎需要设计到有足够的人工智能以足以从数据中主动地提取信息。

5.数据质量和数据管理。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。

大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

大数据的技术

数据采集： ETL工具负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。

数据存取： 关系数据库、NOSQL、SQL等。

基础架构： 云存储、分布式文件存储等。

数据处理：

自然语言处理(NLP，Natural Language

Processing)是研究人与计算机交互的语言问题的一门学科。处理自然语言的关键是要让计算机”理解”自然语言，所以自然语言处理又叫做自然语言理解也称为计算语言学。一方面它是语言信息处理的一个分支，另一方面它是人工智能的核心课题之一。

统计分析：

 假设检验、显著性检验、差异分析、相关分析、T检验、 方差分析 、

卡方分析、偏相关分析、距离分析、回归分析、简单回归分析、多元回归分析、逐步回归、回归预测与残差分析、岭回归、logistic回归分析、曲线估计、

因子分析、聚类分析、主成分分析、因子分析、快速聚类法与聚类法、判别分析、对应分析、多元对应分析（最优尺度分析）、bootstrap技术等等。

数据挖掘：

分类 （Classification）、估计（Estimation）、预测（Prediction）、相关性分组或关联规则（Affinity

grouping or association rules）、聚类（Clustering）、描述和可视化、Description and

Visualization）、复杂数据类型挖掘(Text, Web ,图形图像，视频，音频等)

模型预测 ：预测模型、机器学习、建模仿真。

结果呈现： 云计算、标签云、关系图等。

大数据的处理

1. 大数据处理之一：采集

大数据的采集是指利用多个数据库来接收发自客户端（Web、App或者传感器形式等）的

数据，并且用户可以通过这些数据库来进行简单的查询和处理工作。比如，电商会使用传统的关系型数据库MySQL和Oracle等来存储每一笔事务数据，除

此之外，Redis和MongoDB这样的NoSQL数据库也常用于数据的采集。

在大数据的采集过程中，其主要特点和挑战是并发数高，因为同时有可能会有成千上万的用户

来进行访问和 *** 作，比如火车票售票网站和淘宝，它们并发的访问量在峰值时达到上百万，所以需要在采集端部署大量数据库才能支撑。并且如何在这些数据库之间

进行负载均衡和分片的确是需要深入的思考和设计。

2. 大数据处理之二：导入/预处理

虽然采集端本身会有很多数据库，但是如果要对这些海量数据进行有效的分析，还是应该将这

些来自前端的数据导入到一个集中的大型分布式数据库，或者分布式存储集群，并且可以在导入基础上做一些简单的清洗和预处理工作。也有一些用户会在导入时使

用来自Twitter的Storm来对数据进行流式计算，来满足部分业务的实时计算需求。

导入与预处理过程的特点和挑战主要是导入的数据量大，每秒钟的导入量经常会达到百兆，甚至千兆级别。

3. 大数据处理之三：统计/分析

统计与分析主要利用分布式数据库，或者分布式计算集群来对存储于其内的海量数据进行普通

的分析和分类汇总等，以满足大多数常见的分析需求，在这方面，一些实时性需求会用到EMC的GreenPlum、Oracle的Exadata，以及基于

MySQL的列式存储Infobright等，而一些批处理，或者基于半结构化数据的需求可以使用Hadoop。

统计与分析这部分的主要特点和挑战是分析涉及的数据量大，其对系统资源，特别是I/O会有极大的占用。

4. 大数据处理之四：挖掘

与前面统计和分析过程不同的是，数据挖掘一般没有什么预先设定好的主题，主要是在现有数

据上面进行基于各种算法的计算，从而起到预测（Predict）的效果，从而实现一些高级别数据分析的需求。比较典型算法有用于聚类的Kmeans、用于

统计学习的SVM和用于分类的NaiveBayes，主要使用的工具有Hadoop的Mahout等。该过程的特点和挑战主要是用于挖掘的算法很复杂，并

且计算涉及的数据量和计算量都很大，常用数据挖掘算法都以单线程为主。

上海数帆市场营销策划有限公司，简称数帆营销，是一家极具创新精神的数据库营销和网络营销整合服务机构，提供多渠道的营销推广方案，屡获殊荣的服务包括定向&互动电子邮件营销、短信营销、呼叫中心外包、直邮广告、网络整合营销、客户关系管理、数据库管理、直复营销媒体的代理、促销活动管理和执行、社会化媒体营销等，以高精度、高效率、高效益且与时并进的市场营销方案，令广大客户及其特定目标市场，以至整体社会得享最大经济利益。

---