大數據的數據從哪裡來

A. 大數據的數據來源非常多,主要有

大數據建立不完善，錯漏擺出。許多公司的分析預測報告，大多完全是杜撰，但可以肯定的是部分是參雜了非長多的主觀判斷因素。為什麼所謂的大數據得出的這類分析報告反而更加危險呢？因為很大一部分人，現在對身邊的所謂的專家很不感冒。更多的人寧願相信「數據說話」。哪怕這個數據本身的來源值得思索。大數據的這種類型的分析和報告包括一些應用，往往更加具有傳播性和爆炸性。在互聯網還沒有非常火熱的時期，雖然說靠個人的經驗來判斷往往與此人的誠信度有很大關系，但是，畢竟沒有互聯網作為媒介，使得其個人所產生的意見並非就能影響到許多人。但大數據下的應用和分析報告不同，由於是建立在互聯網的媒介下，某公司生產出來的報告會在極短的時間內爆炸性傳播。其影響力非常驚人。甚至出現以訛傳訛的現象。但由於國家對於之類報告沒有非常高的監管和門檻要求，使得很多公司為了博得市場和人氣，往往添油加醋地進行一些帶有強烈傾向性的立場。這樣的報告和應用，其結果只會誤導更多的人。大數據自提出以來一直在不斷的發展演變，各種應用案例花樣重重，大多都是以失敗收尾。
基於其本質，大數據就是垃圾信息。尤其靜態數據就如一潭死水，豪無價值可言，只有讓各個環節動流起來，進行很嚴的製作生產流程標准，才能有更多的機會讓數據成為真正的數據。

B. 大數據從哪裡來

大數據的定義。大數據，又稱巨量資料，指的是所涉及的數據資料量規模巨大到無法通過人腦甚至主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。

大 數據的採集。科學技術及互聯網的發展，推動著大數據時代的來臨，各行各業每天都在產生數量巨大的數據碎片，數據計量單位已從從Byte、KB、MB、 GB、TB發展到PB、EB、ZB、YB甚至BB、NB、DB來衡量。大數據時代數據的採集也不再是技術問題，只是面對如此眾多的數據，我們怎樣才能找到 其內在規律。

C. 大數據的中的數據是從哪裡來的

大數據應用中的關鍵點有三個，首要的就是大數據的數據來源，我們在分析大數據的時候需要重視大數據中的數據來源，只有這樣我們才能夠做好大數據的具體分析內容。那麼大家知不知道大數據的數據來源都是通過什麼渠道獲得的？下面就由小編為大家解答一下這個問題。
對於數據的來源很多人認為是互聯網和物聯網產生的，其實這句話是對的，這是因為互聯網公司是天生的大數據公司，在搜索、社交、媒體、交易等各自核心業務領域，積累並持續產生海量數據。而物聯網設備每時每刻都在採集數據，設備數量和數據量都與日俱增。這兩類數據資源作為大數據的數據來源，正在不斷產生各類應用。國外關於大數據的成功經驗介紹，大多是這類數據資源應用的經典案例。還有一些企業，在業務中也積累了許多數據，從嚴格意義上講，這些數據資源還算不上大數據，但對商業應用而言，卻是最易獲得和比較容易加工處理的數據資源，是我們常用的數據來源。
而數據的來源是我們評價大數據應用的第一個關注點。首先需要我們看這個應用是否真有數據支撐，數據資源是否可持續，來源渠道是否可控，數據安全和隱私保護方面是否有隱患。二是要看這個應用的數據資源質量如何，是好數據還是壞數據，能否保障這個應用的實效。對於來自自身業務的數據資源，具有較好的可控性，數據質量一般也有保證，但數據覆蓋范圍可能有限，需要藉助其他資源渠道。對於從互聯網抓取的數據，技術能力是關鍵，既要有能力獲得足夠大的量，又要有能力篩選出有用的內容。對於從第三方獲取的數據，需要特別關注數據交易的穩定性。數據從哪裡來是分析大數據應用的起點，只有我們找到了好的數據來源，我們就能夠做好大數據的工作。這句需要我們去尋找數據比較密集的領域。
一般來說，我們獲取數據的時候需要數據密集的行業中挖掘數據，主要就是金融、電信、服務行業等等，而金融是一個特別重要的數據密集領域。金融行業既是產生數據尤其是有價值數據的基地，又是數據分析服務的需求方和應用地。更為重要的是，金融行業具備充足的支付能力，將是大數據產業競爭的重要戰場。許多大數據是通過在金融領域的應用輻射到了各個行業。
我們在這篇文章中為大家介紹了大數據的數據來源以及數據密集的領域，希望這篇文章能夠給大家帶來幫助，最後感謝大家的閱讀。

D. 大數據來自哪裡大數據會去哪裡

大數據來自哪裡?大數據會去哪裡?
初識大數據，首先我們需要知道什麼是大數據呢？用通俗一點的話來說就是一堆一堆又一堆的、海量的數據。通過網路我們知道「大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。」
在當下的互聯網飛速發展的時代，任何一個技術都是為了達到某種目的而發展的，而大數據從根本上來說就是為了做決定存在的，大數據為企業的決策提供有力的依據。比如市場方針的制定，精準營銷的目標群體、營銷數據等等。大數據的存在不僅是為企業提供了數據支撐，而且為用戶提供了更為便捷的信息和數據服務。
大數據體現的是數據的數量多，數據類型豐富。我們需要通過對數據的關系的的挖掘，才能最終將數據進行更好地利用。
誰是物聯網？
物聯網是什麼呢？通俗的概念來講，物聯網就是通過網路信息技術和工業自動化控制技術將硬體和網路進行有效的集合並通過感測器進行對應的信息控制，以此達到對物件的自動控制的混合網路。通過網路我們知道「物聯網（The Internet of things）就是物物相連的互聯網」。這有兩層意思：第一，物聯網的核心和基礎仍然是互聯網，是在互聯網基礎上的延伸和擴展的網路；第二，其用戶端延伸和擴展到了任何物品與物品之間，進行信息交換和通信。物聯網通過智能感知、識別技術與普適計算、泛在網路的融合應用。」
隨著工業控制、信息識別和互聯網網路的發展，物聯網將是下一個信息浪潮。
大數據與物聯網的聯系既有區別也關聯。以小編的個人愚見，物聯網行業如果需要有較好的發展，那麼需要大數據強力的支持，而針對物聯網行業的大數據，則是不斷來源於物聯網超級終端的數據採集。所以，物聯網對大數據的要求相比於大數據對物聯網的依賴更為嚴重。
大數據來自哪裡？大數據會去哪裡？
淺談大數據的來源
大數據的來源這個問題其實很簡單，大數據的來源無非就是我們通過各種數據採集器、資料庫、開源的數據發布、GPS信息、網路痕跡（購物，搜索歷史等）、感測器收集的、用戶保存的、上傳的等等結構化或者非結構化的數據。
淺談大數據能夠帶給我們什麼
大數據能給我們帶來什麼？很多公司現在都在炒大數據的概念，但是真正能做好的有幾個呢？大數據重在積累、強在分析、利於運用。沒有經過多年的有意的數據收集、沒有經過嚴謹細心的數據分析。那麼，如何來談論大數據能給企業或者個人來帶來便捷呢？
大數據能帶給企業的項目立項的數據支撐、精準化營銷、電商的倉位儲備等等。但是針對個人用戶有時候就是麻煩了，因為你隨時都可以接收到很多的營銷簡訊、隱私暴露太多。另外對於個人用戶大數據的好處是可以快速找到自己想要東西、為用戶提供信息服務、獲取消費指導等等。換個角度看問題的話，小編認為應該是利大於弊。
大數據是怎麼帶給我們想要的支撐？
龐大的數據需要我們進行剝離、整理、歸類、建模、分析等操作，通過這些動作後，我們開始建立數據分析的維度，通過對不同的維度數據進行分析，最終我們才能得到我們想到的數據和信息。
1、 項目立項前的市場數據分析為決策提供支撐；
2、 目標用戶群體趨勢分析為產品提供支撐和商務支撐；
3、 通過對運營數據的挖掘和分析為企業提供運營數據支撐；
4、 通過對用戶行為數據進行分析，為用戶提供生活信息服務數據支撐和消費指導數據支撐。
如何通過大數據挖掘潛在的價值？
模型對於大數據的含義
模型有直觀模型，物理模型，思維模型，符合模型等。我們在進行數據挖掘前需要考慮我們需要用這些數據來干什麼？需要建立怎麼樣的模型？然後根據模型與數據的關系來不斷優化模型。
只有建立了正確的模型才能讓數據的挖掘和分析更有便捷。

E. 大數據的來源有哪些

所有聯網的東西， 電腦、手機、ipad、智能手錶、智能電器.... 包括我們人也是數據的來源，社會就可以比喻成一個超大的資料庫，我們每個人都是這個資料庫的數據來源，每天幾點起床、吃飯、運動等等都是數據。 只不過數據歸數據，如果用不起來這些數據，那這么多數據就沒有用。所以大數據的來源非常廣泛，無處不在。

F. 大數據主要來源於什麼

來源：從技術上看，大數據與雲計算的關系就像一枚硬幣的正反面一樣密不可分。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、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。

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。

(6)大數據的數據從哪裡來擴展閱讀：

大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。

想要系統的認知大數據，必須要全面而細致的分解它，著手從三個層面來展開：

第一層面是理論，理論是認知的必經途徑，也是被廣泛認同和傳播的基線。在這里從大數據的特徵定義理解行業對大數據的整體描繪和定性；從對大數據價值的探討來深入解析大數據的珍貴所在；洞悉大數據的發展趨勢；從大數據隱私這個特別而重要的視角審視人和數據之間的長久博弈。

第二層面是技術，技術是大數據價值體現的手段和前進的基石。在這里分別從雲計算、分布式處理技術、存儲技術和感知技術的發展來說明大數據從採集、處理、存儲到形成結果的整個過程。

第三層面是實踐，實踐是大數據的最終價值體現。在這里分別從互聯網的大數據，政府的大數據，企業的大數據和個人的大數據四個方面來描繪大數據已經展現的美好景象及即將實現的藍圖。

G. 你好，我想問一下，大數據的數據來源有哪些方面

所有聯網的東西， 電腦、手機、ipad、智能手錶、智能電器.... 包括我們人也是數據的來源，社會就可以比喻成一個超大的資料庫，我們每個人都是這個資料庫的數據來源，每天幾點起床、吃飯、運動等等都是數據。 只不過數據歸數據，如果用不起來這些數據，那這么多數據就沒有用

H. 疫情大數據推送的數據來源於哪裡

疫情大數據推送的數據來源於三大運營商的數據。大數據分析指的三大運營商的大數據分析，依據個人用戶的手機曾經和哪些城市或者是哪些城市的某個區域的基站上進行過信令和數據的交互。

疫情防疫大數據分析

大數據分析基本是准確的，但是會有一定程度的擴大。運營商的基站是有比較准確的經緯度的，一般如果城市裡某個區域被確定為」中高風險「區域的話，政府有關部分會要求運營商提供在某段時間到過這些區域的用戶，給出相應的提醒。

運營商的內部人員，一般會在地圖上將要排查的區域周邊的基站框選，來率先定義中高風險區域的基站（小區），然後再去篩選某時間和這些基站（小區）發生過數據交互、信令交互的手機終端號碼。

為了確保不會有被遺漏的用戶，框選的范圍還要比實際的中高風險區域還要大一些，因為有些基站的覆蓋距離是比較遠的，某些基站如果天線傾角不合理的話，可能會在城區覆蓋2-3公里的。

I. 大數據行業的從業者是從哪獲得數據的

一個是爬蟲，另外一個就是業務了
爬蟲都是抓公開信息，主要是文本，但公開信息價值低，文本難處理，所以這類數據不好做精
業務數據因為門檻導致價值高，比如銷售數據， 可以用來做推薦
業務數據獲取 你只能去那個公司了

J. 大數據創業 數據哪裡來

大數據創業：數據哪裡來？需要跨過幾道坎？

這篇文章考慮了很久也沒下筆，一方面想寫得干貨一些，一方面又想寫得引人入勝一些，糾結來糾結去，終於決定還是以一個中立的用戶角度去寫，盡量寫得大眾化一些。

2013年5月10日，在淘寶十周年晚會-馬雲退休演講中，馬雲說：這是一個變化的時代。還有人沒搞清楚PC，移動互聯網來了；還沒搞清楚移動互聯網，大數據來了。而變化的時代是年輕人的時代。

馬雲說的這句話很關鍵，他不僅提到了大數據，而且更是用一句話闡述了互聯網從PC時代，進化到移動互聯網時代，然後從移動互聯網時代進階到了大數據時代。有幾個關鍵點很重要：PC時代，全球催生了大量的互聯網上市企業，包括谷歌、亞馬遜、新浪、搜狐、新東方等等；

移動互聯網時代，中國創業熱潮風生水起，不僅有大量的移動互聯網（包括手游）企業赴美上市，更是誕生了無數個創業奇跡。移動互聯網不僅為我們的生活帶來了便利，更是把創業熱潮推向了歷史最高峰。

現在問題來了，大數據時代，創業熱潮是不是應該比移動互聯網時代更加熱鬧呢？大數據時代如何創業？大數據創業的門檻又有哪些呢？

先回答第一個問題：大數據時代，創業熱潮是不是應該比移動互聯網時代更加熱鬧呢？

據我了解，不是。走在中關村創業大街上，你能收到的100份融資BP里，可能有99份都是APP和O2O項目，但99家裡90%以上會重視大數據。

那麼大數據時代如何創業呢？請先了解一下大數據的創業門檻。

大數據大數據，沒有數據怎麼玩？那麼數據從哪裡來呢？

像網路、騰訊和阿里巴巴這樣的BAT企業，本身就積累了大量的數據，所以他們玩起大數據來，多半是「悶聲發大財」。當然了，也可以說幾句BAT企業玩大數據的例子，比如說網路旗下的「網路遷徙」、「網路精算」、「網路輿情」、「網路大數據預測引擎」等等，都是網路的大數據產品應用；阿里巴巴的話，「阿里雲」、「支付寶-花唄」、「支付寶-借唄」「芝麻信用」、「螞蟻金服」等等，都應有了大數據技術。而騰訊方面，「騰訊廣點通」、「騰訊雲分析」和微信等也都引用了大數據技術。

爾等屌絲沒有數據，如何玩呢？

首先，你可以通過第三方購買數據，比如說，數據堂就有很多數據出售和分享；
其次，你可以用爬蟲爬回一些數據來存儲；
再者，通過給企業、開發者、站長等等授權使用大數據工具來積累數據。這方面的新創企業包括Talkingdata、友盟和DataEye等。
最後，使用免費的政府、企業、和機構開放數據。比如說高德數據的API介面和微博商業數據API介面等等。

總體來說，解決好數據源是大數據創業的必要門檻。關鍵看你創業的項目是什麼。

在北京，我曾經參觀過一家大數據初創企業，當時他們還沒有拿到融資。我去他們的辦公區發現一幕特別心酸的事情。他們的員工擠在一間很小的屋子裡辦公，而兩件較大的屋子都用來安放大數據存儲伺服器。大數據的存儲量是很驚人的，這對機房和硬體設備也提出了新的挑戰。

這一點和移動互聯網不太一樣，你做一個APP，用電腦搞開發，伺服器用雲伺服器就行，按需購買。但是大數據不行，你沒法把自家的數據存儲在別人的雲伺服器上，一方面是安全因素，另外一方面也有產權因素。

硬體也是大數據創業的門檻之一，但不是最大 的門檻。順便補充一句，我曾經參觀過的那家大數據新創企業，目前已完成百萬美元的A輪融資，現在他們家的辦公區特別寬敞，恭喜星圖數據。

我認為大數據創業的最大門檻在於人才。和做APP不一樣，大數據創業你一個人乃至幾個人都是沒法玩轉的。初創企業你就往10-15人這樣的團隊先招人吧，這樣的團隊要包括Hadoop工程師、演算法工程師，數據建模工程師、架構師、NoSQL工程師、BI工程師等等，全都是技術要求較高、薪資要求也很高的人才。

大數據人才有多貴？在美國，在R、NoSQL和MapRece方面需求的專業人才薪水達到了每年約11萬5千美元，在中國也便宜不到哪裡去，沒有年薪30萬，你很難招到一個大數據人才。

也就是說，技術很牛的大數據人才，他的選擇面很寬，要麼早就進入BAT企業，要麼也是在不錯的企業拿著高薪，你要挖這樣的人才，除了錢，股票、期權、福利等等，都是必須付出的代價。

2015年-2016年是大數據人才最為匱乏的兩年，原因很簡單，各大剛剛開通了大數據科目的院校，學生還沒畢業；而招聘市場上的大數據人才需求量遠遠已經供不應求。除了BAT企業，通信企業、電力企業、金融銀行行業、醫療行業、工業、游戲行業等等，哪個行業不是都在招大數據人才？創業公司要在這么嚴峻的人才環境中找到適合自己的大數據技術人才，門檻可不止是錢。

說了人才，就要說技術了。大數據技術不是你懂C++或者R語言就夠了的，大數據有一整套自己的技術體系，包括統計、編程、JAVA、資料庫、Hadoop、Spark、NoSQL、機器學習、自然語言處理、演算法、數據可視化等等技術。光是Hadoop需要用到的技術和編程語言就有很多項。

而且市面上的大數據工具每家用的還不一樣，用開源軟體（如Hadoop、Spark）或者用SAP（SAP HANA）需要的技術也不一樣。技術要求較高，而擁有大數據綜合技術的人才又較少，這也成為了制約大數據創業的最大問題。

其實我不想寫錢，但是又必須寫錢。大數據行業創業不缺資本，只要你創業項目的商業模式沒問題，並且技術能力強，且團隊靠譜，無論在中國還是在美國，融個A輪還是沒有問題的，資本關注度很熱。但是你在拿到融資之前，自己啟動的資金就需要一大筆。人才、硬體和技術成本都較高。

這么理解吧，如果說，幾個好朋友湊50萬花3個月可以做一個APP項目，那麼要在大數據行業創業的話，請先准備600-800萬再來玩。

中國互聯網上最賺錢的行業是什麼？我認為是電子商務和網路游戲。電子商務和網路游戲也是互聯網變現最快的行業。而大數據，它的變現能力不如網路游戲和電子商務那般簡單直接。在我拜訪過的很多企業中，他們手裡有錢、有數據、有人才也有技術，但是他們不知道自己手裡的數據可以拿來做什麼。

也就是說，大數據目前沒有最明朗最直接的商業模式。大數據只有和業務場景結合，才能產生價值。

大數據就像石油原油一樣，你知道它在哪裡，你可以開采它，但是開采出來你還需要冶煉，並且經過減壓蒸餾、加氫精製、溶劑精製、溶劑脫蠟等煉制過程，成為成品油後運送到各個加油站，讓汽車加滿油後產生了動力才實現最終價值。大數據也一樣，需要一整套復雜 的過程才能實現商業價值。

那麼你可能會問了，大數據交易算不算是商業模式呢？我個人覺得，要看交易的是什麼東西？原始的非結構化的數據，後面數據清洗需要太多的工序，數據存儲也是很大的成本，這樣的交易代價太高。我相信無論是企業用戶也好，還是個人用戶也好，大家更傾向於購買「拿來就能用」的大數據數據源。

你說京東和騰訊完成首筆大數據交易，我覺得就是一個笑話，京東和騰訊的大數據不早就整合在一起了么？我用微信直接就能在京東購物，數據是互通的，何必交易？

所以說，大數據創業最難的還是在於商業模式的思考，如果你沒有找到一條讓大數據變現的渠道，那麼千萬不要忙著拉團隊創業。大數據行業創業，光有idea是不夠的，跑通整個商業模式才是關鍵。

以上是小編為大家分享的關於大數據創業 數據哪裡來？的相關內容，更多信息可以關注環球青藤分享更多干貨