除了商品銷售，數據挖掘還可以用于人際關系挖掘。你聽過“六度分隔理論”嗎，它認為世界上兩個互不認識的人，只需要很少的中間人就能把他們聯系起來。這個理論在美國的實驗結果是，通過六步就能聯系上兩個不認識的美國人。也是基于這個理論，Facebook研究了十幾億用戶的數據，試圖找到關聯兩個陌生人之間的數字，答案是驚人的3.57。你可以看到，各種各樣的社交軟件記錄著我們的好友關系，通過關系圖譜挖掘，幾乎可以把世界上所有的人際關系網都描繪出來。
曾經我們在進行數據分析與統計時，僅僅局限于數據庫，在數據庫的計算環境中對數據庫中的數據表進行統計分析。并且受數據量和計算能力的限制，我們只能對最重要的數據進行統計和分析。這里所謂最重要的數據，通常指的都是給老板看的數據和財務相關的數據。
講個真實的案例，很早以前商家就通過數據發現，美國服務器租用，買尿不濕的人通常也會買啤酒，于是精明的商家就把這兩樣商品放在一起，以促進銷售。啤酒和尿不濕的關系，你可以有各種解讀，但是如果不是通過數據挖掘，可能打破腦袋也想不出它們之間會有關系。 在商業環境中，如何解讀這種關系并不重要，重要的是它們之間只要存在關聯，就可以進行關聯分析，最終目的是讓用戶盡可能看到想購買的商品。
我們很早就發現，數據中蘊藏著規律，這個規律是所有數據都遵循的，過去發生的事情遵循這個規律，將來要發生的事情也遵循這個規律。一旦找到了這個規律，對于正在發生的事情，就可以按照這個規律進行預測。
作為全球最大的搜索引擎公司，Google也是我們公認的大數據鼻祖，它存儲著全世界幾乎所有可訪問的網頁，數目可能超過萬億規模，全部存儲起來大約需要數萬塊磁盤。為了將這些文件存儲起來，Google開發了GFS （Google 文件系統 ） ，將數千臺服務器上的數萬塊磁盤統一管理起來，然后當作一個文件系統，統一存儲所有這些網頁文件。
不僅是老板，公司中每個普通員工比如產品經理、運營人員、工程師，只要有數據訪問權限，都可以提出分析需求，從大數據倉庫中獲得自己想要了解的數據分析結果。
其實在Google之前，世界上最知名的搜索引擎是Yahoo。但是Google憑借自己的大數據技術和 PageRank算法，使搜索引擎的搜索體驗得到了質的飛躍，人們紛紛棄Yahoo而轉投Google。所以當Google發表了自己的GFS和MapReduce論文后，Yahoo應該是最早關注這些論文的公司。
現在我們對待人工智能還有些不理智的態度，有的人認為人工智能會越來越強大，將來會統治人類。實際上，稍微了解一點人工智能的原理就會發現，這只是大數據計算出來的統計規律而已，表現的再智能，也不可能理解這樣做的意義，而有意義才是人類智能的源泉。按目前人工智能的發展思路，永遠不可能出現超越人類的智能，更不可能統治人類。
而Hive可以在Hadoo上進行SQL操作，實現數據統計與分析。也就是說，我們可以用更低廉的價格獲得比以往多得多的數據存儲與計算能力。我們可以把運行日志、應用采集數據、數據庫數據放到一起進行計算分析，獲得以前無法得到的數據結果，企業的數據倉庫也隨之呈指數級膨脹。
美國的西部淘金運動帶來了美國的大拓荒時代，免備案空間 香港服務器，來自全世界各地的人涌向美國西部，將人口、資源、生產力帶到了荒蠻的西部地帶，一條條鐵路也將美國的東西海岸連接起來，整個美國也隨之繁榮起來。大數據這座更加龐大的金礦目前也正發揮著同樣的作用，全世界無數的政府、企業、個人正在關注著這座金礦，無數的資源正在向這里涌來。
大數據從搜索引擎到機器學習，發展思路其實是一脈相承的，就是想發現數據中的規律并為我們所用。所以很多人把數據稱作金礦， 大數據應用就是從這座蘊含知識寶藏的金礦中發掘中有商業價值的真金白銀出來。
寫在最后
更進一步，大數據還可以將每個人身上的不同特性挖掘出來，打上各種各樣的標簽：90 后、生活在一線城市、月收入 1～2 萬、宅……這些標簽組成了用戶畫像，并且只要這樣的標簽足夠多，就可以完整描繪出一個人，甚至比你最親近的人對你的描述還要完整、準確。
將人類活動產生的數據，通過機器學習得到統計規律，進而可以模擬人的行為，使機器表現出人類特有的智能，這就是人工智能 AI。
把歷史上人類圍棋對弈的棋譜數據都存儲起來，針對每一種盤面記錄何種落子可以得到更高的贏面。得到這個統計規律以后，就可以利用這個規律和人下棋，每一步都計算落在何處將得到更大的贏面，于是我們就得到了一個會下棋的機器人，這就是前兩年轟動一時的AlphaGo，以壓倒性優勢下贏了人類的頂尖棋手。
在過去，我們受數據采集、存儲、計算能力的限制，只能通過抽樣的方式獲取小部分數據，無法得到完整的、全局的、細節的規律。 而現在有了大數據，可以把全部的歷史數據都收集起來，統計其規律，進而預測正在發生的事情。
