A. 所謂大數據一般是指多大的數據量
其實首先你要區分大數據和大數據量的概念。大數據量只是一個純粹的數據量級的問題，而現在大家所談論的大數據主要包括搜索、新聞、博客、微博等社交網、行動電話和簡訊、熱線電話和監控數據、通測數據等等。這些數據大多數為我們日常社交生活或是語音通信時產生。通常為TB級別，非結構化數據。而TB級別的數據用excel或者其他數據分析工具是很難展現處理的，這時就需要BI工具來應對大數據。FineBI針對大數據有專門的大數據量解決方案，可以去它的官網看看，就不附鏈接了
B. 電商數據分析指標都有哪些該如何進行分析
此文是對最近學習的電商相關知識點做一個鞏固
傳統零售利用二八法則生存，電商靠長尾理論積累銷售。
傳統零售是小數據，電商是大數據。
傳統零售是「物流」，零售過程就是商品的流動；電商是「信息流」，顧客通過搜索、比較、評論、分享產生信息，達到購買的目的。
傳統零售注重體驗感，電商注重服務和效率。
傳統零售是做加法，電商是做乘法。傳統零售是通過一家家店擴大影響力，電商通過資金的投入迅速搶占市場。
傳統零售的主要成本是房租和人工成本，電商的主要成本是物流和營銷成本。
總結：電商和傳統零售雖有千萬種差別，但總歸都是零售，融合是二者註定的趨勢，即現在火熱的新零售。
傳統零售的數據主要是進銷存數據、顧客數據和消費數據。電商的數據卻復雜得多，數據來源渠道也很多樣化
電商數據來源廣泛，常規的流量數據、交易數據、會員數據在品牌的交易平台都有提供。一些第三方網站也提供數據源及分析功能。
1、網路統計：包括流量相關的網站統計、推廣統計、移動統計三部分內容。分析內容包括趨勢分析、來源分析、頁面分析、訪客分析、定製分析和優化分析。
2、谷歌分析：包括流量分析工具、內容分析、社交分析、移動分析、轉化分析、廣告分析幾部分內容。
3、Crazy egg熱力圖：主要特色是對頁面熱點追蹤分析的熱力圖。
4、CNZZ數據專家（友盟）：包括站長統計、全景統計、手機客戶端、雲推薦、廣告管家、廣告效果分析和數據中心等。
還有一些無需埋點監測數據的產品，如GrowingIO、神策數據、諸葛io等。
以下為用思維導圖進行梳理的電商數據分析指標，總共包括六大類
對訪問你網站的訪客進行分析，基於這些數據指標可以網頁進行改進
這里需要注意兩個點
1）影響因素不同：UV 價值更受流量質量的影響；而客單價更受賣的貨的影響；
2）使用場景不同：UV 價值可以用來評估頁面 / 模塊的創造價值的潛力；客單價可以用來比較品類和商品特徵，但一個頁面客單價高，並不代表它創造價值的能力強，只能得出這個頁面的品類更趨近於是賣高價格品類的。
如果網站是為了幫助客戶盡快完成他們的任務（比如：購買，答疑解惑），那麼在線時長應當是越短越好；如果希望客戶一同參與到網站的互動中來，那麼時間越久會越好。所以，分析在線時長是否越長越好，要根據產品定位來具體分析
從注冊到成交整個過程的數據，幫助提升商品轉化率。
對於一個新電商來說，積累數據，找准營運方向比賣多少貨，賺多少錢更重要。這個階段主要 關注流量指標 ，指標如下：
對於已經經營一段時間的電商，通過數據分析 提高店鋪銷量 就是首要任務。此階段的重點指標是 流量和銷售指標 ，指標如下：
對於已經有規模的電商，利用數據分析 提升整體營運水平 就很關鍵。重點指標如下：
數據指標分為追蹤指標、分析指標和營運指標，營運指標就是績效考核指標。一個團隊的銷售額首先是追蹤出來的，其次是分析出來的，最後才是績效考核出來的。銷售追蹤自然是按天、按時段說話，分析一般是以周和月為單位，績效考核常常是以月為主、以年為輔。
執行人員側重過程指標，管理層側重結果指標。對於數據分分析人員來說要學會根據職位提供不同的數據。
1、無流量不電商，對於流量分析，我們常用漏斗圖來做分析，幾乎每個流量的細分都可以用到漏斗圖。
2、漏斗圖就是一個細分和溯源的過程，通過不同的層次分解從而找到轉化的邏輯。
3、漏斗圖的弱點，就是反應一條轉化路徑的形態，我們可以稍加修改實現漏斗圖的對比功能。
1、流量的質量分為質和量兩方面，只有質沒有量的流量是沒有多少實際價值的，流量的質體現在不同的營銷目的上，例如獲得點擊、注冊、收藏、購買或者獲取利潤的目的。
2、可以通過四象限分析圖來對比分析流量的質量。下圖是針對購買的轉化率和流量的四象限圖，其中第一象限的流量應該是高質量的，流量和轉化率均高於平均值；第二象限渠道的流量轉化率高，但量不大，通過搜索來的流量大部分屬於此類；第四象限流量屬於質低量高，站外購買的流量這種情況比較多；第三象限屬於質低量低的雙低流量，不用特別維護，任其發展即可。
3、圖中的Y軸可以根據具體的分析目的替換成點擊率、注冊率、收藏率、ROI（單元產出）等進行對比分析。
四象限分析圖中，X軸、Y軸、分析對象都可以根據不同的目的進行替換。
4、散點圖的四象限分析可以結合趨勢，或者演變成四象限氣泡圖，氣泡圖的大小為ROI，這種四象限圖信息量更大。
1、電商的銷售針對比傳統零售復雜很多，主要復雜在流量的多層次多渠道上，互聯網的好處是幾乎能將用戶的每個動作記錄下來，然後我們從中找到關鍵點進行診斷即可。下圖，是一個類似杜邦分析的圖，從值（圖中紅色）和率（圖中藍色）兩個方面，訂單、新客、老客三個維度將銷售額拆成五個層次，每個層次間具有加或乘的邏輯關系。
2、銷售額是一個結果指標，圖中的20個指標是過程指標，每個指標的變化都會影響最終的銷售額，基本都是正相關。（折扣和銷售額的關聯會稍微復雜一些）
3、通過上圖，使用對比、細分的原則分析可以判斷出哪兒些指標變化對銷售額產生了影響。
參考書籍為《數據化管理——洞悉零售及電子商務運營》
C. 多大的數據才算「大數據」
什麼是大數據？
列舉三個常用的大數據定義:
(1)具有較強決策、洞察和流程優化能力的海量、高增長、多樣化的信息資產需要新的處理模式。
——Gartner
(2)海量數據量、快速數據流和動態數據速度、多樣的數據類型和巨大的數據價值。
—— IDC
(3)或者是海量數據、海量數據、大數據，是指所涉及的數據太大，無法在合理的時間內被截取、管理、處理、整理成人類可以解讀的信息。
—— Wiki
大數據的其他定義也差不多，可以用幾個關鍵詞來定義大數據。
首先是「大尺度」，可以從兩個維度來衡量，一是從時間序列中積累大量數據，二是對數據進行深度提煉。
其次，「多樣化」可以是不同的數據格式，比如文字、圖片、視頻等。，可以是不同的數據類別，如人口數據、經濟數據等。，也可以有不同的數據源，如互聯網和感測器等。
第三，「動態」。數據是不斷變化的，它可以隨著時間迅速增加大量的數據，也可以是在空間不斷移動變化的數據。
這三個關鍵詞定義了大數據的形象。
但是，需要一個關鍵能力，就是「處理速度快」。如果有這樣的大規模、多樣化、動態的數據，但是需要很長時間的處理和分析，那就不叫大數據。從另一個角度來說，要實現這些數據的快速處理，肯定沒有辦法手工實現，所以需要藉助機器來實現。
D. 大數據公司的數據體量大概是多少
在線廣告投放公司，一天的請求量一般在億級
網路，淘寶，這種規模一天的訪問量也是十億級
網路為全網做的網站統計，掛了他js的每個網站的點擊都能收集到，更不得了，估計千億級別。
E. 「大數據」 到底有多大
在很多人的眼裡大數據可能是一個很模糊的概念，但是，在日常生活中大數據有離我們很近，我們無時無刻不再享受著大數據所給我們帶來的便利，個性化，人性化。全面的了解大數據我們應該從四個方面簡單了解。定義，結構特點，我們身邊有哪些大數據，大數據帶來了什麼，這四個方面了解。
那麼「大數據」到底是什麼呢？
在麥肯錫全球研究所給出的定義中指出：大數據即是一種規模大到在獲取，存儲，管理，分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合。簡單而言大數據是數據多到爆表。大數據的單位一般以PB衡量。那麼PB是多大呢？1GB=1024MB ，1PB=1024GB才足以稱為大數據。
如圖：
衡量單位一覽表
其次，大數據具有什麼樣的特點和結構呢？
大數據從整體上看分為四個特點，
第一，大量。
衡量單位PB級別，存儲內容多。
第二，高速。
大數據需要在獲取速度和分析速度上要及時迅速。保證在短時間內更多的人接收到信息。
第二，多樣。
數據的來源是各種渠道上獲取的，有文本數據，圖片數據，視頻數據等。因此數據是多種多樣的。
第三，價值。
大數據不僅僅擁有本身的信息價值，還擁有商業價值。大數據在結構上還分為：結構化，半結構化，非結構化。結構化簡單來講是資料庫，是由二維表來邏輯表達和實現的數據。非結構化即數據結構不規則或不完整，沒有預定義的數據模型。由人類產生的數據大部分是非結構化數據。
F. 電商大數據是什麼
電商大數據是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。
G. 大數據的大量指的是至少要有多大數據量A100K位元組B100位元組C100M位元組D100T位元組8
大數據的大量指的是至少要有 100T 位元組。
在計算機領域中，數據量的單位通常使用位元組（Byte）來表示。常用的數據量單位有 K、M、G、T 等。其中，K 表示千，M 表示百萬，G 表示十億，T 表示萬億。因此，100K 位元組表示 100 * 1000 = 10^5 個位元組，100M 位元組表示 100 * 1000 * 1000 = 10^8 個位元組，100T 位元組表示 100 * 1000 * 1000 * 1000 = 10^12 個位元組。
可以看出，100T 位元組是一個很大的數據量，至少要有這么大的數據量，才能稱之為大數據。
希望這對你有幫助！
H. 大數據時代，我國數據量究竟有多大
從2013年初開始，對於大數據爆發的焦慮感，緊迫感，不由自主地被捲入的甚至無力的感覺，驅動眾多行業、企業和團體去關注和開始接觸和了解大 數據，自覺或不自覺的，主動或不得已地去融入這波洪流。但是，真的說到大數據，我們中國到底有多少數據量，它們都分布在哪些行業，哪些數據是目 前可用的，哪些行業已經在使用數據，進入產業互聯網和數據引導的變革了？
可能看到的版圖依舊模糊。因此，我們懷抱很好的希望，以第一個吃螃蟹並期待來自行業的矯正和拍磚的態度，首先嘗試對於國內各個領域，行業以 及機構的數據擁有情況，使用情況以及未來路徑做一個粗獷地調研、梳理和判斷，對大數據時代我國各個領域數據資產的擁有和使用情況，也就是我們數 據資產的家底做個盤點，也對各個行業、系統進軍大數據，以及擁抱產業互聯網的進度和未來做個簡單判斷。事實上，大數據之題無疑繁若星辰，然而只 有在相對完整的視圖下，繁星若塵，我們才可得以一窺天機。
從我們手頭掌握的數據來看，2013年度，中國存儲市場出貨容量超過1個EB（1EB=多少），存儲總量而IDC曾經發布的預測表明在未來的3-4年，中國存儲總 容量可能達到18個EB。從數據存儲市場的需求來看，互聯網、醫療健康、通信、公共安全以及軍工等行業的需求是主要的，且上升態勢明顯。
鑒於存儲和伺服器的緊密相關，我們從已經獲得的資料可以知道，目前全球運行的伺服器總量超過5000萬台，美國國內運行的伺服器總體容量接近 1000萬台。從各種市場公開數據來看，2013年中國內地伺服器銷售總數接近為100萬台。大體估算，截止到2013年底，中國內地整體在運行的伺服器總數 量在300萬台以上。
從現有存儲容量看，中國目前可存儲數據容量大約在8EB-10EB左右，現有的可以保存下來的數據容量大約在5EB左右，且每兩年左右會翻上一倍。這些 被存儲數據的大體分布為：媒體/互聯網占據現有容量的1/3，政府部門/電信企業占據1/3，其他的金融、教育、製造、服務業各部分佔據剩餘1/3數據量 。
公開數據顯示，互聯網搜索巨頭網路2013年擁有數據量接近EB級別、阿里、騰訊聲明自己存儲的數據總量都達到了百PB以上。此外，電信、醫療、金 融、公共安全、交通、氣象等各個方面保存的數據量也都達到數十或者上百PB級別。
在目前被廣泛引用的IDC和EMC聯合發布的「2020年的數字宇宙」報告 預測到2020年，全球數字宇宙將會膨脹到40ZB，均攤每個人身上是5200GB以上，這個量將會如何被有效存儲和應用，我們眼下還很難想像。然而我們 看到該報告指出，從現在起到2020年，全球數字宇宙的膨脹率大約為每兩年翻一番。事實上，根據上述調查結論和伺服器容量調查，我們也能做出個相對 合理的推斷：目前，全球產生的數據量中僅有1%左右的數據能夠被保存下來，也就是說今天全球能夠被保存下來的數據也就是在50EB左右，而其中被標記 並用於分析的數據更是不到10%。
作為全球人口和計算設備保有量的大國，我國每年所能產生的數據量也極為龐大，有數據說2014年甚至可能達到ZB級別，但是真正被有效存儲下來的 數據僅僅是其中極微少部分，中國保存下來數據佔全球數據的比例大約在10%左右，也就是上面說的5EB。這些數據中，目前已被標記並用於分析的數據僅 達到500PB左右，也是接近10%的一個比例。
伴隨著雲計算迅速普及和各行業，各企業和部門對於數據資產保存和利用意識的增強，以及通過互聯網、大數據對產業進行變革的意願，未來2-3年一 定會有越來越多的行業、大企業步入到PB、百PB、甚至EB級別數據俱樂部，未來3-3年中國的數據總量也將呈翻倍上升態勢，我們預測2015年中國就可能 突破10EB數據保有量，被標簽和分析利用數據量也將上升到EB級別，這些數據增長中互聯網、政務、醫療、教育、安全等行業和領域所做貢獻最大，而相 對傳統的物流、生產製造、甚至農業等領域數據擁有量的增長將更加明顯。