想要为以后可能要做的事情做下准备，到目前为止做过分析拿到手的还都是经过一串pipeline预处理过的比较干净的数据，想要知道搭建这些pipeline一般需要哪些工具。比如，未经处理的机器生成的文本log一类，要处理成可以进行分析、建模的形式一般需要哪些步骤，哪些工具是比较必要的？

公司要做大数据分析的团队搭建，作为hr对这个行业一无所知，还请各位牛人指点。一个合理的大数据分析团队应该具备哪些人才，这些人才应该具备哪些基本素质，国内做的比较好的大数据分析公司有哪些？

4个GB的csv处理用什么比较好，最好界面友好，希望能有数据可视化处理的工具。

如何从传统的基于内存的数据挖掘过渡到分布式、可处理海量数据集的挖掘

每个人想自己的情况都会有些模糊，但如果能把自己准确的用形容词或者数据去分析就回相对简单明了。游戏玩过头了，举个例子，例如模拟人生中就可以把自己创造的人按照一定的特征如“容易兴奋的”“工作狂”“野心勃勃的”“室内爱好者”等等，像坐标轴xyz那样把自己定位，然后根据这些特征例如:容易兴奋的，遇到一些小成功或者满足自己一些小事就会很兴奋，得以状态良好，心情值高了做事情会事半功倍，那种比较完整的生活指数体系，是我想得到的能够加于自己身上的衡量值。换做是自己的话该如何得到这些数据，以及如何处理这些数据使自己更加完善呢？

一直很好奇数据是怎么来。希望可以知乎大神们可以告知下。

例如：一个查询2016年中国地区的总销售量的查询Select {[Measures].[Totle Sales]} on Columns, {[region].[China]} on RowsFrom SalesWhere [Time].[2016]但是我想从中排除掉地区为[region].[Shanghai]，第一季度的总销售量，可以用一条MDX语句实现吗？

已知在hdfs某目录下(如hdfs://tmp/englishnovels)有上百部英文小说(txt后缀)，想把小说的名字都读取出来，实现遍历。请赐教！

猜你喜欢和大家都在看是作用大数据技术吗？怎么做到的呢，可以通俗的讲解一下吗？谢谢大家