简介：今天，首席CTO笔记将与您分享大数据和BI的良好内容。如果您能解决您现在面临的问题，请不要忘记注意此网站。让我们现在开始！
1.从思考的角度来看
大数据既具有传统BI的继承和发展。从“陶”的角度来看，BI和大数据之间的差异是前者更倾向于制定决策。事实的描述更多地基于群体的共同点，帮助决策者掌握宏观统计趋势的趋势适合操作和操作指数支持类别，大数据更广泛，倾向于描绘个人，而更多的是个性化的决策。
2.从工具的角度来看
传统BI使用ETL，数据仓库，OLAP，视觉报告技术，属于应用程序和显示层技术，目前处于消除的边缘，因为它无法解决大规模数据（包括结构化和非结构化处理问题）的问题。并使用Redis，Redis，Andhbase和其他方法解决了有效阅读的问题，并使用Impala和其他技术实现在线分析和其他问题。因此，这是一个全新的行业。
3.从数据源的角度来看
大数据应用程序的数据源不仅包括非结构化数据，还包括各种系统数据和数据库数据。在它们的情况下，非结构化数据主要集中在Internet上，并从某些机械和设备上的某些社交网站和数据上进行数据，这构成了大数据应用程序的数据源。对于大数据的分析工具，在此阶段进行了非结构化数据的更多数据分析。
BI系统在数据集成中变得越来越成熟。为了提取数据，各种数据挖掘要求将有助于企业实现数据的发行和交互式使用，并在内部内部实施BI应用程序。它是更好的共享和使用数据。
4.从发展的角度
BI的发展必须从传统的商业智能模型开始。对于企业而言，BI不仅是一个IT项目，而且是一种管理和思考的方式。开发。对于大数据而言，此阶段更多的大数据。一个深层的组合是最重要的。
大数据的概念是根据BI制定的。现在，现在提到的大数据是广泛的机器学习。该行业具有这样的公式：
机器学习=大数据+功能+模型
从平等形式可以看出，如果机器学习具有特征和模型的两个维度，则是传统的BI，根据数据级别进行分析和显示。
BI，商业智能是在行业解决方案中使用数据挖掘技术。从这个角度来看，传统的BI更像是单台机器学习。现在提到的大数据概念是分布式数据处理。在存储和计算技术逐渐成熟的前提下提出的概念。它更喜欢区分上一个BI中提到的新名称。
本质上，业务层面的BI和大数据之间的差异并不多。类似于Microsoft，大数据与Linux相似。
因此，大数据在分布式环境中是BI。梳理大数据集成项目的理论方法可以借用传统的BI工作开发方法来形成大数据集成工程方法。
区别在于，BI对数据的呈现和分析更加关注，并且大数据更多地关注数据中的数据分析和数据利用。
数据存储：BI存储有限的数据（DWH/DM等）。存储在大数据中的数据无限膨胀。
Hadoop的诞生是低成本和无限的扩展。
应用程序方案：商业智能更多是关于制定决策，而不是大数据。
对事实的描述更多是基于小组的共同点，帮助决策者掌握宏观统计的趋势，并且通常适用于支持业务决策。
大数据具有更广泛的含义，并且经常描述个人和更多个人决策。
企业中BI应用程序的实现是更好地共享和使用数据。
结论：以上是首席执行官注释的大数据和BI的最佳内容。感谢您阅读本网站的内容。我希望这对您有帮助。关于哪些大数据与BI有关的更多信息。不要忘记在此站点上找到它。