從人類的起源，就時時刻刻產生著各種各樣的數據，隨著人類的發展慢慢學會記錄數據，整理數據，到運用數據，也開始嘗試著去挖據數據背后的更大價值。同時在人類的行為和生活越來越豐富，科技愈發的進步，數據不斷的被積累，體量也出現了指數級別的增長。大數據的概念也應運而生。

　　隨著大數據的概念提出，越來越多的人，開始關注數據，注重數據帶來的巨大的價值。大家談論的也都是與大數據相關的專業話題了，無論是商業BI，還是阿里云。都是越來越多的行業內部人員乃至關注大數據的看客的討論熱點了。

　　那么大數據具有哪些特點呢？

　　Value，數據價值，數據的價值密度相對較低，這個怎么解釋呢？因為兩年之后，每天的產生的數據量是之前所有數據的總和，說明數據的體量是指數級別的增長，隨著體量的增長，有用的數據也越難抽取，相對而言，真正有用有價值的數據占比也降低。

　　Volume 容量，大數據最直接體現就是體量的增加，前些年，U盤的內存4g，現在基本上都16g以上了， 體量的單位從kb，mb， tb， zb…

　　Velocity處理速度，數據的體量增大，自然對于處理大量數據的運算處理速度也要求越來越高，1秒定律。這是大數據區分于傳統數據挖掘的最顯著特征。根據IDC的“數字宇宙”的報告，預計到2020年，全球數據使用量將達到35.2ZB。在如此海量的數據面前，處理數據的效率就是企業的生命。

　　Variety數據種類多，相對于以往便于存儲的以文本為主的結構化數據，非結構化數據越來越多，包括網絡日志、音頻、視頻、圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求。

　　大數據的鼻祖又是什么呢？

　　大數據現實體現最初是人口普查，最早是在美國，10年為一個周期做一次人口普查工作，第一次，在1880年用了8年做完，到1890年，人口繼續增長，經過科學的預測，如果還是按照老方法去做，需用13年做完，這顯然跟不上時代的要求。所以人們開始從記錄，采集，整理，分析等多個領域尋求加快數據分析的速度，大數據的概念也慢慢被提出。

　　80，90年代，大數據體現在人口普查的方面，那么如今大數據又體現在哪里呢？

　　現如今，大數據體現最多的可能是社交網絡之中了比如：facebook，微信等網絡社交平臺。其中也不乏實際應用的例子。

　　2012年facebook上市，是美國資本重大事件之一，當時各家調研公司，數據分析公司都在做上市股價進行預測，這也是數據分析公司能力體現。然而，不是投行，不是各大事務所，也不是google，最后結果是它的老對手推特，大家知道，新股上市，股價的上下浮動會受到人們情感的影響，積極消極，有信心還是失望都會影響到新股價格。推特運用自己的數據分析平臺進行文本的情感分析，從公共網絡頻臺上的文本信息抓取每個有關facebook上市的評論，再分析出情感是積極還是消極的，并給予一定取值，最終準確預測出上市股價。

　　另外一個案例應用是有關網絡平臺的精準營銷的案例。微信幾乎每個人都有，但微信的朋友圈可以向定向的人群發送指定的廣告，還可以選擇地區，可以選擇性別，年紀分類，教育程度分類，給所有用戶進行初步分類之后，再是根據你朋友圈的發文或者交流信息進行提取分析，進一步給每個客戶貼上獨特的標簽，最后把相關信息給到銷售部門，進行精準營銷。

　　gps 是美國的一家定位公司，手機內部有，汽車也安裝了，它可以精準全面的采集個人行為數據，例如iphone 的隱私功能默認開放的，它會和地圖關聯，根據你人常的行為軌跡和時間，自動確定你的家庭住址，工作地址等。

　　說了很多真實的運用較好的案例，當時現如今還有絕大多數的公司對于大數據渴望又不知道如何下手，其中大致包括兩個方面。

　　1、想做數據分析，但是之前沒有相關的數據意識，基礎數據丟失或從未搜集，或者數據孤島嚴重，行業數據相對獨立而難以共享。

　　2、數據產生的體量大，維度高，提取難度大。例如某個知名商業銀行的信用卡部門，每天收集大量的個人客戶的多維度信息，面對大量信心無法價值化，因為涉及個人隱私和安全，數據不可買賣，又不知道如何內部進行分析促進其他相關業務增長。

　　此外，在整個企業的運作過程還可以分為交易數據和交互數據。

　　農夫山泉，幾年前銷量并不如今，當時他們基本上只掌握了大量的交易的數據，通過分析得出，農夫山泉的利潤始終上不來，是因為運輸成本很高，如何降低運輸成本成為問題的關鍵點，交互數據的需求成為至關重要的一環，所以決定，每個采集人員每天到10至20個銷售點，取收集大量的交互數據，其中包括水的位置，排列形狀，天氣，優惠活動，市場反饋等一系列交互數據，一個月一個人收集的信息量大約3個TB，繼而委托sap公司進行分析開發出物流成本控制處理系統，從而進行運輸預測，運輸安排和中轉站的一系列重新部署，最終直接降低運輸成本，提高了運輸效果，終于坐到飲用水市場第一的位置。

　　通過今天的介紹，希望給大家一些對于大數據的基本認識，也希望大家一同關注大數據發展，共同分享大數據帶來的驚喜。