今天主要介绍大数据产业特点及现状，新朋友可以翻阅我前面的文章，跟上学习大数据的步伐。希望大家持续学习，每天关注，我会连续更新文章，让大家系统学习和认识大数据。

一、大数据产业分类及特点

1.1 大数据产业分类

产业分类目前对于大数据产业的分类并没有统一规定，依据不同角度可以总结为以下几种：

（１）二分法 。主要依据占有大数据的情况，分为大数据产业和大数据衍生产业。大数据产业主要指自身生产数据或者获取数据的存储、分析、应用类产业。大数据衍生产业主要指从事大数据产业所需要的基础设施和技术支持类产业。

（２）三分法 。主要依据数据的营销模式将大数据产业分为３类：①应用大数据进行用户信息行为分析，实现企业自身产品和广告推介的产业；②通过对大数据进行整合，为用户提供从硬件、软件到数据整体解决方案的企业；③出售数据产品和为用户提供具有针对性解决方案的服务产业。

（３）五分法。 按照产业的价值模式分为大数据内生型价值模式、外生型价值模式、寄生型价值模式、产品型价值模式和云计算服务型价值模式（见表）。

１.２　大数据产业特点

（１）产业数据资产化 。在大数据时代，数据渗透到每个行业，逐渐成为企业资产，也成为大数据产业创新的核心驱动力。自身生产数据的互联网企业具有得天独厚的优势，其可以利用其丰厚的数据资产，挖掘数据的潜在价值，洞察用户的信息行为，推动产业利用数据实现精准和个性化的生产、营销和获利模式。

（２）产业技术的高创新性 。创新是大数据产业发展的基石。世界上每天都在生成海量数据，如何有效地获取数据、存储数据、整合数据和服务用户，需要大数据产业技术不断革新。具体来讲，包括对大数据的去冗降噪技术、高效率低成本的大数据存储与有效融合技术、非结构化和半结构化数据的高效处理、适合不同行业的大数据挖掘分析工具和开发环境、大幅度降低数据处理、存储和通信能耗等技术的不断优化和创新，为用户提供高效、高质量、个性化的服务。

（３）产业决策智能化 。大数据产业在推动企业决策智能化发展中起到领头羊的作用。首先是产业自身决策智能化的发展，其次是为行业决策智能化提供数据、技术与管理平台。赛迪的研究报告显示：过去，企业对数据的关注只是存储和传输，而企业利用的数据不足其获得数据的５％，在数据量每年约６０％增长的情况下，企业平均只获取其中２５％～３０％的数据，作为企业战略的数据还远未得到挖掘。随着大数据产业的发展，分布式计算的大数据推动生产组织向去中心、扁平化、自组织、自协调方向演化，促进劳动与资本一体化，并且在决策过程中极大地克服人类的有限理性，推动决策朝着智能化、科学化的方向发展。

（４）产业服务个性化。 Monetate公司的调查报告显示，与未利用数据分析的企业相比，投入并分析数据的企业增长率为４９％，而通过可量化的个性化实现在线销售额的增长率为１９％。因而，基于数据的分析成为大数据产业提供个性化服务的重要工具。这些产业通过数据挖掘用户的兴趣和偏好，针对个体需求开展个性化定制与云推荐业务，提升产品服务质量，满足用户更高级别的需求，以获得更高的经济收益。

二、我国大数据产业发展现状

2.1　政策与法律层面

（１）虽然我国大数据产业目前缺乏国家层面的政策，但是在相关的国家战略中已经涉及大数据技术与发展规划。例如《“十二五”国家战略性新兴产业发展规划》提出支持海量数据存储、处理技术的研发与产业化；《物联网“十二五”发展规划》也将信息处理技术列为４项关键技术创新工程之一，其中包括海量数据存储、数据挖掘、图像视频智能分析，另外３项关键技术创新工程包括信息感知技术、信息传输技术、信息安全技术，这些也是大数据产业的重要组成部分，与大数据产业发展密切相关。但这些只是大数据产业链的部分环节，尚缺乏系统性、整体性、纲领性的大数据产业政策。

（２）开放数据是指非专有的、机器可读的、免费的数据，任何人可以不受法律或技术限制来使用、重复使用、操作和传播这些数据。公布政府数据的目的不仅是为了接受监督，还可以激发创意，通过数据再处理来增加数据价值。政府部门所拥有的数据占整个社会数据的绝大部分，而政府数据开放政策的制定会进一步推动大数据产业的深入发展。与国外相比，我国在政府数据开放方面还没有相应的政策、法规出台，在一定程度上制约了我国大数据产业的发展。

（３）大数据环境下，关于信息主权的界定和网络用户隐私的保护将对国家安全和数字经济的发展创造良好环境。目前我国关于网络用户隐私保护的问题在相关法律中有所涉及。例如《计算机信息网络国际联网安全保护管理办法》第７条规定：“用户的通信自由和通信秘密受法律保护。任何单位和个人不得违反法律规定，利用国际联网侵犯用户的通信自由和通信秘密。”《计算机信息网络国际联网管理暂行规定实施办法》第１８条规定：“不得擅自进行未经许可的计算机操作，篡改他人信息，冒用他人名义发出信息，侵犯他人隐私。”大数据环境下，这些法律条款在用户隐私保护方面虽然起到一定的作用，但远远不够，目前我国并没有制定关于网络用户隐私安全的单行法律，这是我国大数据产业发展的一个重要制约因素。

2.2　产业层面

（１）产业区位。 我国大数据产业集聚区位于经济比较发达的地区，北京、上海依旧是发展的核心地区，这些地区的信息技术产业基础良好，并且已经形成了较完备的产业链，产业规模也在不断扩大，吸纳了全国比较优秀的信息技术人才，为相关企业向大数据产业迅速转型奠定了良好基础。同时，在这些地区也涌现出很多初创的公司加入到数据存储和数据分析的开发和研究中来。

（２）产业结构 。根据赛迪顾问云计算产业研究中心发布的报告，２０１２年，我国大数据产业链雏形已经初显。大数据产业链主要涉及数据的收集、存储、分析和应用等几个主要环节，国内很多信息技术企业也纷纷开始转型，向数据的管理、应用和服务转型。这种转型带来的变化主要有：①企业更加注重自身的数据开放和应用，提高企业决策效率和完善产品、服务营销策略；②硬件企业的升级和转型。例如联想通过与全球知名的存储公司ＥＭＣ合作，正式进入大数据的企业级应用领域；③互联网企业提高数据分析能力。例如阿里巴巴利用大数据提供阿里信用贷款与淘宝数据魔方，百度已经建成百度指数、司南等５大数据体系平台和消费者画像、品牌探针等技术分析方法。

2.3　人才层面

大数据产业迅速发展，数据科学家的概念应运而生。根据哈佛商业评论所言：数据科学家将成为２１世纪最性感的职业。数据科学家是采用科学方法、运用数据挖掘工具寻找新的数据洞察的工程师。数据科学家除应具备好奇心和怀疑的精神外，还应具有分析能力、技术能力、沟通与合作能力（见表）。数据科学家是复合型高端人才。麦肯锡预计，到2018年，仅在美国市场，数据科学家人才缺口就将达到１４～１９万，而相关方面的管理人才缺口将达到１５０万。人才短缺也是制约我国大数据产业发展的重要因素。

今天介绍了大数据产业特点及现状，后面会继续带你认识不一样的大数据。

如果您想长期获取科技信息的解读，记得关注我，我会每天更新，谢谢。同时如果您有什么意见和建议，欢迎评论。

本文来自巨头挖掘机，创业家系授权发布，略经编辑修改，版权归作者所有，内容仅代表作者独立观点。

联网时代的四个特点

现在关于互联网，有互联网思维、互联网技术革命、互联网创新，各种提法很多。但是小编认为互联网不单是一种思维、一种技术，它是一个时代。置身于这个时代，不管你了解不了解，喜欢不喜欢，你都难以回避它的影响：它在改变我们的生活方式，颠覆我们的商业模式，冲击我们固有的思维方式，它迫使我们重新认识外部环境，重新认识他人，重新认识自己； 要求我们自我否定、自我超越！

第一个特点；这是一个“通融互联”时代。

通，就是互联互通。互联互通超越时空差距，使组织与用户、人与人之间的距离零成本趋近，无障碍沟通与交流价值倍增。

融，就是整个世界的多元要素融为一体了。各种要素交织，形成了你中有我，我中有你；不知道敌人是谁，也不知道朋友是谁。人与人之间无距离融合后，界限就模糊了。

第二个特点：是一个“网状价值结构”时代。

即以用户为中心的价值交互网和以人为中心的价值创造网。这里面又有几个关键特点：一个是先有用户价值才有企业价值。第二个就是组织从串联到并联，在内部呈网状结构，在外部也是如此。你中有我，我中有你，由无数个微型组织、自主经营体所编织而成的一个价值创造交互网。

第三个特点：这是一个大数据和高流动时代。

互联网产生大数据，而大数据的特点是不精确和动态的。有人说，这是个“大明星也去吃大排档，小老百姓去买奢侈品”的时代，也就是说，用户的需求是不确定的、很多数据也变为不确定。但同时，大数据实际上也是大样本、全样本，可能比之前的抽样还要精准，从小数据、小样本中可预测到大趋势。因此， 企业不能再单纯依靠精确定量化的数据来做理性分析，还需要基于大数据来分析趋势、捕捉机会。

第四个特点：这是一个“开放的有机生态圈”时代。

从企业的深层环境来讲，在信息对称的条件下，企业必须是开放式的有机生态圈，同时是一个有机生命体。企业必须是个有机生命体，就是一定要具备自我变革、新陈代谢的功能。

盛仕铭以开放共享的姿态建立盛仕铭圈层，借助资本的力量，与优秀企业强强联合，形成强大的资源整合优势，快速拥有互联网基因和DNA。这种资源整合，能够将盛仕铭强大的创新力、研发、专利、供应链、渠道等资源，通过盛仕铭圈层强大的流量、内容及盛仕铭品牌能力的完美融合，打通盛仕铭平台生态圈的各个环节，并将迸发出强大的能量，能够改变当前互联网市场的格局。

伴随互联网技术衍生的平台生态圈，它可以创造出无穷尽的财富，只要你具有无限想象力和创意，那么这一切都成为可能。

优秀的创新能够改变人的认知，甚至改变我们的世界观。在个平台生态圈里的每一个人、企业，都是编织这张巨型网络的节点，也许竞争者之间彼此有厮杀，但更多的是生态圈的共融。因为我们是这个生态圈的一部分，我们在其中共同进化，进化的过程也即学习的过程

大数据挖掘与大数据分析一样吗？随着大数据越来越火，与大数据相关的职位也开始粉墨登场，引人关注。作为大数据行业最为重要的两种职位，大数据挖掘和大数据分析更是受到了与众不同的待遇。现在有许多的朋友都会问：大数据挖掘和大数据分析有什么区别，不是都是搞数据的吗？在这里，魔据小编认为：尽管大数据挖掘和大数据分析同属于大户数据行业，但是依然有着很大的区别。

一．什么是数据

不谈数据，就无以谈大数据挖掘和大数据分析，因此，我们先说一下什么是数据。

其实很简单，数据就是观测值。例如测量数据。大家可能有个误区，认为客户填写的表单就是数据，对编程序而言，是的，但是不是常规的数据。当然填写的内容，一旦落入到观测空间，自然就成了数据。

二．什么是大数据挖掘和大数据分析

大数据挖掘指对大数据数据分析手段后的信息，进行价值化的分析。

大数据分析指对大数据的一种操作手段，或者算法。目标是针对先验的约束，对数据进行整理、筛选、加工，由此得到信息。

三．大数据挖掘和大数据分析有什么区别

大数据挖掘是对信息的价值化的获取。价值化自然不会考虑数据本身，而是考虑数据是否有价值。由此，一批数据，你尝试对它做不同的价值评估，这是大数据挖掘。

大数据分析是以输入的数据为基础，通过先验的约束，对数据进行处理，但是不以结论何如为调整。例如你需要图像识别，这个属于大数据分析。你要分析人脸，数据就是通过先验的 方法，就是出来个猫脸。你的数据分析也没有问题，你需要默默承受结果，并且尊重事实。因此大数据分析的重点在于数据的有效性、真实性和先验约束的正确性。

此时对比大数据分析，最大的特点就是你需要调整你不同的先验约束，再次对数据进行分析。而先验的约束已经不是针对数据来源自身的特点，例如信噪比处理算法。你期望得到的一个有价值的内容，做先验的约束，以观测，数据根据这个约束，是否有正确的反馈。

不管大数据挖掘和大数据分析有什么不同，这两个职位的前景都是十分好的，现在入行，正是最好的时机。

耶鲁大学管理学院教授莱维多尔（Ravi Dhar），是品牌营销策略领域的权威专家，他对数字时代消费者的决策行为很有研究。在多尔来中国讲课的时候，FT中文网对他进行了独家专访。在采访中，多尔分享了他对数字营销时代品牌与消费者行为变化的预判。金盛网聚WJFabric将通过两篇文章分别介绍多尔所说的新消费的八大特点，并从多角度进行解读。

第一，多尔认为，在社交媒体时代，人们在网购时会看其他用户的评论，因为用户评论比品牌提供的产品信息更可信，所以用户口碑对于品牌来讲越来越重要。过去，品牌取胜靠规模，但如今，一个客户群小的品牌如果口碑好，客户忠诚度足够高，同样可以在互联网上脱颖而出。

第二，社交媒体对传统的广告投放模式造成了冲击。过去很多大品牌投广告时，都是花重金进行大制作，然后进行大规模的广告投放。但在社交媒体时代，情况不一样了。多尔举例说，百事可乐曾花巨资制作了一条广告，但是这条广告在社交网络上引发了潮水般的批评，百事可乐被迫在广告播出不到一天内就将其紧急下架，并公开道歉，可见社交媒体的负面情绪会给品牌带来极大的影响。所以，当品牌要大规模投广告的时候，要思考一下类似的问题。

第三，线下的“冲动消费”变少了。多尔认为，过去有很多像口香糖这样的产品，靠的是冲动消费。大部分口香糖货架是放在超市收银台旁边的，人们结账时顺手就买了。这样的冲动消费过去在线下还可以，但如今很多消费行为都是在网上发生的，如果某个产品特别依赖这样的消费方式，那该怎么办？多尔说，即使消费渠道增加了，也未必能抵得上冲动消费的减少，而且两三年后这样的冲击就会到来。

第四，无现金支付让人更容易过度消费。很多研究都显示，付现金比刷卡更痛苦。多尔说，你去国外旅行，用外国钞票时，会因为感觉它们不像真的钞票而容易花更多的钱。如今各种移动支付连卡都不需要了，你完全感觉不到钱从你手里花出去，这样就容易花得更多。此外，多尔还提到，无现金支付让交易双方感觉更平等了。他说过去打车的时候，如果出租车司机对他好一些，他不知道司机是真的友好，还是希望他能多给一些小费。现在用打车软件打车，乘客和司机都知道车费是改变不了的，这样就会淡化雇佣和被雇佣的关系。

大数据处理信息服务商金盛网聚WJFabric针对上述四个新特点评述如下：1、移动互联时代口碑的重要性不言而喻，但口碑的形成同样谨防片面与掺假；2、通过大数据技术对舆论的时时把控极其重要。当然前提是品牌的行为不会引起网民舆论“一边倒”的情况发生；3、线下的购物体验是最无法线上化的，所以提升产品力，改变用户传统的消费习惯更加重要；4、无现金消费要求用户注意降低被诈骗风险及减损最大化。

21世纪是世界经济发展的时代，是科学力量加强的时代。在这个科技飞速发展的时代里，几乎每天都会有全新的概念提出。自从2016年底马云提出了新零售这个理念以后，国内的各行各业、特别是电商与实体店主们都绞尽脑汁想将其给研究透彻了，各大网站和媒体也纷纷发布了不同人士对新零售的分析。如何做到新零售的转变，在一段时间便成为了经营者和运营公司们最关心的事情。

当你仔细研究过新零售的概念和特征后不难发现，它其实是对以往零售中不足或鸡肋进行整改并升级的一种“加强版”。对于消费者：提高体验感；对于经营者：提升用户流量、精准营销……这都是关注新零售时最在意的几点要素。

国际商业机器公司（IBM）提出大数据拥有：大量、高速、多样、低价值密度、真实性的特点。而在2012年出版的《大数据时代》中也提出：大数据是指不利用抽样调查这种捷径，而选择使用所有数据分析处理。

大数据的重要意义不在于掌握了多少数量庞大的信息，而在于对这些信息数据的处理。从它的这种特点来分析便不难得知它在新零售中起到了什么关键性的作用。

进行营销的过程中需要调动大数据库内的用户信息，并进行技术分析，得出他们现在需要什么，甚至还可以得出日后可能需要什么样的消费。比如：一个用户购买了大量的婴儿衣物，便可由数据得出他家有新生儿，并且分析接下来还很有可能需要婴儿的奶粉，便可以通过这些数据分析给他推荐相关商品。若要通俗点来说的话便是和“猜你喜欢”非常相似了。

想要真正做到新零售，大数据是不可或缺的一项技术支持。但很多平台不是无法保证数据的数量或精准性就是对这些数据的独享，这导致经营者们无法从根本上解决对大数据的需求，而且在进行针对性宣传的时候无法达到理想的效果。

但团卖物联却将大数据沉淀在商圈，让商圈能够自主调动信息库中所需的信息，让这些信息能够真正的功能最大化。这都是为了让合作店家能够享受在大数据支持下的新零售带来的好处。

生活在这样一个万事万物高速发展的时代，包括人工智能、区块链等高科技在内的前沿技术都让我们的生活越来越便利，这便利正是社会对我们每个人极尽透彻的了解而产生的结果，换句话说，在这样的时代里，每个人都将成为越来越透明的存在，因为足够了解，所以才能够提供足够的便利。

而这一切，正是大数据所催生。

大数据研究专家维克托·迈尔-舍恩伯格曾经说过：世界的本质是数据。在他看来，认识大数据之前，世界原本就是一个数据时代；认识大数据之后，世界不可避免地分为大数据时代、小数据时代。

随着社会不断发展的脚步，各类数据不断累积，如果说小数据时代的各类分析调研更多的是靠样本采集，那么现在，不管从数据的维度还是层次来看，数据体量的累积已经到了一个非常夯实的阶段。

在这两个时代的过渡中，人们也自然而然的从先前的样本思维转变成大数据时代需要具备的整体思维，以更好的运用大数据，或者说，抽样调查将成为过去时，对所有数据进行分析处理才是大数据时代应有的思维方式。

人们希望能够从多维度，多角度，多层次的数据中找到宝藏。

需要提出的是大数据本身并不产生价值，如何分析和利用大数据对业务、对人们、对社会产生帮助才是它的价值所在。

大数据的多种定义

对于大数据的具体定义和价值，大多数人都停留在知其然而不知其所以然的阶段。

但这也并不妨碍大数据这一词汇在大众心中的高度，它代表着先进，代表着高科技，代表着不可预知但可以预见的未来世界。

麦肯锡最早提出了大数据时代的到来：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”

对于大数据的定义，权威机构们给出了不同的表述：

世界知名咨询企业Gartner给出的定义是：“大数据”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。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

还有一些是这样表述的，大数据是指“无法用现有的软件工具提取、存储、搜索、共享、分析和处理的海量的、复杂的数据集合。”

不管是信息资产还是数据集合，这些定义无不在昭示着大数据对于人们未来社会的价值。

纷繁复杂的大数据体系

据资料显示，业界通常用4个V(即Volume、Variety、Value、Velocity)来概括大数据的特征。

Volume，数据体量巨大。如果单单从存储量方面来考量的话，从最小的数据存储单位bit开始，按顺序往上Byte、KB、MB、GB、TB、PB、EB……那么截至目前，人类生产的所有印刷材料的数据量可达数百PB，而历史上有记载开始人类说过的所有的话的数据量大约要以EB来衡量。

Variety，数据类型繁多。类型的多样性让数据被分为结构化数据和非结构化数据。相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。

Value，价值密度低。价值密度的高低与数据总量的大小成反比。数据总量越大，无效冗余的数据则越多，如何通过强大的机器算法迅速地完成数据的价值“提纯”是目前大数据背景下亟待解决的难题。

Velocity，处理速度快。这是大数据区分于传统数据挖掘的最显著特征，根据IDC“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。

百年企业IBM也曾提到大数据的特点，除了以上具有普遍性质的四个Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）外，还包括Veracity（真实性）。

从这些特点我们可以看出，如果说大数据的价值就在于如何分析这些繁复的数据得出预测性结论并最终利用它来实现某种职能、产生某种作用，那么对于这些数据的分析和处理则是商业社会中企业的竞争力所在。

而正是因为大数据的以上特性，也导致对数据的挖掘和分析的难度大大增加，想要通过算法从大量的包括有用的无用的数据中找出隐藏在其中的信息，这将是一个无法想象的繁复的过程。大数据并不意味着无数数据的任意堆叠，而是代表着数据计算和一系列挖掘，分析的连带反应。

而数据挖掘、分析这一系列的行为包含了非常多包括统计、在线分析处理、情报检索、机器学习、专家系统、模式识别等学科知识，也利用了来自统计学的抽样、估计和假设检验，人工智能、模式识别和机器学习的搜索算法、建模技术等领域的思想。同时，数据挖掘也接纳了来自包括最优化、进化计算、信息论、信号处理、可视化和信息检索等其他领域的思想。

而大数据的繁杂和所涉及的学科范围之广度和深度让所有对于数据的挖掘和分析成为了亟待解决的难题。

大数据的价值远不止你所想

如果从企业决策的角度来看，在任何行业，任何领域，通过推动数据化或大数据演算提升企业决策和企业战略实施的，仍然是人的大脑。

唯一的区别是，从前依靠丰富的企业经验和信息整合能力来决策的领导层，如今依靠的是高性能并行的计算机处理技术来处理海量的数据集，分布式的演算出最终的战略决策。利用这样的科技，就可以大大提升领导决策的精准度和效率。

而其实大数据的作用已经不仅仅是为各类决策提供帮助，它甚至能够用海量的数据塑造个体，用户分析将不再适用，因为大数据甚至可以塑造用户。

从商业角度来看，从繁杂庞大的数据中挖掘、分析用户的行为习惯和喜好，研发出更符合用户偏好的产品和服务，并结合用户需求有针对性地调整和优化产品，以优化用户体验，最终获得商业利益，就是大数据在商业社会的价值。

抛开商业，利用大数据预测可能的灾难，利用大数据分析癌症可能的引发原因并找出治疗方法，都是未来能够惠及人类的事业。

例如，大数据曾被洛杉矶警察局和加利福尼亚大学合作用于预测犯罪的发生；google流感趋势利用搜索关键词预测禽流感的散布；麻省理工学院利用手机定位数据和交通数据建立城市规划；气象局通过整理近期的气象情况和卫星云图，更加精确的判断未来的天气状况。

在数据样本足够多的情况下，我们会发现，随机事件慢慢会带有必然趋势朝着他自身的概率发展。就像一枚硬币的正反面，就像一道选择题的四个选项。我们也可以说在真实数据足够多的情况下，很多预测性的事物都会越来越精准。

在大数据时代，不再依赖于采样的人们可以获得并分析更多的数据，更清楚地发现样本无法揭示的细节信息，随着计算机处理能力的日益强大，人工智能机器学习系统的不断升级，庞大的数据给人们带来的价值成倍攀升。

实验的不断反复、大数据的日渐积累让人类不断发现各种规律，从而能够预测未来。

如果说理论是认知大数据的必经途径，那么技术则是大数据价值体现的手段和前进的基石，而大数据的最终价值体现则要靠实践。

2010年《Science》上刊登了一篇文章指出，虽然人们的出行的模式有很大不同，但我们大多数人同样是可以预测的。这意味着我们能够根据个体之前的行为轨迹预测他或者她未来行踪的可能性，即93%的人类行为可预测。

可预测代表着可控，可控代表着失误的不断减少。

最终，我们都将从大数据分析中获益。

本文图片及部分资料来自网络

大数据时代是建立在通过互联网、物联网等现代网络渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和展示的信息时代。在这个时代，人们几乎能够从任何数据中获得可转换为推动人们生活方式变化的有价值的知识。大数据时代的基本特征主要体现在以下几个方面。

1. 社会性。在大数据时代，从社会角度看，世界范围的计算机联网使越来越多的领域以数据流通取代产品流通，将生产演变成服务，将工业劳动演变成信息劳动。信息劳动的产品不需要离开它的原始占有者就能够被买卖和交换，这类产品能够通过计算机网络大量复制和分配而不需要额外增加费用，其价值增加是通过知识而不是手工劳动来实现的;实现这一价值的主要工具就是计算机软件。

2. 广泛性。在大数据时代，随着互联网技术的迅速崛起与普及，计算机技术不仅促进自然科学和人文社会科学各个领域的发展，而且全面融入了人们的社会生活中，人们在不同领域采集到的数据量之大，达到了前所未有的程度。同时，数据的产生、存储和处理方式发生了革命性的变化，人们的工作和生活基本上都可以用数字化表示，在一定程度上改变了人们的工作和生活方式。

3. 公开性。大数据时代展示了从信息公开运动到数据技术演化的多维画卷。在大数据时代会有越来越多的数据被开放，被交叉使用。在这个过程中，虽然考虑对于用户隐私的保护，但是大数据必然产生于一个开放的，公共的网络环境之中。这种公开性和公共性的实现取决于若干个网络开放平台或云计算服务以及一系列受到法律支持或社会公认的数据标准和规范。

4. 动态性。人们借助计算机通过互联网进入大数据时代，充分体现了大数据是基于互联网的及时动态数据，而不是历史的或严格控制环境下产生的内容。由于数据资料可以随时随地产生，因此，不仅数据资料的收集具有动态性，而且数据存储技术、数据处理技术也随时更新，即处理数据的工具也具有动态性。

当今时代已经进入了移动互联网时代，也就是我们通常所说的大数据。那么大数据时代有什么特点，下面济南优就业IT培训的小编来为大家介绍一下大数据崛起的特征。欢迎大家阅读，供您参考。

1.移动互联时代，数以百亿计的机器、企业、个人随时随地都会获取和产生新的数据

即便是在“摩尔定律”——每18个月芯片性能将提高1倍——的支撑下，硬件性能进化的速度也早已赶不上数据增长的速度，并且差距越来越巨大。

1分钟之内，新浪微博发送数万条微博，苹果应用商店下载次数以万计，淘宝卖出了几万件商品，百度产生了百万次搜索查询……所有这些行为都由海量的数据来呈现。

在去年12月12日电商的促销期，淘宝网推出“时光机”——一个根据淘宝买家几年来的购买商品记录、浏览点击次数、收货地址等数据编辑制作的“个人网购志”，从而记录和勾勒出让人感怀的生活记忆。背后，是基于对4.7亿淘宝注册用户网购数据的分析处理，这正是大数据的典型应用。

随着传统互联网向移动互联发展，全球范围内，除了个人电脑、平板电脑、智能手机、游戏主机等常见的计算终端之外，更广阔的、泛在互连的智能设备，比如智能汽车、智能电视、工业设备和手持设备等都连接到网络之中。基于社会化网络的平台和应用，让数以百亿计的机器、企业、个人随时随地都会获取和产生新的数据。

互联网搜索引擎是大数据最为典型的应用之一。百度日处理数据量达到数十PB，并呈现高速增长的态势。如果一张光盘容量为1GB，这相当于垒在一起的几千万张光盘。微软Bing(在中国为必应)搜索引擎，一周需要响应100亿次量级的搜索请求。通过和Facebook的合作，每天有超过10亿次的社交网络搜索请求通过Bing来处理。

短短的18个月，中国移动互联网流量增加了10倍。中国工程院院士邬贺铨说，随着社交网络的逐渐成熟、移动带宽迅速提升，更多的传感设备、移动终端接入网络，产生的数据及其增长速度比历史上任何时期都要多，互联网上的数据流量正在迅猛增长。邬贺铨认为，在云计算、物联网等技术的带动下，中国的移动互联网已经步入“大数据”时代。

而根据市场调研公司IDC的报告，全球信息总量每过两年就会增长一倍，2011年全球产生的数据总量为1.8ZB(1ZB约为百万PB)，相比2010年增长了1ZB，相当于全球历史数据总和。

继云计算后，大数据(big data)成为信息技术领域最为热门的概念之一。

2.大数据有四个特征，最重要的是获得洞察力和价值

在IT业界，有人把大数据产业定义为：“建立在对互联网、物联网等渠道广泛大量数据资源收集基础上的数据存储、价值提炼、智能处理和分发的信息服务业”，或者如IT巨头概括大数据战略为：“致力于让所有用户能够从几乎任何数据中获得可转换为业务执行的洞察力，包括之前隐藏在非结构化数据中的洞察力”。

“总之是对大量、动态、能持续的数据，通过运用新系统、新工具、新模型的挖掘，从而获得具有洞察力和新价值的东西。”微软公司全球资深副总裁、微软亚太研发集团主席张亚勤博士接受记者采访时说。

虽然有多种解读，但业界一般认为，大数据有四个“V”字开头的特征：Volume(容量), Variety(种类), Velocity(速度)和最重要的Value(价值)。Volume是指大数据巨大的数据量与数据完整性。张亚勤说，IT业界所指的数据，诞生不过60多年。而一直到个人电脑普及前，由于存储、计算和分析工具的技术和成本限制，许多自然界和人类社会值得记录的信号，并未形成数据。几十年前，气象、地质、石油物探、出版业、媒体业和影视业是大量、持续产出信号的行业，但那时90%以上采用的是存储模拟信号，难以通过计算设备和软件进行直接分析。拥有大量资金和人才的政府和企业，也只能把少量最关键的信号，进行抽取、转换、装载到数据库中。

张亚勤认为，尽管业界对达到怎样的数量级才算是大数据并无定论，但在很多行业的应用场景里，数据集本身的大小并不是最重要的，是否完整才最重要。

Variety则意味着要在海量、种类繁多的数据间发现其内在关联。互联网时代，各种设备通过网络连成了一个整体。进入以互动为特征的Web2.0时代，个人计算机用户不仅可以通过网络获取信息，还成为了信息的制造者和传播者。这个阶段，不仅是数据量开始了爆炸式增长，数据种类也开始变得繁多。

“这必然促使我们对海量数据进行分析、处理和集成，找出原本看来毫无关系的那些数据的‘关联性’，把似乎没有用的数据变成有用的信息，以支持我们做出的判断。”张亚勤说。

Velocity可以理解为更快地满足实时性需求。数据的实时化需求正越来越清晰。对普通人而言，开车去吃饭，会先用移动终端中的地图查询餐厅的位置，预计行车路线的拥堵情况，了解停车场信息甚至是其他用户对餐厅的评论。吃饭时，会用手机拍摄食物的照片，编辑简短评论发布到微博或者微信上，还可以用LBS(基于位置的服务)应用查找在同一间餐厅吃饭的人，看有没有好友在附近……

张亚勤说，如今，通过各种有线和无线网络，人和人、人和各种机器、机器和机器之间产生无处不在的连接，这些连接不可避免地带来数据交换。而数据交换的关键是降低延迟，以近乎实时——这意味着小于250毫秒——的方式呈献给用户。

“但比前面3个‘V’更重要的，就是Value，它是大数据的最终意义——获得洞察力和价值。”张亚勤说，大数据的崛起，正是在人工智能、机器学习和数据挖掘等技术的迅速发展驱动下，呈现这么一个过程：将信号转化为数据，将数据分析为信息，将信息提炼为知识，以知识促成决策和行动。

百度相关专家认为，就大数据的价值而言，就像沙子淘金，大数据规模越大，真正有价值的数据相对越少。

“所以真正好的大数据系统，重要的不是越多越好，其实越少越好。”张亚勤说，开始数据要多，最好还是要少，把ZB、PB最终变成一个比特，也就是最后的决策。这才是最关键的。

3.云计算和大数据是一个硬币的两面,大数据正在引发全球范围内深刻的技术和商业变革

如同云计算的出现，大数据也不是一个突然而至的新概念。

“云计算和大数据是一个硬币的两面，云计算是大数据的IT基础，而大数据是云计算的一个杀手级应用。”张亚勤说。云计算是大数据成长的驱动力，而另一方面，由于数据越来越多、越来越复杂、越来越实时，这就更加需要云计算去处理，所以二者之间是相辅相成的。

30年前，存储1TB也就是约1000GB数据的成本大约是16亿美元，如今存储到云上只需不到100美元;但存储下来的数据，如果不以云计算进行挖掘和分析，就只是僵死的数据，没有太大价值。

目前，云计算已经普及并成为IT行业主流技术，其实质是在计算量越来越大、数据越来越多、越来越动态、越来越实时的需求背景下被催生出来的一种基础架构和商业模式。个人用户将文档、照片、视频、游戏存档记录上传至“云”中永久保存，企业客户根据自身需求，可以搭建自己的“私有云”，或托管、或租用“公有云”上的IT资源与服务，这些都已不是新鲜事。可以说，云是一棵挂满了大数据的苹果树。

大数据的出现，正在引发全球范围内深刻的技术与商业变革。在技术上，大数据使从数据当中提取信息的常规方式发生了变化。“在技术领域，以往更多是依靠模型的方法，现在我们可以借用规模庞大的数据，用基于统计的方法，有望使语音识别、机器翻译这些技术领域在大数据时代取得新的进展。”张亚勤说。

在搜索引擎和在线广告中发挥重要作用的机器学习，被认为是大数据发挥真正价值的领域。在海量的数据中统计分析出人的行为、习惯等方式，计算机可以更好地学习模拟人类智能。随着包括语音、视觉、手势和多点触控等在内的自然用户界面越来越普及，计算系统正在具备与人类相仿的感知能力，其看见、听懂和理解人类用户的能力不断提高。这种计算系统不断增强的感知能力，与大数据以及机器学习领域的进展相结合，已使得目前的计算系统开始能够理解人类用户的意图和语境。“这使得计算机能够真正帮助我们，甚至代表我们去工作”。

在商业模式上，张亚勤认为，对商业竞争的参与者来说，大数据意味着激动人心的业务与服务创新机会。零售连锁企业、电商业巨头都已在大数据挖掘与营销创新方面有着很多的成功案例，它们都是商业嗅觉极其敏锐、敢于投资未来的公司，也因此获得了丰厚的回报。

IT产业链分工、主导权也因为大数据产生了巨大影响。以往，移动运营商和互联网服务运营商等拥有着大量的用户行为习惯的各种数据，在IT产业链中具有举足轻重的地位。而在大数据时代，移动运营商如果不能挖掘出数据的价值，可能彻彻底底被管道化。运营商和更懂用户需求的第三方开发者互利共赢的模式，已取得一定共识。

大数据是什么？其实很简单，大数据其实就是海量资料巨量资料，这些巨量资料来源于世界各地随时产生的数据，在大数据时代，任何微小的数据都可能产生不可思议的价值。大数据有4个特点，为别为：Volume（大量）、Variety（多样）、Velocity（高速）、Value（价值），一般我们称之为4V。

所谓4V，具体指如下4点：

1．大量。大数据的特征首先就体现为“大”，从先Map3时代，一个小小的MB级别的Map3就可以满足很多人的需求，然而随着时间的推移，存储单位从过去的GB到TB，乃至现在的PB、EB级别。随着信息技术的高速发展，数据开始爆发性增长。社交网络（微博、推特、脸书）、移动网络、各种智能工具，服务工具等，都成为数据的来源。淘宝网近4亿的会员每天产生的商品交易数据约20TB；脸书约10亿的用户每天产生的日志数据超过300TB。迫切需要智能的算法、强大的数据处理平台和新的数据处理技术，来统计、分析、预测和实时处理如此大规模的数据。

2．多样。广泛的数据来源，决定了大数据形式的多样性。任何形式的数据都可以产生作用，目前应用最广泛的就是推荐系统，如淘宝，网易云音乐、今日头条等，这些平台都会通过对用户的日志数据进行分析，从而进一步推荐用户喜欢的东西。日志数据是结构化明显的数据，还有一些数据结构化不明显，例如图片、音频、视频等，这些数据因果关系弱，就需要人工对其进行标注。

3．高速。大数据的产生非常迅速，主要通过互联网传输。生活中每个人都离不开互联网，也就是说每天个人每天都在向大数据提供大量的资料。并且这些数据是需要及时处理的，因为花费大量资本去存储作用较小的历史数据是非常不划算的，对于一个平台而言，也许保存的数据只有过去几天或者一个月之内，再远的数据就要及时清理，不然代价太大。基于这种情况，大数据对处理速度有非常严格的要求，服务器中大量的资源都用于处理和计算数据，很多平台都需要做到实时分析。数据无时无刻不在产生，谁的速度更快，谁就有优势。

4.价值。这也是大数据的核心特征。现实世界所产生的数据中，有价值的数据所占比例很小。相比于传统的小数据，大数据最大的价值在于通过从大量不相关的各种类型的数据中，挖掘出对未来趋势与模式预测分析有价值的数据，并通过机器学习方法、人工智能方法或数据挖掘方法深度分析，发现新规律和新知识，并运用于农业、金融、医疗等各个领域，从而最终达到改善社会治理、提高生产效率、推进科学研究的效果。

在大数据时代，每个人都会享受到大数据所带来的便利。买东西可以足不出户；有急事出门可以不用再随缘等出租车；想了解天下事只需要动动手指。虽然大数据会产生个人隐私问题，但总的来说，大数据还是在不断的改善我们的生活，让生活更加方便

若是对大数据是什么仍然还有疑问，可以留言或者关注私信一起交流。

进入2012年以来大数据(Big Data)一词越来越多地被人们提及与使用，人们用它来描述和定义信息爆炸时代产生的海量数据，每个人从互联网进入到大数据时代，都将是透明性存在。各种数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然现在企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。

大数据的四大特点

1、海量性

例如，IDC 最近的报告预测称，到2020 年，全球数据量将扩大50 倍。目前，大数据的规模尚是一个不断变化的指标，单一数据集的规模范围从几十TB到数PB不等。简而言之，存储1 PB数据将需要两万台配备50GB硬盘的个人电脑。此外，各种意想不到的来源都能产生数据。

2、多样性

数据多样性的增加主要是由于新型多结构数据，以及包括网络日志、社交媒体、互联网搜索、手机通话记录及传感器网络等数据类型造成。

3、高速性

高速描述的是数据被创建和移动的速度。在高速网络时代，通过基于实现软件性能优化的高速电脑处理器和服务器，创建实时数据流已成为流行趋势。企业不仅需要了解如何快速创建数据，还必须知道如何快速处理、分析并返回给用户，以满足他们的实时需求。

4、易变性

大数据具有多层结构，这意味着大数据会呈现出多变的形式和类型。相较传统的业务数据，大数据存在不规则和模糊不清的特性，造成很难甚至无法使用传统的应用软件进行分析。传统业务数据随时间演变已拥有标准的格式，能够被标准的商务智能软件识别。目前，企业面临的挑战是处理并从各种形式呈现的复杂数据中挖掘价值。

大数据三大特征

第一个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等多类型的数据对数据的处理能力提出了更高的要求。

第二个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

第三个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。