随着云时代的来临，大数据(Bigdata)也吸引了越来越多的关注。著云台的分析师团队认为，大数据(Bigdata)通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。

　　“大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。

　　大数据到底有多大?一组名为“互联网上一天”的数据告诉我们，一天之中，互联网产生的全部内容可以刻满1.68亿张DVD;发出的邮件有2940亿封之多(相当于美国两年的纸质信件数量);发出的社区帖子达200万个(相当于《时代》杂志770年的文字量);卖出的手机为37.8万台，高于全球每天出生的婴儿数量37.1万……

　　截止到2012年，数据量已经从TB(1024GB=1TB)级别跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别。国际数据公司(IDC)的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。

　　大数据数据转化率

　　个案一

　　做家具生产的厂家，通过大数据分析推广，微信，自媒体，实体店铺的数据统计，实现产品分类，那类产品比较好，那类产品不好，还通过大数据发掘出来上季度销售额比例占70%的新客户。通过大数据的使用，是上季度的销售额超过上半年的总额度。使工厂在逆境中实现盈利

　　四大特征

　　数据量大(Volume)

　　第一个特征是数据量大。大数据的起始计量单位至少是P(1000个T)、E(100万个T)或Z(10亿个T)。

　　类型繁多(Variety)

　　第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

　　价值密度低(Value)

　　第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

　　速度快时效高(Velocity)

　　第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

　　既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。

       如果对大数据开发感兴趣，可以了解千锋大数据培训课程（http://www.mobiletrain.org/big_data/），千锋只培养中高级大数据人才，学员就业平均年薪18万，每一个知识点都由总监讲师与一线名企技术官合力定制。