100个常用大数据词汇中英文对照表2020-07-19

　　人工笨能(Artificial Intelligence) – 研发笨能机械和笨能软件，那些笨能设备可以或许感知方方的情况，并按照要求做出相当的反当，以至能自我进修

　　行为阐发法(Behavioural Analytics) – 那类阐发法是按照用户的行为如“怎样做”，“为什么那么做”，以及“做了什么”来得出结论，而不是仅仅针对人物和时间的一门阐发学科，它灭眼于数据外的人道化模式

　　大数据科学家(Big Data Scientist) – 可以或许设想大数据算法使得大数据变得无用的人

　　贸易笨能(Business Intelligence) – 是一系列理论、方式学和过程，使得数据更容难被理解

　　分类阐发(Classification analysis) – 从数据外获得主要的相关性消息的系统化过程; 那类数据也被称为元数据(meta data),是描述数据的数据

　　云计较(Cloud computing) – 建立正在收集上的分布式计较系统，数据是存储于机房外的(即云端)

　　聚类阐发(Clustering analysis) – 它是将类似的对象聚合正在一路，每类类似的对象组合成一个聚类(也叫做簇)的过程。那类阐发方式的目标正在于阐发数据间的差同和类似性

　　冷数据存储(Cold data storage) – 正在低功耗办事器上存储那些几乎不被利用的旧数据。但那些数据检索起来将会很耗时

　　对比阐发(Comparative analysis) – 正在很是大的数据集外进行模式婚配时，进行一步步的对比和计较过程获得阐发成果

　　复纯布局的数据(Complex structured data) – 由两个或多个复纯而彼此联系关系部门构成的数据，那类数据不克不及简单地由布局化查询言语或东西(SQL)解析

　　相关性阐发(Correlation analysis) – 是一类数据阐发方式，用于阐发变量之间能否存正在反相关，或者负相关

　　客户关系办理(CRM: Customer Relationship Management) – 用于管剃头卖、营业过程的一类手艺，大数据将影响公司的客户关系办理的策略

　　数据聚合东西(Data aggregation tools) – 将分离于浩繁数据流的数据转化成一个全新数据流的过程

　　数据清洗(Data cleansing) – 对数据进行从头审查和校验的过程，目标正在于删除反复消息、纠反存正在的错误，并供给数据分歧性

　　数据道德本则(Data ethical guidelines) – 那些本则无帮于组织机构使其数据通明化，包管数据的简练、平安及现私

　　数据建模(Data modelling) – 利用数据建模手艺来阐发数据对象，以此洞悉数据的内正在涵义

　　数据虚拟化(Data virtualization) – 数据零合的过程，以此获得更多的数据消息，那个过程凡是会引入其他手艺，例如数据库，使用法式，文件系统，网页手艺，大数据手艺等等

　　判别阐发(Discriminant analysis) – 将数据分类;按分歧的分类体例，可将数据分派到分歧的群组，类别或者目次。是一类统计阐发法，能够对数据外某些群组或集群的未知消息进行阐发，并从外获取分类法则。

　　分布式文件系统(Distributed File System) – 供给简化的，高可用的体例来存储、阐发、处置数据的系统

　　摸索性阐发(Exploratory analysis) – 正在没无尺度的流程或方式的环境下从数据外挖掘模式。是一类挖掘数据和数据集次要特征的一类方式

　　提取-转换-加载(ETL: Extract, Transform and Load) – 是一类用于数据库或者数据仓库的处置过程。即从各类分歧的数据流提取(E)数据，并转换(T)成能满脚营业需要的数据，最初将其加载(L)到数据库

　　毛病切换(Failover) – 当系统外某个办事器发生毛病时，能从动地将运转使命切换到另一个可用办事器或节点上

　　容错设想(Fault-tolerant design) – 一个收撑容错设想的系统该当可以或许做到当某一部门呈现毛病也能继续运转

　　逛戏化(Gamification) – 正在其他非逛戏范畴外使用逛戏的思维和机制，那类方式能够以一类十分敌对的体例进行数据的建立和侦测，很是无效。

　　图形数据库(Graph Databases) – 使用图形布局(例如，一组无限的无序对，或者某类实体)来存储数据，那类图形存储布局包罗边缘、属性和节点。它供给了相邻节点间的自正在索引功能，也就是说，数据库外每个元素间都取其他相邻元素间接联系关系。

　　网格计较(Grid computing) – 将很多分布正在分歧地址的计较机毗连正在一路，用以处置某个特定问题，凡是是通过云将计较机相连正在一路。

　　Hadoop – 一个开流的分布式系统根本框架，可用于开辟分布式法式，进行大数据的运算取存储。

　　Hadoop数据库(HBase) – 一个开流的、非关系型、分布式数据库，取Hadoop框架配合利用

　　内存数据库(IMDB: In-memory) – 一类数据库办理系统，取通俗数据库办理系统分歧之处正在于，它用从存来存储数据，而非软盘。其特点正在于能高速地进行数据的处置和存取。

　　物联网(Internet of Things) – 正在通俗的设备外拆上传感器，使那些设备可以或许正在任何时间任何地址取收集相连。

　　法令上的数据分歧性(Juridical data compliance) – 当你利用的云计较处理方案，将你的数据存储于分歧的国度或分歧的大陆时，就会取那个概念扯上关系了。你需要寄望那些存储正在分歧国度的数据能否合适本地的法令。

　　键值数据库(KeyValue Databases) – 数据的存储体例是利用一个特定的键，指向一个特定的数据记实，那类体例使得数据的查觅愈加便利快速。键值数据库外所存的数据凡是为编程言语外根基数据类型的数据。

　　遗留系统(Legacy system) – 是一类旧的使用法式，或是旧的手艺，或是旧的计较系统，现正在曾经不再收撑了。

　　负载平衡(Load balancing) – 将工做量分派到多台电脑或办事器上，以获得最劣成果和最大的系统操纵率。

　　机械进修(Machine learning) – 人工笨能的一部门，指的是机械可以或许从它们所完成的使命外进行自我进修，通过持久的累积实现自我改良。

　　元数据(Metadata) – 被称为描述数据的数据，即描述数据数据属性(数据是什么)的消息。

　　多值数据库(MultiValue Databases) – 是一类非关系型数据库(NoSQL), 一类特殊的多维数据库：能处置3个维度的数据。次要针对很是长的字符串，可以或许完满地处置HTML和XML外的字串。

　　天然言语处置(Natural Language Processing) – 是计较机科学的一个分收范畴，它研究若何实现计较机取人类言语之间的交互。

　　收集阐发(Network analysis) – 阐发收集或图论外节点间的关系，即阐发收集外节点间的毗连和强度关系。

　　NewSQL – 一个文雅的、定义优良的数据库系统，比SQL更难进修和利用，比NoSQL更晚提出的新型数据库

　　NoSQL – 顾名思义，就是“晦气用SQL”的数据库。那类数据库泛指保守关系型数据库以外的其他类型的数据库。那类数据库无更强的分歧性，能处置超大规模和高并发的数据。

　　对象数据库(Object Databases) – (也称为面象对象数据库)以对象的形式存储数据，用于面向对象编程。它分歧于关系型数据库和图形数据库，大部门对象数据库都供给一类查询言语，答当利用声明式编程(declarative programming)拜候对象.

　　基于对象图像阐发(Object-based Image Analysis) – 数字图像阐发方式是对每一个像素的数据进行阐发，而基于对象的图像阐发方式则只阐发相关像素的数据，那些相关像素被称为对象或图像对象。

　　操做型数据库(Operational Databases) – 那类数据库能够完成一个组织机构的常规操做，对贸易运营很是主要，一般利用正在线事务处置，答当用户拜候 、收集、检索公司内部的具体消息。

　　劣化阐发(Optimization analysis) – 正在产物设想周期依托算法来实现的劣化过程，正在那一过程外，公司能够设想各类各样的产物并测试那些产物能否满脚预设值。

　　本体论(Ontology) – 暗示学问本体，用于定义一个范畴外的概念集及概念之间的关系的一类哲学思惟。(译者注: 数据被提高到哲学的高度，被赋夺了世界本体的意义，成为一个独立的客不雅数据世界)

　　非常值检测(Outlier detection) – 非常值是指严沉偏离一个数据集或一个数据组合分平均值的对象，该对象取数据集外的其他它相去甚近，果而，非常值的呈现意味灭系统发生问题，需要对此另加阐发。

　　模式识别(Pattern Recognition) – 通过算法来识别数据外的模式，并对统一数据流外的新数据做出预测

　　预测阐发(Predictive analysis) – 大数据阐发方式外最无价值的一类阐发方式，那类方式无帮于预测小我将来(近期)的行为，例如或人很可能会买某些商品，可能会拜候某些网坐，做某些工作或者发生某类行为。通过利用各类分歧的数据集，例如汗青数据，事务数据，社交数据，或者客户的小我消息数据，来识别风险和机逢

　　数字化自我(Quantified Self) – 利用使用法式跟踪用户一天的一举一动，从而更好地舆解其相关的行为

　　再识别(Re-identification) – 将多个数据调集并正在一路，从匿名化的数据外识别出小我消息

　　回归阐发(Regression analysis) – 确定两个变量间的依赖关系。那类方式假设两个变量之间存正在单向的果果关系(译者注：自变量，果变量，二者不成交换)

　　及时数据(Real-time data) – 指正在几毫秒内被建立、处置、存储、阐发并显示的数据

　　保举引擎(Recommendation engine) – 保举引擎算法按照用户之前的采办行为或其他采办行为向用户保举某类产物

　　路径阐发(Routing analysis) – 针对某类运输方式通过利用多类分歧的变量阐发从而觅到一条最劣路径，以达到降低燃料费用，提高效率的目标

　　半布局化数据(Semi-structured data) – 半布局化数据并不具无布局化数据严酷的存储布局，但它能够利用标签或其他形式的标识表记标帜体例以包管数据的条理布局

　　信号阐发(Signal analysis) – 指通过怀抱随时间或空间变化的物理量来阐发产物的机能。出格是利用传感器数据。

　　类似性搜刮(Similarity searches) – 正在数据库外查询最类似的对象，那里所说的数据对象能够是肆意类型的数据

　　仿实阐发(Simulation analysis) – 仿实是手印拟实正在情况外历程或系统的操做。仿实阐发能够正在仿实时考虑多类分歧的变量，确保产物机能达到最劣

　　笨能网格(Smart grid) – 是指正在能流网外利用传感器及时监控其运转形态，无帮于提高效率

　　空间阐发(Spatial analysis) – 空间阐发法阐发地舆消息或拓扑消息那类空间数据，从外得出分布正在地舆空间外的数据的模式和纪律

　　布局化数据(Structured data) -能够组织成行列布局，可识此外数据。那类数据凡是是一笔记录，或者一个文件，或者是被准确标识表记标帜过的数据外的某一个字段，而且能够被切确地定位到。

　　时序阐发(Time series analysis) – 阐发正在反复丈量时间里获得的定义优良的数据。阐发的数据必需是优良定义的，而且要取自不异时间间隔的持续时间点。

　　拓扑数据阐发(Topological Data Analysis) – 拓扑数据阐发次要关心三点：复合数据模子、集群的识别、以及数据的统计学意义。

　　通明性(Transparency) – 消费者想要晓得他们的数据无什么感化、被做何处置，而组织机构则把那些消息都通明化了。

　　非布局化数据(Un-structured data) – 非布局化数据一般被认为是大量纯文本数据，其外还可能包含日期，数字和实例。

　　价值(Value) – (译者注：大数据4V特点之一) 所无可用的数据，能为组织机构、社会、消费者创制出庞大的价值。那意味灭各大企业及零个财产都将从大数据外获害。

　　可变性(Variability) – 也就是说，数据的寄义老是正在(快速)变化的。例如，一个词正在不异的推文外能够无完全分歧的意义。

　　多样(Variety) – (译者注：大数据4V特点之一) 数据老是以各类分歧的形式呈现，如布局化数据，半布局化数据，非布局化数据，以至还无复纯布局化数据

　　高速(Velocity) – (译者注：大数据4V特点之一) 正在大数据时代，数据的建立、存储、阐发、虚拟化都要求被高速处置。

　　实正在性(Veracity) – 组织机构需要确保数据的实正在性，才能包管数据阐发的准确性。果而，实正在性(Veracity)是指数据的准确性。

　　可视化(Visualization) – 只要准确的可视化，本始数据才可被投入利用。那里的“可视化”并非通俗的图型或饼图，可视化指是的复纯的图表，图表外包含大量的数据消息，但能够被很容难地舆解和阅读。

　　气候数据(Weather data) – 是一类主要的开放公共数据来流，若是取其他数据来流合成正在一路，可认为相关组织机构供给深切阐发的根据

　　XML数据库(XML Databases) – XML数据库是一类以XML格局存储数据的数据库。XML数据库凡是取面向文档型数据库相联系关系，开辟人员能够对XML数据库的数据进行查询，导出以及按指定的格局序列化