毫无疑问，一个大规模生产、分享和应用数据的时代逐渐朝我们走来。互联网时代将我们带入了一个以“PB”为单位的结构与非结构化数据信息时代。大数据之于企业、个人等是什么样的存在不需要再赘述。
但是事实上我们还没有完全准备好迎接如此量大、并且不规则的“非结构数据”，大数据时代下我们要如何更好的将这些大量、高速、多变的终端数据存储下来，并随时进行分享、分析、挖掘与计算？这是我们探索海量数据背后的真正价值所在的关键。本期活动我们邀请到了亚马逊AWS中国解决方案架构师王毅和上海高欣-数据中心部技术总监周诚，与我们一起探索解决数据分析、数据挖掘及机器学习等问题。
分享会上，AWS中国解决方案架构师王毅带来了主题为“大数据时代下的非结构化数据的管理与分析”的演讲。演讲中，他谈到了数据的产生、收集和存储，以及数据处理，同时分享了相关的客户案例。
图：AWS中国解决方案架构师王毅
在数字世界产生的1.2ZB的数据中，95%的数据都是非结构化的，大约70%的内容都是用户产生的（UGC），而且非结构化的数据以平均每年62%的速度爆发性增长，这就需要对这些数据加以分析，提取出对我们有用的数据。通过分析这些数据，可以了解客户的需求、对财务建模及预测、欺诈检测等方面。当然，这些数据可以从智能手机、平板电脑或者第三方数据（RSS）来获取。而且获取的数据格式不尽相同，除了结构化的数据和非结构化的数据外，可能还包括比如文本、二进制、准实时类型的数据。最后再对这些数据加以分析来获取有价值的信息。
王毅谈到了产生的数据和可供分析的数据之间的差异。他表示在获取的大量数据面前，可以有效的加以利用的数据往往是微乎其微，而且在数据的收集和存储的过程中，往往依赖于硬件的性能，性能越好，效率越高。
关于大数据与云计算之间的关系，王毅发表了自己的看法。“简而言之，它们是天生一对的关系。”他说道，“由于大数据经常不是一个稳定的负载，它有高峰和低谷，因此需要弹性的计算来满足大数据不断变化的需求，刚好AWS非常适合负载变化大的应用场景，并且让大数据更加的平民化。”
最后，王毅介绍了利用EMR分析数据具有容易使用、节约成本、弹性计算等优势，对S3的基本工作原理进行了简要的介。
王毅讲义PPT下载: