❶ 你對大數據有哪些認識

"大數據"是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。從數據的類別上看，"大數據"指的是無法使用傳統流程或工具處理或分析的信息。它定義了那些超出正常處理范圍和大小、迫使用戶採用非傳統處理方法的數據集。 亞馬遜網路服務（AWS）、大數據科學家JohnRauser提到一個簡單的定義：大數據就是任何超過了一台計算機處理能力的龐大數據量。 研發小組對大數據的定義："大數據是最大的宣傳技術、是最時髦的技術，當這種現象出現時，定義就變得很混亂。" Kelly說："大數據是可能不包含所有的信息，但我覺得大部分是正確的。對大數據的一部分認知在於，它是如此之大，分析它需要多個工作負載，這是AWS的定義。當你的技術達到極限時，也就是數據的極限"。 大數據不是關於如何定義，最重要的是如何使用。最大的挑戰在於哪些技術能更好的使用數據以及大數據的應用情況如何。這與傳統的資料庫相比，開源的大數據分析工具的如Hadoop的崛起，這些非結構化的數據服務的價值在哪裡。

❷ 對於現在的大數據時代你怎麼看聊聊

現在的時代確實是發點特別快，並且我們的網路時代是在不斷地發展的，而且4G的時代就要結束了5G的時代即將到來。

❸ 大數據起源，給你解析到底什麼是大數據

大數據，英文名 data。因為傳播已經成為習慣，我們並沒有過多的去思考為什麼用big data去描述，但是現在我們仔細回味一下，會發現大數據這個大為什麼不用large為什麼不用海量vast呢？歸根結底我們可能就需要從語法上，來分析一下，它們三個之間的區別。big形容大小。更多的時候，是一種比較行為上的大，是種相對來說的感覺，而large和vast更多的時候形容的是的是一種形體上的巨大。
那麼現在來推敲一下big data這個詞，大數據這個大其實是一種相對的說法是相對於傳統的數據體量來說的，過去任何時候的數據相對於現在來說都顯得太過於渺小，而現在我們所說的大數據是一種量變最後達到了質變的概念。
數據這個詞最早在媒體上風靡應該是2007年左右。往上追溯應該就是05年穀歌參加有美國官方舉辦的一個機器翻譯大賽，最終由於使用了海量的相關數據而奪得第一，在那之後大數據這個概念漸漸的被業內人士所傳播。那麼到底什麼是大數據呢？
大數據顧名思義，最表象的特徵就是數據量夠大。但是僅僅數據量夠大，並不能構成大數據整體的含義。如果是海量雜亂無章，互之間沒有關聯的數據，即便再怎麼定義，它也算不上是大數據。就譬如一個人體內的基因圖譜，詳細的基因圖譜數據如果記錄出來是一個很大體量的，但是沒有意義。
大數據而且還有個概念，那就是多維度。在十年前，如果說國內哪一家公司最有資格說大數據的，那無疑是網路了。作為一個獨佔13億用戶專屬的搜索公司來說，網路對於用戶畫像的記錄，無疑是多維的。網路搜索，至今記錄了無數用戶每天在互聯網上搜索的問題，或者說知識。在時間維度上用戶對某些詞彙搜索的頻次高低這些都是數據。它可以通過對注冊用戶的甄別就可以知道搜索這個詞彙或者是這個問題的用戶是男生還是女生？年齡分布是是小孩、青年抑或是一個中年大叔？再到後來個人電腦開始普及，通過記錄ip等信息，根據ip搜索的網路的問題的分類，可以判斷中國各個區域，是南方富裕一點，還是北方富裕點？是江蘇人更愛吃，還是閩南人更喜歡談論吃？網路完全可以根據自己的數據生成得到國內各種關於此類的數據，普查之後所能得到的答案這就是因為網路所具有的數據是一個多維度的數據。他的數據收集過程，是一個長期的持續性的工作。
除了網路之外，騰訊的qq確實每年都會有一個關於qq的城市報告。它會根據qq的用戶數據，甚至於至於活躍地點。在一個大的范圍內青年QQ用戶的佔比，最終可以得到中國城市年輕度排行榜。可以根據這些數據判斷，哪一個城市是，年輕人畢業之後最願意去的。可以判斷哪一個城市的，年輕人畢業之後，是回歸率最高的。也可以判斷哪一個城市的人才流失率更低，更容易留住外來人才。這些都是大數據多維度的應用。
大數據還有一個非常重要的特點，那就是全面性。經常在某些大型活動之前我們都會遇到。某些公司對於這件事情，會做出預測。然後最終的結果讓我們大失所望。預測無疑是需要基於數據基礎的預測，如果這個數據不夠全面的話，最終的預測結果肯定相差甚大。
關於數據全面性有一個最經典的案例這是12年美國大選大選事件。一個名叫斯威爾的年輕人，利用大數據預測。成功預測出了51個州的選舉果，要知道這在之前是從來沒有發生過的事情。美國大選在之前就一直有專業的預測機構做預測，但是就連這種長期做數據，分析的公司都從來沒有如此成功的預測過。那是因為斯威爾將網上所有關於選舉的數據，包括新聞稿，以及facebook和推特上面人們關於選舉的言論，所有的數據都做了甄選處理。這份數據反映的是網民全面幾乎沒有遺漏的想法，最終得到了某種程度上來說，比較具有完備性的數據，所以能夠如此成功的預測13年美國大選的結果。

❹ 你是如何理解時下流行的大數據的

大數據真正有意思的是數據變得在線了，這個恰恰是互聯網的特點。非互聯網時期的產品，功能一定是它的價值，今天互聯網的產品，數據一定是它的價值。

❺ 關於大數據的幾個問題！

  1. 大數據就是大量數據了，比如淘寶網存儲的用戶信息，用戶購買記錄等，這個數據量達到PB級了。

  2. 大數據帶來的優勢不好說啊，見過這樣的大數據才有感覺。

  3. 大數據應用：最直觀還是淘寶、京東這些，有沒有注意到你瀏覽過、買過一些產品之後，有些廣告推送就會給推送相關產品，這就是大數據的應用，通過分析你的購買記錄，分析你可能感興趣的商品，比如你買過嬰兒奶粉，那你對紙尿褲、濕紙巾可能就感興趣，這些都是後台大數據分析平台乾的事情。

  4. 同上。

  5. 理解不夠深刻，覺得可做的事情挺多，尤其是政府，大數據很有用，比如城市交通狀況的預測、停車引導等等，比如犯罪嫌疑人的追蹤（這個需要多方面的技術配合）。

❻ 什麼是大數據，大數據為什麼重要，如何應用大數據讀《駕馭大數據》

去年出版的《大數據》（塗子沛著）是從數據治國的角度，深入淺出的敘述了美國政府的管理之道，細密入微的闡釋了黃仁宇先生」資本主義數目式管理「的精髓。最近人民郵電出版社又組織翻譯出版了美國Bill Franks的《駕馭大數據》一書。該書的整體思路，簡單來說，就是敘述了一個」數據收集-知識形成-智慧行動「的過程，不僅回答了」what「，也指明了」how「，提供了具體的技術、流程、方法，甚至團隊建設，文化創新。作者首先在第一章分析了大數據的興起，介紹了大數據的概念、內容，價值，並分析了大數據的來源，也探討了在汽車保險、電力、零售行業的應用場景；在第二章介紹了駕馭大數據的技術、流程、方法，第三部分則介紹了駕馭大數據的能力框架，包括了如何進行優質分析，如何成為優秀的分析師，如何打造高績效團隊，最後則提出了企業創新文化的重要意義。整本書高屋建瓴、內容恣意汪洋、酣暢淋漓，結構上百川歸海，一氣呵成，總的來說，體系完備、內容繁豐、見識獨具、實用性強，非常值得推薦，是不可多得的好書！大數據重要以及不重要的一面與大多數人的想當然的看法不同，作者認為「大數據」中的」大」和「數據」都不重要，重要的是數據能帶來的價值以及如何駕馭這些大數據，甚至與傳統的結構化數據和教科書上的認知不同，「大數據可能是凌亂而醜陋的」並且大數據也會帶來「被大數據壓得不看重負，從而停止不前」和大數據處理「成本增長速度會讓企業措手不及」的風險，所以，作者才認為駕馭大數據，做到游刃有餘、從容自若、實現「被管理的創新」最為重要。在處理數據時，作者指出「很多大數據其實並不重要」，企業要做好大數據工作，關鍵是能做到如何沙裡淘金，並與各種數據進行結合或混搭，進而發現其中的價值。這也是作者一再強調的「新數據每一次都會勝過新的工具和方法」的原因所在。網路數據與電子商務對顧客行為的挖掘早已不是什麼熱門概念，然而作者認為從更深層次的角度看，下一步客戶意圖和決策過程的分析才是具有價值的金礦，即「關於購買商品的想法以及影響他們購買決策的關鍵因素是什麼」。針對電子商務這一顧客行為的數據挖掘，作者不是泛泛而談，而是獨具慧眼的從購買路徑、偏好、行為、反饋、流失模型、響應模型、顧客分類、評估廣告效果等方面提供了非常有吸引力的建議。我認為，《駕馭大數據》的作者提出的網路數據作為大數據的「原始數據」其實也蘊含著另外一重意蘊，即只有電子商務才具備與顧客進行深入的互動，也才具有了收集這些數據的條件，從這點看，直接面向終端的企業如果不電子商務化，談論大數據不是一件很可笑的事？當然這種用戶購買路徑的行為分析，也不是新鮮的事，在昂德希爾《顧客為什麼購買：新時代的零售業聖經》一書中披露了商場僱傭大量顧問，暗中尾隨顧客，用攝影機或充滿密語的卡片，完整真實的記錄顧客從進入到離開商場的每一個動作，並進行深入的總結和分析，進而改進貨物的陳列位置、廣告的用詞和放置場所等，都與電子商務時代的客戶行為挖掘具有異曲同工之妙，當然電子商務時代，數據分析的成本更加低廉，也更加容易獲取那些非直接觀察可以收集的數據（如信用記錄）。一些有價值的應用場景大數據的價值需要藉助於一些具體的應用模式和場景才能得到集中體現，電子商務是一個案例，同時，作者也提到了車載信息「最初作為一種工具出現的，它可以幫助車主和公司獲得更好的、更有效的車輛保險」，然而它所能夠提供的時速、路段、開始和結束時間等信息，對改善城市交通擁堵具有意料之外的價值。基於GPS技術和手機應用所提供的時間和位置的數據也會提供主動的、及時的推送客戶關懷信息，有利於改善客戶關系和創造商業機會，也可以利用它進行共同目的和興趣的社交，這些都會帶來一種令人驚奇的業務創新。在視頻游戲、電信話費清單上，作者也提出了十分有價值的洞見。技術、流程、方法、組織、人、文化作者是Teradata的首席分析師，絕非是文獻學專家和徒有虛名之輩，他在書中也介紹了如何利用海量並行架構（MPP），雲計算、網格計算、MapRece等時下炙手可熱的技術從大數據中披沙瀝金，駕馭大數據。同時，作者一直在提醒我們，數據只是源，「思想才是分析之父」，「有價值和影響力的分析才是優質分析」，優質分析要符合G（Guided指導性）R（Relevant相關性）A（Explainable可行性）T（Timely及時向）原則，並且優質的分析要能提供答案、提供用戶需要的東西，要能提供新的解決方案，對實際行動有指導意義，從這個角度看，它區別於報表那種標准和固定的數據呈現模式，藉助於大數據分析，用戶能夠把握現狀、預測趨勢，這樣才能駕馭未來。作為一個大數據的行動者和實幹家，作者也結合自己的工作經驗，對於如何成為優秀的分析師，給出了他的答案，那就是學歷、數學和編程等技能「它們僅僅是起點而已」，優秀分析專家身上更重要的才能是「承諾、創造力、商業頭腦、演講能力和溝通技巧、直覺」，這種人一將難求，它需要分析師長期的工作經驗積累，從這點看，數據分析「不能只把自己當成科學家，業內最好的分析專家毫無疑問也是藝術家」。企業的大數據探索之旅，並非一片坦途，也會充滿了各種艱險，這就需要企業具有創新性的文化氛圍，容忍冒險和犯錯，並鼓勵嘗試，作者也切中肯綮的提出「關注人，而不是工具」，「打破思維定勢，形成連鎖反應，統一行動目標」的創新之路，供讀者思考和借鑒。時異而世移，我認為，在當今社會，企業直面社會的劇烈變化，在管理工作中依賴小規模的「點子」「好主意」的傳統做法已經難以應對市場的激烈競爭，企業需要從那些來自於現場、來源於客戶、來源於多個時空的全方位的立體信息中找到利潤的寶藏，才能獲得持續增長的動力，從這個意義上看，駕馭大數據是企業駕馭未來的必經之路。

❼ 到底什麼是大數據，你是真的了解大數據

大數據技術是以數據為本質的新一代革命性的信息技術，在數據挖潛過程中，能夠帶動理念、模式、技術及應用實踐的創新。本書系統性地介紹了大數據的概念、發展歷程、市場價值、大數據相關技術，以及大數據對中國信息化建設、智慧城市、廣告、媒體等領域的核心支撐作用，並對對數據科學理論做了初步探索。

❽ 如何解析大數據

大數據分析的五個基本方面
（預測性分析能力）
數據挖掘可以讓分析員更好的理解數據，而預測性分析可以讓分析員根據可視化分析和數據挖掘的結果做出一些預測性的判斷。
（數據質量和數據管理）
數據質量和數據管理是一些管理方面的最佳實踐。通過標准化的流程和工具對數據進行處理可以保證一個預先定義好的高質量的分析結果。 AnalyticVisualizations（可視化分析）
不管是對數據分析專家還是普通用戶，數據可視化是數據分析工具最基本的要求。可視化可以直觀的展示數據，讓數據自己說話，讓觀眾聽到結果。 SemanticEngines（語義引擎）
我們知道由於非結構化數據的多樣性帶來了數據分析的新的挑戰，我們需要一系列的工具去解析，提取，分析數據。語義引擎需要被設計成能夠從「文檔」中智能提取信息。
DataMiningAlgorithms（數據挖掘演算法）
可視化是給人看的，數據挖掘就是給機器看的。集群、分割、孤立點分析還有其他的演算法讓我們深入數據內部，挖掘價值。這些演算法不僅要處理大數據的量，也要處理大數據的速度。
假如大數據真的是下一個重要的技術革新的話，我們最好把精力關注在大數據能給我們帶來的好處，而不僅僅是挑戰。
2
大數據處理
大數據處理數據時代理念的三大轉變：要全體不要抽樣，要效率不要絕對精確，
要相關不要因果。具體的大數據處理方法其實有很多，但是根據長時間的實踐，
筆者總結了一個基本的大數據處理流程，並且這個流程應該能夠對大家理順大數據的處理有所幫助。整個處理流程可以概括為四步，分別是採集、導入和預處理、統計和分析，以及挖掘。
3
採集
大數據的採集是指利用多個資料庫來接收發自客戶端的數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時有可能會有成千上萬的用戶來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間進行負載均衡和分片的確是需要深入的思考和設計。
4
統計/分析
統計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，
一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基MySQL
的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
5
導入/預處理
雖然採集端本身會有很多資料庫，但是如果要對這些海量數據進行有效的分析，
還是應該將這些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。導入與預處理過程的特點和挑戰主要是導入的數據量大，
每秒鍾的導入量經常會達到百兆，甚至千兆級別。
6
挖掘
與前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，
主要是在現有數據上面進行基於各種演算法的計算，從而起到預測的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的K-Means、用於統計學習的SVM和用於分類的Naive Bayes，主要使用的工具有HadoopMahout
等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並且計算涉及的數據量和計算量都很大，還有，常用數據挖掘演算法都以單線程為主。

❾ 什麼是大數據，大數據為什麼重要，如何應用大數據

「大數據」簡單理解為：

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統資料庫工具對其內容進行抓取、管理和處理。大數據是一個抽象的概念，對當前無論是企業還是政府、高校等單位面臨的數據無法存儲、無法計算的狀態。大數據，在於海量，單機無法快速處理，需要通過垂直擴展，即大內存高效能，水平擴展，即大磁碟大集群等來進行處理。

大數據為什麼重要：

獲取大數據後，用這些數據做：數據採集、數據存儲、數據清洗、數據分析、數據可視化

大數據技術對這些含有意義的數據進行專業化處理，對企業而言，大數據可提高工作效率，降低企業成本，精準營銷帶來更多客戶。對政府而言，可以利用大數進行統籌分析、提高管理效率、管理抓獲犯罪分子等。對個人而言，可以利用大數據更了解自己等。

如何應用大數據：

大數據的應用對象可以簡單的分為給人類提供輔助服務，以及為智能體提供決策服務。

大數據不僅包括企業內部應用系統的數據分析，還包括與行業、產業的深度融合。具體場景包括：互聯網行業、政府行業、金融行業、傳統企業中的地產、醫療、能源、製造、電信行業等等。通俗地講「大數據就像互聯網+，可以應用在各行各業"，如電信、金融、教育、醫療、軍事、電子商務甚至政府決策等。



❿ 解析大數據的定義與特徵

內容來自用戶制:維旺（精選）

解析大數據的定義與特徵
大數據研究家維克托·邁爾-舍恩伯格曾經zhuan說過：世界的本質是shu數據。屬在他看來，認識大數據之前，世界原本就是一個數據時代；認識大數據之後，世界不可避免地分為大數據時代、小數據時代。
隨著社會不斷發展的腳步，各類數據不斷累積，如果說小數據時代的各類分析調研更多的是靠樣本採集，那麼現在，不管從數據的維度還是層次來看，數據體量的累積已經到了一個非常夯實的階段。