大數據有什麼內容?

大數據有哪些

大數據處理關鍵技術一般包括：大數據採集、大數據預處理、大數據存儲及管理、大數據分析及挖掘、大數據展現和應用（大數據檢索、大數據可視化、大數據應用、大數據安全等）。

什麼是大數據？大數據是什麼意思？

“大數據”是近年來IT行業的熱詞，大數據在各個行業的應用逐漸變得廣泛起來，如2014年的兩會，我們聽得最多的也是大數據分析，那麼，什麼是大數據呢，大數據時代怎麼理解呢，一起來看看吧。

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件工具，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。

大數據的特點。數據量大、數據種類多、 要求實時性強、數據所蘊藏的價值大。在各行各業均存在大數據，但是眾多的信息和諮詢是紛繁複雜的，我們需要搜索、處理、分析、歸納、總結其深層次的規律。

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。

大數據的挖掘和處理。大數據必然無法用人腦來推算、估測，或者用單臺的計算機進行處理，必須採用分佈式計算架構，依託雲計算的分佈式處理、分佈式數據庫、雲存儲和虛擬化技術，因此，大數據的挖掘和處理必須用到雲技術。

互聯網是個神奇的大網，大數據開發也是一種模式，你如果真想了解大數據，可以來這裡，這個手機的開始數字是一八七中間的是三兒零最後的是一四二五零，按照順序組合起來就可以找到，我想說的是，除非你想做或者瞭解這方面的內容，如果只是湊熱鬧的話，就不要來了。

大 數據的應用。大數據可應用於各行各業，將人們收集到的龐大數據進行分析整理，實現資訊的有效利用。舉個本專業的例子，比如在奶牛基因層面尋找與產奶量相關 的主效基因，我們可以首先對奶牛全基因組進行掃描，儘管我們獲得了所有表型信息和基因信息，但是由於數據量龐大，這就需要採用大數據技術，進行分析比對， 挖掘主效基因。例子還有很多。

大數據的意義和前景。總的來說，大數據是對大量、動態、能持續的數據，通過運 用新系統、新工具、新模型的挖掘，從而獲得具有洞察力和新價值的東西。以前，面對龐大的數據，我們可能會一葉障目、可見一斑，因此不能瞭解到事物的真正本 質，從而在科學工作中得到錯誤的推斷，而大數據時代的來臨，一切真相將會展現在我麼面前。

商業智能的技術體系主要有數據倉庫（Data Warehouse，DW）、聯機分析處理（OLAP）以及數據挖掘（Data Mining，DM）三部分組成。

數據倉庫是商業智能的基礎,許多基本報表可以由此生成,但它更大的用處是作為進一步分析的數據源。所謂數據倉庫（DW）就是面向主題的、集成的、穩定的、不同時間的數據集合，用以支持經營管理中的決策制定過程。多維分析和數據挖掘是最常聽到的例子,數據倉庫能供給它們所需要的、整齊一致的數據。

在線分析處理（OLAP）技術則幫助分析人員、管理人員從多種角度把從原始數據中轉化出來、能夠真正為用戶所理解的、並真實反映數據維特性的信息，進行快速、一致、交互地訪問，從而獲得對數據的更深入瞭解的一類軟件技術。

數據挖掘（DM）是一種決策支持過程，它主要基於AI、機器學習、統計學等技術，高度自動化地分析企業原有的數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整市場策略，減少風險，做出正確的決策。

商業智能的應用範圍

1.採購管理

2.財務管理

3.人力資源管理

4.客戶服務

5.配銷管......

大數據有哪些重要的作用

主要由以下三點作用：

第一，對大數據的處理分析正成為新一代信息技術融合應用的結點。移動互聯網、物聯網、社交網絡、數字家庭、電子商務等是新一代信息技術的應用形態，這些應用不斷產生大數據。雲計算為這些海量、多樣化的大數據提供存儲和運算平臺。通過對不同來源數據的管理、處理、分析與優化，將結果反饋到上述應用中，將創造出巨大的經濟和社會價值。

第二，大數據是信息產業持續高速增長的新引擎。面向大數據市場的新技術、新產品、新服務、新業態會不斷湧現。在硬件與集成設備領域，大數據將對芯片、存儲產業產生重要影響，還將催生一體化數據存儲處理服務器、內存計算等市場。在軟件與服務領域，大數據將引發數據快速處理分析、數據挖掘技術和軟件產品的發展。

第三，大數據利用將成為提高核心競爭力的關鍵因素。各行各業的決策正在從“業務驅動” 轉變“數據驅動”。

什麼是大數據

"大數據"是一個體量特別大，數據類別特別大的數據集，並且這樣的數據集無法用傳統數據庫工具對其內容進行抓取、管理和處理。 "大數據"首先是指數據體量(volumes)?大，指代大型數據集，一般在10TB?規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量；其次是指數據類別(variety)大，數據來自多種數據源，數據種類和格式日漸豐富，已衝破了以前所限定的結構化數據範疇，囊括了半結構化和非結構化數據。接著是數據處理速度（Velocity）快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。最後一個特點是指數據真實性（Veracity）高，隨著社交數據、企業內容、交易與應用數據等新數據源的興趣，傳統數據源的侷限被打破，企業愈發需要有效的信息之力以確保其真實性及安全性。

數據採集：ETL工具負責將分佈的、異構數據源中的數據如關係數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後加載到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。

數據存取：關係數據庫、NOSQL、SQL等。

基礎架構：雲存儲、分佈式文件存儲等。

數據處理：自然語言處理(NLP，NaturalLanguageProcessing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機"理解"自然語言，所以自然語言處理又叫做自然語言理解(NLU，NaturalLanguage Understanding)，也稱為計算語言學(Computational Linguistics。一方面它是語言信息處理的一個分支，另一方面它是人工智能(AI, Artificial Intelligence)的核心課題之一。

統計分析：假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、方差分析、卡方分析、偏相關分析、距離分析、迴歸分析、簡單迴歸分析、多元迴歸分析、逐步迴歸、迴歸預測與殘差分析、嶺迴歸、logistic迴歸分析、曲線估計、因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。

數據挖掘：分類 （Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity grouping or association rules）、聚類（Clustering）、描述和可視化、Description and Visualization）、複雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)

模型預測：預測模型、機器學習、建模仿真。

結果呈現：雲計算、標籤雲、關係圖等。

要理解大數據這一概念，首先要從"大"入手，"大"是指數據規模，大數據一般指在10TB(1TB=1024GB)規模以上的數據量。大數據同過去的海量數據有所區別，其基本特徵可以用4個V來總結(Vol-ume、Variety、Value和Veloc-ity)，即體量大、多樣性、價值密度低、速度快。

第一，數據體量巨大。從TB級別，躍升到PB級別。

第二，數據類型繁多，如前文提到的網絡日誌、視頻、圖片、地理位置信息，等等。

第三，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。

第四，處理速度快。1秒定律。最後這一點也是和傳統的......

大數據是什麼，幹什麼用的？包含哪些內容？哪些技術？解決什麼問題？

大數據指無法在一定時間範圍內用常規軟件工具進行捕捉、管理和處理的數據集合，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的海量、高增長率和多樣化的信息資產。通過大數據分析，可以預測交通路況實況，比如百度地圖的實時公交，瞭解客戶信用，比如支付寶實名認證大數據背後的花唄借唄信用積累大數據研究顯示，我國的數據總量正在以年均50%以上的速度持續增長，預計到2020年在全球的佔比將達到21%。產業新形態不斷出現，催生了個性化定製、智慧醫療、智能交通等一大批新技術新應用新業態。大數據主要的三大就業方向：大數據系統研發類人才、大數據應用開發類人才和大數據分析類人才。

大數據技術有哪些

非常多的，問答不能發link，不然我給你link了。有譬如Hadoop等開源大數據項目的，編程語言的，以下就大數據底層技術說下。

簡單以永洪科技的技術說下，有四方面，其實也代表了部分通用大數據底層技術：

Z-Suite具有高性能的大數據分析能力，她完全摒棄了向上升級(Scale-Up)，全面支持橫向擴展(Scale-Out)。Z-Suite主要通過以下核心技術來支撐PB級的大數據：

跨粒度計算(In-DatabaseComputing)

Z-Suite支持各種常見的彙總，還支持幾乎全部的專業統計函數。得益於跨粒度計算技術，Z-Suite數據分析引擎將找尋出最優化的計算方案，繼而把所有開銷較大的、昂貴的計算都移動到數據存儲的地方直接計算，我們稱之為庫內計算(In-Database)。這一技術大大減少了數據移動，降低了通訊負擔，保證了高性能數據分析。

並行計算(MPP Computing)

Z-Suite是基於MPP架構的商業智能平臺，她能夠把計算分佈到多個計算節點，再在指定節點將計算結果彙總輸出。Z-Suite能夠充分利用各種計算和存儲資源，不管是服務器還是普通的PC，她對網絡條件也沒有嚴苛的要求。作為橫向擴展的大數據平臺，Z-Suite能夠充分發揮各個節點的計算能力，輕鬆實現針對TB/PB級數據分析的秒級響應。

列存儲 (Column-Based)

Z-Suite是列存儲的。基於列存儲的數據集市，不讀取無關數據，能降低讀寫開銷，同時提高I/O 的效率，從而大大提高查詢性能。另外，列存儲能夠更好地壓縮數據，一般壓縮比在5 -10倍之間，這樣一來，數據佔有空間降低到傳統存儲的1/5到1/10 。良好的數據壓縮技術，節省了存儲設備和內存的開銷，卻大大了提升計算性能。

內存計算

得益於列存儲技術和並行計算技術，Z-Suite能夠大大壓縮數據，並同時利用多個節點的計算能力和內存容量。一般地，內存訪問速度比磁盤訪問速度要快幾百倍甚至上千倍。通過內存計算，CPU直接從內存而非磁盤上讀取數據並對數據進行計算。內存計算是對傳統數據處理方式的一種加速，是實現大數據分析的關鍵應用技術。

大數據有什麼用

大數據是什麼

國家圖書館的藏書量有2600萬冊，如果從數據來看的話，一個家庭一年產生的數據相當於半個國家圖書館的數據總量。工業和信息化部電信研究院互聯網中心主任何寶宏認為，當一個時代的人沒有辦法用那個時代的工具來處理的數據就可以稱為大數據。而大數據並非現在才出現，現在的大數據是現代人用現代工具處理不了的數據。其實古人也會遇到同樣的問題，比如人口普查，中國在東漢時期就有幾千萬人，這顯然是大數據。

中國通信學會副理事長兼祕書長張新生認為，推動大數據大量產生的核心動力，是人們渴望能將現實物理社會存在的東西記錄下來，能夠測量它，並且能夠分析。隨著雲計算的發展，人們會利用雲平臺，通過先進技術從海量的信息中挖掘出有質量、有價值的數據，從而使大量有價值的數據轉化成知識。

在談到大數據的時候，人們往往知道的就是數據很大，但是它具體有什麼特徵呢？張新生認為，大數據的特徵應該有以下幾個方面。首先是量特別大，現在的數據計算單位，已經從GB到達了TB、PB，甚至是EB了；其次是多樣性，絕大多數大數據是非結構性的，其種類十分複雜，我們現在的技術手段還沒法對此進行處理；再次是速度，數據產生和傳送的頻率非常快；最後是價值，從大量的低質量、低價值的數據中獲取知識，猶如從大海中撈針，獲取數據成本很高，但有待挖掘價值大。

大數據有什麼用

當你打開一個網頁的時候，裡面彈出了你個人比較喜歡的產品廣告——其實，這就是一個利用大數據進行精準營銷的例子。

哪些組織或者應用程序掌握了我們的“痕跡”呢？中國聯通網絡技術研究院首席專家唐雄燕舉例說，百度掌握你的隱私，微信知道你的社交圈子，淘寶瞭解你的購物習慣，移動電信聯通三大運營商存有你的通話記錄和上網記錄，銀聯知道你在哪裡用了信用卡，定位軟件則知道你現在何方……

大數據給企業和商業帶來了巨大的價值，比如在互聯網金融領域降低了不良貸款率，減少了交易成本。谷歌利用大數據預測季節性流感的爆發和傳播。AT&T將用戶在WiFi網絡中的地理位置、網絡瀏覽歷史記錄以及使用的應用等數據銷售給廣告客戶。當用戶距離商家很近時，就有可能收到該商家提供的折扣很大的電子優惠券，等等。

但是，作為大數據的產生者，廣大公眾能夠從大數據的發展中獲得什麼呢？大數據的發展關乎廣大公眾的切實利益，舉例來說，專家們認為利用大數據可以有效地實現“智慧醫療”，為全面的個人健康管理進行服務；個人可以方便獲取醫院的就診信息、檢查數據、醫療影像等，以及個人健康的歷史數據；為慢性病患者提供遠程數據分析和服務；輔助臨床診斷和用藥決策；為公共衛生機構提供及時的統計分析；以及為藥品研發、治療方案設計提供數據分析。隨著大數據的發展，廣大公眾的生活也將變得更加便利。

我們該怎麼做

剛剛買完房子的你，突然收到很多房產開發商或者代理商的電話和短信，這時你肯定感覺自己的信息被洩露了。對於大數據時代來說，廣大公眾會更加關注自己的隱私，而我們應該如何保護自己的隱私呢？

專家們認為，大數據時代關注的是用戶的特徵，而不是具體的信息。比如說，通過大數據，希望知道用戶是一個處於20—30歲年齡段生育過子女並接受過高等教育的女性，而不是想知道她姓甚名誰，今年多大，有幾個小孩。還有一點，就是大數據的採集和處理主要是由一些大型的公司在做，它們有自己嚴格的規範和流程，以確保信息安全。

專家們也給出了一些具體的建議：首先，國家相關的法律也對個人隱私的保護問題進行了相應的規定和約束，2013年1月份全國人大通過了關於個人用戶隱私保護的決定，同時工信部根據全國人大的決定，......

什麼是大數據？

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通過目前主流軟件工具，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。(在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中大數據指不用隨機分析法（抽樣調查）這樣的捷徑，而採用所有數據的方法[2]）大數據的4V特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。

說起大數據，就要說到商業智能：

商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

商業智能作為一個工具，是用來處理企業中現有數據，並將其轉換成知識、分析和結論，輔助業務或者決策者做出正確且明智的決定。是幫助企業更好地利用數據提高決策質量的技術，包含了從數據倉庫到分析型系統等。

商務智能的產生髮展

商業智能的概念經由Howard Dresner(1989年)的通俗化而被人們廣泛瞭解。當時將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。

商務智能是20世紀90年代末首先在國外企業界出現的一個術語，其代表為提高企業運營性能而採用的一系列方法、技術和軟件。它把先進的信息技術應用到整個企業，不僅為企業提供信息獲取能力，而且通過對信息的開發，將其轉變為企業的競爭優勢，也有人稱之為混沌世界中的智能。因此，越來越多的企業提出他們對BI的需求，把BI作為一種幫助企業達到經營目標的一種有效手段。

目前，商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這裡所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是作業層的，也可以是管理層和策略層的決策。

為了將數據轉化為知識，需要利用數據倉庫、線上分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是ETL、數據倉庫、OLAP、數據挖掘、數據展現等技術的綜合運用。

把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合併到一個企業級的數據倉庫裡，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。

企業導入BI的優點

1.隨機查詢動態報表

2.掌握指標管理

3.隨時線上分析處理

4.視覺化之企業儀表版

5.協助預測規劃

導入BI的目的

1.促進企業決策流程(Facilitate the Business Decision-Making Process)：BIS增進企業的資訊整合與資訊分析的能力，彙總公司內、外部的資料，整合成有效的決策資訊，讓企業經理人大幅增進決策效率與改善決策品質。

......

大數據時代：大數據是什麼？

大數據是什麼？是一種運營模式，是一種能力，還是一種技術，或是一種數據集合的統稱？今天我們所說的“大數據”和過去傳統意義上的“數據”的區別又在哪裡？大數據的來源又有哪些？等等。當然，我不是專家學者，我無法給出一個權威的，讓所有人信服的定義，以下所談只是我根據自己的理解進行小結歸納，只求表達出我個人的理解，並不求全面權威。先從“大數據”與“數據”的區別說起吧，過去我們說的“數據”很大程度上是指“數字”，如我們所說的客戶量，業務量，營業收入額，利潤額等等，都是一個個數字或者是可以進行編碼的簡單文本，這些數據分析起來相對簡單，過去傳統的數據解決方案（如數據庫或商業智能技術）就能輕鬆應對；而今天我們所說的“大數據”則不單純指“數字”，可能還包括“文本，圖片，音頻，視頻……”等多種格式，其涵括的內容十分豐富，如我們的博客，微博，輕博客，我們的音頻視頻分享，我們的通話錄音，我們位置信息，我們的點評信息，我們的交易信息，互動信息等等，包羅萬象。用正規的語句來概括就是，“數據”是結構化的，而“大數據”則包括了“結構化數據”“半結構化數據”和“非結構化數據”。關於“結構化”“半結構化”“非結構化”可能從字面上比較難理解，在此我試著用我的語言看能否形象點地表達出來：由於數據是結構化的，數據分析可以遵循一定現有規律的，如通過簡單的線性相關，數據分析可以大致預測下個月的營業收入額；而大數據是半結構化和非結構化的，其在分析過程中遵循的規律則是未知的，它通過綜合方方面面的信息進行模擬，它以分析形式評估證據，假設應答結果，並計算每種可能性的可信度，通過大數據分析我們可以準確找到下一個市場熱點。 基於此，或許我們可以給“大數據”這樣一個定義，“大數據”指的是收集和分析大量信息的能力，而這些信息涉及到人類生活的方方面面，目的在於從複雜的數據裡找到過去不容易昭示的規律。相比“數據”，“大數據”有兩個明顯的特徵：第一，上文已經提到，數據的屬性是包括結構化、非結構化和半結構化數據；第二，數據之間頻繁產生交互，大規模進行數據分析，並實時與業務結合進行數據挖掘。解決了大數據是什麼，接下來還有一個問題，大數據的來源有哪些？或者這個問題這樣來表達會更清晰“大數據的數據來源有哪些？”對於企業而言，大數據的數據來源主要有兩部分，一部分來自於企業內部自身的信息系統中產生的運營數據，這些數據大多是標準化、結構化的。（若繼續細化，企業內部信息系統又可分兩類，一類是“基幹類系統”，用來提高人事、財會處理、接發訂單等日常業務的效率；另一類是“信息類系統”，用於支持經營戰略、開展市場分析、開拓客戶等。）傳統的商業智能系統中所用到的數據基本上數據該部分。而另外一部分則來自於外部，包括廣泛存在於社交網絡、物聯網、電子商務等之中的非結構化數據。這些非結構化數據由源於 Facebook、Twitter、LinkedIn 及其它來源的社交媒體數據構成，其產生往往伴隨著社交網絡、移動計算和傳感器等新的渠道和技術的不斷湧現和應用。具體包括了：如，呼叫詳細記錄、設備和傳感器信息、GPS 和地理定位映射數據、通過管理文件傳輸協議傳送的海量圖像文件、Web 文本和點擊流數據、科學信息、電子郵件等等。由於來源不同，類型不同的數據透視的是同一個事物的不同的方面，以消費客戶為例，消費記錄信息能透視客戶的消費能力，消費頻率，消費興趣點等，渠道信息能透視客戶的渠道偏好，消費支付信息能透視客戶的支付渠道情況，還有很多，如，客戶會否在社交網站上分享消費情況，消費前後有否在搜索引擎上搜索過相關的關鍵詞等等，這些信息（或說數據）......

什麼是大數據時代

世界包含的多得難以想象的數字化信息變得更多更快……從商業到科學，從政府到藝術，這種影響無處不在。科學家和計算機工程師們給這種現象創造了一個新名詞：“大數據”。大數據時代什麼意思?大數據概念什麼意思?大數據分析什麼意思?所謂大數據，那到底什麼是大數據，他的來源在哪裡，定義究竟是什麼呢?

一：大數據的定義。

1、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件工具，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。

2、大數據技術，是指從各種各樣類型的大數據中，快速獲得有價值信息的技術的能力，包括數據採集、存儲、管理、分析挖掘、可視化等技術及其集成。適用於大數據的技術，包括大規模並行處理(MPP)數據庫，數據挖掘電網，分佈式文件系統，分佈式數據庫，雲計算平臺，互聯網，和可擴展的存儲系統。

互聯網是個神奇的大網，大數據開發也是一種模式，你如果真想了解大數據，可以來這裡，這個手機的開始數字是一八七中間的是三兒零最後的是一四二五零，按照順序組合起來就可以找到，我想說的是，除非你想做或者瞭解這方面的內容，如果只是湊熱鬧的話，就不要來了。

3、大數據應用，是 指對特定的大數據集合，集成應用大數據技術，獲得有價值信息的行為。對於不同領域、不同企業的不同業務，甚至同一領域不同企業的相同業務來說，由於其業務需求、數據集合和分析挖掘目標存在差異，所運用的大數據技術和大數據信息系統也可能有著相當大的不同。惟有堅持“對象、技術、應用”三位一體同步發展，才能充分實現大數據的價值。

當你的技術達到極限時，也就是數據的極限”。大數據不是關於如何定義，最重要的是如何使用。最大的挑戰在於哪些技術能更好的使用數據以及大數據的應用情況如何。這與傳統的數據庫相比，開源的大數據分析工具的如Hadoop的崛起，這些非結構化的數據服務的價值在哪裡。

二：大數據的類型和價值挖掘方法

1、大數據的類型大致可分為三類：

1)傳統企業數據(Traditionalenterprisedata)：包括 CRM systems的消費者數據，傳統的ERP數據，庫存數據以及賬目數據等。

2)機器和傳感器數據(Machine-generated/sensor data)：包括呼叫記錄(CallDetail Records)，智能儀表，工業設備傳感器，設備日誌(通常是Digital exhaust)，交易數據等。

3)社交數據(Socialdata)：包括用戶行為記錄，反饋數據等。如Twitter，Facebook這樣的社交媒體平臺。

2、大數據挖掘商業價值的方法主要分為四種：

1)客戶群體細分，然後為每個群體量定製特別的服務。

2)模擬現實環境，發掘新的需求同時提高投資的回報率。

3)加強部門聯繫，提高整條管理鏈條和產業鏈條的效率。

4)降低服務成本，發現隱藏線索進行產品和服務的創新。

三：大數據的特點

業界通常用4個V(即Volume、Variety、Value、Velocity)來概括大數據的特徵。具體來說，大數據具有4個基本特徵：

1、是數據體量巨大

數據體量(volumes)大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量;百度資料表明，其新......