你常常听说现在是大数据时代，那大数据究竟是什么？

我想你可能不太能说得上来，但你脑子一定会有些零碎的印象。

事实上大数据正在开始遍布我们工作和生活的每一处角落。

对于企业管理而言，大数据更是渗透了日常管理的每一道程序。

所以，不管我们认不认为重要，了解一下大数据总是多多益善。

1.确认过眼神，就能知道客户想要什么

你的各种潜客户、准客户、老客户、新客户但凡有过消费行为痕迹，都能用云计算技术对消费者的这些行为进行准确深入的分析。

知道他们的所有消费逻辑，最想要什么，对什么最感兴趣，然后时不时地满足一下客户。

你们最想要什么，我就针对什么做活动。

所有这些客户数据的记录、跟踪、分析，都会成为你营销杀单的锋利武器。

2. 燃烧企业陈旧细胞，推动你创新创新再创新，帮助你成长成长再成长

市场成天变变变，你的客户们也是花心得不得了，稍不留神客户就要移情别恋也是实属憋屈。

根据大数据得来的各种关于客户消费行为倾向、偏好、习惯、期望等等。

你可以随时为客户保持新鲜感，有针对性地不停改创产品提升服务。

有了大数据做支撑，就是找到了粘客户的好理由。

3. 生产制造流程分分钟实现自动化，再也不用担心落后低效

产品的生命周期数据化，数据可以告诉你怎么做最快最靠谱。

各种负责生产制造的机器人不分日夜地帮你打工，只要你想停下来慢点，就没有人家快不起来的时候。

这就是大数据对生产制造流程的重大影响。

结束语：

作为企业管理软件大本营，企匠云暖暖地提示您：

大数据时代虽然好，但不能瞎搞，瞎搞数据容易玩脱。

用大数据管理企业要注意到这3点：

1.用于分析的数据量非常庞大

2.数据的精确性不好确保

3.要在数据和事物之间寻找关联性

关注到这3点，根据你企业的实际情况积极用好大数据。

相信你现在企业经营管理中一定能发现更多神奇到不可思议的东西。

当然，最重要的，用好大数据，就是挣好客户的钱。

想了解或挑选大数据领域有哪些软件？

想知道你的同行都在用什么软件管理工作？

赶紧到企匠云官网来看看吧！

每一个为人类创变而萌生的念头都是最高贵的种子，大家好，这里是高贵的种子。

上周末，英美两国的媒体，爆出了一则与Facebook脸书有关的大新闻。报道称，一家名叫Cambridge Analytica剑桥分析的数据分析公司，通过为脸书平台开发的性格小测试程序，收割了超过5000万的用户数据。并且，利用这5000万用户，操纵了2016年的美国大选。接着便有新闻指出小扎道歉：我们错了！对Facebook数据泄露事件负有责任，不配为用户提供服务，他自己很后悔，将来一定会改正，他还保证不再发生类似事件，有新闻称美国联邦贸易委员会正在开展的调查，若属实，Facebook将面临2000000000000美元罚款！（事件时间线下图）

那么它们如何抓取用户信息，又是如何操纵大选的大概过程：

大概意思就是，这个公司针对每个用户的特点，尤其是那些偏中立不知道投谁的选民，投放洗脑政治新闻，进而最终将川普推向大选胜利。利用大数据给人洗脑？还影响选举？小小的一个脸书账号也能搞出这么多事儿？2014年夏天，这个公司和一位剑桥的研究人员合作，展开了一项研究，抓取了大约32万用户的核心数据，这些用户的喜好，性格和交友圈信息，一览无遗。

我举个简单的例子，我们都知道希拉里是赞同接纳难民的，如果据数据判断，一个用户他经常点赞批判接纳难民的相关内容，或者从该用户的交往人群，信仰等线索蛛丝马迹，大概推断此人反移民或者不支持接纳移民，那么对他的主页频繁推送希拉里“接纳移民”的观点新闻，势必会让该用户产生对希拉里的反感。喜欢耸动新闻？没问题，专门给你发送“震惊”类的内容，一次管饱。当用户在潜移默化中，每天被推送阅读这些定制类的新闻时，你很难说他们不被影响。在大数据帮助下，川普团队潜移默化地影响了很多选民，这也成了他登上总统之位的强效助力。

事实上，Facebook这种事，影响的不止是选举这样的大事件。大数据还在操纵我们每个人生活的方方面面。这些公司做的第一步，就是收集数据。我们在网络上的所有行为，每一次点赞，每一次分享，每一次浏览，都将成为被记录分析的数据当代人手机电脑不离手，只要连接了网络，我们就在留下痕迹。搜索引擎成了我们联通网络的大门，每次搜索，都会被看门的数据公司，记录下我们往哪个方向走。搜索过游戏，就给你推荐游戏；消费过护肤用品，就给推送同类型产品；转发过汽车新闻，就给推荐汽车。比如有东西加到购物车还没结账，再进入网站时购物车自动恢复，或者看的小说看到一半，再打开网站时自动找到上次读到的位置。本来这项技术是为了提供更好的客户体验，让大家浏览网站时，不需要一次把所有的事情都做完。然而，这个技术被广告商盯上了，掌握了我们网上的一举一动。通过读取cookie，广告商可以知道我们看过什么网页，看了多久，操作到什么地步。除了读取cookie，数据公司还会收集用户的个人基础信息、点赞、社交圈、消费习惯和生活习惯，也就是Facebook这种公司从我们身上拿到的资料。集齐了他们需要的信息，这些公司就开始对这些数据进行分析。这个分析的过程，叫做用户画像。用社交网站上的各种资料，配合用户在网上的浏览信息建立模型，用模型运算预测用户可能发生的行为。广告商根据这些分析结果，就可以预测我们可能会买什么，进行定向投放广告。它们不仅想知道我们搜索了什么，还想了解我们的各个方面乖乖让用户交出个人信息不是一件容易的事，我们又不是傻子，凭什么给这些公司我们的资料。但是事实证明，道高一尺魔高一丈，为了搞到数据，他们想出各种办法，哄得用户乐呵呵地自己奉上隐私数据。像剑桥分析给每个用户5块钱，用户不仅把自己的东西都交代了，还给了他们权限去了解自己的朋友们。想想我们，是不是也有曾经为了返券优惠，提供额外资料给某些app呢？

就像是我们开始说的那样：大数据，比你更了解你自己。

在大数据面前，我们每一个人都是赤裸的，待宰羔羊。这次Facebook操作选举的事件，只是揭露了大数据时代危险的冰山一角。原来，我们看到的世界，不过是大数据为我们精心定制的一隅天地。大数据，不止了解我们，掌握着我们一切的信息，就像马云他知道那个省妇女的胸大。能给我们安利心动的产品，提供我们需要的服务，还能让我们觉得我们看到了想看的一切。大数据分析出我们的三观，平台可以按照我们的三观偏好推送信息。当我们毫不设防，我们的视野被控制在大数据为我们预设的轨道里，小到消费购物，大到政治宗教，我们最终沦为大数据的提线木偶。

了解你，洞悉你，甚至比你自己都清楚你。大数据时代，我们还有何处可逃？大数据下，我们都是一样的赤裸裸，我们经常接到各类保险的推销电话，我们的信息在大数据情况下，都是一样的赤裸裸，我们能做什么呢，我们别在朋友圈去各种秀；我们把相册加密码；但在现在这大数据时代，我们离不开电脑，手机，更离不开网络，所以我们需要国家建设网络安全个人信息的保护制度是迫在眉睫的。你们怎么认为呢，欢迎留言讨论。

大数据定义

一般而言，大数据是指数量庞大且复杂的数据集，以至于传统的数据处理软件无法在合理的时间内捕获，管理和处理数据。

这些大数据集可以包括结构化，非结构化和半结构化数据，每个数据都可以挖掘出价值潜力。

究竟有多少数据实际上构成“大”呢是有争议的，但它通常可能是PB级的倍数，可能对应于EB级的数据。（1EB=1024PB 1PB=1024TB 1TB=1024GB）

大数据通常以三个特征：

极端的数据量广泛的多种类型的数据能够加工处理的数据

构成大数据存储的数据可以来自网站，社交媒体，桌面和移动应用，科学实验以及物联网中越来越多的传感器和其他设备。

大数据和分析

真正能够从所有大数据中获得价值的是应用于数据的分析。没有分析，这仅仅只是一堆数据。

数据分析包括检查数据集以获得见解或得出数据中的有价值内容。

通过分析数据可以做出更明智的业务决策，例如何时何地进行营销活动或引入新产品或服务。

分析可以指基本的商业分析或更高级的预测性分析，例如科学机构使用的分析。在最先进的数据分析类型中，数据挖掘是分析师评估大型数据集来发现看似无关事务之间关系的一种方式。

IT中的架构来支持大数据

对于大数据工作，团队需要有适当的设备来收集和存储数据，提供对数据的访问，并在存储和传输过程中保护信息。

由于公司希望继续利以数据为中心的投资，因此大部分基于大数据的架构可能都是公司内部自己部署的。但越来越多的机构依靠云计算服务来处理大部分大数据需求。

数据收集需要有数据源。其中很多，如网络应用程序，社交媒体渠道，移动应用程序和电子邮件已经成为了重要的几个数据源。但随着物联网逐渐成熟，企业可能需要在各种设备和产品上部署传感器来收集数据，并生成用户对应的数据。

为了存储所有传入的数据，大数据需要有适当的数据存储方式。存储方式包括传统的数据仓库，数据池和基于云的存储。

以上这些关于大数据的基本知识你get到了吗。

16日，DNF一哥旭旭宝宝在斗鱼的首播不但吸引了整个直播圈的关注，当晚的直播数据也不断刷新着记录：人气值3000多万,关注量100多万，收入礼物量300多万，弹幕数量更是高达500多万,刷新了平台记录。直播间的飞机、火箭等礼物就不用说了，当晚直播结束之后，旭旭宝宝的粉丝量达到了31.1万，成了目前斗鱼主播当中粉丝量最多的一个。

要知道，作为DNF资深玩家，有着“国服刷图竞速第一人”之称的旭宝，向他抛出橄榄枝的除了斗鱼，还有虎牙、熊猫等直播平台，并且有传言说虎牙给出的待遇是高于斗鱼的。

旭旭宝宝之所以放弃其他平台的高薪选择斗鱼，相信更多是考虑平台的实力和主播运营的能力吧，相信他是经过比较，认为斗鱼可以给他最好的发展平台，从而选择斗鱼的。我们今天也来分析一下，旭旭宝宝这样选择是不是最明智的？

其实，斗鱼经过充分布局，在主播阵容、赛事运营、市场渗透等方面确实已经比竞争对手更具优势。

比如，在不久前结束的 2018英雄联盟洲际赛中，刚刚与斗鱼签约的RW战队顶住压力最终帮助中国队成功卫冕，经此一役，斗鱼选择战队的眼光和能力不得不令我们佩服。

平台造星、持续签约实力主播，这已经发展成为斗鱼平台在主播培养体系下的两大重磅措施。年初，斗鱼对外公布了平台的发展战略计划，其中一项就是投资十亿用于未来三年培养平台潜力主播。回归斗鱼的周二珂，在斗鱼的帮助下，登上了国内最大型明星综艺节目——《快乐大本营》，此前斗鱼一姐冯提莫也曾登上了这个舞台，而后在娱乐圈发展得风生水起。斗鱼在主播培养方面的能力确实是无人能及。

除了主播方面的优势，在赛事运营方面，斗鱼也在一众直播平台里表现突出 。

斗鱼屡次拿到独播版权，比如今年斗鱼拿到德玛西亚杯独播权，也证明了斗鱼在英雄联盟赛事直播中的地位。

另外，斗鱼打造赛事的能力也是有目共睹。在今年，斗鱼先后打造了囊括13门游戏的DSL斗鱼超级联赛以及基于绝地求生的斗鱼黄金大奖赛等爆款电竞游戏赛事，斗鱼的黄金大奖赛则是中国首个直播平台发起的绝地求生类的自制赛。6月，斗鱼打造的刺激战场千人公开赛的影响力和专业度也是不容小觑。就赛事内容来说，斗鱼的整个战队资源、规模阵势等毫不逊色时下火爆的专业的LPL赛事。

而且，在目前的直播平台中，斗鱼的渗透率也远高于其他对手。

同样是以 2018英雄联盟洲际赛为例，斗鱼与企鹅电竞、虎牙直播都是LOL国际赛事的合作直播平台。从赛后的数据可以看出，斗鱼官方直播间的总观看人次达到了1.8亿次，总观看人数达到了4100万人，洲际赛视频的播放量达到747万次，均位居行业内第一名。而且，斗鱼观众为LPL战队加油打Call的人数总计119万，弹幕数量总计317万超越第二名62万。

这一点也在极光大数据所给出的游戏直播APP渗透率榜单上可以看出。

通过数据，我们看到斗鱼和虎牙具有绝对领先的优势，而斗鱼更是拥有3.98%的高渗透率，比虎牙高了0.49个百分点，稳坐游戏直播平台第一的位置。

根据4月至6月斗鱼和虎牙月活跃用户数据对比可以看出：在月活跃用户数方面，斗鱼的月活仍高于虎牙，处在领先位置;近3个月中，斗鱼的月活人数曾一度高出虎牙近700万，斗鱼直播仍占有绝对优势。

无论是主播阵容、赛事运营还是用户的喜爱、市场渗透率，斗鱼在直播领域的布局已经取得显著成效，是毋庸置疑的全网第一游戏直播平台。并且，有理由相信斗鱼直播可以在将来将优势持续凸显并扩大，所以说旭旭宝宝的选择应该是最好最明智的了。

作者：CDA数据分析师

大数据分析与数据分析这几年一直都是个高频词，很多人都开始纷纷转行到这个领域，也有不少人开始跃跃欲试，想找准时机进到大数据或数据分析领域。如今大数据分析和数据分析火爆，要说时机，可谓处处都是时机，关键要明了的一点是，大数据分析和数据分析两者的根本区别在哪里，只有真正了解了，才会知晓更加适合自己的领域是大数据分析师还是数据分析师。毕竟职场如战场，时间就是生活，不容儿戏，更不容怠慢。下面我来好好告诉大家两者的本质区别到底是什么！

大数据分析：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的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》 中大数据分析指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理，因此不用考虑数据的分布状态（抽样数据是需要考虑样本分布是否有偏，是否与总体一致）也不用考虑假设检验，这点也是大数据分析与一般数据分析的一个区别。

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

大数据分析与数据分析最核心的区别是处理的数据规模不同，由此导致两个方向从业者的技能也是不同的。在CDA人才能力标准中从理论基础、软件工具、分析方法、业务分析、可视化五个方面对数据分析师与大数据分析师进行了定义。

【数据分析师的要求】

数据分析师的理论要求：统计学、概率论和数理统计、多元统计分析、时间序列、数据挖掘。

工具要求：必要：Excel、SQL可选：SPSS MODELER、R、Python、SAS等

分析方法要求：除掌握基本数据处理及分析方法以外，还应掌握高级数据分析及数据挖掘方法（多元线性回归法，贝叶斯，神经网络，决策树，聚类分析法，关联规则，时间序列，支持向量机，集成学习等）和可视化技术。

业务分析能力：可以将业务目标转化为数据分析目标；熟悉常用算法和数据结构，熟悉企业数据库构架建设；针对不同分析主体，可以熟练的进行维度分析，能够从海量数据中搜集并提取信息；通过相关数据分析方法，结合一个或多个数据分析软件完成对海量数据的处理和分析。

结果展现能力：报告体现数据挖掘的整体流程，层层阐述信息的收集、模型的构建、结果的验证和解读，对行业进行评估，优化和决策。

【大数据分析师的要求】

理论要求：统计学、概率论和数据库、数据挖掘、JAVA基础、Linux基础。

工具要求：必要： SQL、Hadoop、HDFS、Mapreduce、Mahout、Hive、Spark可选：RHadoop、Hbase、ZooKeeper等

分析方法要求：熟练掌握hadoop集群搭建；熟悉nosql数据库的原理及特征，并会运用在相关的场景；熟练运用mahout、spark提供的进行大数据分析的数据挖掘算法，包括聚类（kmeans算法、canopy算法）、分类（贝叶斯算法、随机森林算法）、主题推荐（基于物品的推荐、基于用户的推荐）等算法的原理和使用范围。

业务分析能力：熟悉hadoop+hive+spark进行大数据分析的架构设计，并能针对不同的业务提出大数据架构的解决思路。掌握hadoop+hive+ Spark+tableau平台上Spark MLlib、SparkSQL的功能与应用场景，根据不同的数据业务需求选择合适的组件进行分析与处理。并对基于Spark框架提出的模型进行对比分析与完善。

结果展现能力：报告能体现大数据分析的优势，能清楚地阐述数据采集、大数据处理过程及最终结果的解读，同时提出模型的优化和改进之处，以利于提升大数据分析的商业价值。

综上大数据分析与数据分析的根本区别就是分析的思维与分析所用的工具不同。大家在求职或转行过程认清自己对两者的偏好和自己的兴趣所在，以及自己的能力更适合在哪个领域发挥，还有自己所在城市对两者的职业需求，综合天时地利人和三个条件，我们才能做出更理智更客观更科学的抉择。

Java已经火爆多年，学习Java的人也越来越多，这个大家都知道。大数据是近几年突然受到人们的关注，很多人想要开始学习大数据，因为互联网企业对于数据分析的需求越来越大，而市场给出的薪水也远高于其他技术岗位。很多人担心Java、大数据能火多久呢？现在学这个会不会过一段时间就不流行了？很多人害怕自己辛辛苦苦报了培训班，投入了时间、精力，结果又找不到工作，可怎么办?

这个问题要从两个方面分析。

一

1

“大数据能火多久”这个问题，要看大数据的本质。我们目前业内讨论“大数据”，应该更倾向于看它背后的技术对当前企业IT系统的革新。就如同目前大多数企业以关系型数据库为中心的IT系统一样，现在，我们处理信息的手段中，又添加了新的成员。如果你向老大建议，我们不要以关系型数据库为核心的各类“进销存”、财务等系统了，全体回退到以excel、word来处理信息，我想，他会分分钟让你滚。20年后，如果你向老板建议，我们放弃各类以大数据处理集群为核心的精准营销系统、智能客服系统、用户智能分析系统等等，大家集体回退到以纯关系型数据库为核心的时代，我相信，他也一定会分分钟让你滚。

当前，我们对大数据的理解，越来越清晰和接地气。阿里巴巴已经把他们的大数据系统，改名为了'maxComputer'。从名字不难看出，大数据就是大电脑，这意味着更大的信息处理能力、更高的灵活性……

大数据能火多久，如同穿越到上世纪80年代，去问个人电脑能火多久一样。现在，我们都不会认为“个人电脑”会“火”，因为，它已经成为了人类工具箱里一件强大的工具，提高了人类的生产力。我相信，“大数据”，也会成为我们的工具箱里的这么一样工具的。

现在讨论起大数据，很多人的看法，还是照搬教科书里的内容。其实，对真正的大数据圈而言，大数据已经落地了。下了凡的七仙女，虽然是神仙，但也成为了农家媳妇，没太大讨论的必要了。大数据从几年前很火，到现在，从PPT上下凡到数据中心，也就没有多大的讨论必要性了，用就行了。

2

大数据为啥这么有诱惑力，是否值得投入，现在进去晚了吗？

首先，大数据企业众多，逐步形成产业化。从08年开始，大数据就成为互联网信息领域的大热门。由此而来，大数据企业像雨后春笋般层出不穷。

其次，大数据人才需求量大，薪资相比其他行业遥遥领先。尚学堂陈老师指出数万家的企业都把大数据当做企业业务发展的制高点，都在不惜代价的抢滩大数据人才。就拿互联网金融行业来说，不低于一万家企业，平均每家企业都需要10人以上的数据人才，BAT就更不用说了，每家的数据人才都是以千计。

最后，大数据代表未来高科技发展方向，不管是智能社会、智能城市、智能社区、智能交通、智能制造、智能理财等等，都依赖于大数据基础，这是多么巨大的市场和发展机遇。

所以，在现阶段，无论你何时去决定投入，都有非常大的机会，至少未来十年，大数据一定不会衰落。

二

对于担心现在进培训班学习Java，出来找不到工作，或者担心Java马上就不火的同学，想对你们说三个字：想太多。想要获得高收入的回报，比别人付出更多的成本这是必然的。不存在不劳而获这样的好事情。同时，你看中的Java程序员的高工资正是因为这个时代互联网的爆炸式发展，给了你这样的机会，高收益必定是有一定的风险，但那么多的互联网企业，那么多的Java程序员同时在这个时代存在，担心学完就找不到工作，白学了，就有点杞人忧天了。

当然，有这种担忧也是好的，为自己想好后路。毕竟现在竞争这么大，现实很残酷。但是可以肯定的是，Java还会一直火下去？为什么呢？有以下几个原因：

从宏观方面来说，国家现在大力推动互联网与实体经济相融合，这可以说是一举两得。互联网+已经不止是时代发展到今天市场的一个必然趋势，更是被国家大力扶持的方向。互联网行业人才缺口一定会越来越大。同学们要担心的应该是如何跟上Java学习的脚步，而不是担心它会不会衰落。

Java本身的特性决定了很多行业都会采用Java开发，尤其是金融、政府部门等更加喜欢招聘Java程序员。就编程技术本身而言，这是一门运用最为广泛的技术，我们日常使用的QQ、支付宝都与Java等密切相关，所以学好Java找工作是肯定不愁的。

也许有的同学觉得现在Java程序员就如同大学生一样普遍，市场已经趋于饱和了，其实这是一个普遍的误解：在中国这个人口大国，实际上任何一个赚钱的行业、好的岗位都会被迅速疯抢。在如此多程序员的情况下，仍有那么多企业抱怨招不到人，招不到靠谱的程序员是为什么？因为虽然满大街都是Java程序员，但是初级程序员占了多数，中高级人才却是奇缺。很多人为了高工资涌入这个行业，找到了一份工作以后就安于眼前的高薪工作，然而后期却很乏力，那是因为他们没有继续精进自己的技术，没有持续地去学习，不是真正地热爱Java技术而是被它带来的高工资所吸引。想要拉开与别人的距离，让自己成为一个真正优秀的Java程序员还有很长的路要走。

不过谁不是从小白开始的呢，一步一个脚印，别想一口吃成一个大胖子。既要有那高薪的远大目标，也要有脚踏实地不断学习的态度。

那么，从一个初级程序员怎样快速成长为高级架构师呢？

这里有一份从入门到架构师的完整学习路线图，为想成为架构师的同学量身定制：

从入门基础到高级架构，每个阶段的学习都设定了明确的学习目标，配以相应的实战项目，保证即学即用，内化为自己的知识，学完你的技术基本可以升一个等级：

第一阶段 Java基础

学习到的知识点：

Java语言概述

数组

异常机制

Java常用类

IO流

多线程

XML&正则表达式

设计模式

第二阶段 Web前端和JavaEE基础

学习到的知识点：

数据库

Oracle

MySQL

JDBC

HTML

CSS

jQuery

JSP

Servlet

第三阶段 高级框架阶段

学习到的知识点：

Hibernate

MyBatis

Spring

SpringMVC

Quartz

RBAC

Shiro

Activiti

mybatis-plus

EasyUI

Git/GitLab

第四阶段 分布式和架构

学习到的知识点：

Maven

Linux/Centos

Nginx

Mycat

Zookeeper

RPC

Dubbo/Dubbox

Redis

Solr

ActiveMQ

MongoDB

分布式事务

第五阶段 微服务架构

学习到的知识点：

FastDFS

Docker

Erueka

Ribbon

Feign

SpringBoot

Hystrix

SpringData

Zuul

SpringCloud

第六阶段 大数据

学习到的知识点：

Hadoop

HDFS

MapReduce

课程穿插的实战项目：

桌球游戏项目

电影院后台项目

双色球项目

图书管理系统

七彩鲜花销售系统

开发人员调度项目

京东商城项目

超市会员管理系统

企业客户关系项目

这套课程经历119次改版，一次次通过了市场的检验，课程内容紧跟企业需求，涉及到的新技术：JAVA10、微服务架构（Spring Boot、Spring Data、Spring Cloud）、互联网架构技术、SSM三大框架等。

严谨一点说大数据专业和计算机专业有什么区别？哪个更好一些？

首先严谨一点说，大数据专业是指“数据科学与大数据技术”，而且今天说的计算机专业，也是提指“计算机类”专业。以下简要说明二者的区别与关系：

一、计算机类属于工学的0809，是大类，还可以细分，其中901的计算机科学与技术，是计算机类专业的鼻祖。其它的902至910都是2000年以后细分增设的。详细专业如下：

二、计算机科学与技术，国内最早开设的高校是清华大学的电子计算机专业1956年、北京大学1955年的计算数学专业；1956年交通大学（上交前身）也支援电子电气类13人去清华大学（与清华的电子电气类、机械电子类抽取的15名）共同27人组建新专业电子计算机，原计划是1958提毕业，但当时由于国家需要，就1957毕业了，同时交通大学也派出5人赴北京计算机训练班【中科院计算所举办】学习，因56、57年学校西迁，学成学员落户西安。1957年4月17日，教育部批准交通大学（西安）增设电子计算机专业。

三、真正的大数据专业——数据科学与大数据技术，是2016年教育部第一批新增三所大学，分别是北京大学、对外经济贸易大学、中南大学；2017年新增在32所、到2018年新增248所，其计283所。

四、关于数据科学与大数据技术专业，早于2016年前，中南大学于2015年就进行过试点招生：计算机科学与技术（大数据方向）。且中南大学有医疗方面的资源，标志性事件：2017年“医疗大数据应用技术国家工程实验室（中南大学）”揭牌，标志“医疗大数据应用技术国家工程实验室（中南大学）”建设正式启动。

五、虽然数据科学与大数据技术开设的院校比较多，但报考时，依然得参考计算机科学与技术专业强势的院校，其中有两个区域，顺便要说一下，山西、贵州，山西有百度的百度云基地、贵州呢，近两年大数据比较抢眼，苹果数据中心、华为数据中心，这两省的同学，如果不出省门，相对来说会有相关的实践基础，本身大数据是计算机科学、数学、统计学的交叉学科。实践性也特别强。

以上是我关于两个专业的分析也说明，有不同意见的在下方留言讨论。

------------------------------------------------------------

人工智能的火爆，让全世界的大公司都想进入这个行业，人才也纷纷涌入这个行业。而人工智能和大数据主要用的语言就是Java和Python。今天我们就来分析一下，当前python、大数据、java哪个比较好?自己该学哪一个?

Java和Python是编程语言，而大数据则是一系列技术的整合，所以应该分开来看，三者并不能直接进行对比。三者实际的关系是目标和实现的包含关系。那么究竟python 大数据 java 那个比较好?其实在千锋看来，目前对普通人来说，最好的选择还是java。

Java发展前景

Java语言是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++语言里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。

Java语言作为静态的面向对象编程语言的代表，极好地实现了面向对象的理论，允许程序员以优雅的思维方式进行复杂的编程。Java语言具有简单性、面向对象、分布式、健壮性、安全性、平台独立与可移植性、多线程、动态性等等特点 。

Java的发展方向：web开发、大数据开发、安卓开发、服务器开发等等。

Java的就业情况：Java作为传统的编程语言之一，就业市场一直非常紧缺，只要能够掌握相关的技术，实现就业并不难。

Java市场人才需求量：从地域上看来，北上广深依旧是人才需求明显的地区，另外可以看出杭州对于软件人才的需求也在扩大，人才需求量对比，可看出Java需求之大，很多企业都很难招到一个合适的软件人才。

数据分很多种类，交易数据、位置数据、医疗数据、消费数据，哪种数据含金量更高？

第一，所有的数据都有价值，而且你发现了吗？这个分类其实是个挺有意思的事，它就跟乐高积木一样，就是这点材料，怎么组装，看上去是完全不同的形状。数据也是一样，你用不同的方式去分类，去拎出一个结构呢，都会得到完全不同的结果。

比如说你说到的交易数据、位置数据、医疗数据、消费数据，这几个分类其实就不是互相排斥的，对不对？里面是互相包含的。

比如消费数据和交易数据，你怎么区分？还有医疗消费数据就可能会既进入医疗数据，也会进入消费数据。而医院的位置可能算医疗数据，也算地理位置数据。所以，对分类要有一个动态的全面认识。

但是，我们不妨从数据的颗粒度和敏感度来想想什么数据最有用。

首先是颗粒度的数据，举个例子。一个国家的GDP是1万亿美金，和一个国家的人均GDP是1万美金，人口是1亿，哪个数据更好？显然是后者，对吧？后者可以反推前者，但只有前者推不出后者。所以，颗粒度越细的数据越有用。

当然了，数据量大，处理起来非常痛苦。所以，在数据处理和颗粒度之间，我们一定会有个平衡。

社会是个人组成的，所以一般来说我觉得，颗粒度具体到个人就已经挺完美的了。

那除了颗粒度，还有敏感度问题。社会文明的一个标志是对个人隐私的尊重。所以，在数据保护中，个人隐私是需要绝对尊重的，有些底线你是不能触碰的。这就决定了关于个人的很多状态是敏感的。

比如在西方礼仪里边，冒然地去问别人的年龄、身高、体重，都是挺不礼貌的行为。这就是对一种隐私的尊重。

所以，个人信息，包括你的身体状况、财务状况，这些都非常敏感，各国的数据保护也保护得比较严格。

我们再想下去，要更好地观察经济状况，什么数据最有用呢？经济是人的活动，所以，人的活动密度是个非常直接的指标，可以观察出很多经济的细节。人的地理位置是不需要和个人ID挂上钩的，你只要看整体就可以得到很多有趣的结论了。

所以，最近我们团队也在研究，怎么从数据里面挖掘经济活动的细节，这个感受特别深。从目前来看，我感觉地理位置的数据会很有应用前景，是一个含金量很高的数据。

我听过一场关于加密技术的讲座，让我想到，以后加密技术发展到一定规模以后，尤其是可以在本地来进行加密的话，个人数据的使用可能会变得非常地便利和快捷。什么数据含金量最高，这可能也是一个动态演化的过程。

区块链能不能在一些公众希望被公开的行业做一些试点，比如慈善、红十字会。

我给他一个非常肯定的回答，我觉得这是个特别好的方向。但是，不知道区块链行业的会怎么想。

欢迎你把你的前沿知识传播给你身边的朋友，让他们一块儿跟你走进新的数据时代

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。