大數據使用權

Ⅰ 大數據的管理和使用包括哪些內容

技術模型控制、適應傳統管理工作需求 新一代電子政務系統在得出了業務資源及關系模型和業務資源許可權控制模型後，再結合機關單位辦公實際，梳理傳統管理工作需求，把機關單位的傳統管理工作、規章制度通過技術模型的形式固定了。還有像傳統的規章制度中對文件傳閱控制、處理規定等，新一代電子政務系統就通過查詢授權功能在技術上實現。提煉標准模型在創新的業務核心模型基礎上，新一代電子政務系統建設為了保障業務核心模型的有效實現和規劃，再提煉了業務標准模型。統一資料庫結構設計 新一代電子政務系統通過數據標准規范，統一了各子系統的數據結構標准，從數據底層實現了標准統一，為各子系統之間的數據共享和數據整合提供了統一結構基礎。統一系統和基礎信息資源分類 新一代電子政務系統通過統一各業務及應用子系統之間的系統和基礎信息資源分類，實現了信息資源支撐的統一，從而為各子系統之間的數據關聯相互交換提供了統一數據基礎。業務數據標准化保障了業務模型在數據層次的統一，確保了業務模型數據標准。統一主界面布局與統一應用層次 在業務數據標准統一基礎上，為了確保業務核心模型在電子技術實現後的規范和方便應用，新一代電子政務系統又創新實現了系統布局和展示層的標准,還可以為應用層次劃分標准，從而方便用戶對系統的規范使用。制定設計模型創新了業務核心模型，提煉了業務標准後，新一代電子政務系統針對各種辦公業務資源，從業務工作的實際出發，結合實踐經驗，又創新制定了基於業務核心模型基礎上的業務設計模型，業務設計模型的創新又在於歸納可復用各業務功能模塊上面。新一代電子政務系統中，業務設計模型的創新在於提煉可復用各業務功能模塊。以往的電子政務建設，模塊不清晰，系統建設雜亂無章，很多建設工作重復，這不僅僅耗費了大量資金，而且不利於系統的長遠發展和推廣應用。新一代電子政務系統從建設的實踐中，從功能模塊層提煉出了可復用的各業務功能模塊，以方便系統的繼續發展和建設

Ⅱ 什麼是大數據，大數據為什麼重要，如何應用大數據

毫無疑問，各行各業因為大幅爆發的數據而正變得蒸蒸日上。在這10年中，幾乎所有行業都或多或少的受到這一巨變的影響。科技滲透到各個領域，並且已經成為每個處理單元的必要元素。談到IT行業，具體來說，軟體和自動化是最基本的術語，並且用於處理循環的每個階段。
相較於穩定性而言，企業更關心的是敏捷性和創新性，通過大數據技術，可以幫助公司及時實現這一願望。大數據分析不僅使企業能夠跟隨瞬息萬變的潮流而不斷更新，而且還具有預測未來發展趨勢的能力，使企業占據有競爭力的優勢。
讓我們找到行業廣泛採用大數據的原因：
1.大數據是企業核心競爭力，也是公司的軟實力
大數據席捲了全球，並帶來了驚人的利益，這一力量無需多說。大數據使IBM、亞馬遜等全球頂尖公司受益，這些公司通過利用大數據開發一些前沿的技術，為客戶提供高端服務。
「採用大數據，雲計算和移動戰略的企業發展狀況超過沒有採用這些技術的同行53%。」——《福布斯》
在戴爾開展的一項調查中顯示，採用大數據、雲計算以及移動戰略的企業中，優勢更加明顯，也就是，這些企業中有53%採用大數據起步較晚或者尚未採用，在這一結果令人驚訝不已。
雖然大數據尚處於初級階段，但通過在處理過程中，融合這一理念，將為企業贏得50%的利潤。顯然，在如今的商業中，大數據顯現的驚人優勢並不亞於石油或煤炭帶來的利益。
2.掌握數據能力，開采「暗數據」
全球著名的咨詢公司Gartner公司對黑暗數據的定義是「組織在正常業務活動過程中收集、處理和存儲的信息資產，通常不能用於其他目的」。
然而，大數據系統的出現使得這些公司能夠將尚未開拓的數據投入使用，並從中提取有意義的信息。過去沒有被認可或認為毫無用處的數據突然成為公司的財富，這一點令人驚訝不已。通過大數據分析，這些公司可以加快流程，從而降低運營成本。
3.軟體正在吞噬整個世界數據爭奪戰正在打響
我們目前處於數據驅動型經濟中，如果無法分析當前或未來的趨勢，任何組織都無法生存下去。搶奪數據已經成為決定下一步行動方案的關鍵。
客戶逐漸成為所有組織的焦點，對於及時滿足客戶的需求這一任務非常迫切。只有在強大的軟體支持下，業務戰略才有可能會支撐和加速業務運營。這最終促成了強大的大數據技術的需求，可以以許多方式使組織受益。
4.決策指導更智能更快速更精準
在這個激烈的競爭時代，人人都想脫穎而出。但問題是如何實現這一期望?雖然公司與競爭對手持有相同的運營模式，但公司應當如何展現其獨一無二?答案在於公司採用的策略。為了表現優於競爭對手，做出良好和智慧決策的能力在每一步中發揮關鍵作用。這些決定不僅應該是好的決定，而且應該盡可能做出又快又明智的決定，使公司能夠在積極的主動出擊。
將大數據分析納入流程的做法揭示了非結構化數據，從而有助於管理者以系統的方式分析其決策，並在需要時採取替代方法。
5.以用戶為中心用戶行為數據是營銷關鍵
現在客戶有機會隨時隨地購物，在相關信息幫助下，對於公司需要做出比之前更敏捷的反應這一要求而言具有更大的挑戰。但是公司將如何不斷地實現這一點呢?答案是藉助「大數據」。客戶動向是不斷變化的，因此營銷人員的策略也應該做出相應調整。通過整合過去和實時數據來評估客戶的品味和喜好，這樣可以使公司採取更快捷的應對措施。
例如，亞馬遜通過利用強大的大數據引擎的能力，從一個以產品為基礎的公司發展成為囊括1.52億客戶在內的大型市場參與者。亞馬遜旨在通過跟蹤客戶的購買趨勢，並為營銷人員提供他們即時需要的所有相關信息，從而來為客戶服務。此外，亞馬遜通過實時監控全球15億種產品，成功滿足了客戶的需求。
6.通過利用數據倉庫使數據資產變現
這些公司越來越大，因此不同的流程產生不同的數據。資料倉儲中的許多重要信息仍然無法訪問。然而，公司已經能夠使用大數據分析這一武器來挖掘這座大山，讓分析師和工程師深入研究，並提供新穎而又有意義的見解。
經過這番分析，有一件事值得肯定的是，這是一個高度數字化和技術驅動時代的開端，並伴隨著強大的實時大數據分析能力。

Ⅲ 關於大數據應用有什麼例子

• 大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。

• 大數據應用案例之：醫療行業

• Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

• 在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鍾有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施，避免早產嬰兒夭折。

• 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。

• 大數據應用案例之：能源行業

• 智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。

• 有了這個預測後，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測後，可以降低采購成本。

• 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。

Ⅳ 什麼叫大數據.有什麼用.

大數據是指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集內合，是需要新處理容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信息資產，簡單來說大數據就是海量的數據，就是數據量大、來源廣、種類繁多(日誌、視頻、音頻)，大到PB級別，現階段的框架就是為了解決PB級別的數據。

大數據的7大特徵：海量性，多樣性，高速性，可變性，真實性，復雜性，價值性

隨著大數據產業的發展，它逐漸從一個高端的、理論性的概念演變為具體的、實用的理念。

很多情況下大數據來源於生活。
比如你點外賣，准備什麼時候買，你的位置在哪，商家位置在哪，想吃什麼……這都是數據，人一多各種各樣的信息就越多，還不斷增長，把這些信息集中，就是大數據。

大數據的價值並不是在這些數據上，而是在於隱藏在數據背後的——用戶的喜好、習慣還有信息。

Ⅳ 大數據的使用方式有哪些

最常用的四種數據分析方法：描述型分析、診斷型分析、預測型分析和指令型分析。

1. 描述型分析：發生了什麼？

   這是最常見的分析方法。在業務中，這種方法向數據分析師提供了重要指標和業務的衡量方法。

   例如，每月的營收和損失賬單。數據分析師可以通過這些賬單，獲取大量的客戶數據。了解客戶的地理信息，就是「描述型分析」方法之一。利用可視化工具，能夠有效的增強描述型分析所提供的信息。

2. 診斷型分析：為什麼會發生？

描述性數據分析的下一步就是診斷型數據分析。通過評估描述型數據，診斷分析工具能夠讓數據分析師深入地分析數據，鑽取到數據的核心。

良好設計的BI dashboard能夠整合：按照時間序列進行數據讀入、特徵過濾和鑽取數據等功能，以便更好的分析數據。

3. 預測型分析：可能發生什麼？

預測型分析主要用於進行預測。事件未來發生的可能性、預測一個可量化的值，或者是預估事情發生的時間點，這些都可以通過預測模型來完成。

預測模型通常會使用各種可變數據來實現預測。數據成員的多樣化與預測結果密切相關。

在充滿不確定性的環境下，預測能夠幫助做出更好的決定。預測模型也是很多領域正在使用的重要方法。

4. 指令型分析：需要做什麼？

數據價值和復雜度分析的下一步就是指令型分析。指令模型基於對「發生了什麼」、「為什麼會發生」和「可能發生什麼」的分析，來幫助用戶決定應該採取什麼措施。通常情況下，指令型分析不是單獨使用的方法，而是前面的所有方法都完成之後，最後需要完成的分析方法。

Ⅵ 百度大數據怎麼使用

網路的原數據是不可能給你的，所以只有一些介面給你用~~~
現成的網路內大數據，我知道的有容網路遷徙（http://qianxi..com）和網路商情（http://shangqing..com），這兩款產品相當的接地氣，而且很好用，還是可以在裡面挖掘到一些有價值的信息的

Ⅶ 大數據有什麼用

我們正處在科技高速發展的時代，如今互聯網已經與我們的生活息息相關，我們每天在互聯網產生大量的數據，這些數據散落在網路中看似沒有怎麼作用，但是這些數據經過系統的處理整合起來確實非常有價值的。

一、發展大數據技術可以提高生產力

大數據技術在企業已經成為投入使用很成功的案例，很多應用程序開發商和大型公司都運用大數據技術擴展大數據項目。大數據技術在運用時可以通過數據挖掘知道最需要的數據是哪些，通過這些數據獲取更多的生產力，提高生產能力，為企業帶來更多的商業價值。目前有很多企業通過數據挖掘分析解決問題，相對來說大數據分析比著傳統的數據分析速度更快，更能獲取可「回收利用」的信息流量，提高行業內的生產力。

二、發展大數據技術可以改善營銷決策

近幾年的數據量暴增，數據盈利也很可能成為未來收入的主要來源，大數據技術在海量數據的分析中，尋求到最合適的企業營銷策略，通過數據分析給企業帶來更明智的策略。

大數據工程師通過對客戶的數據精湛分析，分析行業內的流行趨勢並且定製出更適合的產品或者服務，通過對定價的檢測和分析對客戶忠誠度有效評估，一系列的運用大數據及時改善營銷決策，給企業帶來有價值的數據決策。

三、發展大數據技術的未來優勢

大數據行業的興起，許多開發企業都意識到，想要在行業內不斷的發展就要運用大數據技術，提升自身企業的品牌價值，在行業比拼中尋求更多的競爭優勢，微軟亞馬遜等大型跨國公司目前都在採用大數據解決問題，為消費者提供更好的服務。

目前有很多行業和企業都嘗到大數據技術的甜頭了，未來會有越來越多運用大數據技術的產業，以現在大數據發展的速度來看，2020年大數據的市場規模將達到2030億美元，很多企業都在期盼大數據項目可以運用的范圍更廣闊，然後通過運用產生更大的利益空間。

大數據技術能為行業提高生產力、改善營銷決策，給企業帶來更好的發展前景，目前大數據技術發展雖然在初級階段，但是發展勢頭很猛，未來也會有更多的行業領域涉足大數據技術運用，大數據技術未來發展形式一片大好!

當下，大數據方面的就業主要有三大方向：一是數據分析類大數據人才，二是系統研發類大數據人才，三是應用開發類大數據人才。他們的基礎崗位分別是大數據系統研發工程師、大數據應用開發工程師、大數據分析師，如果想系統的學習編程的可以來我這看看。

對於求職者來說，大數據只是所從事事業的一個方向，而職業崗位則是決定做什麼事?大數據從業者/求職者可以根據自身所學技術及興趣特徵，選擇一個適合自己的大數據相關崗位。下面為大家介紹十種與大數據相關的熱門崗位。

一、ETL研發

企業數據種類與來源的不斷增加，對數據進行整合與處理變得越來越困難，企業迫切需要一種有數據整合能力的人才。ETL開發者這是在此需求基礎下而誕生的一個職業崗位。ETL人才在大數據時代炙手可熱的原因之一是：在企業大數據應用的早期階段，Hadoop只是窮人的ETL。

二、Hadoop開發

隨著數據規模不斷增大，傳統BI的數據處理成本過高企業負擔加重。而Hadoop廉價的數據處理能力被重新挖掘，企業需求持續增長。並成為大數據人才必須掌握的一種技術。

三、可視化工具開發

可視化開發就是在可視化工具提供的圖形用戶界面上，通過操作界面元素，有可視化開發工具自動生成相關應用軟體，輕松跨越多個資源和層次連接所有數據。過去，數據可視化屬於商業智能開發者類別，但是隨著Hadoop的崛起，數據可視化已經成了一項獨立的專業技能和崗位。

四、信息架構開發

大數據重新激發了主數據管理的熱潮。充分開發利用企業數據並支持決策需要非常專業的技能。信息架構師必須了解如何定義和存檔關鍵元素，確保以最有效的方式進行數據管理和利用。信息架構師的關鍵技能包括主數據管理、業務知識和數據建模等。

五、數據倉庫研究

為方便企業決策，出於分析性報告和決策支持的目的而創建的數據倉庫研究崗位是一種所有類型數據的戰略集合。為企業提供業務智能服務，指導業務流程改進和監視時間、成本、質量和控制。

六、OLAP開發

OLAP在線聯機分析開發者，負責將數據從關系型或非關系型數據源中抽取出來建立模型，然後創建數據訪問的用戶界面，提供高性能的預定義查詢功能。

七、數據科學研究

數據科學家是一個全新的工種，能夠將企業的數據和技術轉化為企業的商業價值。隨著數據學的進展，越來越多的實際工作將會直接針對數據進行，這將使人類認識數據，從而認識自然和行為。

八、數據預測分析

營銷部門經常使用預測分析預測用戶行為或鎖定目標用戶。預測分析開發者有些場景看上有有些類似數據科學家，即在企業歷史數據的基礎上通過假設來測試閾值並預測未來的表現。

九、企業數據管理

企業要提高數據質量必須考慮進行數據管理，並需要為此設立數據管家職位，這一職位的人員需要能夠利用各種技術工具匯集企業周圍的大量數據，並將數據清洗和規范化，將數據導入數據倉庫中，成為一個可用的版本。

十、數據安全研究

數據安全這一職位，主要負責企業內部大型伺服器、存儲、數據安全管理工作，並對網路、信息安全項目進行規劃、設計和實施。成都加米穀大數據培訓機構，專注於大數據人才培養。

希望對您有所幫助！~

Ⅷ 大數據可以應用在哪些方面

可以應用在雲計算方面。

大數據具體的應用：

1、洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。

2、google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。

3、統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。

4、麻省理工學院利用手機定位數據和交通數據建立城市規劃。

5、梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。

6、醫療行業早就遇到了海量數據和非結構化數據的挑戰，而近年來很多國家都在積極推進醫療信息化發展，這使得很多醫療機構有資金來做大數據分析。

7、及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元。

8、為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。

9、分析所有SKU，以利潤最大化為目標來定價和清理庫存。

10、根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。

(8)大數據使用權擴展閱讀：

大數據的用處：

1、與雲計算的深度結合。大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。

自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。

2、科學理論的突破。隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。

參考資料：

網路--大數據

Ⅸ 大數據時代，為什麼要使用大數據

大數據是什麼?是一種運營模式，是一種能力，還是一種技術，或是一種數據集合的統稱?今天我們所說的「大數據」和過去傳統意義上的「數據」的區別又在哪裡?大數據的來源又有哪些?等等。當然，我不是專家學者，我無法給出一個權威的，讓所有人信服的定義，以下所談只是我根據自己的理解進行小結歸納，只求表達出我個人的理解，並不求全面權威。先從「大數據」與「數據」的區別說起吧，過去我們說的「數據」很大程度上是指「數字」，如我們所說的客戶量，業務量，營業收入額，利潤額等等，都是一個個數字或者是可以進行編碼的簡單文本，這些數據分析起來相對簡單，過去傳統的數據解決方案(如資料庫或商業智能技術)就能輕松應對;而今天我們所說的「大數據」則不單純指「數字」，可能還包括「文本，圖片，音頻，視頻……」等多種格式，其涵括的內容十分豐富，如我們的博客，微博，輕博客，我們的音頻視頻分享，我們的通話錄音，我們位置信息，我們的點評信息，我們的交易信息，互動信息等等，包羅萬象。用正規的語句來概括就是，「數據」是結構化的，而「大數據」則包括了「結構化數據」「半結構化數據」和「非結構化數據」。關於「結構化」「半結構化」「非結構化」可能從字面上比較難理解，在此我試著用我的語言看能否形象點地表達出來:由於數據是結構化的，數據分析可以遵循一定現有規律的，如通過簡單的線性相關，數據分析可以大致預測下個月的營業收入額;而大數據是半結構化和非結構化的，其在分析過程中遵循的規律則是未知的，它通過綜合方方面面的信息進行模擬，它以分析形式評估證據，假設應答結果，並計算每種可能性的可信度，通過大數據分析我們可以准確找到下一個市場熱點。 基於此，或許我們可以給「大數據」這樣一個定義，「大數據」指的是收集和分析大量信息的能力，而這些信息涉及到人類生活的方方面面，目的在於從復雜的數據里找到過去不容易昭示的規律。相比「數據」，「大數據」有兩個明顯的特徵:第一，上文已經提到，數據的屬性是包括結構化、非結構化和半結構化數據;第二，數據之間頻繁產生交互，大規模進行數據分析，並實時與業務結合進行數據挖掘。解決了大數據是什麼，接下來還有一個問題，大數據的來源有哪些?或者這個問題這樣來表達會更清晰「大數據的數據來源有哪些?」對於企業而言，大數據的數據來源主要有兩部分，一部分來自於企業內部自身的信息系統中產生的運營數據，這些數據大多是標准化、結構化的。(若繼續細化，企業內部信息系統又可分兩類，一類是「基幹類系統」，用來提高人事、財會處理、接發訂單等日常業務的效率;另一類是「信息類系統」，用於支持經營戰略、開展市場分析、開拓客戶等。)傳統的商業智能系統中所用到的數據基本上數據該部分。而另外一部分則來自於外部，包括廣泛存在於社交網路、物聯網、電子商務等之中的非結構化數據。這些非結構化數據由源於 Facebook、Twitter、LinkedIn 及其它來源的社交媒體數據構成，其產生往往伴隨著社交網路、移動計算和感測器等新的渠道和技術的不斷涌現和應用。具體包括了:如，呼叫詳細記錄、設備和感測器信息、GPS 和地理定位映射數據、通過管理文件傳輸協議傳送的海量圖像文件、Web 文本和點擊流數據、科學信息、電子郵件等等。由於來源不同，類型不同的數據透視的是同一個事物的不同的方面，以消費客戶為例，消費記錄信息能透視客戶的消費能力，消費頻率，消費興趣點等，渠道信息能透視客戶的渠道偏好，消費支付信息能透視客戶的支付渠道情況，還有很多，如，客戶會否在社交網站上分享消費情況，消費前後有否在搜索引擎上搜索過相關的關鍵詞等等，這些信息(或說數據)從不同的方面表達了客戶的消費過程的方方面面。因此，一般來說，企業用以分析的數據來源越廣越全面，其分析的結果就越立體，越接近於真實。因此，大數據分析意味著企業能夠從不同來源的數據中獲取新的洞察力，並將其與企業業務體系的各個細節相融合，以助力企業在創新或者市場拓展上有所突破。針對「數據量」這個話題，亞馬遜CTO Vogels曾經說過，「在運用大數據時，你會發現數據越大，結果越好。為什麼有的企業在商業上不斷犯錯?那是因為他們沒有足夠的數據對運營和決策提供支持。一旦進入大數據的世界，企業的手中將握有無限可能。」可以預料，在不遠的未來，企業如何通過抓住用戶獲取源源不斷的數據資產將會是一個新的兵家必爭之地。在這個層面上，Facebook、Twitter、Google、Amazon，包括電信運營商等領先企業具有無可比擬的優勢。在大數據的領域里是否數據量越大越好?很多時候我們寫文章，並不是想要去重復某一個眾所周知的事實，而更多的是想從另外一個角度試圖去質疑那些已成事實的事實，並不是想要去推翻，而只是去看這個事實是否存在另外的可能性，雖然很多時候我的那些質疑會漏洞百出，並顯得幼稚可笑，但我覺得一個事物的健康發展需要不同的聲音，而這正是我們寫文章的意義所在。所以，我現在問題是，在大數據的領域里是否數據量越大越好?對於這個問題，我覺得應該分兩個層面來看，第一個層面是，對大數據這個整體而言，數據肯定是越大越好的，多元的數據能讓不同行業，不同組織都可以從大數據中尋找到解決問題的方法，也是基於此，現在越來越多的企業組織通過不同的終端、應用或者其他手段去瘋狂地收集多元的數據，大數據讓人們能有足夠的能力和視野將地球(包括地球上的一切)作為一個整體去看待，這是在從前無法想像的。第二個層面是，對於大數據的具體應用而言，數據量是否越大越好，我卻有不同的看法。我的理解是，在大數據的實際應用中你用以分析的數據量越大，你能得到的東西就越多，而至於得到的那些東西是否是你所需要的，或者對你是否有價值的，沒有人能保證。就如同樹林里有100條路，每條路上都有一些你覺得有意思的東西，如果你有足夠的時間，你可以走遍這100條路，收獲很多有意思的小東西，但不是每一條路都會讓你得到真正有價值的東西。經常做數據分析的朋友應該會有同感，在分析的過程中你會發現不同的數據通過不同的組合導入不同的分析模型會得到很多不同的結果，有時候會有一些很新鮮的結果被發現，這會讓你很驚喜，但大部分這些新鮮的結果最後只會出現在你的微博里，而不會出現在正式的分析報告中，因為分析報告是為解決某一具體問題而存在的，旁枝末節太多會顯得臃腫且容易混淆。所以，我認為，在大數據的具體應用面前，我們先要做的是把「大數據」這個概念忘掉，我們必須弄清楚到底想從大數據中得到什麼，然後帶著目的去收集有用的數據，輸入至分析模型中，直接導向我們想要的結果。否則你將花費大量時間、資源成本去獲取數據，分析數據。我們需要大數據應用是能夠幫助解決問題的行為洞察，而不是試圖研究每一條能夠得到的信息。不得不說，大數據的世界太魔幻了，裡面的誘惑很多，如果你不是帶著明確的目標去應用，你很有可能被陷入在五光十色的誘惑中無法自拔。即使你走進了一座金山，最後你能帶走的最多也只是你能提動的一小口袋。另外，這同時也揭示，為了避免應用者困在「大數據的金山」，大數據必須往下細化，針對不同行業不同領域的特定問題制定不同的解決工具，未來大數據將會遵循消費化模式，核心基礎設施將作為服務或應用程序來提供。