先來看看大資料的概念，你就會知道一些。

大資料（big data），IT行業術語，是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。

大資料透過工具對資料採集，透過分析，做出更加合理的決策。

大資料已經應用到各行各業，尤其是在這次疫情中，大資料的使用就比較明顯。透過大資料來追蹤人的活動軌跡，及時的做出判斷，有效的控制疫情的發展。

再比如，線上教育網站，會透過大資料來判斷學生的學習週期，分析學生的學習行為。從而提出對學生有用的學習方法。

現在大資料與各領域都密切結合，促進各個領域的發展。

旅遊業的應用

說的通俗易懂點，現在是大資料時代，有效的資料就是金錢，為了能在海量資料中找到自己想要的資料，你就要用資料探勘挖到對自己有價值的東西，挖到了就相當於挖到了金錢~大資料還可以用來監控人流量，車流量等等等等，我說的只是一些簡單的展現，當今社會大資料應用無處不在~

這些年以來，我們已經透過各種渠道聽說過大資料；大資料出現的頻率極高，給大家提供便利的生活支撐，也受到大家極高的關注。現在而今眼目下，好像開口閉口不提一下大資料，都覺得自己Low了的感覺。那我們就來了解一下什麼叫大資料，瞭解大資料的特性，以及存在的危險。

大資料的定義

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。現階段我們能夠接觸到的所有資訊，都是大資料中的一分部。大資料具有5V特點：Volume（大量）、Velocity（時效）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）五個特點。

一、Volume（大量）

大資料有多大呢。就以我們日常接觸傳統資料來進行恆量吧。

一箇中文漢字2個位元組，即2byte。

1 KB = 1024 B (KB - kilobyte)

1 MB = 1024 KB (MB - megabyte)

1 GB = 1024 MB (GB - gigabyte)

1 TB = 1024 GB (TB - terabyte)

1 PB = 1024 TB (PB - petabyte)

1 EB = 1024 PB (EB - exabyte)

1 ZB = 1024 EB (ZB - zettabyte)

簡單的工式可能阻礙你的理解，那我們以一下常用資料來幫助你理解。

1、500G 普通膝上型電腦硬碟容量；

2、1TB 普通行動硬碟容量；

3、1ZB其中據相關資料顯示，2011年，全球被建立和複製的資料總量為1.8ZB；據預估：到今年年底（2020），全球大資料計算中心儲存的資料可達到35ZB。

二、Velocity（時效）

大資料具有一定的時效性。

引用一句話：

就在剛剛過去的這一分鐘，資料世界裡發生了什麼？Email：2.04億封被髮出Google：200萬次搜尋請求被提交Youtube：2880分鐘的影片被上傳Facebook：69.5萬條狀態被更新Twitter：98000條推送被髮出12306：1840張車票被賣出……

以我們防控新冠肺炎中比較出採的健康碼為例：

我們每個人在支付寶上傳了我們的相關資訊，支付寶根據我們的位置資訊、通訊資訊、健康資訊等等給我們及時更新健康碼顏色。如果不具有時效性，那麼這個健康碼就毫無用處。

每個人的基礎資訊，包括姓名，年齡，性別，身份證號，電話號碼，你日常透過社交軟體搜尋的內容等等；

每個地圖的資訊，經度，緯度，路由，你日常透過導航軟體展現出來的資訊；

音樂，影片，文章，圖片，你每天在網上瀏覽的海量資料都是大資料。

……

以上的所有所有，也就是我們人類能接觸到的所有資訊，都納入大資料需要儲存的範疇。

四、Value（低價值密度）

大資料的資訊量太多，但是真正有效的，有價值的資訊確相當有限。比如，某房產中介商獲取了一百萬人所有身份資訊，但是，對他們有效的資訊，只限定在該城市中，有購買能力，有購買需求的潛在物件；而其他所有的資訊對於該中介來說，毫無用處。

對於所有的企業來說，能夠從低價值密度中獲得對他有效的資訊，再對該資訊進行精準處理，則相當重要。在這個年代，誰能最快速有效地獲取大資料，提取大資料，處理大資料，再變成商業資源，那他就能成為大資料時代的王者。

五、Veracity（真實性）

大資料的基礎資訊是真實的，就看每個企業能否在這海量的真實的基礎資訊中，獲取最有效的資源。

大資料的挑戰：

當大資料與雲計算結合起來之後，大資料就大大向前邁出了一步，大資料給大家的生活帶來便利；在這一大跨步當中，安全永遠是無法避免的話題。

想一想，很多購物軟體的殺熟，新註冊人員能看到價格和老使用者不一致，這是不是可怕？

想一想，如果並非因為疫情原因，有人隨便一查就能知道你的位置資訊，通訊資訊，和哪些人接觸過，是不是可怕？

想一想，你現在手機中的很多APP一直在忽悠你開啟的許可權，是不是可怕？

當你我在享受大資料的快感的時候，有沒有發現自己也是穿著皇帝的新裝徜徉在大資料的海洋中。

在此呼籲相關企業在提取大資料的時候，需要考慮是否符合法律和倫理；國家也需要儘快出臺相關的法律，保護大家的安全。

首先說一下大資料的特點: 資料海量

再說一下大資料怎麼產生的:

為什麼有大資料呢？

那是因為存的多了，慢慢就變成了大資料。

那麼多資料存一個地方肯定是存不下的，這就涉及到分散式儲存(HDFS)，這裡暫且不細講，因此，存到最後，肯定會出現存爆的​時候，但是很可能我們是等不到它爆炸的那天了

​最後來說說大資料做什麼用的:

大資料就是歷史資料，供決策者進行決策​，但是原始的大資料只是死資料，並不知道決策者需要什麼資料，因此就要進行大資料分析和計算，大資料裡叫分散式計算，經過計算篩選後的資料才是我們需要的資料。

大資料其實是運用資料工具進行捕捉、管理和處理的資料集合。

當我們還沒有認識到他的時候，其實他已經存在於我們周圍的方方面面了。

相信未來的時代一定會是DT的時代，DT就是大資料，是數字科技。

無論是大型企業還是小型商戶，都可以運用大資料來進行精準營銷，可以大大促進企業的轉型升級。

也可以用來規劃問題，及時的解決問題，分析商品的資料，分析使用者的資料，可以使企業降低成本，並且能實現利潤最大化。

轉過來講，大資料的前提就是需要有資料來源，這樣才能對資料進行分析，實現資料的最大價值，指導業務運營，進行商業變現。

舉些我們身邊最熟知的例子吧，像微博熱搜，芝麻信用，在逛網上商店時的一些智慧商品推薦，還有在刷影片聽音樂時的一些每日推薦，背後都是大資料進行的智慧分析。

預測，決策，為機器學習和人工智慧提供支撐

預測從古代就做了，但是大資料做預測的核心是全樣本，多個維度的全樣本，交叉確認，人會說謊，在社交場合會隱藏部分內心，但這部分內心在日積月累的網際網路上總有絲竹馬跡會留下來，所以，越來越多的資料模型和資料會給出無限接近感知的結果。也就是可以讓計算機具有學習能力，機器學習就是設計一個一些讓計算機可以自動學習的演算法，人工智慧的核心是什麼？歸根到底是“計算機用大資料在代替人腦來思考；計算機可能比人腦思考的更全面和迅速

當然大資料的應用，不是一篇文章，簡單舉個例子就能說明白的，現在是資料為王的時代，我們現在才真正開始體會“資料最有說服力"的魅力所在，我認為，資料的作用待開發的地方太多了，資料的作用，未來不可限量，沒法預測，也不敢預測，只能期待。

大資料在最近兩年才大力發展，並且在各領域蔓延，因此所產生的人才缺口巨大，而在企業中真正對大資料技能比較強力的技術人才，又特別的少；可以搞各種資料分析等工作。大資料學習完的話可以從事的工作還是非常多的，比如資料開發、資料分析、資料視覺化等