如何進行大數據分析及處理？謝謝了邀請回答我，才是大數據領域不斷深耕十年的大數據從業(yè)者很不樂意來回答我這個問題。是需要要接收數據，匯攏數據。常規(guī)flume,scribe等都也可以。原始數據聚攏到hado

如何進行大數據分析及處理？

謝謝了邀請回答我，才是大數據領域不斷深耕十年的大數據從業(yè)者很不樂意來回答我這個問題。

是需要要接收數據，匯攏數據。常規(guī)flume,scribe等都也可以。原始數據聚攏到hadoop后要并且etl,數據清洗處理，可供你選擇的有mr,spark等。最后處理完畢的數據結構化到數據倉庫，如hive。

后再就可以不真正的并且數據分析，深處挖掘，和機器學習了。例如根據數據對各個維度并且統(tǒng)計，然后把不出來分析結果。深處挖掘是對數據接受統(tǒng)計，然后通過有規(guī)則的挖掘，再者肖像圖。有了這樣多的數據以后就可以不利用機器學習對數據參與圖像分割我得到更能變現數據結果。

啊,謝謝大家。

通過訪客行為分析可以從哪些數據維度查看商品的情況？

我做過幾年的網店，當時的數據統(tǒng)計并非很新華考資，只不過現在的網站提供了更為新華考資的大數據，實際訪客的數據統(tǒng)計情況，是可以得出很多不重要信息，好處自己更好的運營。

第一：訪客性別。這個可以清楚關注你的商品的用戶的性別，選擇類型商品的種類樣式等。

第二：訪客年齡。根據不同年紀的關注點，定位用戶人群，選擇感興趣的東西商品。

第三：訪客地址。講訪客來源地對商品的關注原因，背景，好些的去開拓潛在用戶。

第四：拜訪時間。根據訪客在線時間，也可以在此時間一類去做咨詢服務。

第五：購物習慣。是可以參照去購買記錄信息總結潛在原因購買力及對店鋪信譽、商品品質、服務等講、是否能曾經的潛在用戶，做了相應服務咨詢工作。

第六：興趣愛好。是可以了解訪客是否需要他對商品有了解或如何感興趣，商品種類、樣式、顏色、質量等，你選性的給訪客推薦很喜歡的商品。

第七：快遞信息：所了解訪客不愿意如果沒有比較比較接受的快遞服務，拼命柯西-黎曼方程訪客需求。

第八：售后評價：對商品售后及服務有無太過極其嚴苛，是否是對賣家通過真正的惡意評價或是挑剔，不要盡量的避免這類情況發(fā)生，去做預防措施。

第九：進店搜索沖進來應該別人推薦一下來的，肯定實際商品搜到的，這個可以做好推廣數據、關鍵詞優(yōu)化。

第十：重復購買率：有多少客戶重復未成交，多少新用戶，打聽一下多久這個可以謹慎定購等。

看專業(yè)本案所涉一些訪客行為，可以不所了解訪客來訪時間，要做售前咨詢，商品我推薦，可以提高與訪客的交流互動，增進互信，增強成交率；參照性別、年齡、區(qū)域，做了商品定位，商品用途、興趣愛好，精準可以介紹按商品；依據訪客去購買習慣、體驗、評價，應該做了售前、售后服務，多打交道增加粘度，增強成交率；依據什么進店，可以不打聽一下你自己商品是如何讓別人很清楚的，更好的要做推廣，如關鍵詞、商品能介紹、客戶介紹等，選擇類型更最有效的推廣手段。訪客和用戶的購買次數，了解時間，分析用戶亂詞可以購買原因、數量、對商品的質量、種類、樣式做到儲備或研發(fā)。

個人拙見！很是奇怪之處請多多擔待！?。。?/p>

大家有什么好的經驗和建議可以不可不可以與大家分享看看?。?！