大数据做不了什么

‘壹’ 大数据能做什么

大数据能做如下：

一、对信息的理解。你发的每一张图片、每一个新闻、每一个广告，这些都是信息，你对这个信息的理解是大数据重要的领域。

二、用户的理解。每个人的基本特征，你的潜在的特征，每个用户上网的习惯等等，这些都是对用户的理解。

三、关系。关系才是我们的核心，信息与信息之间的关系，一条微博和另外一条微博之间的关系，一个广告和另外一个广告的关系。一条微博和一个视频之间的关系，这些在我们肉眼去看的时候是相对简单的。

‘贰’ 什么是大数据，大数据可以做什么

大数据（big data），指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
大数据本身什么都做不了，能指望数据做什么呢。有大数据，如果不能通过数据
挖掘和数据分析得出对实际操作有价值的信息，那么它什么也做不了。
如果理解为对大数据的分析应用能做什么，那么它能做的事情就太多了，各个行业都会用到，物流、博彩、营销、客户管理、医疗、零售、环保等等都有其身影。

举例说明：
通过对客户进行分类整理，根据客户的购买习惯、年龄、喜好、地域等区分进行推荐产品，进行个性化的页面展示。还可以根据以往数据来进行动态营销。
零售，根据需求和库存的情况，适时调整价格
医疗，根据众多病人的特征，分析原因，量级太小的时候，这些特征根本不明显，不会得到重视，只有在大量数据中，才能发现平时注意不到的现象。
公共安全。根据以往犯罪数据预测发生犯罪事件的地区与概率。
娱乐。比如《纸牌屋》的制作公司根据以往的用户习惯，打造出大受欢迎的电视剧。
仅仅有大数据是远远不够的，更需要的是数据挖掘和数据分析的技能（包括大脑与软件操作），这样才能发挥出优势。如果愿意学习大数据的相关课程，有个“PPV课”的网站，课程很全面，可以学到很多关于大数据的知识，包括对案例的分析，还有软件操作等。

‘叁’ 大数据不适合处理的10件事情

大数据不适合处理的10件事情

许多企业领导人开始接纳大数据处理并期待神奇和奇迹，但却发现大数据带来新的复杂性--且从中获益所需要付出的努力要预计中的多得多。

1:解决你的业务问题

大数据不会处理业务问题。人们可以做的，就是要坐下来，在开始使用大数据之前，讨论决定放弃大数据，就使用商业智能取得共识。

2:帮助你管理数据

IBM公司宣称：每一天都会产生 250万字节的数据，其中大部分属于大数据。不出预料，世界范围内企业所需要管理的数据量呈现指数级增长，由于缺乏清晰有效地数据存储和使用策略，数据将不断堆积，每个企业都陷于数据管理的工作。

3:缓解减轻你的安全忧虑

对于许多公司来说，确保大数据的安全访问仍然是一个开放式的课题。这是因为对于大数据安全实践的定义远没有系统数据和记录保护这样明确。我们正处在这样的一个时间点上，也就是IT与最终用户一起来？？确定：谁可以访问哪些级别的大数据，并可以进行相应地分析。

4:关键IT技能缺乏

大数据处理数据库管理、服务器管理、软件开发、业务分析技能短缺，许多IT部门关键IT技能的缺失会不断成为企业的负担。

5:减少遗留系统的价值

如果有的话，遗留系统记录会较之任何大数据更具有价值。通常情况下，正是这些遗留系统可以为大数据分析提供重要线索，用于回答重要的业务问题。

6:简化数据中心

大数据分析需要并行处理计算机集群和传统IT事务处理和数据仓库系统等不同风格的系统管理，这就意味着能量、冷却、软件硬件消耗，运转这些系统所需要的技巧也不尽相同

7:提高数据质量

传统事务处理系统美妙之处在于其拥有固定长度的数据字段以及全面的数据编辑和验证发方式，这有助于得到一个相对干净的表格呈现。大数据不是这样，他们是非结构化的数据，可以表现为几乎任何形式。这让大数据的质量成为一个令人头痛的难题。数据质量至关重要，如果你没有它，就不能信任数据查询的结果。

8:验证当前的投资回报率（ROI）

衡量系统投资回报率最常用的方法是监测交易速度，然后推断其获利能力（例如酒店每分钟有多少新的预订）。对于大数据处理来说，交易速度不是好的衡量指标，大数据缓存和运行分析可能需要数小时甚至数天才可以杀青。衡量大数据处理有效性的一个最好的指标应该是利用率，它应该保持在90%以上（相比于交易系统，其利用率可能只有20%）。对于大数据来说，确定新的ROI指标尤为重要，因为你还有说服CFO以及其他业务部门的领导。

9:减小“噪音”

95%以上的大数据属于“噪音”,对于商业智能的贡献很小或几乎没有。通过数据筛选来进行企业掘金，帮助企业业务进步，这是一个非常艰巨的任务。

10:每天工作时间

多年来，大学和研究中心一直运用大数据实验，试图解答基因组、药物研究以及是否有其他星球生命等令人难以捉摸问题的答案。虽然其中一些算法和查询产生结果更多还是不确定的，大学和研究对于环境的研究也尚无定论，但这不是企业可以接受的，因此，IT和企业关键决策者需要对预期进行调整和管理。

以上是小编为大家分享的关于大数据不适合处理的10件事情的相关内容，更多信息可以关注环球青藤分享更多干货

‘肆’ 大数据能做什么

1、提到大数据，先要说下商务智能BI，BI用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。BI作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。 为了将数据转化为知识，需要利用数据仓库、线上分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。
2、把BI看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

3、企业导入BI的优点
1）随机查询动态报表
2）随时随地掌握指标管理
3）随时线上分析处理
4）最终用数据协助运营规划

4、企业导入BI的目的
1）促进企业决策流程：增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。

2）降低整体营运成本：改善企业的资讯取得能力，大幅降低IT人员撰写程式、Poweruser制作报表的时间与人力成本，而弹性的模组设计接口，完全不需撰写程式的特色也让日后的维护成本大幅降低。

3）协同组织目标与行动：加强企业的资讯传播能力，消除资讯需求者与IT人员之间的认知差距，并可让更多人获得更有意义的资讯。全面改善企业之体质，使组织内的每个人目标一致、齐心协力。

5、商业智能的主要功能
商业智能的技术体系主要有数据仓库（Data Warehouse，DW）、联机分析处理（OLAP）以及数据挖掘（Data Mining，DM）三部分组成。

BI系统应具有的主要功能：
1）数据仓库：高效的数据存储和访问方式。提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，例如中心式数据仓库，分布式数据仓库等。存储介质能够支持近线式和二级存储器。能够很好的支持现阶段容灾和备份方案。

2）数据ETL：数据ETL支持多平台、多数据存储格式（多数据源，多格式数据文件，多维数据库等）的数据组织，要求能自动化根据描述或者规则进行数据查找和理解。减少海量、复杂数据与全局决策数据之间的差距。帮助形成支撑决策要求的参考内容。

3）数据统计输出（报表）：报表能快速的完成数据统计的设计和展示，其中包括了统计数据表样式和统计图展示，可以很好的输出给其他应用程序或者Html形式表现和保存。对于自定义设计部分要提供简单易用的设计方案，支持灵活的数据填报和针对非技术人员设计的解决方案。能自动化完成输出内容的发布。

4）分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预警或者趋势分析等。要支持多维度的联机在线分析（OLAP分析），实现维度变化、旋转、数据切片和数据钻取等。帮助决策做出正确的判断。

6、典型的商业智能系统有：
客户分析系统、菜篮分析系统、反洗钱系统、反诈骗系统、客户联络分析系统、市场细分系统、信用计分系统、产品收益系统、库存运作系统以及与商业风险相关的应用系统等。

7、商业智能解决方案厂商
国外着名IT厂商包括微软、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等，国内着名BI厂商包括BDP商业数据平台、永洪BI等。

‘伍’ 大数据能做什么吗

大数据，指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

大数据的价值体现在以下几个方面：

1)对大量消费者提供产品或服务的企业可以利用大数据进行精准营销。

2) 做小而美模式的中小微企业可以利用大数据做服务转型。

3) 面临互联网压力之下必须转型的传统企业需要与时俱进充分利用大数据的价值。

(5)大数据做不了什么扩展阅读

大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。

大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。

‘陆’ 大数据具体是做什么有哪些应用

大数据即海量的数据，一般至少要达到TB级别才能算得上大数据，相比于传统的企业内数据，大数据的内容和结构要更加多样化，数值、文本、视频、语音、图像、文档、XML、HTML等都可以作为大数据的内容。

2. 政府行业在大数据分析部分包括质检部门、公安部门、气象部门、医疗部门等，质检部门包括对商品生产、加工、物流、贸易、消费全过程的信息进行采集、验证、检查，保证食品物品安全；气象部门通过构建大气运动规律评估模型、气象变化关联性分析等路径，精准地预测气象变化，寻找最佳的解决方案，规划应急、救灾工作。

3. 金融行业的大数据分析多应用于银行、证券、保险等细分领域，在大数据分析方面结合多种渠道数据进行分析，客户在社交媒体上的行为数据、在网站上消费的交易数据、客户办理业务的预留数据，结合客户年龄、资产规模、消费偏好等对客户群进行精准定位，分析其在金融业的需求等。