京公网安备 11010802034615号
经营许可证编号:京B2-20210330
一句话,认识到大数据时代的到来
1,什么是大数据
大数据,是大数据文件,还是大量的数据文件?要多大,KB,MB,GB,TB,PB,EB?还是说是大范围的数据,包括文本,图像,视频。。。
至少到2014年,大数据还没有一个准确的范畴定义。这是IEEE关于大数据的特别报告集里的说法。这里的问题就在于,一个大字,每天都在变:更多的设备被应用到日常生活,每天都有超越以往所有的比特在网络产生,流动,湮灭,同样,每天都有更多的超越以往的对这些比特流的使用,应用在发生,而这样的使用,应用,又进一步产生更大量的数据流。

那么,就是大数据是什么?
2,大数据是各种 IT 技术发展的汇聚点
2.1,光纤通信,DSL接入,Wifi,LTE,等等等等的通信连接转换设备,越来越多的带宽,越来越低廉的价格,使得网络大数据传输成为可能。
2.2,光学技术与半导体集成电路技术使得大规模的数据存储成为可能。
2.3,各种 sensor 技术使得数据的日常获取越来越便捷。
2.4,数据库技术的长时间发展与广泛应用提供了足够的,初始的结构化数据的来源,并提供了新数据处理方式的原始脉络。
2.5,人工智能技术,包括图像视频文本的理解分析,原始数据的结构化挖掘,自然语言处理,机器学习等等等,使得从已有数据中获得新的惊喜知识成为每天都在发生的事情。
2.6,摩尔定律使得数据处理的成本越来越低廉,但是效率却越来越高。
2.7,移动通信技术使得每个人每个时刻在每个地方都在为数据的越来越大做出贡献。
2.8,网络信息检索技术,使得数据/知识的应用与分布越来越扁平化。
2.9,基于上述各项技术的发展,越来越多的应用领域得到了新的推动助力。。。
3,我们能够从大数据中得到什么?
2007年一月11日,Jim Gray,微软的资深科学家,在给美国国家研究委员会的报告中,提出了一种新的科学研究范式:密集数据里的科学发现。这是自观察,实验,计算机模拟后的又一种科学研究范式。
换句话说,人类有了一种新的知识获取的方式。而这个方式是自生产的:数据,数据中获得知识,知识本身就是数据,从数据中再获得知识,。。。以此递进,这是一种自生产,自组织的,自我成长的,知识体系。
3.1,举例而言,你问过自己下面三个问题吗?
你喜欢恐怖片么?你曾经独自去外国旅行过么?觉得去驾驶帆船好玩么?
好吧,告诉你为什么你可以问问自己这么三个问题。这是美国一个社交网站总结出来的,如果你想找能够相守一生的伴侣的话,这三个问题的答案可以作为参考。(我觉得在中国可能不靠谱)。
3.2,那么来一个靠谱一点的吧:你和女友/老婆经常吵架为了什么?钱么?缺钱么?。。。。
大数据分析结果是:不是因为缺钱,而是因为你们俩对如何花钱不一致(这不是废话么)。
4,大数据下的挑战
首先是数据安全。谁能使用,谁应该拥有,谁能够维护我们的数据,并保证这样的数据应用不会给我们带来安全上的问题?
然后是个人的隐私,你懂的
而且人工智能还不那么靠谱吧。。。连我的 l n 不分都分辨不出来
难道我们就能够依赖冷冰冰的机器,网络,和数据吗?还要人干吗?
5,毋庸置疑,大数据时代已经来到了。你我都在其中。
互联网上每秒钟都在不停地刷新上传下载流通各种数据。你知道你不是用并不意味着你不在其中。
互联网上每秒钟都在产生海量的信息流动以满足各种应用的需求,而这些海量的信息流动就是知识的流动与生产,并进一步产生数据,知识,这已经就是一种新的智能的存在。
大数据意味着统计,预测,结构化的信息随时随地都在发生,产生,应用,这是我们人类新的智能体系。
新的时代已经来了。
6,你我如何做?
投身于IT吗?去做大数据吗?
No。因为在挨踢的想挨踢得人太多了,不缺一个你,也不缺一个我。
干自己的活,让大数据为你我而服务,用大数据提升你我,用大数据改善自己的生活,推动自己的事业,仅此就足够你我忙不过来了。
一句话,认识到大数据时代的到来,站稳自己的领域,将两者结合起来,就是你我在大数据下的选择。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22