大數(shù)據(jù)(big data,mega data)或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。 在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數(shù)據(jù)時代》中大數(shù)據(jù)指不用隨機分析法(抽樣調(diào)查)這樣的捷徑，而采用所有數(shù)據(jù)進行分析處理。大數(shù)據(jù)的5V特點:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值密度)、Veracity（真實性）。隨著人工智能的大量應用，大數(shù)據(jù)翻譯也應用廣泛起來，下來海歷陽光翻譯公司簡單總結一些大數(shù)據(jù)的常用詞匯。

??一、大數(shù)據(jù)

  ??英文：big data，mega data

  ??大數(shù)據(jù)，或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力的海量、高增長率和多樣化的信息資產(chǎn)。

??二、大數(shù)據(jù)的4V：

  ??Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）

??三、當前用于分析大數(shù)據(jù)的工具主要有開源與商用兩個生態(tài)圈

  ??開源大數(shù)據(jù)生態(tài)圈：

  ??1、Hadoop HDFS、HadoopMapReduce, HBase、Hive 漸次誕生，早期Hadoop生態(tài)圈逐步形成。

  ??2、. Hypertable是另類。它存在于Hadoop生態(tài)圈之外，但也曾經(jīng)有一些用戶。

  ??3、NoSQL，membase、MongoDb

  ??商用大數(shù)據(jù)生態(tài)圈：

  ??1、一體機數(shù)據(jù)庫/數(shù)據(jù)倉庫：IBM PureData(Netezza), OracleExadata, SAP Hana等等。

  ??2、數(shù)據(jù)倉庫：TeradataAsterData, EMC GreenPlum, HPVertica 等等。

  ??3、數(shù)據(jù)集市：QlikView、 Tableau 、 以及國內(nèi)的Yonghong Data Mart 。

??四、Hadoop

  ??Hadoop是一個由Apache基金會所開發(fā)的分布式系統(tǒng)基礎架構。

  ??用戶可以在不了解分布式底層細節(jié)的情況下，開發(fā)分布式程序。充分利用集群的威力進行高速運算和存儲。

  ??Hadoop實現(xiàn)了一個分布式文件系統(tǒng)（Hadoop Distributed File System），簡稱HDFS。HDFS有高容錯性的特點，并且設計用來部署在低廉的（low-cost）硬件上；而且它提供高吞吐量（high throughput）來訪問應用程序的數(shù)據(jù)，適合那些有著超大數(shù)據(jù)集（large data set）的應用程序。HDFS放寬了（relax）POSIX的要求，可以以流的形式訪問（streaming access）文件系統(tǒng)中的數(shù)據(jù)。

  ??Hadoop的框架最核心的設計就是：HDFS和MapReduce。HDFS為海量的數(shù)據(jù)提供了存儲，則MapReduce為海量的數(shù)據(jù)提供了計算。

??五、Apache基金會

  ??Apache軟件基金會（也就是Apache Software Foundation，簡稱為ASF），是專門為支持開源軟件項目而辦的一個非盈利性組織。在它所支持的Apache項目與子項目中，所發(fā)行的軟件產(chǎn)品都遵循Apache許可證（Apache License）。

??六、MapReduce

  ??MapReduce是一種編程模型，用于大規(guī)模數(shù)據(jù)集（大于1TB）的并行運算。概念”Map（映射）”和”Reduce（歸約）”，和它們的主要思想，都是從函數(shù)式編程語言里借來的，還有從矢量編程語言里借來的特性。它極大地方便了編程人員在不會分布式并行編程的情況下，將自己的程序運行在分布式系統(tǒng)上。 當前的軟件實現(xiàn)是指定一個Map（映射）函數(shù)，用來把一組鍵值對映射成一組新的鍵值對，指定并發(fā)的Reduce（歸約）函數(shù)，用來保證所有映射的鍵值對中的每一個共享相同的鍵組。

??七、BI

  ??商業(yè)智能（BI，Business Intelligence）。

  ??BI（Business Intelligence）即商務智能，它是一套完整的解決方案，用來將企業(yè)中現(xiàn)有的數(shù)據(jù)進行有效的整合，快速準確的提供報表并提出決策依據(jù)，幫助企業(yè)做出明智的業(yè)務經(jīng)營決策。

??八、CRM

  ??CRM即客戶關系管理，是指企業(yè)用CRM技術來管理與客戶之間的關系。在不同場合下，CRM可能是一個管理學術語，可能是一個軟件系統(tǒng)。通常所指的CRM，指用計算機自動化分析銷售、市場營銷、客戶服務以及應用等流程的軟件系統(tǒng)。它的目標是通過提高客戶的價值、滿意度、贏利性和忠實度來縮減銷售周期和銷售成本、增加收入、尋找擴展業(yè)務所需的新的市場和渠道。CRM是選擇和管理有價值客戶及其關系的一種商業(yè)策略，CRM要求以客戶為中心的企業(yè)文化來支持有效的市場營銷、銷售與服務流程。

??九、云計算

  ??云計算（cloud computing）是基于互聯(lián)網(wǎng)的相關服務的增加、使用和交付模式，通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴展且經(jīng)常是虛擬化的資源。云是網(wǎng)絡、互聯(lián)網(wǎng)的一種比喻說法。過去在圖中往往用云來表示電信網(wǎng)，后來也用來表示互聯(lián)網(wǎng)和底層基礎設施的抽象。因此，云計算甚至可以讓你體驗每秒10萬億次的運算能力，擁有這么強大的計算能力可以模擬核爆炸、預測氣候變化和市場發(fā)展趨勢。用戶通過電腦、筆記本、手機等方式接入數(shù)據(jù)中心，按自己的需求進行運算。

??十、云計算相關

  ??分布式計算（Distributed Computing）

  ??并行計算（Parallel Computing）

  ??效用計算（Utility Computing）

  ??網(wǎng)絡存儲（Network Storage Technologies）

  ??虛擬化（Virtualization）

  ??負載均衡（Load Balance）

  ??熱備份冗余（High Available）

??十一：數(shù)據(jù)倉庫

  ??數(shù)據(jù)倉庫，英文名稱為Data Warehouse，可簡寫為DW或DWH。數(shù)據(jù)倉庫是為企業(yè)所有級別的決策制定過程提供支持的所有類型數(shù)據(jù)的戰(zhàn)略集合。它是單個數(shù)據(jù)存儲，出于分析性報告和決策支持的目的而創(chuàng)建。 為企業(yè)提供需要業(yè)務智能來指導業(yè)務流程改進和監(jiān)視時間、成本、質(zhì)量和控制。

??十二：非關系型數(shù)據(jù)庫

  ??NoSQL，泛指非關系型的數(shù)據(jù)庫。隨著互聯(lián)網(wǎng)web2.0網(wǎng)站的興起，傳統(tǒng)的關系數(shù)據(jù)庫在應付web2.0網(wǎng)站，特別是超大規(guī)模和高并發(fā)的SNS類型的web2.0純動態(tài)網(wǎng)站已經(jīng)顯得力不從心，暴露了很多難以克服的問題，而非關系型的數(shù)據(jù)庫則由于其本身的特點得到了非常迅速的發(fā)展。NoSQL數(shù)據(jù)庫的產(chǎn)生就是為了解決大規(guī)模數(shù)據(jù)集合多重數(shù)據(jù)種類帶來的挑戰(zhàn)，尤其是大數(shù)據(jù)應用難題。

??十三：結構化數(shù)據(jù)

  ??結構化數(shù)據(jù)（即行數(shù)據(jù)，存儲在數(shù)據(jù)庫里，可以用二維表結構來邏輯表達實現(xiàn)的數(shù)據(jù)）而言，不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)即稱為非結構化數(shù)據(jù)，包括所有格式的辦公文檔、文本、圖片、標準通用標記語言下的子集XML、HTML、各類報表、圖像和音頻/視頻信息等等。

??十四：結構化分析方法

  ??結構化分析方法（Structured Method，結構化方法）是強調(diào)開發(fā)方法的結構合理性以及所開發(fā)軟件的結構合理性的軟件開發(fā)方法。結構是指系統(tǒng)內(nèi)各個組成要素之間的相互聯(lián)系、相互作用的框架。結構化開發(fā)方法提出了一組提高軟件結構合理性的準則，如分解與抽象、模塊獨立性、信息隱蔽等。針對軟件生存周期各個不同的階段，它有結構化分析（SA）和結構化程序設計（SP）等方法。

??十五：半結構化數(shù)據(jù)

  ??和普通純文本相比，半結構化數(shù)據(jù)具有一定的結構性，但和具有嚴格理論模型的關系數(shù)據(jù)庫的數(shù)據(jù)相比。OEM(Object exchange Model)是一種典型的半結構化數(shù)據(jù)模型。

  ??半結構化數(shù)據(jù)(semi-structured data)

  ??在做一個信息系統(tǒng)設計時肯定會涉及到數(shù)據(jù)的存儲，一般我們都會將系統(tǒng)信息保存在某個指定的關系數(shù)據(jù)庫中。我們會將數(shù)據(jù)按業(yè)務分類，并設計相應的表，然后將對應的信息保存到相應的表中。比如我們做一個業(yè)務系統(tǒng)，要保存員工基本信息：工號、姓名、性別、出生日期等等；我們就會建立一個對應的staff表。

  ??但不是系統(tǒng)中所有信息都可以這樣簡單的用一個表中的字段就能對應的。

??十六：非結構化數(shù)據(jù)

  ??非結構化數(shù)據(jù)庫是指其字段長度可變，并且每個字段的記錄又可以由可重復或不可重復的子字段構成的數(shù)據(jù)庫，用它不僅可以處理結構化數(shù)據(jù)（如數(shù)字、符號等信息）而且更適合處理非結構化數(shù)據(jù)（全文文本、圖象、聲音、影視、超媒體等信息）。

??十七：數(shù)據(jù)庫（Database）

  ??數(shù)據(jù)庫是按照數(shù)據(jù)結構來組織、存儲和管理數(shù)據(jù)的倉庫，它產(chǎn)生于距今六十多年前，隨著信息技術和市場的發(fā)展，特別是二十世紀九十年代以后，數(shù)據(jù)管理不再僅僅是存儲和管理數(shù)據(jù)，而轉變成用戶所需要的各種數(shù)據(jù)管理的方式。數(shù)據(jù)庫有很多種類型，從最簡單的存儲有各種數(shù)據(jù)的表格到能夠進行海量數(shù)據(jù)存儲的大型數(shù)據(jù)庫系統(tǒng)都在各個方面得到了廣泛的應用。

??十八：數(shù)據(jù)分析

  ??英文名：Data Analysis

  ??數(shù)據(jù)分析是指用適當?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進行分析，提取有用信息和形成結論而對數(shù)據(jù)加以詳細研究和概括總結的過程。這一過程也是質(zhì)量管理體系的支持過程。在實用中，數(shù)據(jù)分析可幫助人們作出判斷，以便采取適當行動。

  ??Excel作為常用的分析工具，可以實現(xiàn)基本的分析工作，在商業(yè)智能領域Cognos、Style Intelligence、Microstrategy、Brio、BO和Oracle以及國內(nèi)產(chǎn)品如Yonghong Z-Suite BI套件等。

??十九：數(shù)據(jù)挖掘

  ??數(shù)據(jù)挖掘（英語：Data mining），又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)（英語：Knowledge-Discovery in Databases，簡稱：KDD)中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經(jīng)驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。

??二十：數(shù)據(jù)清洗

  ??數(shù)據(jù)清洗從名字上也看的出就是把“臟”的“洗掉”，指發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識別的錯誤的最后一道程序，包括檢查數(shù)據(jù)一致性，處理無效值和缺失值等。因為數(shù)據(jù)倉庫中的數(shù)據(jù)是面向某一主題的數(shù)據(jù)的集合，這些數(shù)據(jù)從多個業(yè)務系統(tǒng)中抽取而來而且包含歷史數(shù)據(jù)，這樣就避免不了有的數(shù)據(jù)是錯誤數(shù)據(jù)、有的數(shù)據(jù)相互之間有沖突，這些錯誤的或有沖突的數(shù)據(jù)顯然是我們不想要的，稱為“臟數(shù)據(jù)”。我們要按照一定的規(guī)則把“臟數(shù)據(jù)”“洗掉”，這就是數(shù)據(jù)清洗。而數(shù)據(jù)清洗的任務是過濾那些不符合要求的數(shù)據(jù)，將過濾的結果交給業(yè)務主管部門，確認是否過濾掉還是由業(yè)務單位修正之后再進行抽取。不符合要求的數(shù)據(jù)主要是有不完整的數(shù)據(jù)、錯誤的數(shù)據(jù)、重復的數(shù)據(jù)三大類。數(shù)據(jù)清洗是與問卷審核不同，錄入后的數(shù)據(jù)清理一般是由計算機而不是人工完成。

??二十一：可視化

  ??可視化（Visualization）是利用計算機圖形學和圖像處理技術，將數(shù)據(jù)轉換成圖形或圖像在屏幕上顯示出來，并進行交互處理的理論、方法和技術。它涉及到計算機圖形學、圖像處理、計算機視覺、計算機輔助設計等多個領域，成為研究數(shù)據(jù)表示、數(shù)據(jù)處理、決策分析等一系列問題的綜合技術。目前正在飛速發(fā)展的虛擬現(xiàn)實技術也是以圖形圖像的可視化技術為依托的。

??二十二：數(shù)據(jù)可視化

  ??英文名：Data visualization

  ??數(shù)據(jù)可視化技術的基本思想是將數(shù)據(jù)庫中每一個數(shù)據(jù)項作為單個圖元元素表示，大量的數(shù)據(jù)集構成數(shù)據(jù)圖像，同時將數(shù)據(jù)的各個屬性值以多維數(shù)據(jù)的形式表示，可以從不同的維度觀察數(shù)據(jù)，從而對數(shù)據(jù)進行更深入的觀察和分析。

  ??數(shù)據(jù)可視化主要旨在借助于圖形化手段，清晰有效地傳達與溝通信息。但是，這并不就意味著，數(shù)據(jù)可視化就一定因為要實現(xiàn)其功能用途而令人感到枯燥乏味，或者是為了看上去絢麗多彩而顯得極端復雜。為了有效地傳達思想概念，美學形式與功能需要齊頭并進，通過直觀地傳達關鍵的方面與特征，從而實現(xiàn)對于相當稀疏而又復雜的數(shù)據(jù)集的深入洞察。然而，設計人員往往并不能很好地把握設計與功能之間的平衡，從而創(chuàng)造出華而不實的數(shù)據(jù)可視化形式，無法達到其主要目的，也就是傳達與溝通信息。

??二十三：產(chǎn)品數(shù)據(jù)管理

  ??產(chǎn)品數(shù)據(jù)管理（Product Data Management）是基于分布式網(wǎng)絡、主從結構、圖形化用戶接口和數(shù)據(jù)庫件管理技術發(fā)展起來的一種軟件框架（或數(shù)據(jù)平臺），PDM對并行工程中的人員工具、設備資源、產(chǎn)品數(shù)據(jù)以及數(shù)據(jù)生成過程進行全面管理。

??二十四：DSP（需求方平臺）

  ??DSP（Demand-Side Platform），就是需求方平臺。這一概念起源于網(wǎng)絡廣告發(fā)達的歐美，是伴隨著互聯(lián)網(wǎng)和廣告業(yè)的飛速發(fā)展新興起的網(wǎng)絡廣告領域。它與Ad Exchange和RTB一起迅速崛起于美國，已在全球快速發(fā)展，2011年已經(jīng)覆蓋到了歐美、亞太以及澳洲。在世界網(wǎng)絡展示廣告領域，DSP方興未艾。DSP傳入中國，迅速成為熱潮，成為推動中國網(wǎng)絡展示廣告RTB市場快速發(fā)展的動力之一。

??二十五：DMP（數(shù)據(jù)管理平臺）

  ??DMP(Data-Management Platform)數(shù)據(jù)管理平臺，是把分散的第一、第三方數(shù)據(jù)進行整合納入統(tǒng)一的技術平臺，并對這些數(shù)據(jù)進行標準化和細分，讓用戶可以把這些細分結果推向現(xiàn)有的互動營銷環(huán)境里。

  ??DMP的核心元素包括：

  ??·數(shù)據(jù)整合及標準化能力：采用統(tǒng)一化的方式，將各方數(shù)據(jù)吸納整合。

  ??·數(shù)據(jù)細分管理能力：創(chuàng)建出獨一無二、有意義的客戶細分，進行有效營銷活動。

  ??·功能健全的數(shù)據(jù)標簽：提供數(shù)據(jù)標簽靈活性，便于營銷活動的使用。

  ??·自助式的用戶界面：基于網(wǎng)頁web界面或其他集成方案直接獲取數(shù)據(jù)工具，功能和幾種形式報表和分析。

  ??·相關渠道環(huán)境的連接：跟相關渠道的集成，包含網(wǎng)站端、展示廣告、電子郵件以及搜索和視頻，讓營銷者能找到、定位和提供細分群體相關高度的營銷信息。

以上就是海歷陽光翻譯公司就大數(shù)據(jù)翻譯英語常用詞匯總結之一的介紹,如果您有大數(shù)據(jù)翻譯的需求請聯(lián)系我們，海歷陽光翻譯將竭誠為您服務。