假如你說大數據就是數據大，可能侃侃而談4個V，也許很有深度的談到BI或預測的代價，又可能拿Google和Amazon舉例，技能流大概會聊起Hadoop和Cloud Computing，不管對錯，只是無法勾勒對大數據的整體認識，不說是單方面，但至少有些管窺蠡測、隔衣瘙癢了。也許，“解構”是最好的要領。

奈何布局大數據

首先，大數據就是互聯網成長到現今階段的一種表象或特征罷了，沒有須要神話它或對它保持敬畏之心，在以云計較為代表的技能創新大幕的襯托下，這些原本很難收集和利用的數據開始容易被操作起來了，通過各行各業的不絕創新，大數據會慢慢為人類締造更多的代價。

其次，想要系統的認知大數據，必需要全面而細致的解析它，下面從三個層面來展開：

第一層面是理論，理論是認知的必經途徑，也是被遍及認同和流傳的基線。我會從大數據的特征界說領略行業對大數據的整體描畫和定性;從對大數據代價的探討來深入理會大數據的貴重地址;從對大數據的此刻和將往復洞悉大數據的成長趨勢;從大數據隱私這個出格而重要的視角審視人和數據之間的持久博弈。

第二層面是技能，技能是大數據代價浮現的手段和前進的基石。筆者將別離從云計較、漫衍式處理懲罰技能、存儲技能和感知技能的成長來說明大數據從收羅、處理懲罰、存儲到形成功效的整個進程。

第三層面是實踐，實踐是大數據的最終代價浮現。筆者將別離從互聯網的大數據，當局的大數據，企業的大數據和小我私家的大數據四個方面來描畫大數據已經揭示的優美情形及即將實現的藍圖。

　大數據相關的理論

　　1、特征界說

最早提出大數據時代到來的是麥肯錫：“數據，已經滲透到當今每一個行業和業務職能規模，成為重要的出產因素。人們對付海量數據的挖掘和運用，預示著新一波出產率增長和消費者盈余海潮的到來。”

業界(IBM 最早界說)將大數據的特征歸納為4個“V”(量Volume，多樣Variety，代價Value，速Velocity)，可能說特點有四個層面：

第一，數據體量龐大。大數據的起始計量單元至少是P(1000個T)、E(100萬個T)或Z(10億個T);

第二，數據范例繁多。好比，網絡日志、視頻、圖片、地理位置信息等等;

第三，代價密度低，貿易代價高。

第四，處理懲罰速度快。最后這一點也是和傳統的數據挖掘技能有著本質的差異。

其實這些V并不能真正說清楚大數據的所有特征，下面這張圖對大數據的一些相關特性做出了有效的說明。

古語云：三分技能，七分數據，得數據者得天下。先豈論誰說的，可是這句話的正確性已經不消去論證了。維克托·邁爾-舍恩伯格在《大數據時代》一 書中舉了千般例證，都是為了說明一個原理：在大數據時代已經到來的時候要用大數據思維去掘客大數據的潛在代價。書中，作者提及最多的是Google如何利 用人們的搜索記錄挖掘數據二次操作代價，好比預測某地流感發作的趨勢;Amazon如何操浸染戶的購置和欣賞汗青數據舉辦有針對性的書籍購置推薦，以此有 效晉升銷售量;Farecast如何操作已往十年所有的航線機票價值打折數據，來預測用戶購置機票的機緣是否符合。

那么，什么是大數據思維?維克托·邁爾-舍恩伯格認為，1-需要全部數據樣本而不是抽樣;2-存眷效率而不是準確度;3-存眷相關性而不是因果干系。

阿里巴巴的王堅對付大數據也有一些奇特的看法，好比：

“本日的數據不是大，真正有意思的是數據變得在線了，這個恰恰是互聯網的特點。”

“非互聯網時期的產物，成果必然是它的代價，本日互聯網的產物，數據必然是它的代價。”

“你千萬不要想著拿數據去改造一個業務，這不是大數據。你必然是去做了一件以前做不了的工作。”

出格是最后一點，我長短常認同的，大數據的真正代價在于締造，在于填補無數個還未實現過的空缺。

有人把數據比喻為儲藏能量的煤礦。煤炭憑據性質有焦煤、無煙煤、肥煤、貧煤平分類，而露天煤礦、深山煤礦的挖掘本錢又紛歧樣。與此雷同，大數據并不在“大”，而在于“有用”。代價含量、挖掘本錢比數量更為重要。

2、代價探討

大數據是什么?投資者眼里是金光閃閃的兩個字：資產。好比，Facebook上市時，評估機構評定的有效資產中大部門都是其社交網站上的數據。