第一讲大数据金融的基本原理ATAO
大数据金融的基本原理 第一讲
章前导读2014至2022年，大数据的相关内容已连续8年被写入国务院01《政府工作报告》，党的十八届五中全会正式将大数据发展上升为国家战略。大数据正深刻影响着社会生产和02人民生活的方方面面。在大数据神秘面纱背后，基本原03理是怎样的？大数据时代的思维方式发生了怎样的转变？
章前导读 01 02 03
学习目标010203了解大数据理解应用大掌握大数据如的发展历程数据解决实何缓解信息不及基本概念。际问题的思对称问题，并维方式。熟悉大数据的处理流程框架
学习目标 01 • 了解大数据 的发展历程 及基本概念。 02 • 理解应用大 数据解决实 际问题的思 维方式。 03 • 掌握大数据如 何缓解信息不 对称问题，并 熟悉大数据的 处理流程框架
目录大数据概念和内涵CONTENT大数据时代的思维方式大数据与信息不对称大数据处理的流程
目 录
PART01大数据概念和内涵
大数据概念和内涵 PART 01
大数据爆炸21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。GPS车联网医学影像物联网安全监控（传感器，智慧地球）杜交网路金融移动互联网(微博）（银行、股市、保险）amazon电子商务buy电信互联网anAppi移动互联（社交、搜索、（通话、短信）电商）#物
21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展 了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。 • 互联网 (社交、搜索、电商) • 移动互联网 (微博) • 物联网 (传感器，智慧地球) • 车联网 • GPS • 医学影像 • 安全监控 • 金融 (银行、股市、保险) • 电信 (通话、短信) 大 数 据 爆 炸
大数据到底有多大？注释1024个单位的.等于1个单位的MBKM(Kilobyte)一张音乐CD光盘拥有600MB数据GBMB(Megabyte)1GB可以存储的数据量，等于书架上叠起来大概9米多高的书籍TBGB(Gigabyte)10TB可以存储美国国会图书馆的全部信息PBTB(Terabyte)1PB可以存储的文本，如果打印出来可以装满2000万个4门的书柜EBPB(Petabyte)5EB的信息量等于全人类曾经说过的全部词语ZBEB(Exabyte)使用现在最快的宽带，下载1ZB的信息需要至少110亿年
1024个单位的. .等于1个单位的 注释 KM(Kilobyte) MB 一张音乐CD光盘拥有600MB数据 MB(Megabyte) GB 1GB可以存储的数据量，等于书架上叠起来大概9米多高的书籍 GB(Gigabyte) TB 10TB可以存储美国国会图书馆的全部信息 TB(Terabyte) PB 1PB可以存储的文本，如果打印出来可以装满2000万个4门的书柜 PB(Petabyte) EB 5EB的信息量等于全人类曾经说过的全部词语 EB(Exabyte) ZB 使用现在最快的宽带，下载1ZB的信息需要至少110亿年 大 数 据 到 底 有 多 大 ？
大数据时代：万物数据化一切皆可以“量化”数据化不是数字化data vs. digit世界万物的数据化态度变成数据情绪。方位变成数据导航沟通变成数据一社交媒体
大数据时代：万物数据化 一切皆可以“量化” 数据化不是数字化 世界万物的数据化 • data vs. digit • 态度变成数据——情绪 • 方位变成数据——导航 • 沟通变成数据——社交媒体
大数据发展的历程起源于2008年9月的《Nature》刊登的一组专题文章，BigData。大数据大数据大数据独立大数据的概念开始监管进入发展成为一种突破阶段风靡全球公众视野新兴行业2011年2013年2015年2005年1990年2003年2009年2010年2012年2014年大数据产数据碎片化、大数据已分布式、流媒经成为重业从理论大数据的大数据发展要的时代迈向实际特征更明显萌芽阶段成熟期特征应用
大数据发展的历程 2011年 ⚫ 起源于2008年9月的《Nature》刊登的一组专题文章， Big Data 。 大数据的 突破阶段 大数据的 萌芽阶段 大数据发展 成熟期 2011年 大数据 概念开始 风靡全球 2013年 大数据 监管进入 公众视野 2015年 大数据独立 发展成为一种 新兴行业 1990年 2003年 2005年 2009年 2010年 数据碎片化、 分布式、流媒 特征更明显 2012年 大数据已 经成为重 要的时代 特征 2014年 大数据产 业从理论 迈向实际 应用
大数据的特征数据量大（Volume）人类社会产生的数据正以每年50%的速度增长，也就是说，每两年就增加一倍，这个规律被称为“大数据摩尔定律”。处理速度快（Velocity）大数据时代的很多应用需要基于快速生成的数据给出实时分析结果，数据处理和分析的速度达到秒级响应。信息类型繁多（Variety）结构化数据（如数字、符号）和非结构化数据（邮件、音频、视频等）。价值密度低（Value）
大数据的特征 ◆ 数据量大（Volume） 人类社会产生的数据正以每年50%的速度增长，也就是说，每 两年就增加一倍，这个规律被称为“大数据摩尔定律”。 ◆ 处理速度快（Velocity） 大数据时代的很多应用需要基于快速生成的数据给出实时分析 结果，数据处理和分析的速度达到秒级响应。 ◆ 信息类型繁多（Variety） 结构化数据（如数字、符号）和非结构化数据（邮件、音频、 视频等）。 ◆ 价值密度低（Value）