大数据学习报告

报告学生：赵领

目录·大数据简介010203大数据在不同领域的应用一个案例：纸牌屋04大数据番外篇什么是大数据大数据简介对大量的人机数据进行捕捉、存储和分析，并根据这些数据作出预测的能力就是我们所说的大数据。(低存储成本，低成本快速分析数据)大数据应用大数据在不同领域的运用大数据改写商业规则

教育（线上线下结合）社交网络（facebook人际关系网络）医疗与健康（量化自我，智能移动）设计（游戏、汽车）Netflix一场华丽的冒险？（一亿美元的投资，单集成本约为400万美元，对于Netflix而言，只有新增100万一年期合约付费用户才能收回上述成本。）一个案例：纸牌屋主要描述一个冷血无情的美国国会议员和他同样野心勃勃的妻子在华盛顿白宫中运作权利的故事主人公弗莱西斯(Frank)是美国国会众议院多数党鞭，是一个老谋深算的职业政客，他坚信新当选的美国总统背叛了他，于是发誓将新任总统赶下台，于是不择手段开展一系列部署。简介纸牌屋外界口碑第六十五届艾美奖最佳导演，最佳选角

豆瓣评分美国的《甄嬛传》情节流畅而不晦涩演技精湛而不做作

四个字‘欲罢不能’（理念）

影评&观后感&推荐理由纸牌屋纸牌屋为什么这么成功？Netflix的数据库包含2700多万用户每天3000万的收视行为（播放、暂停、回放、快进）、400万条评论、300万次主题搜索。最终，拍什么、谁来拍、谁来演、怎么播，都由数千万观众的客观喜好统计决定。拍什么？政治惊悚剧！纸牌屋成功因素

曾执导过众多悬疑经典电影，包括《社交网络》、《七宗罪》、《搏击俱乐部》等对社会问题的另类表达Director大卫

芬奇谁来拍？谁来

演？凯文·史派西！！！！

Netflix代表作：《非常嫌疑犯》《七宗罪》（两个经典坏蛋角色）《美国丽人》（获奥斯卡最佳男主角）一个把“坏”演绎地出神入化的男人，总有那几分不自觉的吸引力。观众喜欢把电视剧“攒”起来看同时上线！成功主要因素:数据挖掘模型

海量的数据资源-将近2700万用户-用户观看的60亿小时的视频

-每天3000多万行为，400万个评分，300多万次搜索

分析平台-AWS云计算平台-SimianArmy（JanitorMonkey）

Netflix互联网已经象水、电一样普及，象《纸牌屋》一样从海量信息中挖掘出用户感兴趣的信息并把这些信息推送给用户，将越来越成为生产、营销及社会、政务服务的常态。当然，对用户来说，大数据的价值也将逐渐显现。从受众洞察、受众定位、受众接触到受众转化，每一步都由精准细致高效经济的数据引导，从而实现大众创造的C2B，即由用户需求决定生产。最有价值的资产–推荐系统100万美金奖励推荐系统的演算方法改进Netflix推荐系统（75%的视频观看是与推荐系统有关）：*个性化的推荐：基于用户过去的行为进行推荐*社会化的推荐：基于相似用户过去的行为进行推荐*基于item的推荐：基于item本身（如内容相似形）的推荐*前面三种方法的混合推荐Netflix个性化背后的技术?个性化Netflix个性化推荐系统的一个重要元素是认知（awareness）。为什么要推荐这部电影或电视剧？不是因为商业需求给用户推荐，而是基于从用户那里获得的信息，包括：用户评分、观看记录、用户好友的推荐等等。点击率最近播放电影排名搜索的类型播放列表设备类型时间的排列人数的统计社交数据Netflix的数据库猜测这是你最可能喜欢的10个主题Netflix的个性化是针对每一个家庭，而一个家庭的不同成员会有不同的兴趣和口味。这也就是为什么要选10行的原因，你可能会发现这10行已经涵盖了对爸爸、妈妈、小孩或者整个家庭的推荐。f(u,v)=w1*p(v)+w2*r(u,v)+b评分排序法

p(v)：热门函数

r(u,v)期望评分U表示用户V表示视频Models4月8日《华尔街日报》等载一篇名为《从“大数据”到“厚数据”》的文章

假如让“大数据”代替我们思考，我们通过细致观察来认识世界的能力就会开始退化，这好比在一座新的城市，如果只靠全球定位卫星(GPS)来导航，你就无缘亲身感受和触摸这座城市。成功的企业和管理者会设法了解其产品或服务会让用户产生什么样的情绪甚至本能反应，并能根据情况变化适时调整。他们能够运用我们所说的“厚数据”(Thick

Data)。番外篇从“大数据”到“厚数据”乐高（开发新的玩具？）不！从更根本的角度理解儿童怎样玩和为什么玩收集了无数个小时的视频、数以千计的照片和日志以及数百个用乐高搭成的模型之后，乐高细致地为所有信息进行编码，从中寻找跨越地理位置和年龄的模式。三个小案例不是每个孩子都喜欢搭乐高积木，但爱搭积木的孩子对此十分着迷：他们想把积木搭