進入2012年，大資料（big data）一詞越來越多地被提及，人們用它來描述和定義資訊爆炸時代產生的海量數大資料時代來臨[1]據，並命名與之相關的技術發展與創新。它已經上過《紐約時報》《華爾街日報》的專欄封面，進入美國白宮官網的新聞，現身在國內一些網際網路主題的講座沙龍中，甚至被嗅覺靈敏的國金證券、國泰君安、銀河證券等寫進了投資推薦報告。

資料正在迅速膨脹並變大，它決定著企業的未來發展，雖然現在企業可能並沒有意識到資料爆炸性增長帶來問題的隱患，但是隨著時間的推移，人們將越來越多的意識到資料對企業的重要性。

大資料最厲害之處便是預測。它通常被認為是AI(人工智慧)的一部分，是把數學演算法運用到海量資料上來預測事情發生的可能性。

比如，2009年，谷歌公司員工透過“哪些是治療咳嗽、發熱的藥物”等類似詞條，將它們用於一個特定的數學模型後，成功的預測了甲型H1N1的爆發和流感的發源地；

大資料促使人類社會的一個巨大改變是使人類不再熱衷追求因果關係。

尋求因果關係是人類社會長久以來的一種習慣。即使知道了結果，也要費盡千辛萬苦尋找出原因，什麼因導致什麼果。

大資料時代改變了這個觀點。比如，數以萬計的資料顯示阿司匹林與橙汁的綜合使用可以有助於治療癌症，那麼藥學家找出其中的藥理機制變得沒有那麼重要。

大資料告訴我們“是什麼”而不是“為什麼”。大資料時代，不必知道結果背後的原因，而只需要讓資料自己發聲即可。這便推翻了人類自古以來的習慣，我們做決定和理解現實世界的基本方式也將受到衝擊。

大資料另外一個優勢便是，利用海量的資料，使人類不需再追求精確度。比如，一個小超市在結賬時要精確到分。但是，如果衡量GDP便無需再這樣精確，我們只需要掌握事物發展的大體方向即可。

世界的本質是資料——大資料研究專家維克托·邁爾-舍恩伯格博士在維克托·邁爾-舍恩伯格博士看來：認識大資料之前，世界原本就是一個數據時代；認識大資料之後，世界卻不可避免地分為大資料時代、小資料時代。

《大資料時代》作者之一 維克托•邁爾-舍恩伯格博士

談論核心價值之前，我們先來看看什麼是大資料：很多人這樣理解大資料“大資料就是大規模的資料”，這個說法真的準確嗎？其實“大規模”只是指資料的量而言，資料量大，但並不代表著資料一定有可以被深度學習演算法利用的價值。例如：地球繞太陽運轉的過程中，每一秒鐘記錄一次地球相對太陽的運動速度、位置，可以得到大量資料。可如果只有這樣的資料，其實並沒有太多可以挖掘的價值！關於大資料這裡我們參閱馬丁·希爾伯特的總結，今天我們常說的大資料其實是在2000年後，因為資訊交換、資訊儲存、資訊處理三個方面能力的大幅增長而產生的資料：資訊交換：據估算，從1986年到2007年這20年間，地球上每天可以透過既有資訊通道交換的資訊數量增長了約217倍，這些資訊的數字化程度，則從1986年的約20%增長到2007年的約99.9%。在數字化資訊爆炸式增長的過程裡，每個參與資訊交換的節點都可以在短時間內接收並存儲大量資料。資訊儲存：全球資訊儲存能力大約每3年翻一番。從1986年到2007年這20年間，全球資訊儲存能力增加了約120倍，所儲存資訊的數字化程度也從1986年的約1%增長到2007年的約94%。1986年時，即便用上我們所有的資訊載體、儲存手段，我們也不過能儲存全世界所交換資訊的大約1%，而2007年這個數字已經增長到大約16%。資訊儲存能力的增加為我們利用大資料提供了近乎無限的想象空間。資訊處理：有了海量的資訊獲取能力和資訊儲存能力，我們也必須有對這些資訊進行整理、加工和分析的能力。谷歌、Facebook等公司在資料量逐漸增大的同時，也相應建立了靈活、強大的分散式資料處理叢集。

資訊交換 資訊儲存 資訊處理

大資料具有資料規模大、資料類別複雜、資料處理速度快、資料真實性高、資料蘊藏價值的特點，對於大資料的處理和挖掘很大程度上需要依賴於雲計算平臺的分散式處理、分散式資料庫、雲端儲存和虛擬化技術。關於大資料的應用和價值：我們先來看一則新聞聊天機器人竟自創語言“對話” 臉書將其緊急關停，大資料被認為是人工智慧的一部分，大資料也被稱之為“人工智慧的基石”。目前的深度學習主要是建立在大資料的基礎上，即對大資料進行訓練，並從中歸納出可以被計算機運用在類似資料上的知識或規律。

美國《大西洋月刊》公佈的一段A.I.聊天記錄截圖

實際上無論是人工智慧還是雲計算的蓬勃發展，離不開海量資料的支撐，雲計算、大資料、人工智慧也被稱之為“鐵三角”的關係。

資料乃人類發展到現在，對“知道”的“事件”的計算機語言儲存。“大”指儲存數值的超量性。它厲害在於可以透過分析它預測出人類的行為走向。然後制定合適的措施予以約束。

是的世界進入了資料鏈時代，

那麼大量的判讀資料鏈的人工智慧一定是精英中的精英了！

如同計算機當中最出色的雲計算一樣，

人工智慧可以把海量的資料做處理分類，篩選，歸納，分檔，

當分成可能成千上萬份條資訊一條一條被分類存放加以積累後，在同一種類海量資訊儲存非常之多後從量變到質變，專業人員就可以從人工智慧上的判讀和人腦綜合，使一些有可能是不太引人注意的普通訊息上，發現研判出表面看不出大問題，實際背後要要達到今人錯鍔和驚訝之目的，(情報部門)。

而這一結論的獲得，就是人工智慧從民用生活中人人都能看得見的，看起來都是些很非常不起眼的資訊中獲得的，而這些資訊又根本不是什麼保密資訊，

這樣看來未大資料中最厲害的就要數人工智慧的大解析度，分類，篩選，歸納，分檔等等快捷運算，提取，處理等等系統(若能達到雲計算每秒可以無窮大)或許將來有，更新型人工智出現，秒秒鐘處理海量資訊，令人無法相信的快捷速度來提取非常重要的各類有價值的情報資訊時，那將是最厲害的了。