我自己是一名從事了5年大資料探勘、分析開發的工程師，我花了一個月整理了一份最適合小白學習的大資料乾貨，包括資料採集。資料儲存和管理。資料處理和分析。資料隱私和安全。雲安全，雲技術，人工智慧等資料都有整理，送給每一位大資料小夥伴，這裡是大資料學習者聚集地，歡迎初學和進階中的小夥伴。

加QQ群：591305687（招募中）

“大資料”一詞時下的熱門程度無需贅言，這一兩年來網際網路相關的任何活動、會議必不可少“大資料”板塊。

對於任何一個大資料的從業者或初接觸者，或許都會有個共同的感觸：大資料很有用！大資料該怎麼用？

關於大資料的著作和文章鋪天蓋地，似乎也共同在傳遞一個資訊：越來越多的行業、人士開始關注並實際探索大資料的應用，我們正在一起描繪著大資料巨大效用的藍圖，但在實踐的路上，我們都還在起步階段小步前行。

在這裡我還是要推薦下我自己建的大資料學習交流裙：805127855， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴

大資料根基於網際網路，資料倉庫、資料探勘、雲端計算等網際網路技術的發展為大資料的應用奠定了基礎。然而實踐應用尚處於在探索中前進。同樣作為探索學習，我想從我個人的理解角度，分享並與大家探討四個問題：大資料是什麼？大資料可以做什麼？大資料實際做了什麼？大資料要怎麼做？

首先，大資料是什麼？

引用3個比較常用的大資料定義：

（1）需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的資訊資產。

—— Gartner

（2）海量的資料規模（Volume）、快速的資料流轉和動態的資料體系（Velocity）、多樣的資料型別（Variety）、巨大的資料價值（Value）。

—— IDC

（3）或稱巨量資料、海量資料、大資料，指所涉及的資料量規模巨大到無法通過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的資訊。

—— Wiki

其他關於大資料的定義也大抵類似，我們可以用幾個關鍵詞對大資料做一個界定。

首先，“規模大”，這種規模可以從兩個維度來衡量，一是從時間序列累積大量的資料，二是在深度上更加細化的資料。

其次，“多樣化”，可以是不同的資料格式，如文字、圖片、視訊等，可以是不同的資料類別，如人口資料，經濟資料等，還可以有不同的資料來源，如網際網路、感測器等。

第三，“動態化”。資料是不停地變化的，可以隨著時間快速增加大量資料，也可以是在空間上不斷移動變化的資料。

這三個關鍵詞對大資料從形象上做了界定。

但還需要一個關鍵能力，就是“處理速度快”。如果這麼大規模、多樣化又動態變化的資料有了，但需要很長的時間去處理分析，那不叫大資料。從另一個角度，要實現這些資料快速處理，靠人工肯定是沒辦法實現的，因此，需要藉助於機器實現。

最終，我們藉助機器，通過對這些資料進行快速的處理分析，獲取想要的資訊或者應用的整套體系，才能稱為大資料。

我們可以用下面的圖示給大資料定義：

對大資料概念有了界定後，那大資料可以做什麼呢？

想要應用大資料，從流程上來說，大概是這樣。

首先我們要有資料來源，然後對資料進行收集和儲存，在這基礎上，再進行分析和應用，形成我們的產品和服務，而產品和服務也會產生新的資料，這些新資料會迴圈進入我們的流程中。

在這裡我還是要推薦下我自己建的大資料學習交流裙：805127855， 裙 裡都是學大資料開發的，如果你正在學習大資料 ，小編歡迎你加入，大家都是軟體開發黨，不定期分享乾貨（只有大資料開發相關的），包括我自己整理的一份2018最新的大資料進階資料和高階開發教程，歡迎進階中和進想深入大資料的小夥伴

當這整個迴圈體系成為一個智慧化的體系，通過機器可以實現自動化，那也許就會成為一種新的模式，不管是商業的，或者是其他。

然後具體到實際的應用中，我認為，大資料能夠實現的應用，可以概括為兩個方向，一是精準化定製，二是預測。

首先，精準化定製。

主要是針對供需兩方的，獲取需方的個性化需求，幫助供方定準定位目標，然後依據需求提供產品，最終實現供需雙方的最佳匹配。

具體應用舉例，也可以歸納為三類。

一是個性化產品，比如智慧化的搜尋引擎，搜尋同樣的內容，每個人的結果都不同。或者是一些定製化的新聞服務，或者是網遊等。

第二種是精準營銷，現在已經比較常見的網際網路營銷，百度的推廣，淘寶的網頁推廣等，或者是基於地理位置的資訊推送，當我到達某個地方，會自動推送周邊的消費設施等。

第三種是選址定位，包括零售店面的選址，或者是公共基礎設施的選址。

這些全都是通過對使用者需求的大資料分析，然後供方提供相對定製化的服務。

應用的第二個方向，預測。

預測主要是圍繞目標物件，基於它過去、未來的一些相關因素和資料分析，從而提前做出預警，或者是實時動態的優化。

從具體的應用上，也大概可以分為三類。

一是決策支援類的，小到企業的運營決策，證券投資決策，醫療行業的臨床診療支援，以及電子政務等。

二是風險預警類的，比如疫情預測，日常健康管理的疾病預測，裝置設施的運營維護，公共安全，以及金融業的信用風險管理等。

第三種是實時優化類的，比如智慧線路規劃，實時定價等。

以上呢，是各種文獻資料裡，對於大資料可以用來做什麼的一些暢想，事實上也許大資料可以做的事情，可以擴充套件到方方面面。

但是，我們再看現實中，大資料實際應用到了什麼程度呢？

我認為，目前大資料真正實現了商業化的應用，只有一種，就是網際網路營銷。

其他我們前面列舉的方向，會有些初步的應用，但基本都還停留在探索的階段。比如疫情預測，無抵押信用貸款等，對於準確性、精細度、可推廣性等方面還有待推敲。

造成大資料實際應用與目標藍圖之間差距的主要原因是什麼，我認為是資料來源的問題。

你必須先獲得資料，然後才能應用資料。

因此，資料的可獲取性，成為大資料在具體行業應用性評價的一個重要維度。

可以從資料的標準化、開放性和集中度幾個維度衡量資料可獲取性

同時，獲取了資料之後，在應用資料方面，可以從大資料應用的潛在價值維度來衡量，包括效率的提升、成本降低或者是新模式的產生。

此外，還可以從大資料行業應用的可複製/推廣性的角度來衡量，不僅包括在本行業內的推廣，同時也包括跨行業的推廣性。

從三個維度，我個人對大資料在各行業應用的可能性做了一個定位，但這個定位還是非常定性和粗略的，具體可能還需要對行業有更多的大資料應用的探討和探索。

對於專門從事大資料應用的企業來說，大資料要怎麼做？

我認為可以從兩個維度發展，首先一個重點任務就是要累積資料，以自身擁有的網際網路資料及大資料技術兩個資源為基礎，從一些細分應用切入，比如可以先從企業角度，繼而擴充套件到行業甚至跨行業的角度，從細分應用先有一些產品的產出，這會成為獲取更多資料的入口，同時也為大資料更廣應用提供了方向借鑑。

但還有一點，對於平臺型的網際網路企業，在確定與哪些企業或者行業資料結合、應用大資料時，可以有一些篩選條件，比如，是不是發揮了平臺屬性，另外，這種應用是不是具有可複製或推廣性，不是隻侷限於某一個企業內，至少是可以應用到整個行業中的。

以上，是我個人對大資料的一些思考，也希望可以跟更多的朋友對於大資料實際應用上有些探討和學習。