数据思维和数据场景成为企业数据商业应用的一个障碍。其中领导层起到了很大的作用，可谓成也萧何，败也萧何。很多企业领导的固有的商业思维方式、惯性思维模式、对年轻一代客户的不了解，对短期利益对看重等多种因素造成了数字思维(或者说数据商业敏感度)的落后。以下是小编为你整理的学大数据入门教程
一个领导的决策和意识往往误导了企业商业化进程，某些领导不开放的心态和落后的思维方式阻碍了企业的数字化进程。特别是国有大型企业包括金融行业，部分中层领导的数字化思维落后于整个行业的发展，被传统IT厂商和外包商影响的思维正在严重影响其数字化进程。在数字化思维方面，国有企业落后于股份制企业，北方落后于南方，经济不发达地区落后经济发达地区。
数字化思维是数据场景应用的基础，数字思维会提升企业的数据商业敏感度，帮助企业从数据中发现价值，也可以引导企业选择正确的数字化商业进程。客观地说，数字化商业进程未来是所有企业必须经历的阶段，也是企业发展的未来。
数字化商业是逐渐进化的过程，不能一促即成，需要不断的进行尝试，可能也需要不断试错。这个过程既不能空想一天建成，投入巨大财力和人力，进行大规模建设。像某个企业，投入千人，两年未有结果。也不能像另外一个企业，裹布不前，不断调研，一年下来没有任何变化。就像马云说的，这是个抢钱的时代，当你还在想商业模式时，别人已经跑马圈地，走在了时代的前沿，剩下的只有后悔和遗憾了。
数据场景应用其实并不复杂，业务需求同数据相结合，数据应用场景即刻就会呈现。国外同行的案例告诉我们，数据场景的应用往往建立在数据分析和业务分析之上。从商业应用场景出发，很容易找到数据应用场景。例如Climate收集的天气数据可以帮助农民规划植物种植和病虫防止，花旗银行信用卡直接利用乘客头等舱乘坐记录来给客户寄送白金卡;某银行利用物业费缴费情况，直接找到高端财富人群;某保险公司利用社交传播，直接吸引了高端保险客户;某互联网金融公司利用外部数据，提高了30%左右恶意欺诈用户识别率;国外某互联网银行其运营成本仅是传统银行四分之一;手机短信可以揭示客户收入水平等，这些都是很典型的数据应用场景。
数据场景应用来源于业务人员对数据的商业敏感度，同时也来源于数据分析人员对业务场景对了解，另外对外部数据应用案例和外部数据源的了解，也会帮助企业提高数据场景应用能力。数据的流通、数据案例的分享、数据场景的交流、同行人员的头脑风暴都会帮助企业找到数据应用场景。过去行业里熟知的大数据案例多来源于美国，希望未来典型的数据应用案例可以来源于*企业。
大数据的用途
手机里别存自己的身份证照片。一旦手机丢失，而手机中恰好有自己的身份证照片，那么别人很容易就改掉你的支付宝支付密码，啥后果大家也该知道了吧。不过大多数人应该是不会将身份证照片放到手机中的，因为多半都惨不忍睹了哈!
平时不要点击一些来历不明的链接。大家应该经常能看到这样类似的新闻，某某收到一条短信，或是淘宝客服要求退款，或是领取信用卡积分，或是什么孩子成绩单等等，然后甩给你一条链接，要求你填写个人信息，或者是下载一个安装包，然而这些链接绝大多数都携带木马病毒，手机一旦“中毒”病毒就会窃取你的个人信息，银行卡里的钱被转走那都是分分钟的事儿。
社交网络上的一些趣味测试也别随意点，好奇心害死猫。最近微信朋友圈里出现了不少趣味测试，比如测测你的前世是什么，测测你的好运有多少等等，只要填写自己的姓名、性别、生日等信息就能得到测试结果。但是这也是一种泄露个人信息的行为，如果不想被推销电话和垃圾短信轰炸，或者更严重的利用生日猜中你的支付密码，这种测试*别做，类似的还有红包链接，别为了贪小便宜，*吃大亏。
提高手机的安全性。作为一个“没有手机会死星人”，平时也要提高手机的安全性，因为这是防止信息泄露重要因素。为手机设置屏保密码等等之类的，大家可以根据自己手机的功能进行对应的处理。
1处理好自己快递包装上的个人信息。快递是个人信息泄露的“大户”，我们知道，快递包装上会有自己的姓名、手机号，地址这些个人信息，所以广大剁手党们在扔掉包装前不要怕麻烦，把这些信息统统毁掉。虽然说有些谨小慎微，但还是要注意一下的。
如果个人信息泄露，小的话就是会天天有源源不断的骚扰电话，大的话就会导致财产的损失，甚至是现实中的个人生活问题。因此保护好个人信息安全，切不可等闲视之了。
大数据给营销的会心一击
到了互联网时代，亚马逊的个性化推荐大幅增加了其销售量、Facebook的精准广告投放，成功把粉丝和流量变现、Google搜索页面动态调整，让推荐更符合用户心意，提高了搜索的效率，这些事例都成为业界口口相传的大数据营销经典之作。 通过大数据计算，能够准确推测用户的真实需求，将用户想要的、喜欢的精准到达，有效的导流、用户触达和促进销售。
在大数据时代之前，成功的营销准则似乎并不复杂。掌握营销的4P理论——产品(product)、价格(price)、促销(promotion)、渠道(place)，当营销遇到挑战时，只要使用熟知的营销方案，加上好的产品和漂亮的广告，基本就可以完成营销的目标。而进入大数据时代，一切营销行为和消费行为皆数据化，营销逐渐的成为了一个数字游戏，数据分析和数据管理成为了营销人员的核心竞争力，数据贯穿营销过程的始末。
谁是准确的目标受众?如何在合适的时间、合适的地点、以合适的方式传达给消费者正确的信息?随着数据搜集、存储、管理、分析、挖掘与应用的技术体系的发展，这些问题的答案已经可以显现于眼前。
数据挖掘与分析与将隐藏于数据汪洋中瑰宝打捞而出;各渠道数据融合提高了精准营销的准确度;可视化技术把复杂的数据打磨为直观的图表，使之成为浅显易懂、人皆可用的工具和手段;完备的数据服务器集群，提供强大稳定的数据计算能力，实时洞察消费者行为，及时响应;移动终端的普及，让数据分析随地可行……大数据营销使得营销行动目标明确、可追踪、可衡量、可优化，从而造就了以数据为核心的营销闭环，营销行动得到良性循环，这些都是BDP商业数据平台致力为用户提供的服务。
了解Storm集群组件的功能
Storm集群中包含两类节点：主控节点(Master Node)和工作节点(Work Node)。其分别对应的角色如下：
主控节点(Master Node)上运行一个被称为Nimbus的后台程序，它负责在Storm集群内分发代码，分配任务给工作机器，并且负责监控集群运行状态。Nimbus的作用类似于Hadoop中JobTracker的角色。
每个工作节点(Work Node)上运行一个被称为Supervisor的后台程序。Supervisor负责监听从Nimbus分配给它执行的任务，据此启动或停止执行任务的工作进程。每一个工作进程执行一个Topology的子集;一个运行中的Topology由分布在不同工作节点上的多个工作进程组成。
Nimbus和Supervisor节点之间所有的协调工作是通过Zookeeper集群来实现的。此外，Nimbus和Supervisor进程都是快速失败(fail-fast)和无状态(stateless)的;Storm集群所有的状态要么在Zookeeper集群中，要么存储在本地磁盘上。这意味着你可以用kill -9来杀死Nimbus和Supervisor进程，它们在重启后可以继续工作。这个设计使得Storm集群拥有不可思议的稳定性。
