交互式分析技术

机器学习和数据挖掘是个非常难的领域，所以在这个领域有数据科学家这么一个职位。“数据科学家”在2009年由Natahn Yau首次提出，其概念是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。数据科学家是指能采用科学方法、运用数据挖掘工具对复杂多量的数字、符号、文字、网址、音频或视频等信息进行数字化重现与认识，并能寻找新的数据洞察的工程师或专家（不同于统计学家或分析师)。一个优秀的数据科学家需要具备的素质有：懂数据采集、懂数学算法、懂数学软件、懂数据分析、懂预测分析、懂市场应用、懂决策分析等。

传统典型的应用（如推荐系统）的一个数据流过程，需要经历使用hadoop做ETL，用impala/drill等做数据探索，使用tableau做报表，使用R语言或者mahout做高级分析，最后形成一个数据产品，如下图所示：

这个过程非常复杂，对技能要求非常高，需要懂一系列复杂的系统和工具。Databricks创新的将这些统一到了一起。通过一个统一的平台，将整个ETL、探索、高级分析、报表、数据产品都统一到平台上。

做到这一点核心用到一个notebooks这种工具。Notebooks是提供一个交互式的工作区，数据科学家可以使用R，python，Scala，SQL等各种语言直接在工作区输入，结果直接图形化的展现在下面，如下面一个例子：移动设备的地理分布。

Notebook有ipthon(http://ipython.org/)，zeppline(http://zeppelin-project.org/)等，都非常有特点。

更多相关文章

随机推荐