zachan
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。 
对大数据的理解与思考首先，大数据的到来，对人们的观念将带来深远的影响。 我们以前习惯认为：找到现象背后的原因，比清楚现象是什么更重要。通过“塔吉特怀孕预测”的例子可以看到，通过关联分析、聚类分析等数据挖掘方法，大家很容易找到事物之间的关系。但是，这些大数据分析结果，并不会直接告诉我们，事物之间为什么存在这些关系。在不清楚为什么存在这些关系之前，又的确看到了这些关系带来了价值；所以，在大数据应用领域就需要改变以前的思考方。即：先找到“是什么”再去找“为什么”；清楚是什么，与搞清楚为什么同等重要。 手工统计时代，出于收集全部数据非常困难或代价巨大的原因，很多数据分析都是采用抽样数据；但是，现在不同了，随着信息技术的发展，现在很多领域都能够方便的收集到全量数据。诸如无纸化办公的兴起、信息系统的使用、电子商务的发展等等，都为收集全量数据提供了便捷的条件。那么，这时候数据的“样本”=“全体数据”。这相对以前来说，也是革命性的影响。 在抽样分析时代，个别样本的质量甚至决定结果的质量。在大数据时代，这也变了，可以允许个别数据的不精确，甚至错误。举个简单例子来说明这个道理，比如在温室大棚里放一只温度计，当这只温度计有问题时，整个温度都是不准确的。若在大棚里均匀分布十几只温度计，其中一只有问题，对温室大棚温度的统计结果无碍大事，基本可以忽略其影响。 其次，大数据应用，影响商业变革和社会进步。 大数据应用正改变着企业的业务发展方式。比如：京东、天猫通过对交易数据的“二次利用”，寻找目标客户、定向推荐商品。也正是这些数据的二次利用给他们提供了大量价值，促进了这些企业的发展，推动着他们在营销、供应链与客户服务等领域的管理变革。同时，交易数据并不因为二次利用，而降低其价值；这也是，大数据应用与传统资源使用不同的地方。 数据的“混搭”分析，推动着商业发展和社会的进步。比如历史天气信息与航班误点信息，这两个不同领域的信息一块儿分析，便可以推算未来几天航班的误点率。再比如，通过神经中枢肿瘤患病率和手机使用时间长短之间的大数据关联分析，来研究神经中枢肿瘤患病率是否与手机使用时间长短有关系等等。 大数据的应用，也促生了很多商业机会。随着大数据时代的到来，形成了很多大数据拥有公司，以及大数据技术公司；数据与技术的结合变促生了很多大数据应用，因此带来了很多商业机会。例如，现在很多商业银行对自己大量客户的交易信息分析，规划新的理财产品，与其他商家合作，联合搞定向促销等等。 再次，大数据时代不再有个人隐私，将形成新的信息安全机制。 现在还经常听到诸如某某窥探我的隐私之类的话语，但是，在大数据时代几乎没有个人隐私，这不是骇人听闻。因为，现在微博、搜索引擎、社交网络、电商购物，已经成了我们生活中必不可少的一部分。根据每个人在互联网上留下的痕迹，通过大数据分析，很容易分析出一个人的爱好、习惯、性格、癖好等等。所以，大家都被“第三只眼”实时监控着，在大数据时代，几乎没有个人隐私！ 没有个人隐私，是否就代表每个人可以随便传播别人隐私了呢？答案当然是否定的。因为传播别人隐私是不道德的，甚至是违法的。所以，现在新的信息安全规则正在重新定位，其中一个基调是：让数据使用者承担责任，不能滥用别人的隐私；我个人感觉这也比较合理。 总结 大数据只是“新概念”，并不是“新事物”。过去数据就存在，只是我们没有收集这些数据。但是，现在收集了这些数据，这个世界变得不一样了；它更新了人们过去对数据应用的认识，加快了商业和社会发展的新陈代谢，从中也让大家也看到了很多机会。大数据时代，已经到来。极目远眺，也看不到尽头。
"大数据"是一个体量特别大，数据类别特别大的数据集，并且这样的数据集无法用传统数据库工具对其内容进行抓取、管理和处理。 "大数据"首先是指数据体量(volumes)?大，指代大型数据集，一般在10TB?规模左右，但在实际应用中，很多企业用户把多个数据集放在一起，已经形成了PB级的数据量；其次是指数据类别(variety)大，数据来自多种数据源，数据种类和格式日渐丰富，已冲破了以前所限定的结构化数据范畴，囊括了半结构化和非结构化数据。接着是数据处理速度（Velocity）快，在数据量非常庞大的情况下，也能够做到数据的实时处理。最后一个特点是指数据真实性（Veracity）高，随着社交数据、企业内容、交易与应用数据等新数据源的兴趣，传统数据源的局限被打破，企业愈发需要有效的信息之力以确保其真实性及安全性。 从所周知，大数据已经不简简单单是数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取很多智能的，深入的，有价值的信息。那么越来越多的应用涉及到大数据，而这些大数据的属性，包括数量，速度，多样性等等都是呈现了大数据不断增长的复杂性，所以大数据的分析方法在大数据领域就显得尤为重要，可以说是决定最终信息是否有价值的决定性因素。基于如此的认识，大数据分析普遍存在的方法理论有哪些呢？ 大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。 大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法（可以称之为真理）才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。 大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。 大数据分析广泛应用于网络数据挖掘，可从用户的搜索关键词、标签关键词、或其他输入语义，分析，判断用户需求，从而实现更好的用户体验和广告匹配。 大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 大数据分析的基础就是以上五个方面，当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。 当下我国大数据研发建设应在以下四个方面着力 一是建立一套运行机制。大数据建设是一项有序的、动态的、可持续发展的系统工程，必须建立良好的运行机制，以促进建设过程中各个环节的正规有序，实现统合，搞好顶层设计。 二是规范一套建设标准。没有标准就没有系统。应建立面向不同主题、覆盖各个领域、不断动态更新的大数据建设标准，为实现各级各类信息系统的网络互连、信息互通、资源共享奠定基础。 三是搭建一个共享平台。数据只有不断流动和充分共享，才有生命力。应在各专用数据库建设的基础上，通过数据集成，实现各级各类指挥信息系统的数据交换和数据共享。 四是培养一支专业队伍。大数据建设的每个环节都需要依靠专业人员完成，因此，必须培养和造就一支懂指挥、懂技术、懂管理的大数据建设专业队伍。
大数据有两个发展方向。一个是方向大家比较熟悉的“数据收集、分析”，借此了解客户需求、明确产品方向等等。我还在人工智能、机器学习等领域做了一些研究，思考怎样把这些先进的技术和数据技术综合在一起，让大数据不仅能帮人做决策，而且能够真正自己做一些简单决策，让人有时间和精力去做更复杂的决定。另外一个方向是“数据即服务”。亚马逊的AWS云计算是“基础设施即服务”，Salesforce是“软件即服务”。Splunk是做大数据的管理平台，我想如果能把这个平台做得更进一步，也是一个很好的方向，把大数据变成“小数据”。大数据概念有3v，数据量很大(volume)、数据速度很快(velocity)、数据种类多(variety)。小数据就是说，点点滴滴的数据都很重要，比如人的心跳，虽然数据不大，但对健康很重要。大小数据的概念不重要，重要的是什么样的数据给我们带来最大的价值，怎么把这个价值体现出来。比如，本来房子是不会讲话的，但屋里的人知道它的温度是多少、气流怎么流。在这些东西数字化之前，我们只能走进屋内去亲自感觉，但数字化可以帮我们把各项情况呈现出来。从这个角度讲，数据的应用让我们看到了很多原来看不到的东西。
树妈妈生了一些可爱的嫩芽弟弟妹妹许多叶儿宝宝都穿着绿色的礼服去凑热闹，从远处看，像一块无暇的翡翠，给大树妈妈增添了许多生机 忽然，从远处传来了一阵扑鼻的芳香原来是美人蕉妹妹为春天姐姐的到来，穿上了华丽的礼服，以表示欢迎咦，那边怎么那么多花朵，红的、白的、紫的、黄的等，五彩缤纷走近一看，哦，原来花儿们正在比美比艺花儿们有的显示着自己有的在唱歌，声音是那么好听，所有的演员都被吸引住了有的在表演优美的舞蹈《天鹅湖》、《白雪公主》等真是太精彩了
