非结构化数据流处理,数据流图是结构化分析方法中使用的工具

1.大数据采集技术数据是指通过RFID射频数据、传感器数据、社交网络交互数据、移动互联网数据获得的各类结构化、半结构化(或弱结构化)和非-1。一般来说，非结构化数据库很难扩展到结构化采用列设计的数据库所能达到的程度。

1。“大数据”时代数据挖掘的应用与方法数据挖掘就是在没有明确假设的情况下，挖掘信息，发现知识。所以它得到的信息应该有三个特点:未知、有效、实用。因此，数据挖掘技术从一开始就是面向应用的。目前，数据挖掘技术已经广泛应用于企业营销中。包括:数据库营销、客户群划分、背景分析、交叉销售等市场分析行为，以及客户流失分析、客户信用评分、欺诈发现等。

数据挖掘的方法有很多种，从不同的角度挖掘数据。大部分都可以用在审计工作中。1.数据泛化。数据库中通常存储着大量的详细数据，大量与任务相关的数据集可以通过数据泛化从较低的概念层次抽象到较高的概念层次。数据概化可以应用于审计数据分析中的描述性挖掘，审计人员可以从不同粒度、不同角度对数据集进行描述，从而了解某一类数据的大致情况。

这两个基本功能是:1 .数据收集；第二，数据分析和归纳。扩展:首先，它必须容纳海量数据。如果大数据分析平台不能扩展到存储或管理海量数据，单纯提升速度的效果相当有限。大数据分析平台必须能够容纳海量数据。大规模并行处理是扩展分析处理的理想技术，因为它同时使用计算机集群的存储和计算能力。它不仅扩展了性能，还提高了处理大量传入数据流的能力。

结构化数据库可以更好的了解数据在数据海洋中的位置，可以准确的访问数据。一般来说，非结构化数据库很难扩展到结构化采用列设计的数据库所能达到的程度。但是，大数据分析平台可能会集成一些功能，可以提高非结构化数据库的可扩展性和性能。第二，必须非常快。简单来说，在数字时代，用户在运行查询时不希望长时间等待结果。他们希望在不影响其他工作负载的情况下，立即获得满足感和结果。