对于海量数据价值的挖掘，需要通过大数据分析来实现，而这些数据由于具有不同于传统数据的新特征，传统的数据分析技术和工具都不能高效的进行处理，因而才有了基于大数据技术平台进行大数据分析的需求。今天，我们以Hadoop框架为例，来看几个大数据分析项目实例。
基于Hadoop来开发企业大数据平台，是现在大部分企业的选择，一方面是因为可以节约成本，另一方面则是因为Hadoop生态系统对于企业大数据处理的各种需求，都能基本满足，而如果有不能满足的需求，也可以通过在Hadoop架构上进行二次开发来实现。
Hadoop架构的核心，就是分布式处理技术，将海量数据分析任务，以计算机集群的方式来进行分配处理。在数据仓库方面，Hadoop是尤其具有优势的，但是在数据集市和实时数据分析层面上，也有一定的不足。
Hadoop大数据分析项目实例：
①Twitter和Facebook，将Hadoop与先进的文本分析工具结合，分析社会化媒体和社交网络发布的非结构化的文本，对用户进行情感分析，包括用户对特定公司，品牌或产品的情绪。
②财务公司、银行企业，基于Hadoop和数据仓库分析交易数据，实现风险建模，评估金融资产的分享，模拟市场行为，根据风险对潜在客服打分。
③金融公司、零售商等企业，使用Hadoop技术将客户行为和历史交易数据结合起来分析，用来检测欺诈行为。
④企业使用Hadoop大数据分析，来分析客户行为，建立分析模型，预防客户流失，对于可能流向竞对的客户做出及时挽留。
⑤面向消费者的企业，可以基于Hadoop大数据分析，将各个客户互动渠道的数据进行整合分析，优化客户生命周期的用户体验。
以上就是为大家例举的几个大数据分析项目实例，在实际的企业大数据业务当中，基于所在的行业不同，会有不同的大数据分析需求，这一点就需要数据分析人员结合实际业务来进行考量，做出最优化的选择。
