第一章  作业

2、请阐述把数据变得可用需要经过哪几个步骤？

答：①数据清洗。使用数据的第一步就是要将数据变成一种可用的状态。这个过程通常需要运用借助工具去实现数据转换。

②数据管理。关系数据库以规范化的行和列的形式保存数据，并可进行各种查询操作，同时支持事务一致性功能，很好地满足了各种商业应用的需求，从而长期占据市场垄断地位。NoSQL数据库的出现，有效满足了人们对非结构化数据进行管理的市场需求，并由于其本身的特点得到了非常迅速的发展。

③数据分析。使用相关的大数据处理分析技术，比如构建统计模型、统计等。为了能让分析结果更容易被人理解，还需要对分析结果进行可视化。可视化对于数据分析来说是一项非常重要的工作，如果需要找出数据的差别，就需要画图帮助人们直观理解，找出问题所在。

④数据应用。数据分析后，就得到了有价值的数据，就可以进行应用。

4、请阐述信息科技是如何为大数据时代的到来提供技术支撑的。

答：①存储设备容量不断增加。存储设备制造工艺不断升级、容量大幅增加、读写速度不断提升，提供了海量的存储空间，还大大降低了数据存储成本，进一步加快了数据量增长的速度。

②CPU处理能力大幅提升。大大提高了处理数据的能力，使我们可以更快地处理不断累积的海量数据。晶体管数目不断增加，运动频率不断提高，核心数量也逐渐增多。

③网络带宽不断增加。不断扩大网络覆盖范围，提高数据传输速率，在大数据时代，数据传输不再受网络发展初期的瓶颈制约。

6、请阐述大数据发展的3个重要阶段。

答：①大约在20世纪90年代至21世纪初，大数据发展属于萌芽期。这个阶段数据挖掘理论和数据技术逐步成熟，一些商业智能工具和技术被应用。

②大约在21世纪前十年，大数据发展属于成熟期。这个阶段Web 2.0应用迅猛发展，非结构化数据大量产生，带动了大数据技术的快速突破，形成了并行计算与分布式系统两大核心技术。

③大约在2010年以后，大数据发展处于大规模应用期。大数据应用渗透各行各业，信息社会智能化程度大幅提高。

7、请阐述大数据的“5V”特性。

答：①数据量大。大数据的起始计量单位是PB（1024TB）、EB（1024PB，约100万TB）或ZB（1024EB，约10亿TB）。

②数据类型繁多。包括网络日志、音频、视频、图片、地理位置等；各种结构化和非结构化的数据。

③处理速度快。大数据的智能化和实时性要求越来越高，对处理速度也有极严格的要求，一般要在秒级时间范围内给出分析结果，超出这个时间数据就可能失去价值，即大数据的处理要符合“1 秒定律”。

④价值密度低。大数据价值密度的高低与数据总量的大小成反比。

⑤数据真实性。表明了数据的准确度和可信赖度，代表着数据的质量。

8、请阐述大数据对科学研究有什么影响。

答：在科学研究先后历经了实验科学、理论科学、计算科学和数据密集型科学四种范式。

实验科学：以记录和描述自然现象为主；

理论科学：其典型案例如牛顿三定律、麦克斯韦方程组；

计算科学：对复杂现象进行模拟仿真，其典型案例如模拟核试验；

数据密集型科学：利用计算机进行数据模拟与计算。