我給你通俗易懂的講解下吧。知道路邊讓你填寫表格送禮物的事情嗎？那個就是大資料的前身。市場營銷資料調研分析的前奏。那網際網路來臨，資料不再需要拿著表格一個個收集，成本太高。而一些網站技術架構達到了資料量，資料批次處理，資料分析能力。他們就擁有了大資料條件。

大資料並不是說你有幾個億的存檔資料就叫大資料。這是一個動態概念。其實就是市場營銷概念。研究過市場營銷的都明白，市場營銷核心關鍵詞是需求。而需求都是使用者的心理訴求。所以，就產生了消費心理學，統計學，經濟學，管理學等綜合學科，就是營銷學。而大資料就是研究人性，掌握市場心理，主導市場方向的。

大資料是基礎，是採集我們的各種行為資料，比如你的搜尋內容，你的跑步資料和頻度等，用這些經過資料分析獲得我們的行為目的和需求。

大資料會在充分收集到你的資訊，這些資訊包括你的習慣等，這樣透過對你過往資料的瞭解，綜合分析下得到的結論，可以說大資料所知道的你想的事物，應該是你經常思維慣性下所能想到的事物

人的思想十分複雜，據有許多不確定性，快閃性，互動轉換性，堆疊性，專注性，哲理性，多維性，解析性，隨機性，跨越性，逃逸性，反差性，回念性，心猿意馬，天馬行空，尋求些索，漫步寰宇，等等。

大資料，是在窨熟某人的歷史資訊中，在深度控掘學習，分析捕捉最佳場景中，依距可能發生的規律，來判定你的行為，思想的，如果你超出這個規律，大資料就難以結論了。如果你走著走著，情不自禁的樂了，問大資料，想到什麼事就莫名其妙的樂了，大資料給出一萬個答案，也猜不出你想到什麼了，分分秒秒人的思想跨度海量的廣闊，當你吃著冰棒，抓著欄杆，看著腳尖，想著家裡的水費，是不是該交了的時候，大資料如何知道你想的不是工作，不是霍金，不是企鵝，不是春晚，不是快遞，不是玫瑰，不是女友，不是北京，不是李白，不是電費，一定是水費呢？

分析下一刻你想幹什麼容易但也難以準確，何說南轅北轍，信馬游韁的思想，在億萬可能中選準一個誰信？實測拭拭？十五億人每人猜一個答案，也不見得索定我某一刻在想什麼！

真的想知道一個人思想的變化，解讀一個人的每時每刻的思想，必需透過腦電波的獲取，解密，腦電波是十分複雜的，多維度，多通道，一切外在發生都會影響思想，看到什麼，聽到什麼，碰到什麼，聞到什麼，償到什麼，聯想，回憶，沉思，靈機一動，閃念一想，狂想，猜想，亂想，等々。解析思想之難大過登天。

1，不是大資料知道，是透過大資料分析知道你

2，數學原理週一是貝葉斯公式，透過過去的機率和條件發生的機率，可以計算出這個條件下的發生機率。

3，大資料分析的另外一個手段是人工智慧，它可以“訓練出”另外一個你，當然名字上，叫做私人助理。

4，絕大多數人的絕大多數時間，在決策時候，是有pattern（有慣性的），二前面兩個手段可以“程式化”你的習慣。

其實不是知道你想要什麼，而是知道那一群人想要什麼。資料這個東西有他背後的原理，一般有限定條件。簡單的說，大資料是一種高機率。你去搜淘寶錯誤推薦的案例也非常多。

講一個政治笑話:

當初赫魯曉夫為了打擊周總理，諷刺的說我和你不一樣，我是農民階級出身，你是地主階級。總理很機智的回覆，我們還是有一樣的地方，就是都背叛了自己的階級。

階級的性質永遠是那樣的，但是階級內部的個人會出現叛徒，問題是你不知道哪個是叛徒。

大資料也是這樣，比如經過統計，買了A的人大機率會買B，所以會在A商品頁面推薦B，這裡面肯定有人不一定需要B，問題是不知道那個人是誰，你覺得大資料很懂你無非就是你不是不需要的那一個人。

廣告 網際網路 這些本質上也是這樣，沒有百分百的轉化，也很少有零轉化，只能儘量提高轉化率，這就是普遍的大資料。

其實還可以換個角度思考一個社會問題，就是詐騙。

比如一個很拙劣的騙局，一個人被騙的機率是1%，那麼面向100個人在數學上可以認定一定會有一個人被騙。

生活中很多事都可以用大資料的思維來看，比如找工作，你的成功率和麵試的數量決定找到工作。還有銷售，成功率和拜訪的客戶數。

你心裡想的什麼，為什麼大資料全知道？

現在我們無時無刻不在使用這些手機app，你當然會疑惑，為什麼我的手機APP如此瞭解我？它為什麼知道我身上剛剛發生了什麼？

下面就來看看，這都是為什麼？

大資料是什麼？

很多人都只是瞭解這個詞，卻不明白其真正意義。

百科的解釋：大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。

通俗來說：大資料是指海量資料或巨量資料，其規模巨大到無法透過目前主流的計算機系統在合理時間內獲取、儲存、管理、處理並提煉以幫助使用者決策。此外，它還應該具有高速、多維度、全面、真實的幾大特點

說白了，大資料一定是大量的資料，但大量的資料不一定是大資料。

舉個例子吧，當你註冊一個APP賬號的時候，需要輸入電話，姓名，性別，所在地等基礎資料，在你的使用過程中，你的瀏覽記錄，收藏，評論，甚至在不同內容上停留的時間，這些資料都會經由大資料進行分析，然後對你打上標籤，成為你行為資料很重要的一部分。

大資料有什麼用？

大資料可以在很多場景發揮作用，離我們的生活最近的自然就是各類app的資料分析。

此外，它還可以被用於城市交通管理、行車排程，農業生產，醫療，體育......

大家應該都有發現每個人的淘寶首頁不一樣吧，這個自然就是大資料對每個人打上不同標籤後根據標籤進行個性推薦的結果。

大資料怎麼知道你在想什麼？

大資料也不會讀心術，它也不能直接讀出你到底在想什麼。但是，它可以對你最近的各種行為進行分析判斷，找到網路上和你相似的人，根據其他人那裡得到的反饋，對你進行個性化推薦。

其實，現在有很多軟體會使用相同的廣告推薦核心，相當於在你的手機上安裝了追蹤器。

也是因為這樣，才會有人說“在網際網路面前，我們都是透明人”。

或許現在我們還沒有那麼的“赤裸裸”，但不久的之後，萬物互聯的時代到來，我們身邊的一切都連上網，我們的隱私可能也將“不復存在”。

我們談到大資料，都會說道它的4V，即規模大Volume,更新頻繁Velocity,多樣性Variety以及價值Value。各種資料產生的量越來越大，生成的頻率也越來越快，透過多樣性的資料交叉分析，最終產生價值。

你提到的這個案例，就是價值的體現，當然還差最後一步，就是你下單買了一個新眼鏡！其實大資料的這些特性是相互依存的，沒有海量資料和及時更新的資料，很難及時分析並快速提供有價值的內容，而其中一錘定音的則是資料多樣性。

大家都清楚，大資料肯定是無法直接讀取我們的思想的，但是大資料打出的口號卻是比你更瞭解你自己，這個是基於什麼呢？一個是因為大資料的資料收集手段，另一個是因為大資料的資料分析手段。今天我們簡單的來說一下這個。

資料收集手段

大資料的資料收集手段很多，但是一般都是經過使用者同意的，使用者感覺這個是不會曝光自己的隱私的，但是你想不到的是，大資料可以從這些看似沒有價值的資料當中分析出許多的東西，我們先舉個例子吧。

我們下載一個新聞資訊APP，正常來說他們會請求一些許可權，包括了位置資訊、裝置資訊（裝置通話狀態和識別碼）、儲存許可權還有一些人不會開放的通訊錄資訊。從位置資訊可以直觀的判斷出你在哪個城市當中，從你的裝置資訊則可以判斷出你用的是什麼手機型號，通訊錄資訊可以讀出你的關係網。然後我們開啟APP註冊，這個註冊也就暴露了你的手機號資訊了。此外我們會完善一些個人資訊，這個個人資訊根據你自己的情況，可能會暴露的有性別、生日、行業和地區等等。

註冊完後我們就開始瀏覽新聞了，我們看到一條明星八卦的資訊點進去了，看了幾分鐘，大資料初步判斷你是喜歡娛樂新聞的，我們再看看其他的，比如看到一個愛護眼睛的新聞，我們又看了，大資料判斷你可能在眼睛方面有需求。同時透過推送一些相同或者互補的新聞，來完成他的判斷。在根據你不斷的瀏覽來修正對你的判斷。你可能點了個喜歡，收藏了一下，轉發了一下，又或者剛點進去看了兩秒就退出了。大資料都可以依據此來判斷你的喜好。

所以你或許看過一些近視型別的文章或者搜尋過近視眼睛等等的資訊，讓大資料判斷出你近視了。

資料分析手段

如果僅僅是根據我們所暴露的一些資訊的話，大資料還很難做到說比你更瞭解你自己。所以更重要的是大資料的資料分析手段，其演算法模型。比較常用的資料分析手段包括了分類、迴歸、聚類、相似匹配、頻繁項集、連結預算、因果分析等等的手段。我們簡單的說一下就好了。

例如我們根據上面暴露的資訊，系統會給我們打標籤分類，例如喜歡娛樂資訊、性別女的、使用華為手機的、從事IT行業的使用者。同時呢，系統會把打上同樣標籤的使用者的喜好進行匹配。比如非常多打上了喜歡烹飪和攝影標籤的使用者都喜歡美食，那我也測試一下你是不是也喜歡美食，嘗試給你推送一些美食的資訊，如果你有去看的話也就給你補充標籤了。透過這些演算法，逐步就建立出你的使用者畫像了。

所以不一定是你暴露自己近視了或者想要治療近視。而是你同類標籤的使用者都有這樣的行為，系統就給你嘗試推送了。

什麼事大資料

官方一點的說法，那就是：大資料（big data），指無法在一定時間範圍內用常規軟體工具進行捕捉、管理和處理的資料集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程最佳化能力的海量、高增長率和多樣化的資訊資產。

通俗一點的來講，那就是資料量太多太大了，用以前的方法對資料進行價值的挖掘和分析已經不管用了。

大資料怎麼知道人在想什麼？

在說這個問題之前，我們不得不先承認的一個事實就是：大部分資料都是具有價值的，並且，資料很大程度上反映某個人在某些時間段裡的某種需求。推薦給你的東西，只是模型覺得你會需要這個東西的機率很大而已。

還有一種演算法叫做協同過濾。正所謂物以類聚，人與群分。對於口味相似的人，其興趣點很大程度上會一樣。也就是說透過你的使用者畫像或者其他資料，計算了你和其他使用者的相似度，進而如果另一個和你相似的人瀏覽了相似的內容的時候還看過其他哪些東西，再推薦給你，很大程度上來說或許會是你需要的。