將大數據看作原油過程是什麼

『壹』 大數據被稱為21世紀的石油和金礦它具有哪四大特徵

價值，多樣，大量，高速。
石油是指氣態、液態和固態的烴類混合物，具有天然的產狀。石油又分為原油、天然氣、天然氣液及天然焦油等形式，但習慣上仍將「石油」作為「原油」的定義用。
金礦指金礦石或金礦床（山）。金礦石是具有足夠含量黃金並可工業利用的礦物集合體。金礦山是通過采礦作業獲得黃金的場所，是通過成礦作用形成的具有一定規模的可工業利用的金礦石堆積。

『貳』 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

『叄』 油氣儲運計算機技術應用是什麼

油氣儲運過程中的安全問題，可以藉助當前物聯網、人工智慧、可視化等前沿技術，輔助管理。

將大數據，雲計算，物聯網等先進技術與油氣管道業務相融合，實現異常數據智能化預警、設備 GIS 信息動態展示等功能。從而達到降低運營成本，提高生產效率，減少安全隱患的目的，進而促進管道管理的標准化，規范化和智能化進程。

助力低碳生產：低碳目標下，能源領域的數字化、智能化轉型作用更加凸顯。能源數字化的意義，不僅在於把人從繁重體力勞動中解放出來，對企業還有諸多好處。通過油氣管道數字孿生系統，對運維數據進行實時展示，可以提升管理效率和生產效率，促進綠色低碳轉型。

站場智能管控：西氣東輸站場運維具有多氣源、多用戶、用戶需求種類多的迅歷特點，供氣保障難度高，站場管控壓力大。為了降低站場運行風險，團昌宏提高管網運營效率，基於運行數據，利用強大的渲染能力，搭建的可視化解決方案，形成了集中監視的高效管控模式，實現站場分輸遠程自動控制，推動輸氣管道站場管理智能化轉型，使站場運營管控效率顯著提升。

設備風險智能管控：通過對壓縮機組運行數據進行關聯性分析，建立智能健康感知模型，生成健康狀態量化評估指標。

在數據可視化領域耕耘多年，面向油氣儲運用戶，成功研發出智慧油氣管道可視化管理系統。綜合了物聯網、人工智慧、大數據、通信技術、GIS、可視化等多種技術，對油氣管道運維全生命周期數據進行統一管理與維護，系統涵蓋產量分析、能耗分析、設備運維、安全防護以及廠區監控等板塊。

通過可視化技術實現對日常運維的輔助決策、智能狀態感知、智能數據分析、智能信息發布、智能設備管理、智能業務管理六大功能。2D 面板採用曲線圖、趨勢圖、統計圖等多種圖表，實現分輸量數據、進出站壓力、壓縮機運行狀態、設備完整性、電能波形、綜合流程分析等數據的實時可視化展示。

隨著西氣東輸的不斷推進，我國油氣管道里程數不斷增加，傳統管道運維過程中數據採集人工化、異常報警不及時、設備智能化水平等不斷凸顯。未來Hightopo將繼續堅定不移推進智慧管道的智能化運營體系構建，努力為天然氣與管道行業的高質量發展提供更多有益探索。

『肆』 什麼和什麼是數據收集的兩大重要渠道引導了大數據時代的來臨

讓大數據區別於數據的，是其海量積累、高增長率和多樣性

什麼是數據？數據（data）在拉丁文里是「已知」的意思，在英文中的一個解釋是「一組事實的集合，從中可以分析出結論」。籠統地說，凡是用某種載體記錄下來的、能反映自然界和人類社會某種信息的，就可稱之為數據。古人「結繩記事」，打了結的繩子就是數據。步入現代社會，信息的種類和數量越來越豐富，載體也越來越多。數字是數據，文字是數據，圖像、音頻、視頻等都是數據。

• 什麼是大數據呢？量的增多，是人們對大數據的第一個認識。隨著科技發展，各個領域的數據量都在迅猛增長。有研究發現，近年來，數字數據的數量每3年多就會翻一番。

• 大數據區別於數據，還在於數據的多樣性。正如高德納咨詢公司研究報告指出的，數據的爆炸是三維的、立體的。所謂的三維，除了指數據量快速增大外，還指數據增長速度的加快，以及數據的多樣性，即數據的來源、種類不斷增加。

• 從數據到大數據，不僅是量的積累，更是質的飛躍。海量的、不同來源、不同形式、包含不同信息的數據可以容易地被整合、分析，原本孤立的數據變得互相聯通。這使得人們通過數據分析，能發現小數據時代很難發現的新知識，創造新的價值。

通過數據來研究規律、發現規律，貫穿了人類社會發展的始終。人類科學發展史上的不少進步都和數據採集分析直接相關，例如現代醫學流行病學的開端。倫敦1854年發生了大規模的霍亂，很長時間沒有辦法控制。一位醫師用標點地圖的方法研究了當地水井分布和霍亂患者分布之間的關系，發現有一口水井周圍，霍亂患病率明顯較高，藉此找到了霍亂暴發的原因：一口被污染的水井。關閉這口水井之後，霍亂的發病率明顯下降。這種方法，充分展示了數據的力量。

本質上說，許多科學活動都是數據挖掘，不是從預先設定好的理論或者原理出發，通過演繹來研究問題，而是從數據本身出發通過歸納來總結規律。近現代以來，隨著我們面臨的問題變得越來越復雜，通過演繹的方式來研究問題常常變得很困難。這就使得數據歸納的方法變得越來越重要，數據的重要性也越發凸顯出來。

大數據是非競爭性資源，有助於政府科學決策、商家精準營銷

大數據時代，數據的重要作用更加凸顯，許多國家都把大數據提升到國家戰略的高度。

政府合理利用大數據，引導決策的將是基於實證的事實，政府會更有預見性、更加負責、更加開放。中國古代治國就已經有重數據的思想，如商鞅提出，「強國知十三數……欲強國，不知國十三數，地雖利，民雖眾，國愈弱至削」。大數據時代，循「數」治國將更加有效。小數據時代，政府做決策更多依憑經驗和局部數據，難免頭痛醫頭、腳痛醫腳。比如，交通堵塞就多修路。大數據時代，政府做決策能夠從粗放型轉向集約型。路堵了，利用大數據分析，可以得知哪一時間、哪一地段最容易堵，或在這一地段附近多修路，或提前預警引導居民合理安排出行，實現對交通流的最佳配置和控制，改善交通。

對於商家來說，大數據使精準營銷成為可能。一個有趣的故事，是沃爾瑪超市的「啤酒、尿布」現象。沃爾瑪超市分析銷售數據時發現，顧客消費單上和尿布一起出現次數最多的商品，竟然是啤酒。跟蹤調查後發現，有不少年輕爸爸會在買尿布時，順便買些啤酒喝。沃爾瑪發現這一規律後，搭配促銷啤酒、尿布，銷量大幅增加。大數據時代，每個人都會「自發地」提供數據。我們的各種行為，如點擊網頁、使用手機、刷卡消費、觀看電視、坐地鐵出行、駕駛汽車，都會生成數據並被記錄下來，我們的性別、職業、喜好、消費能力等信息，都會被商家從中挖掘出來，以分析商機。

大數據也將使個人受益。從生物學、醫學上講，以前生物學家只是通過對單個或幾個基因的操控來觀察其對生物體的影響，很難發現整體的關聯。現在由於技術的發展，可以分析很多，如遺傳信息、全體基因的表達量信息、蛋白質族譜信息、全基因組甲基化信息、表觀遺傳信息等。同時還有個人健康指標、病歷、葯物反應等數據。如果真能達成生物學上多維多向數據的有機融合，就能夠把個人完整地描述出來，從而實現精準醫療的目的。

大數據時代，審核數據的真實性也有了更有效的手段。大數據的特徵之一是多樣性，不同來源、不同維度的數據之間存在一定的關聯度，可以交叉驗證。例如，某地的工業產值虛報了一倍，但用電量和能耗卻沒有達到相應的規模。這就是數據異常，很容易被系統識別出來。發現異常後，相關部門再進行復核，就能更有針對性地防止、打擊數據造假。

數據是一種資源，但數據又跟煤、石油等物質性資源不一樣。物質性資源不可再生，你用多了，別人就用少了，因而很難共享。數據可以重復使用、不斷產生新的價值。大數據資源的使用是非惡性競爭的，共享的前提下，更能夠製造雙贏。從另一個角度來說，數據如果不被融合、聯系在一起，也不能稱之為大數據。

大數據不能被直接拿來使用，統計學依然是數據分析的靈魂

現在社會上有一種流行的說法，認為在大數據時代，「樣本 = 全體」，人們得到的不是抽樣數據而是全數據，因而只需要簡單地數一數就可以下結論了，復雜的統計學方法可以不再需要了。

在我看來，這種觀點非常錯誤。首先，大數據告知信息但不解釋信息。打個比方說，大數據是「原油」而不是「汽油」，不能被直接拿來使用。就像股票市場，即使把所有的數據都公布出來，不懂的人依然不知道數據代表的信息。大數據時代，統計學依然是數據分析的靈魂。正如加州大學伯克利分校邁克爾·喬丹教授指出的：沒有系統的數據科學作為指導的大數據研究，就如同不利用工程科學的知識來建造橋梁，很多橋梁可能會坍塌，並帶來嚴重的後果。

其次，全數據的概念本身很難經得起推敲。全數據，顧名思義就是全部數據。這在某些特定的場合對於某些特定的問題確實可能實現。比如，要比較清華、北大兩校同學數學能力整體上哪個更強，可以收集到兩校同學高考時的數學成績作為研究的數據對象。從某種意義上說，這是全數據。但是，並不是說我們有了這個全數據就能很好地回答問題。

一方面，這個數據雖然是全數據，但仍然具有不確定性。入校時的數學成績並不一定完全代表學生的數學能力。假如讓所有同學重新參加一次高考，幾乎每個同學都會有一個新的成績。分別用這兩組全數據去做分析，結論就可能發生變化。另一方面，事物在不斷地發展和變化，同學入校時的成績並不能夠代表現在的能力。全體同學的高考成績數據，僅對於那次考試而言是全數據。「全」是有邊界的，超出了邊界就不再是全知全能了。事物的發展充滿了不確定性，而統計學，既研究如何從數據中把信息和規律提取出來，找出最優化的方案；也研究如何把數據當中的不確定性量化出來。

所以說，在大數據時代，數據分析的很多根本性問題和小數據時代並沒有本質區別。當然，大數據的特點，確實對數據分析提出了全新挑戰。例如，許多傳統統計方法應用到大數據上，巨大計算量和存儲量往往使其難以承受；對結構復雜、來源多樣的數據，如何建立有效的統計學模型也需要新的探索和嘗試。對於新時代的數據科學而言，這些挑戰也同時意味著巨大的機遇，有可能會產生新的思想、方法和技術。

『伍』 大數據會改變人們的思維

大數據會改變人們的思維

一講到大數據，通常都會提到4個V：量大（Volume），積累速度高（Velocity），數據的產生多源化（Variety），數據籠統噪音大（Voracity）。然而，這些只是對大數據在互聯網時代超高速增長現象的描述。大數據真正的意義和價值是它改變了我們的思維方式。這就是大數據思維。

大數據思維能使我們在決策過程中超越原有思維框架的局限。每個人都是依據自己對現實的認識和判斷而不是現實本身作出行動決策的。以數據為基礎的智能決策有兩個步驟。第一是對事物的理解和判斷，第二是作出行動決策（不行動也是一種決策）。行動決策會受到決策者價值取向的影響。比如，二次大戰末美國打到日本沿岸並調集了比攻打德國時諾曼地登陸更多的軍艦雲集太平洋准備對日本本土發起攻擊。根據對攻佔幾個日本島嶼所造成傷亡數據的分析，美軍預測攻佔日本本土將要付出50萬美軍傷亡的代價。在這個判斷的基礎上，美國總統杜魯門做出了向日本投原子彈的決定。結果是減少了美軍的傷亡但造成了幾十萬日本平民的死亡和持續至今的輻射危害，其價值取向是很清楚的。

人們對事物的理解和判斷會受制於自身思維框架的局限。一個物理學家在分析一件事物時，會很自然地應用物理定律來思考、理解和判斷。所用的概念和語言也會有物理特徵（時間、速度、場、重量、質量、作用力、反作用力等等）。一個社會科學家在分析一件事物時，腦子里出現的框架是人際關系、社會地位、歷史背景、社會效益等等。所用的概念和語言帶有社會人文特徵。搞理論工作的和搞實際工作的思維框架也很不同，前者重視邏輯性、系統性，而後者更重視時間性和可行性。即使是同行業的人也會因年齡、經歷、環境、學歷不同而產生不同的思維框架。當同一現象和信息進入不同人的腦子里時，它會被不同的思維網路過濾、不同的思維方式處理，最後的結果是對同一現實產生不同解讀。沒有一個思維框架，我們無法理解和判斷一件事物。但思維框架本身又對我們的認知產生了一個很難逾越的局限。

大數據思維不是從某個人的思維框架出發，而是讓海量數據碰撞，尋找相關性，先看到結果再分析原因。這就沖破了原有思維框架的局限。比如，美國一家零售商在對海量的銷售數據處理中發現每到星期五下午，啤酒和嬰兒尿布的銷量同時上升。通過觀察發現星期五下班後很多青年男子要買啤酒度周末而這時妻子又常打電話提醒丈夫在回家路上為孩子買尿布。發現這個相關性後，這家零售商就把啤酒和尿布擺在一起，方便年輕的爸爸購物，大大提高了銷售額。

大數據思維可以引發城市管理的新方法。自從美國大使館每天公布PM2.5指數以後，城市空氣污染的問題得到了中國各個城市政府和市民的重視。每天PM2.5檢測數據的採集成為環境保護和管理的一個重要任務。如果一個統計學家按照原有思維框架來設計檢測數據採集，他會從統計學原理出發在市區有代表性的不同地點定時採集和上報數據。其結果是數據量有限，費用高，檢測覆蓋率和准確率低。應用大數據思維，某市環保部門考慮將上萬個手持檢測儀發放給散居各處的市民檢測並通過手機上傳數據。通過手機定位，環保部門可以確定每個數據的測量地點和時間，大大提高數據採集的覆蓋面和精確度。

大數據思維可以對歷史數據的分析提供新思路。中國人講究作學問要「讀萬卷書，行萬里路」。用大數據思維，讀萬卷書在今天並非難事。美國的國會圖書館正在將藏書全部數碼化。以後通過電腦「看書」搜索關鍵詞，分析相關字條和數據將會非常容易，讀萬卷書可能只是幾小時的「小任務」。美國匹茲堡大學公共衛生學院將記錄在報紙、報告、微縮膠片上美國各地自1888年以來有關傳染病發生和死亡的多元、碎片、海量的數據收集、整理並數碼化。通過數據建模和分析，把一百多年的歷史「死」數據變活，建立了1888至2010年美國50多種傳染病電子數據檔案庫。用歷史數據證明了免疫苗的發明和使用避免了一億以上的美國人死於傳染病。（見下圖）

大數據思維能幫助開創新的商業模式。在美國出現的Uber打車服務和後來中國興起的滴滴出行（原滴滴打車）是大數據思維產生的經典020（網上網下完美結合）新型商業模式。智能手機在移動互聯網時代的普及使實時定位的數據傳遞和信息溝通成為可能。它為乘客和司機之間的商業交換提供了一個嶄新的平台，改變了傳統的電話叫車或路邊招車，降低了溝通成本和空駛率，極大地節省了司機乘客雙方的資源和時間。源源不斷的乘車交易和時間地點的電子數據在高速地積累和儲存。數據科學家們可以通過對海量數據的分析尋找規律以提高和改進乘客打車出行的體驗，找到新的商機和推出新的服務。

大數據思維的核心是要意識到我們已經生活在一個互聯網幾乎無處不在的世界。互聯網將各種信息儀器（手機、電腦、感測器、相機、攝像頭、等等）聯為一體（物聯網），數碼化的數據和信息在這個龐大的網上時時刻刻地傳遞、儲存和積累。數碼化數據可以被高速處理，而且已經成為新型的、甚至是最有價值的生產資料。礦物可以冶煉成金屬、原油可以提煉出汽油，如何將數據加工成信息、產生智能、解決過去無法解決的老問題和開創新的管理和商業模式以產生新價值是對我們的挑戰。而迎接這一挑戰的第一步就是要懂得和理解大數據思維。

以上是小編為大家分享的關於大數據會改變人們的思維的相關內容，更多信息可以關注環球青藤分享更多干貨