一、如何应用大数据

企业应用大数据分析就要借助一些数据分析工具，比如商业智能软件finebi，有了工具就等于完成了一半。一般数据分析工作可分为以下三个步骤：

1、明确业务需求

按业务驱动的角度，了解业务部门需要解决什么样的问题，业务范围是什么，所要达成的效果又是怎样，依据这些需求来实施部署商业智能工具。

2、数据结合与关联

由于企业数据海量的特点和多元化的结构形式，需要商业分析工具具有海量的数据探索和分析能力，能够实时有效的与已有数据结合，产生精确的行动方向。

此外，企业数据的价值最终体现在客户的消费上，因此，对于能直接产生价值的数据要和客户关系和交易数据进行结合和关联，从而做出直接导向效益的决策。

3、培养数据分析人才

企业的数据分析，商业智能系统的部署是关键，但业务人员数据分析水平也同样重要。这就要求人员在信息过程管理当中要逐渐培养科学化管理数据的意识，企业上下也要统一共识，从而形成对企业数据的综合管理。

二、基于大数据的威胁发现技术的优点有哪些

基于大数据的威胁发现技术具有以下优点：

（1）分析内容的范围更大。传统的威胁分析主要针对的内容为各类安全事件。一个企业的信息资产则包括数据资产、软件资产、实物资产、人员资产、服务资产和其他为业务提供支持的无形资产。由于传统威胁检测技术的局限性，其并不能覆盖这6类信息资产，因此所能发现的威胁也是有限的。通过在威胁检测方面引入大数据分析技术，可以更全面地发现针对这些信息资产的攻击。例如通过分析企业员工的即时通信数据、Email数据等可以及时发现人员资产是否面临其他企业“挖墙脚”的攻击威胁。再比如，通过对企业的客户部订单数据的分析，也能够发现一些异常的操作行为，进而判断是否危害公司利益。可以看出：分析内容范围的扩大使得基于大数据的威胁检测更加全面。

（2）分析内容的时间跨度更长。现有的许多威胁分析技术都是内存关联性的，也就是说实时收集数据，采用分析技术发现攻击。分析窗口通常受限于内存大小，无法应对持续性和潜伏性攻击。引入大数据分析技术后，威胁分析窗口可以横跨若干年的数据，因此威胁发现能力更强，可以有效应对高级持续性威胁（APT）类攻击。

（3）攻击威胁的预测性。传统的安全防护技术或工具大多是在攻击发生后对攻击行为进行分析和归类，并做出响应。基于大数据的威胁分析，可进行超前的预判，它能够寻找潜在的安全威胁，对未发生的攻击行为进行预防。

（4）对未知威胁的检测。传统的威胁分析通常是由经验丰富的专业人员根据企业需求和实际情况展开，然而这种威胁分析的结果很大程度上依赖于个人经验。同时，分析所发现的威胁也是已知的。大数据分析的特点是侧重于普通的关联分析，而不侧重因果分析，因此通过采用恰当的分析模型，可发现未知威胁。

希望能帮到你。

三、如何利用大数据指数选择基金产品

现在基于大数据指数推出的基金产品很多，我们以博时基金“指慧家”为例子，分析从哪些方面去选择指数基金。

1、大数据指数覆盖面要足够广

例如，“指慧家”的大数据指数覆盖面非常广，覆盖衣、食、住、行、娱、医等全市场行业，涵盖互联网电商、线下消费、社交金融、房地产交易等领域。博时基金优选合作伙伴，蚂蚁金服、银联、雪球、搜房网等都是各自领域中的龙头企业，拥有具有行业代表性的大数据。

2、大数据指数真正使用的海量大数据

例如，“指慧家”的大数据投资是利用海量的互联网大数据，如搜索热度、关注度、订单数、成交额、消费笔数等多维度的数据，通过量化算法，以期能更早、更快、更准预判某个行业或者企业未来的景气程度。互联网大数据大大提升了金融行业的投资能力。

3、大数据指数质量高、精细

4、大数据指数必须是深厚底蕴，值得信赖

四、数据分析培训有哪些课程

培训课程如下：

一、大数据前沿知识及hadoop入门

零基础入门，了解大数据的历史背景及发展方向，掌握hadoop的两种安装配置

二、Hadoop部署进阶

熟练掌握hadoop集群搭建；对Hadoop架构的分布式文件系统HDFS进行深入分析

三、Java基础

了解java程序设计的基本思想，熟练利用eclipse进行简单的java程序设计，熟练使用jar文件，了解mysql等数据库管理系统的原理，了解基于web的程序开发流程

四、MapReduce理论及实战

熟悉MapReduce的工作原理及应用，熟悉基本的MapReduce程序设计，掌握根据大数据分析的目标设计和编写基于mapreduce的项目

五、hadoop+Mahout大数据分析

掌握基于hadoop+mahout的大数据分析方法的使用场景，熟练运用mahout的成熟算法进行特定场景的大数据分析

六、Hbase理论及实战

掌握hbase的数据存储及项目实战、掌握Spark、Hive的安装、配置及使用场景

七、Spark大数据分析

Spark、Hive的安装、配置及使用场景，熟练运用Spark的成熟算法进行特定场景的大数据分析

八、大数据学习综合知识储备

统计学：多元统计分析、应用回归

计算机：R、python、SQL、数据分析、机器学习

matlab和mathematica两个软件也是需要掌握的，前者在实际的工程应用和模拟分析上有很大优势，后者则在计算功能和数学模型分析上十分优秀，相互补助可以取长补短。