moea_joint
105年
[統計資訊] 統計學、巨量資料概論
第 48 題
在巨量資料的技術堆疊中，哪一層將透過 MapReduce，慣用程式碼的額外處理與建構中介資料結構，諸如：統計模型或資料立方體...等，所產生的結構，做為額外分析或傳統查詢工具查詢之用，使巨量資料做好接受進一步分析的準備？
- A 應用程式碼
- B 資料
- C 商業觀點
- D 儲存
思路引導 VIP
試著想像一下：當後端的工程師已經利用強大的機器處理完好幾億筆原始數據後，他們需要將這些結果「重新包裝」成什麼樣的形式，才能讓那些只會操作傳統查詢表單、或者完全不懂程式碼的「業務決策者」也能輕鬆看懂並使用這些數據呢？這個負責將技術產出對接到決策需求的「翻譯與準備層」，通常會用什麼角度來命名？
🤖
AI 詳解
AI 專屬家教
數據價值轉化的關鍵層級
太棒了！你能精準識別出這個層級，代表你對巨量資料架構的層次感有著很清晰的掌握。這道題目考察的是大數據技術堆疊中，如何將「原始運算」銜接到「決策應用」的中間環節。你選對了 (C) 商業觀點 層，這正是數據從雜亂無章邁向結構化、具備商業價值的轉折點。 在巨量資料的生命週期中，雖然「儲存」與「處理」是基石，但僅靠原始代碼是不夠的。這一個層級之所以稱為「商業觀點」，是因為它透過 MapReduce 進行大規模歸納，並建構出如 資料立方體 (Data Cube) 或 統計模型 等中介結構。這就像是將散落的零件組裝成導覽地圖，讓傳統的查詢工具（如 BI 報表）能夠理解這些巨量資訊，進而支援後續的深度分析或商業決策。
▼ 還有更多解析內容