大数据时代 如何理解“大数据”

　　最早提出大数据概念的学科是天文学和基因学，这两个学科从诞生之日起就依赖于基于海量数据的分析方法。
　　大数据可以说是计算机和互联网结合的产物，计算机实现了数据的数字化;互联网实现了数据的网络化;两者结合才赋予了大数据生命力!
　　随着互联网如同空气、水、电一样无处不在地渗透入我们的工作和生活，加上移动互联网、物联网、可穿戴联网设备的普及，新的数据正在以指数级别的加速度产生。据说目前世界上90%的数据是互联网出现以后迅速产生的。
　　不过，抛开数据的海量化生产和存储这种表面现象，我们更加要关注的是由数据量变带来的质变，这种质变表现在以下3个方面：
　　1)数据思维
　　大数据时代带给我们的是一种全新的思维方式，思维方式的改变在下一代成为社会生产中流砥柱的时候就会带来产业的颠覆性变革!
　　- 分析全面的数据而非随机抽样;
　　- 重视数据的复杂性，弱化精确性;
　　- 关注数据的相关性，而非因果关系。
　　历来的商业变革都是由思维方式的转变开始的，旧的经济体制和传统的商业理念面临新的商业思维逻辑的时候，如果大脑不能与时俱进，吸收并转变为顺应潮流的新思维，通过新思维重新组织企业组织的战略、结构、文化和各种策略，那么貌似强大的体魄反而变成了企业前进的累赘。这种新思维颠覆巨头的案例最先发生在信息技术的传统领域，然后渗透到传统的商业领域：黑莓(Blackberry)、摩托罗拉、诺基亚、柯达、雅虎。。。案例比比皆是!
　　当然，这些企业的没落并不是因为没有数据思维，但他们都是被新互联网思维淘汰的昔日巨人。数据思维是最新的思想，其影响力还没有发展到导致巨头轰然倒塌。但是，如果不给予足够的重视，下一波没落王国的名单中，可能就会有你!
　　2)数据资产
　　大数据时代，我们需要更加全面的数据来提高分析(预测)的准确度，因此我们就需要更多廉价、便捷、自动的数据生产工具。除了我们在互联网虚拟世界使用浏览器、软件有意或者无意留下的各种个人信息数据之外，我们正在用手机、智能手表、智能手环、智能项链等各种可穿戴数码产品生产数据;我们家里的路由器、电视机、空调、冰箱、饮水机、吸尘器、智能玩具等也开始越来越智能并且具备了联网功能，这些家用电器在更好地服务我们的同时，也在生产大量的数据;甚至我们出去逛街，商户的路由器，运营商的WLAN和3G，无处不在的摄像头电子眼，百货大楼的自助屏幕，银行的ATM，加油站以及遍布各个便利店的刷卡机都在收集和生产数据。
　　在互联网领域，我们喜欢说入口这个词，入口对应的直接意义是流量，而流量在互联网领域就意味着金钱，这种流量变现可能是广告，可能是游戏，也可能是电商。在大数据时代，入口这个词还有更深刻的意义，那就是数据生产的源头，用户通过某个APP或者硬件产品满足某种需求的同事，也会留下一系列相关的数据，这些数据的合理使用可以让拥有这部分数据的企业获得更大的商业利益!所以，在大数据时代，意识到数据也是资产的公司都已经开始在各个数据生产的源头进行布局，可能是一个解决刚兴需求的WEB网站，也可能是一个单纯的工具APP，还可能是一个可穿戴的数码产品!
　　3)数据变现
　　有了数据资产，就要通过分析来挖掘资产的价值，然后变现为用户价值、股东价值甚至社会价值。
　　大数据分析的核心目的就是预测，在海量数据的基础上，通过机器学习相关的各种技术和数学建模来预测事情发生的可能性并采取相应措施。预测股价、预测机票价格、预测流感等等。
　　预测事情发生的可能性继续往下延伸，就可以通过适当的干预，来引导事情向着期望的方向发展。比如亚马逊和所有的电商一样，都会基于对用户的喜好及消费能力分析来推荐商品，引导用户提高消费金额;Google等互联网巨头也会通过各种技术手段来试图向不同的用户展现不同的广告，并称之为精准营销，由此来提高点击率(公司收入);网游公司也会在运营工程中通过玩家行为数据的分析来及时调整游戏关卡及计费点等设计。

finebi挺不错的，建议研究一下。近年来，在整体解决方案的BI产品中，根据应用的业务、目标、用户的差异，主流BI产品又分化为代表传统BI解决方案的重型BI和贴近现代企业快速部署、灵活易用需求的敏捷型BI两类。传统重型BI以Cognos等产品为代表，其优势与缺陷经过多年实践的检验，都是十分显然的。重型BI产品适用于数据量特别巨大（百亿或以上级别）、信息化建设特别完备、信息技术人才资源充裕、数据分析经验十分丰富、数据分析需求变化很小的大型企业和集团，其在巨大数据量上的性能和稳定性优势不言而言，但随之而来的缺陷是费用特别巨大（重型BI产品和实施的总费用在千万人民币以上）、实施周期很长（一般以年为单位）、对信息技术人才要求高（写SQL查询、数据建模等工作都需手动建立和维护）、项目风险大（非典型性用户实施成功率很低）。对于很多企业，在应用这种类型的BI工具时，往往会困扰于项目资金预算、实施周期、人才匮乏和风险控制中，无法实施项目或项目实施后，在线上使用的环节收效甚微。
因此，敏捷性BI应运而生。与重量型BI相比，除项目总费用大大削减、实施周期大大缩短外（以周为单位），敏捷性BI最突出的特点就是实现数据建模自动化完成，并且模型中的维度分析更加灵活，分析需求变化，除非使用原先不存在的数据，否则不需要重新建模。这大大增强的BI产品的易用性，随之大大降低了项目的风险，保障了数据分析人员“用得起来”，使得专业的数据分析工具可以走进千千万万家企业。

数据科学与大数据技术：大数据时代怎么理解呢？