大数据bi一个项目要多少人

① JavaWeb项目需要几个人完成，时间大概多长

实际开发：mvc模式开发，ssh等框架要熟练，酒店管理系统的话，一个人，一个星期就可以完成功能，（当然也要看功能的多少，基本的功能肯定可以完成），如果功能多的话肯定不行，比如你加了个网上支付，二维码之类的功能，肯定一个星期完成不了。如果要多个人的话，得分工合作，数据库什么的一个人搞，页面的要一个，后台啦，具体的业务操作得2-3个人。如果是要给客户正式运营的话，你得找到好的美工，现在都是靠门面的，功能谁不会做。

② 做一个大数据项目一个团队一般如何分工的

今年我们项目组刚好入手一个教育大数据的项目，我们是研究一些教育大数据，从中挖掘出一些跟教育相关的因果关系一达到对这些数据进分析、处理,并从中挖掘出有价值的信息进行改善教育模式、提升教育质量的目的。我们项目组当时分组情况如下：信息采集组、数据清洗组、数据融合组、数据挖掘组、数据可视化组。

根据每组的名称很好理解，信息采集组主要是通过网络爬虫来采集数据，当然还可以根据业务需求，通过不同的方式来采集数据；数据清洗组主要就是把一些无效的脏数据找出来剔除或者替换，任务量其实很大，因为爬来的数据脏数据量很大，这个组的工作周期一般很长，任务也很重；数据融合组主要就是把爬来的课程信息把相似的归类，有上下级关系的就按照子类父类的关系列好，这一组的工作非常不好完成，目前我们做的融合效果不算好，想融合好算是一个难点。数据挖掘组就是拿到可用的数据之后通过数据挖掘算法，去研究之前设定好的影响因子之间的因果关系，主要的分类算法有决策树、贝叶斯分类、基于规则的分类、神经网络、持向量机 、懒惰学习算法中的K-最近邻分类和基于案例的推理等算法；数据可视化组顾名思义就是把数据挖掘组的成果可视化展示，这样可以直观的看到数据之间的关系，并利用数据分析和开发工具发现其中未知信息的处理过程。

③ 大数据 BI两者什么关系企业用BI吗

在商务领域，应用大数据和应用BI到底有什么区别，好像都是和数据分析、数据挖掘到最后的数据结果有关系，随着大数据和BI的发展，又有声音说BI将会替代大数据，到底BI和大数据两者什么关系。

第三、发展方向不同

BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。

伴随BI的发展，BI的应用范围越来越广，对于大数据来说，一些传统的BI工具实现不了的数据结果分析，往往也会给大数据带来意想不到的发展空间。

如果是企业，考虑实用性的话，BI工具在企业的信息化建设方面更具有优势，而且是个大趋势，国内很多商业智能软件比如FineBI会更贴近国内企业的情况，可以了解一下。

④ 国内目前有几家做大数据BI的公司都有什么不同

国外BI：SAS BI、IBM的cognos、Oracle BIEE、SAP BO、Power-BI、Informatica、Arcplan、QlikView、Tableau等等；

国内BI：海致BDP、smartbi、用友华表、帆软、润乾报表，永洪科技等。

国内BI比较熟悉的有这3款

1、BDP商业数据平台

1）这两年很热，行业都比较赞赏。BDP旨在帮助企业快速完成多数据整合，建立统一数据口径，支持自助式数据准备（ETL），并提供灵活、易用、高效可视化探索式分析能力，帮助企业构建贴合自身业务的企业洞察。BDP可以灵活接入与同步多种数据源，包括各类数据库连接、OpenAPI以及各种SaaS平台API，满足企业多种多样的业务场景、亿行数据秒反应，快速实现数据清洗、整合、加载，通过拖拽即可可视化分析，支持近数据地图、漏斗图、旭日图、饼图、柱状图、折线图、词云、雷达等30种图表类型，让数据更加直观、美观。

2）BDP商业数据平台为企业提供的核心价值在于用直观、多维、实时的方式展示和分析数据，并可在APP实时查看和分享，全面激活企业内部数据，用数据驱动业绩，适应快速变化的市场。目前他们服务的客户也很多，涵盖互联网、零售快消、物流、O2O、教育SEM等多个行业。

3）跟他们公司的人接触过，服务态度很好，也很专业，价格不贵。

3、永洪

1）永洪利用sql处理数据，不支持程序接口，实施交由第三方外包。永洪的技术主要分为大数据和可视化两点。在大数据方面，通过列存储、分布式计算、内存计算、分布式通讯等技术，永洪自主研发了高性能的大数据计算引擎，作为分析用的数据集市，可实现百亿级数据在秒级时间内完成计算。

2）在可视化方面，永洪将复杂的多维分析功能隐藏在背后，在前端通过点击和拖拽的简单可视化操作实现各种复杂的分析过程。

3）需要一定的技术门槛，交互比较复杂点

⑤ 大数据bi是什么

大数据BI是能够处理和分析大数据的BI软件，区别于传统BI唻软件垍头，大条数据BI可以完成对TB级别数据的实时分析。大数据可以概括为4个V，数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值密度低(Veracity)。大数据作为时下最火热的IT行业的词汇，随之而来的数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据BI也应运而生。
主要功能

编辑

开源大数据生态圈
1.HadoopHDFS、HadoopMapRece,HBase、Hive渐次诞生，早期Hadoop生态圈逐步形成。
2.Hypertable是另类。它存在于Hadoop生态圈之外，但也曾经有一些用户。
一体机数据库/数据仓库
IBMPureData(Netezza),OracleExadata,SAPHana等等。
数唻垍头条据仓库
TeradataAsterData,EMCGreenPlum,HPVertica等等。
数据集市
QlikView、Tableau、国内永洪科技YonghongDataMart等等。
YonghongDataMart是基于自有技术研发的一款数据存储、数据处理的软件。针对客户需要处理需求数据的量级不同，IT系统架构的不同和存储系统的不同，提供了两种解决方案供客户选择一种本地模式，一种是MPP模式。当需要处理的数据量级别处于TB级以下，或者采用普通存储结构，或者单机已经足够满足性能需求，建议用户选择本地模式。当面对异构数据库存储系统，需要处理的数量级别在TB级和PB级以上，或者IT系统和存储系统采用分布式，或者需要MPP模式才能满足性能需求，基于分布式架构的并行处理模式更适合客户的需求。

⑥ 大数据工程师告诉你大数据和BI的区别

【导读】在进行大数据分析的时候，分析师需要从海量的收集数据中，通过不同的算法直接分析不同渠道、格式的数据，从中找到相关数据，然后再做进一步分析，得出较为准确的结论。近年来大数据行业颇受欢迎，报考人数也是越来越多，所以我们更需要全面了解，今天我们就来了解一下大数据和BI的区别。

1、从思维方式角度

大数据对于传统BI，既有继承，也有发展，从”道”的角度讲，BI与大数据区别在于前者更倾向于决策，对事实描述更多是基于群体共性，帮助决策者掌握宏观统计趋势，适合经营运营指标支撑类问题，大数据则内涵更广，倾向于刻画个体，更多的在于个性化的决策。

2、从工具的角度

传统BI使用的是ETL、数据仓库、OLAP、可视化报表技术，属于应用和展示层技术，目前都处于淘汰的边缘，因为它解决不了海量数据(包括结构化与非结构化)的处理问题。而大数据应用的是一个完整的技术体系，包括用Hadoop、流处理等技术解决海量的结构化、非结构化数据的ETL问题，用Hadoop、MPP等技术计算海量数据的计算问题，用redis、HBASE等方式解决高效读的问题，用Impala等技术实现在线分析等问题。因此是个全新的行业。

3、从数据来源角度

大数据应用的数据来源，不仅仅包括非结构化的数据，还有各种系统数据，数据库数据。其中非结构化数据主要是集中在互联网以及一些社交网站上的数据以及一些机器设备的数据，这些都构成了大数据应用的数据来源。对于大数据的分析工具来说，现阶段也是对于非结构化的数据分析的比较多。

BI系统则是在数据集成方面的技术越来越成熟，对于数据的提取，一个各种数据挖掘的要求来说，数据集成平台会帮助企业实现数据的流通和交互使用，在企业内部实施BI应用就是为了可以更好的对数据进行分享和使用。

4、从发展方向角度

BI的发展要从传统的商务智能模式开始转换，对于企业来说，BI不仅仅是一个IT项目，更是一种管理和思维的方式，从技术的部署到业务的流程规划，BI迎来新的发展。对于大数据来说，现阶段更多的大数据关注在非结构化数据，不同的数据分析工具的出现和行内的应用范围不断的加大，对于大数据应用来说，怎么与应用的行业进行一个深层次的结合才是最重要的。

关于大数据和BI的区别，就和您分享到这里了。如果您对大数据工程有浓厚的兴趣，希望这篇文章可以为您提供帮助，想要了解更多的大数据工程师技能、方法、课程等等，欢迎大家前来了解咨询。

⑦ 一个完整的大数据开发部门需要什么人人员构成是怎么样的

大数据开发通常需要编程技能，根据我3年多的编程经验，编程技能将带来更好的开发。大数据开发一般有数据仓库开发、数据分析、数据开发三大类，每一类都需要不同的技能。但他们都有很多共同点。一般技能: 除了基本的 sql 能力，包括使用传统数据库如 mysql 和 oracle，以及分布式数据库如 hive 和 hbase 的能力，其他的，如 maprece 和 spark，会更好。可以使用聚类，聚类除了问题具有一定的解聚类问题的能力。数据仓库开发: 能够编号仓库建模、维表、事实表、主题表、星型模型、雪花型模型等，熟悉业务、全局视图，建立数据仓库。数据开发: 数据开发有离线开发和实时开发，这种后端开发比较偏向于 java 按需开发，加上程序的日常维护。数据分析: 这需要很强的 sql 技能，如果你能在数据分析中使用 python 会更好。要掌握像 sqoop 和 kettle 这样的常用 etl 工具，请使用报告系统。当然，如果你想学习，你可以学得更深入。毕竟，在通常的发展过程中，特别是小公司的分工不明确，这些技能或多或少都是我们需要掌握的。一个人可以成为几个人，就像一个全能工程师。

⑧ 一个成功的BI项目实施需要注意哪些

在项目实施中，实施人员的参与度非常重要。BI的参与人员基本上是这样几类人：
1、高层管理者：最关心经营逻辑是怎么通过报表系统展示出来的；
2、经理层：关注分析基础工具的准备是否到位；
3、业务执行层：关心如何响应不断变化的需求，需要什么维度数据统计来做报表；
4、IT支持人员：更多的是站在技术的角度把系统的数据融合起来，解决“信息孤岛”问题。
在实施过程中，由于参与者的观念差异，会朝着不良的方向发展，比如直接将原来手工出的报表丢出来当需求，最常见的问题是：你能不能用系统帮我将XX报表实现；有一少部分单纯做数据处理的人会有危机感；会有个别因为实施系统会对原有工作发生改变而不积极，如原来处理错误的可手工调节。

所以合格的实施项目经理不是技术实现，而是组织系统实现，前提是深刻理解业务；对于总体设计需要一个灵魂任务，比较好的理解高层管理者的经营逻辑，通过BI管理的变化，但是这个角色绝不能是技术人员担当；需求阶段要听实际执行层的业务管理人员的需求，但不能全体；在实现阶段要本单位的系统人员参与，解决数据的取数问题；在基础数据准备阶段要求执行层人员参与一步步核对数字；分析时要尽量要求执行层人员亲自做展示页面。

整合的关键是要建立规范，主要体现在下面几个方面：
1、系统与系统间的不规范问题&数据校验
例如，同一内容在不同系统不同的叫法；同一内容在不同系统不同的分类法；同一内容在不同系统不同的统计规则；手工数据需要注意校验。
2、注意系统取数溯源法
系统之间不可能是互相成立的，生产系统数据间可能有互相同步，所以一定要保证数据来自最原始的系统，不要用中间数据库系统的数据。
3、系统数据同步次序安排的考虑
FineBI之所以能快的核心在于建立cube,建立大量索引。建立索引的工作会放到晚上，做同步。

⑨ 一个少于50人的软件公司，做项目开发的一般有多少人（就整个公司一共）

看情况吧，一般的项目4-5个人也能搞定，或者更少也行，大项目就难说了，不好界定这个标准，得具体看需求