大資料其實就是大規模資料處理，並提供決策結果
大資料時代之前，我們只能在短時間內處理小規模的資料，並提供有限的結論。但是大資料時代給我們提供了強有力的資料儲存、計算和處理演算法，基於這個基礎我們可以在短時間內處理達到PB級別的資料，並從中得到我們需要的結果。
處理大規模資料意味著什麼？就拿一顆假牙的價格來說，我們看到的可能只是某個區域性的價格變化，但是如果在假牙的生產銷售各個環節加以“採集”，把全鏈的價格表變化儲存起來，並且利用實時的圖表展現給外行的我們，那麼就意味著行業透明瞭，所有的價格變動我們都一目瞭然。同樣我們採集更多的資訊就可以分析更多的結果展現給社會，那麼坑人的事情就無處遁形了。
如果在這種場景應用大資料技術，那麼得到的改變會是翻天覆地的，我們老百姓再去牙醫診所之前可以看到像淘寶評價一樣的店鋪評價，透過別人的體驗來輔助自己的判斷，另外我們還可以看到清晰明瞭的圖表資料，來觀察各處價格；總之我們的決策會更有利，在這個環境下黑心商家，假貨會無處遁形。
那麼問題來了，以上是理想狀態下的結果。實際上大資料落地某一領域需要極強的需求性，這是多方面原因共同的結果，其中社會因素和落地的花費最為重要，大資料需要花錢，社會中誰來主導誰來花錢，目的是為了什麼？那些人願意那些人不願意？等等這些都是限制大資料在各個需求點落地的阻礙。最重要的還是我們的社會主體是人，事情的發展終歸是人的意志而不是理想的技術終點。
其實現在的美團，大眾點評就是這樣一個例子，但是相比較一個專注某一領域的大資料專案落地來說還只是一個縮影。
這個目前沒有任何辦法做得到！
不是技術達不到！
基於兩點：
1、資本逐利；
2、資訊差與認知資訊差
大資料其實就是大規模資料處理，並提供決策結果
大資料時代之前，我們只能在短時間內處理小規模的資料，並提供有限的結論。但是大資料時代給我們提供了強有力的資料儲存、計算和處理演算法，基於這個基礎我們可以在短時間內處理達到PB級別的資料，並從中得到我們需要的結果。
處理大規模資料意味著什麼？就拿一顆假牙的價格來說，我們看到的可能只是某個區域性的價格變化，但是如果在假牙的生產銷售各個環節加以“採集”，把全鏈的價格表變化儲存起來，並且利用實時的圖表展現給外行的我們，那麼就意味著行業透明瞭，所有的價格變動我們都一目瞭然。同樣我們採集更多的資訊就可以分析更多的結果展現給社會，那麼坑人的事情就無處遁形了。
如果在這種場景應用大資料技術，那麼得到的改變會是翻天覆地的，我們老百姓再去牙醫診所之前可以看到像淘寶評價一樣的店鋪評價，透過別人的體驗來輔助自己的判斷，另外我們還可以看到清晰明瞭的圖表資料，來觀察各處價格；總之我們的決策會更有利，在這個環境下黑心商家，假貨會無處遁形。
那麼問題來了，以上是理想狀態下的結果。實際上大資料落地某一領域需要極強的需求性，這是多方面原因共同的結果，其中社會因素和落地的花費最為重要，大資料需要花錢，社會中誰來主導誰來花錢，目的是為了什麼？那些人願意那些人不願意？等等這些都是限制大資料在各個需求點落地的阻礙。最重要的還是我們的社會主體是人，事情的發展終歸是人的意志而不是理想的技術終點。
其實現在的美團，大眾點評就是這樣一個例子，但是相比較一個專注某一領域的大資料專案落地來說還只是一個縮影。