大數據只是數據多嗎

1. 「大數據」 到底有多大

截止到2012年，數據量已經從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)級別。

內國際數據公司（IDC）的研容究結果表明，2008年全球產生的數據量為0.49ZB，2009年的數據量為0.8ZB，2010年增長為
1.2ZB，2011年的數量更是高達1.82ZB，相當於全球每人產生200GB以上的數據。而到2012年為止，人類生產的所有印刷材料的數據量是
200PB，全人類歷史上說過的所有話的數據量大約是5EB。

IBM的研究稱，整個人類文明所獲得的全部數據中，有90%是過去兩年內產生的。而到了2020年，全世界所產生的數據規模將達到今天的44
倍。每一天，全世界會上傳超過5億張圖片，每分鍾就有20小時時長的視頻被分享。然而，即使是人們每天創造的全部信息——包括語音通話、電子郵件和信息在
內的各種通信，以及上傳的全部圖片、視頻與音樂，其信息量也無法匹及每一天所創造出的關於人們自身的數字信息量。這樣的趨勢會持續下去。

2. 對大數據的理解，哪些是正確的

在麥肯錫全球研究所給出的定義中指出：大數據即是一種規模大到在獲取，存儲，管理，分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合。簡單而言大數據是數據多到爆表。大數據的單位一般以PB衡量。那麼PB是多大呢？1GB=1024MB ，1PB=1024GB才足以稱為大數據。
其次，大數據具有什麼樣的特點和結構呢？
大數據從整體上看分為四個特點，
第一，大量。

衡量單位PB級別，存儲內容多。
第二，高速。

大數據需要在獲取速度和分析速度上要及時迅速。保證在短時間內更多的人接收到信息。
第二，多樣。

數據的來源是各種渠道上獲取的，有文本數據，圖片數據，視頻數據等。因此數據是多種多樣的。
第三，價值。

大數據不僅僅擁有本身的信息價值，還擁有商業價值。大數據在結構上還分為：結構化，半結構化，非結構化。結構化簡單來講是資料庫，是由二維表來邏輯表達和實現的數據。非結構化即數據結構不規則或不完整，沒有預定義的數據模型。由人類產生的數據大部分是非結構化數據。

那我們身邊有哪些東西是大數據呢？
在生產生活中常見的有電信數據：通話數據、簡訊數據、手機瀏覽數據。銀行數據，微信聊天數據等。

最後，大數據能做什麼？
人們的生活離不開它，因為他在日常生活中發揮的作用逐漸加強。例如：用戶畫像，幫助人們制定個性化的需求，知識圖譜。人工智慧例如:谷歌的「阿爾法狗」在圍棋大賽中贏得、阿里巴巴的ET、網路的無人駕駛汽車等。數字貨幣，物聯網等。

3. 大數據為什麼會有那麼多數據

因為我們平時在用的各個軟體，無時無刻都在收集著我們的個人信息、數據，所以大數據會有越來越多的數據。

大數據這個概念出現的幾率越來越多，是因為現在我們所處於這個時代上，很多信息都已經突發猛進，人們的生活水平都已經改善了，很多東西都是要通過大數據來統計，包括我們現在互聯網的一個進步之後。我們所處的一些東西之後，全部都是變成數字化，只有大數據才能夠實行。

大數據的來源非常廣泛，如信息管理系統、網路信息系統、物聯網系統、科學實驗系統等,其數據類型包括結構化數據、半結構化數據和非結構化數據。大數據的主要來源。

(1)信息管理系統:企業內部使用的信息系統，包括辦公自動化等。信息管理系統主要通過用戶數據和系統二次加工的方式產生數據,其產生的大數據大多數為結構化數據,通常存儲在資料庫中。大數據的主要來源。

(2)網路信息系統:基於網路運行的信息系統即網路信息系統是大數據產生的重要方式，如電子商務系統、社交網路、社會媒體、搜索引擎等都是常見的網路信息系統。網路信息系統產生的大數據多為半結構化或非結構化的數據。

4. 大數據是否不代表數據多

通常意義上來說，是的，大數據屬於IT行業中新興的產物，從就業上講，大數據已經成了IT行業中的一個新的就業方向。大數據是一種在獲取、存儲、管理、分析等方面大大超出了傳統資料庫軟體工具能力范圍的數據集合。它具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。專家預測截止到2020年，各個行業大數據相關人才缺口將達到100萬，僅在spark大數據開發人才方面，將出現近30萬的崗位需求。

5. 大數據僅僅是指數據的體量大對嗎

大數據，通俗的講就是數據體量龐大的意思

6. 大數據是什麼多大的數據叫大數據

你好
多大的數據才算「大數據」
什麼是大數據有一個故事，說的是一位顧客訂購披薩時，披薩店可以立即調出這位顧客的許多信息，比如送披薩上門必有的家庭、單位等地址和電話，顧客的消費習慣從而推薦適合他的披薩種類，顧客名下的銀行卡透支情況從而確定他的支付方式，甚至顧客要自取披薩時，還能根據顧客名下車輛的停放位置預估他的到店時間等等。
從這個故事，我們可以看出大數據的一些關鍵特徵，比如容量大、類型多、關聯性強、有價值等等。「大數據是以高容量、多樣性、存取速度快、應用價值高為主要特徵的數據集合，正快速發展為對數量巨大、來源分散、格式多樣的數據進行採集、存儲和關聯分析，從中發現新知識、創造新價值、提升新能力的新一代信息技術和服務業態。」工信部信息化和軟體服務業司副司長李冠宇接受經濟日報·中國經濟網記者采訪時說。
若能給你帶來幫助，請幫忙點擊採納，謝謝！！！

7. 本講認為,"大數據"並不意味著數據越多越好,數據要以是否什麼為標准.

數據的「大」或「小」並不是關鍵，重要的是從數據中挖掘價值，創造價值。
舉例而言，醫學應用上研究心臟疾病，想知道病人怎麼做才能更加健康，於是搜集大數據。但一個人每天產生的各類數據是海量的，大量的數據跟病理反應本質上毫無關系，你去搜集、去分析，不但做了無用功，還可能得出錯誤的分析結論。一個反面案例是，在美國拉斯維加斯的賭場，紅黑轉盤邊都用一個大屏幕顯示之前的開獎信息。很多人看著前面出現「紅色」次數較多就下注「黑色」，這就是典型的「數據雜訊」——搞統計的都知道，這完全是隨機的，這些所謂的「大數據」是無效的甚至干擾的。
「開展大數據分析一定要有『應用場景』，講求數據的精準性和關聯度，數據本身的『大』或『小』並不是關鍵。」 凌曉峰說，盲目追求數據之大，產生不了「有用的結果」，反而容易「自我迷惑」，這也是當下大數據產業存在的普遍誤區。
這一觀點有極強的現實針對性。當下，不少製造企業言必稱「大數據」，無論搞什麼產品，都接入光纖，加上感測器，每時每刻產生一大堆「數據」。問題在於，數據有了，但哪些有效哪些無效，無從辨別。不但造成硬體設備和統計計算資源的浪費，還可能因「數據噪音」的干擾得出錯誤結論，反而削弱市場競爭力。
「我們把大而無當的數據稱作『低價值密度』的數據。」中國工程院院士譚建榮告訴記者，以前專業術語就叫「數據挖掘」「數據分析」，現在為何要給數據加上「大」的前綴?在他看來，所謂的大，一是強調數據的時效性，以前數據報表都是延時的，新的物聯感測技術手段提供的數據更實時，也更有價值。二是強調關聯化。他調研發現，長三角企業推進信息化，普遍採用生產管理軟體。但這些通用軟體數量多達幾十上百種，不同軟體產生的數據是不共享的。如果產生不了關聯效應，再多的數據都只能算是「小數據」。三是要強調「個性化」。數據模型越大，越能得到個性化的特徵，如何將客戶模糊的個性化需求數據轉化為設計技術指標，將是工業大數據應用的下一個「風口」。
「大數據真正要義不在於大，而在於多元。」大數據產業大咖、零點研究咨詢集團董事袁岳說，如何使多元數據在匯聚的過程中，通過軟體處理最終得到科學的分析結果，變成有用的數據源，這才是生產製造和社會管理領域建立大數據決策系統的意義。「就像挖礦過程中，大數據是其中的原油，只有經過精細的提煉變成精數據才有價值。」
一場「頭腦風暴」，歷時三四個小時。唇槍舌劍中，一項項共識逐漸成型——大數據≠「大」的數據;大數據產業發展要「應用導向」;數據將是未來發展最重要的資源，甚至「驅動未來」……