自助式数据挖掘

Apache Kylin 的预计算建模，用起来是真省心。是在做大数据时，响应也快、查询也稳，像在 Azure 上跑，体验还挺丝滑的。它靠提前把数据算好，基本上查询时就不怎么费劲了，性能直接飙升，像O(1)那种速度，用过都说香。 OLAP 查询的性能优化，是 Kylin 最拿手的。它不走传统MapReduce那套，直接绕过慢查询这坑。再加上和Hadoop、Spark的无缝衔接，整个技术栈配合起来挺顺的，构建平台也省了不少事。 最妙的是它支持自助式，不用啥编程基础，一线业务团队都能上手。不像以前那样个数据得靠技术，Kylin 这波是真的把门槛拉低了。你在 Azure 上搭起来，就能让更多人自己玩数

3.15 自助式门户工具是BI展示的“最后一公里”，是实现个性化、分业务群BI展现的重要手段，为用户关心的内容提供快速访问的通道，节省时间和提供新知识。很多BI工具内含的门户工具技术性很强，需要相当的编码和技术设计能力，用户学习掌握非常困难。BI@Report内含便捷的门户定义工具，用户只需通过简单的拖拉控件到定义门户区域，就能自己定义个性化的门户，能够简单实现各种复杂的自定义门户，无需开发人员以及美工介入。同时，BI@Report中提供了多种样式风格的门户模板并提供配套的登录页面。

在大数据时代，传统的人工主导方式已无法满足企业需求，自服务式大数据治理正成为关键。技术进步推动下，自动化成为落地自服务治理的必要手段。现有技术和产品需进一步升级，五个自动化示例凸显其重要性：自动化数据标准构建、系统数据模型规范、企业数据地图构建、数据协同变更自动化、大数据生产线形成。数据标准构建从自动化数据资产梳理开始，通过元数据管理工具实现企业数据的自动归集和分类，最终实现在线数据标准构建支持。

自助式门户工具作为BI展示中的“最后一公里”，为用户提供快速访问的通道，节省时间并提供新知识。不同于传统的技术复杂门户工具，亿信BI的门户定义工具简化了门户定制过程，用户通过拖拉控件即可定义个性化门户，无需开发人员或美工介入。此外，亿信BI提供多种样式风格的门户模板和配套登录页面，使得用户能够轻松实现各种复杂自定义门户需求。

使用软件代理进行数据挖掘的参考（Hillol Kargupta, Brian Stafford, Ilker Hamzaoglu）

对分布式环境中数据挖掘的全面调查。

该研究提出基于支持向量机的分布式数据挖掘模型 DSVM，以解决分布式环境中数据挖掘遇到的挑战。DSVM 利用特征多叉树来表示分布式数据集的总体特征，并使用壳向量来实现分布式支持向量机的增量更新。实验表明，DSVM 在解决存储开销、效率、安全性和隐私性等问题方面取得了成效。

BC-PDM分布式数据挖掘系统正在云计算和数据挖掘领域展开研究。

随着数据量的迅速增长，许多企业和组织已经开始重视利用数据挖掘技术来处理大量数据。数据挖掘是在大数据集中识别有用模式或知识的过程，目前在数据挖掘理论研究和应用方面都取得了显著进展。

大数据挖掘的入门书里，《大数据的挖掘（web，分布式数据）》算是比较实用的那一类。斯坦福三位教授写的，内容覆盖面挺广，从分布式系统、MapReduce、LSH 到 PageRank、推荐系统都有讲，也比较接地气。比较适合你平时写前端但又想搞懂后面大数据那一套逻辑的时候翻一翻。不仅能帮你理清多后台数据流的玩法，也能对接前端做一些数据可视化的项目有。