1. 簡述什麼是大數據時代
隨著雲時代的來臨，大數據(Big data)也吸引了越來越多的關注。《著雲台》的分析師團隊認為，大數據(Big data)通常用來形容一個公司創造的大量非結構化和半結構化數據，這些數據在下載到關系型資料庫用於分析時會花費過多時間和金錢。大數據分析常和雲計算聯繫到一起，因為實時的大型數據集分析需要像MapRece一樣的框架來向數十、數百或甚至數千的電腦分配工作。
簡言之，從各種各樣類型的數據中，快速獲得有價值信息的能力，就是大數據技術。明白這一點至關重要，也正是這一點促使該技術具備走向眾多企業的潛力。 大數據的4個「V」，或者說特點有四個層面：第一，數據體量巨大。從TB級別，躍升到PB級別;第二，數據類型繁多。前文提到的網路日誌、視頻、圖片、地理位置信息等等。第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。第四，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質
的不同。業界將其歸納為4個「V」——Volume，Variety，Value，Velocity。 物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式 著雲台
例子包括網路日誌，RFID，感測器網路，社會網路，社會數據(由於數據革命的社會)，互聯網文本和文件;互聯網搜索索引;呼叫詳細記錄，天文學，大氣科學，基因組學，生物地球化學，生物，和其他復雜和/或跨學科的科研，軍事偵察，醫療記錄;攝影檔案館視頻檔案;和大規模的電子商務。
大的數據需要特殊的技術，以有效地處理大量的容忍經過時間內的數據。適用於大數據的技術，包括大規模並行處理(MPP)資料庫，數據挖掘電網，分布式文件系統，分布式資料庫，雲計算平台，互聯網，和可擴展的存儲系統。
一些但不是所有的MPP的關系資料庫的PB的數據存儲和管理的能力。隱含的負載，監控，備份和優化大型數據表的使用在RDBMS的。
斯隆數字巡天收集在其最初的幾個星期，比在天文學的歷史，早在2000年的整個數據收集更多的數據。自那時以來，它已經積累了140兆兆 位元組的信息。這個望遠鏡的繼任者，大天氣巡天望遠鏡，將於2016年在網上和將獲得的數據，每5天沃爾瑪處理超過100萬客戶的交易每隔一小時，反過來進口量資料庫估計超過2.5 PB的是相當於167次，在美國國會圖書館的書籍 。
FACEBOOK處理400億張照片，從它的用戶群。解碼最初的人類基因組花了10年來處理時，現在可以在一個星期內實現。
「大數據」的影響，增加了對信息管理專家的需求，甲骨文，IBM，微軟和SAP花了超過15億美元的在軟體智能數據管理和分析的專業公司。這個行業自身價值超過1000億美元，增長近10%，每年兩次，這大概是作為一個整體的軟體業務的快速。 大數據已經出現，因為我們生活在一個社會中有更多的東西。有46億全球行動電話用戶有1億美元和20億人訪問互聯網。
基本上，人們比以往任何時候都與數據或信息交互。 1990年至2005年，全球超過1億人進入中產階級，這意味著越來越多的人，誰收益的這筆錢將成為反過來導致更多的識字信息的增長。思科公司預計，到2013年，在互聯網上流動的交通量將達到每年667艾位元組。
最早提出「大數據」時代已經到來的機構是全球知名咨詢公司麥肯錫。麥肯錫在研究報告中指出，數據已經滲透到每一個行業和業務職能領域，逐漸成為重要的生產因素;而人們對於海量數據的運用將預示著新一波生產率增長和消費者盈餘浪潮的到來。
「麥肯錫的報告發布後，大數據迅速成為了計算機行業爭相傳誦的熱門概念，也引起了金融界的高度關注。」隨著互聯網技術的不斷發展，數據本身是資產，這一點在業界已經形成共識。「如果說雲計算為數據資產提供了保管、訪問的場所和渠道，那麼如何盤活數據資產，使其為國家治理、企業決策乃至個人生活服務，則是大數據的核心議題，也是雲計算內在的靈魂和必然的升級方向。」
事實上，全球互聯網巨頭都已意識到了「大數據」時代，數據的重要意義。包括EMC、惠普(微博)、IBM、微軟(微博)在內的全球IT 巨頭紛紛通過收購「大數據」相關廠商來實現技術整合，亦可見其對「大數據」的重視。
「大數據」作為一個較新的概念，目前尚未直接以專有名詞被我國政府提出來給予政策支持。不過，在12月8日工信部發布的物聯網「十二五」規劃上，把信息處理技術作為4項關鍵技術創新工程之一被提出來，其中包括了海量數據存儲、數據挖掘、圖像視頻智能分析，這都是大數據的重要組成部分。而另外3項關鍵技術創新工程，包括信息感知技術、信息傳輸技術、信息安全技術，也都與「大數據」密切相關。
2. 什麼是大數據時代的思維
面對數據處理，數據分析，有人覺得很難、很亂，其實我們首先要做的是對數據處理的正確認識，也就是數據分析思路。
1、分析需求
分析需求，首先要收集需求，需求可以從訪談、走訪、市場調研的方式獲得。對於手機來的需求也許很雜很亂，目標不同意，可以使用思維導圖分析數據，5W2H分析法還有人貨場分析法。確定好的需求一定要經過合適明確。
2、收集數據
在收集過程中不斷要問：數據來源是否可靠？我收集的數據方法是否有瑕疵？我收集的數據是否有缺失？
3、整理數據
有人會問，為什麼會有整理數據這一步？整理數據是對收集到的數據進行預處理，使之變成可供進一步分析的標准格式的過程。數據整理的好與壞直接決定分析的結果!對於數據的處理如果用EXCEL處理，有分類，排序，做表，預分析等等，利用刪除重復項，透視表， 圖表，函數等功能進行輔助整理；
然而，很多企業的數據量很大，需要用專門的ETL工具清洗，或者用集成了ETL、數據處理、可視化的工具FineBI。
4、分析數據
分析數據的思路可以按照點-線-面的三維分析法，點是某個節點的一個指標值。線是包含這個點的縱向發展趨勢或者包含這個點的橫向對比趨勢。面是包含這個點的上一級或者對象的指標值。
5、數據可視化
將分析結果用簡單而且視覺效果好的方式展示出來，一般運用文字、表格、圖表和信息圖等方式進行展示。數據可視化是數據分析的「表達」，好的數據可視化可以錦上添花，相反會前功盡棄。
數據圖表主要作用是傳遞信息，不要用他們來炫技，不要捨本逐末過分追求圖表的漂亮程度。
也不要試圖在一張圖表中表達所有的信息，可以選擇dashboard這樣的圖表分析方式。
6、應用模板開發
對於那些標准化程度比較高的數據以及使用頻率比較高的分析文件，可以開發成一種固定的模板格式，好處標准化，程序化，大大節約時間。
對於數據量大的模板，或者需要共享/共同開發的模板，可以使用FineReport這種專門的報表工具來處理。
7、分析報告
分析報告是數據分析的最終製成品，可以用word，excel，ppt作為報告的載體，承載的是圖片還是網頁，以及如何美化在這就不算重點，也不詳解了。寫分析報告之前，切記要弄清楚你是給誰匯報和分析報告，對象不同，關注點自然不一樣。
3. 什麼叫大數據時代
4. 什麼是大數據時代
在大數據與深度學習中蝶化的人工智慧。當代人工智慧離不開大數據和深度學習演算法。我們先來了解什麼是大數據，大數據的本質是什麼，在大數據時代我們應該如何應對？
當我們談論數據的時候我們在談什麼？在大部分人的日常印象中，數據代表的可能是每月水電煤賬單上的數字，股票k線圖上的紅綠指數，還有可能是電腦文件里那一堆看不懂的源代碼。
人工智慧眼中的數據遠比這些廣泛。數據的存在形式隨著人類文明的發展不斷改變，從最初的聲音，文字，圖畫，數字，到電子時代的每一張圖片，每一段語音，每一個視頻，再到如今互聯網時代人類每一次的滑鼠點擊，用手機時每一次的手指滑動，乃至每一下心跳和呼吸，甚至經濟生產中的一切人機動作，軌跡，都已融入數據流。今天的人類已經能夠將各種或大或小的事物轉化為數據記錄，變成我們生活的一部分。數據已經浸染我們生活的每一個細節，就如生物學家所說人體組織的一半是由微生物組成，在數字時代，我們生活的一半已然是數據。在日常生活中，數據的概念對於我們即親近又陌生。親近它是因為我們從小就會接觸加減乘除這些最基本的數據和演算法。步入社會後也在與各種文件報表賬單打交道。與此同時，當面對高科技產品中各種關於內存，解析度等時髦又復雜的數據是，我們又覺得不了解它們甚至沒意識到它們的存在。隨著大數據，機器演算法和人工智慧的理念相繼到來，這種陌生感會越發加深。
那麼數據生活距離我們遙遠嗎？正相反，數據與我們日常生活的聯系從未如此緊密過，從沒有像今天如此活躍，具體的記錄著人類與世界。從最初的計算機，攝像頭到家用計算機，智能手機，再到大數據和人工智慧，我們不斷升級採集和利用數據的方式。而現在，從一輛車的每日碳排放量統計到全球氣溫的檢測，從預測個人在網上喜好分析到總統選舉時投票趨勢的預測，我們都可以做到。數據將人與人，人與世界連接起來，構成一張繁密的網路，每個人都在影響世界，又在被他人影響著。傳統的統計方法已經無法處理這種相互影響的數據，這么辦？答案是讓機器自己來處理數據，從數據中習得知識。這便是當代人工智慧的本質。與傳統的數據記錄定義不同，這種數據是有「生命」的。它更像是我們身體的一種自然延伸：聆聽我們的聲音，拓寬我們的視野，加深我們的記憶，甚至組成一個以數據形式存在的「我」。
自工業革命以來，數據經歷過一次又一次的爆發，何以近年來才出現大數據的概念？什麼是大數據？
大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，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。「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來適應海量、高增長率和多樣化的信息資產。從概念中可以得知大數據技術的關鍵 不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。從技術上看，大數據必然無法用單台的計算機進行處理，必須採用分布式架構。它的特色在於對海量數據進行分布式數據挖掘。但它必須依託雲計算的分布式處理、分布式資料庫和雲存儲、虛擬化技術。
大數據包括結構化、半結構化和非結構化數據，非結構化數據越來越成為數據的主要部分。大數據必須具有幾大特徵：
一，大數據的「大」。與傳統數據的儲存方式相比是幾何量級的差距。
二，多維度。表示大數據可以對一個事物進行多方位的描述，從而更准確。
三，處理非結構數據的能力。未來10年新生數據總量的90%為非結構化數據。大數據通過圖像識別，語音識別，自然語言分析等技術計算，分析大量非結構化數據，大大提升數據維度。
四，大數據是生生不息的「流」，具有時間性。一是因為數據量巨大，無法全部儲存。另一方面是大數據和人類生生不息的行動相關，瞬息萬變。
五，最重要的是，大數據的大表現為無盡的重復。量變促成質變，在機器智能領域，數據量的大小和處理速度的快慢可以直接決定智力水平的高低。
希望對您有所幫助！~
5. 現在我們都在大數據時代，那麼什麼是大數據時代
最早提出大數據時代到來的是全球知名咨詢公司麥肯錫， 大數據在物理學、生物學、環境生態學等領域以及軍事、金融、通訊等行業存在已有時日，卻因為近年來互聯網和信息行業的發展而引起人們關注。大數據作為雲計算、互聯網之後又IT行業又一大顛覆性的技術革命。雲計算主要為數據資產提供了保管、訪問的場所和渠道，而數據才是真正有價值的資產。企業內部的經營信息、互聯網世界中的商品物流信息，互聯網世界中的人與人交互信息、位置信息等，其數量將遠遠超越現有企業IT架構和基礎設施的承載能力，實時性要求也將大大超越現有的計算能力。
6. 什麼是大數據時代
什麼是大數據時代：
利用相關演算法對海量數據的存儲、處理與分析，從海量數據中發現價值，服務於生產和生活。
大數據無處不在，社會各行各業都可以找到大數據的印記，在金融，餐飲，電信，體育，娛樂等領域都可以感受到大數據對各行各業的影響
大數據的特點：
1、更多，更亂，但內部有關系可循。
示例：
大約20年前，亞馬遜剛成立時，傑夫·貝索斯讓50個書評員來為他賣書，他意識到不僅僅可以請人來寫書評，還可以用數據技術來提供圖書推薦。起初他使用的是小數據，不是大數據，把客戶進行分類，比如說有人對中國旅遊或者是對園藝感興趣，系統會自動提供推薦。他的同事告訴他，剛剛開始使用這個數據推薦時，使用體驗並不好；在進一步分析後，亞馬遜決定不對人進行分類，而是對用戶的需求分類。這個做法做法非常成功，以至於到今天，推薦系統為亞馬遜帶去30%的銷售收入。
這就是數據收集和再處理。亞馬遜有交易數據，每買一本書就是一個交易，然後對這個數據進行分析。但今天我們已不再滿足於交易數據了，轉而收集起溝通數據。你看了某一個書評、某一個交流會給商家更多的信息和細節。
2、數據可以被重復使用（數據的產生和收集本身並沒有直接產生服務，最具價值的部分在於：當這些數據在收集以後，會被用於不同的目的，數據被重新再次使用）
示例：
比方說這家公司實時車輛交通數據採集商Inrix，該公司目前有1億個手機端用戶。Inrix可以幫助你開車，避開堵車，為司機呈現路的熱量圖，紅的就表面堵車。如果只提供數據，這個產品沒什麼特色，
但值得一提的是，Inrix並沒有用交警的數據，這個軟體的每位用戶在使用過程中會給伺服器發送實時數據，比如走的多快，走到哪裡，這樣每個客戶都是探測器。
大數據時代的思維：
每天早上起來想一下，這么多數據我能用來干什麼，這些價值在哪裡可以找到，能不能找到一個別人以前都沒有做過的事情。你的想法和思路，是最重要的資產。
示例：
我們可以通過大數據來確定哪些地方會有火災。以前防火檢查員只有13%的時間可以准備預測，現在他們找到火災隱患的概率達到了70%，比以前提高了6倍。將效率提高6倍是一個巨大無比的進步，未來的公共服務業可以由此獲得更多便利。