从人类的起源，就时时刻刻产生着各种各样的数据，随着人类的发展慢慢学会记录数据，整理数据，到运用数据，也开始尝试着去挖据数据背后的更大价值。同时在人类的行为和生活越来越丰富，科技愈发的进步，数据不断的被积累，体量也出现了指数级别的增长。大数据的概念也应运而生。

　　随着大数据的概念提出，越来越多的人，开始关注数据，注重数据带来的巨大的价值。大家谈论的也都是与大数据相关的专业话题了，无论是商业BI，还是阿里云。都是越来越多的行业内部人员乃至关注大数据的看客的讨论热点了。

　　那么大数据具有哪些特点呢？

　　Value，数据价值，数据的价值密度相对较低，这个怎么解释呢？因为两年之后，每天的产生的数据量是之前所有数据的总和，说明数据的体量是指数级别的增长，随着体量的增长，有用的数据也越难抽取，相对而言，真正有用有价值的数据占比也降低。

　　Volume 容量，大数据最直接体现就是体量的增加，前些年，U盘的内存4g，现在基本上都16g以上了， 体量的单位从kb，mb， tb， zb…

　　Velocity处理速度，数据的体量增大，自然对于处理大量数据的运算处理速度也要求越来越高，1秒定律。这是大数据区分于传统数据挖掘的最显著特征。根据IDC的“数字宇宙”的报告，预计到2020年，全球数据使用量将达到35.2ZB。在如此海量的数据面前，处理数据的效率就是企业的生命。

　　Variety数据种类多，相对于以往便于存储的以文本为主的结构化数据，非结构化数据越来越多，包括网络日志、音频、视频、图片、地理位置信息等，这些多类型的数据对数据的处理能力提出了更高要求。

　　大数据的鼻祖又是什么呢？

　　大数据现实体现最初是人口普查，最早是在美国，10年为一个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，人口继续增长，经过科学的预测，如果还是按照老方法去做，需用13年做完，这显然跟不上时代的要求。所以人们开始从记录，采集，整理，分析等多个领域寻求加快数据分析的速度，大数据的概念也慢慢被提出。

　　80，90年代，大数据体现在人口普查的方面，那么如今大数据又体现在哪里呢？

　　现如今，大数据体现最多的可能是社交网络之中了比如：facebook，微信等网络社交平台。其中也不乏实际应用的例子。

　　2012年facebook上市，是美国资本重大事件之一，当时各家调研公司，数据分析公司都在做上市股价进行预测，这也是数据分析公司能力体现。然而，不是投行，不是各大事务所，也不是google，最后结果是它的老对手推特，大家知道，新股上市，股价的上下浮动会受到人们情感的影响，积极消极，有信心还是失望都会影响到新股价格。推特运用自己的数据分析平台进行文本的情感分析，从公共网络频台上的文本信息抓取每个有关facebook上市的评论，再分析出情感是积极还是消极的，并给予一定取值，最终准确预测出上市股价。

　　另外一个案例应用是有关网络平台的精准营销的案例。微信几乎每个人都有，但微信的朋友圈可以向定向的人群发送指定的广告，还可以选择地区，可以选择性别，年纪分类，教育程度分类，给所有用户进行初步分类之后，再是根据你朋友圈的发文或者交流信息进行提取分析，进一步给每个客户贴上独特的标签，最后把相关信息给到销售部门，进行精准营销。

　　gps 是美国的一家定位公司，手机内部有，汽车也安装了，它可以精准全面的采集个人行为数据，例如iphone 的隐私功能默认开放的，它会和地图关联，根据你人常的行为轨迹和时间，自动确定你的家庭住址，工作地址等。

　　说了很多真实的运用较好的案例，当时现如今还有绝大多数的公司对于大数据渴望又不知道如何下手，其中大致包括两个方面。

　　1、想做数据分析，但是之前没有相关的数据意识，基础数据丢失或从未搜集，或者数据孤岛严重，行业数据相对独立而难以共享。

　　2、数据产生的体量大，维度高，提取难度大。例如某个知名商业银行的信用卡部门，每天收集大量的个人客户的多维度信息，面对大量信心无法价值化，因为涉及个人隐私和安全，数据不可买卖，又不知道如何内部进行分析促进其他相关业务增长。

　　此外，在整个企业的运作过程还可以分为交易数据和交互数据。

　　农夫山泉，几年前销量并不如今，当时他们基本上只掌握了大量的交易的数据，通过分析得出，农夫山泉的利润始终上不来，是因为运输成本很高，如何降低运输成本成为问题的关键点，交互数据的需求成为至关重要的一环，所以决定，每个采集人员每天到10至20个销售点，取收集大量的交互数据，其中包括水的位置，排列形状，天气，优惠活动，市场反馈等一系列交互数据，一个月一个人收集的信息量大约3个TB，继而委托sap公司进行分析开发出物流成本控制处理系统，从而进行运输预测，运输安排和中转站的一系列重新部署，最终直接降低运输成本，提高了运输效果，终于坐到饮用水市场第一的位置。

　　通过今天的介绍，希望给大家一些对于大数据的基本认识，也希望大家一同关注大数据发展，共同分享大数据带来的惊喜。