大數據的局限性

『壹』 社交媒體中大數據的缺點有哪些

社交媒體中大數據的缺點有數據質量不高，保密性不強等缺點。

大數據（big data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》 中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理，大數據歸納有五大特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

定義詳解：

大數據（big data）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合，是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信息資產。

『貳』 大數據分析是什麼優缺點是什麼大數據的優缺點

數據分析是指抄用適當的襲統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解並消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。
大數據分析的優點：能夠准備得出可靠信息，有助於企業發展，已經找到自己的方向；
缺點：信息透明化，大數據比你更了解你自己。
大數據優點：
(1)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。
(2)為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。

(3)分析所有SKU，以利潤最大化為目標來定價和清理庫存。

(4)根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。
(5)從大量客戶中快速識別出金牌客戶。
(6)使用點擊流分析和數據挖掘來規避欺詐行為。
大數據的缺陷：
當前，大部分中國企業在數據基礎系統架構和數據分析方面都面臨著諸多挑戰。根據產業信息網調查，目前國內大部分企業的系統架構在應對大量數據時均有擴展性差、資源利用率低、應用部署復雜、運營成本高和高能耗等缺陷。

『叄』 大數據的局限性是什麼

計算機數據分析擅長於衡量社會交往的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，但他們不太可能捕捉到你對你一年只見兩次的兒時朋友內心深處的感覺，更不用說但丁對比阿特麗斯的感覺了。所以，不要愚蠢到放棄你在社會決策中頭腦中的神奇機器，而在工作中信任它。

1、大數據的局限性——大數據不理解背景

人類的決策不是離散的事件，而是根植於時間序列和環境中。經過數百萬年的進化，人類的大腦已經適應了這個現實。人們擅長講故事，有很多原因，也有很多場景。數據分析不知道如何講故事，也不知道思維是如何浮現的。即使在一本普通的小說中，這種想法也無法用數據分析來解釋。

2、大數據的局限性——大數據將創造更大的乾草垛

這個想法是由著名商業思想家Nassim Taleb提出的，他是《黑天鵝:如何應對不可知的未來》一書的作者。我們擁有的數據越多，我們就能發現更顯著的統計相關性。很多這樣的關系都是毫無意義的，在解決問題時還會讓人誤入歧途。隨著越來越多的數據可用，作弊行為呈指數級增長。在大海撈針的過程中，我們要找的針埋得越來越深。大數據時代的一個特徵是，“重大”發現的數量被數據擴張的噪音淹沒了。

3、大數據的局限性——大數據不能解決大問題

如果你只是想分析哪些郵件產生了最多的競選捐款，你可以做一個隨機對照試驗。但如果目標是在衰退期間刺激經濟，你不會找到一個平行世界社會作為對照組。最好的刺激方案是什麼?關於這個問題有很多爭論，盡管數據泛濫，但據我所知，這場辯論中沒有一個主要的辯手根據統計分析改變了立場。

4、大數據的局限性——大數據往往是一種趨勢，而不是傑作

當大量的個人迅速對一種文化產品產生興趣時，數據分析可以對這種趨勢敏感。但是一些重要的(有利可圖的)產品一開始就從數據中被丟棄了，僅僅是因為它們的怪癖不為人所知。

5、大數據的局限性——大數據掩蓋了價值

“原始數據”的意義在於，它永遠不可能是“原始的”;它總是根據一個人的傾向和價值觀來構建的。數據分析的結果看似客觀公正，但實際上，價值選擇貫穿於從構建到解讀的全過程。

這篇文章並不是要批評大數據不是一個偉大的工具。但是，像任何工具一樣，大數據也有它的長處和弱點。正如耶魯大學(Yale University)的愛德華•塔夫特(Edward Tufte)所說:“世界比任何其他學科都更有趣。”

大數據的局限性有哪些?這才是大數據工程師必須了解的內容，計算機數據分析擅長於衡量社會互動的“數量”而不是“質量”。網路科學家可以在76%的時間里測量你與6個同事的社交互動，你能處理好嗎?如果您還擔心自己入門不順利，可以點擊本站其他文章進行學習。

『肆』 大數據營銷炒得那麼厲害，請問它有局限性嗎

答：

有的。

首先，在數據源的收集上，並非所有的信息都能數據化，或者，收集的效益性價比不高。

大數據營銷，首先得有數據，而且，一般的，是和互聯網交互所產生的數據。

如果一些信息，是用戶沒有和互聯網交互產生的，比如我買東西之前，打電話問了朋友意見，從而對決策購買產生了重要影響，這一步驟是電商平台監控不到的。

又或者，即使用戶和互聯網交互了，但不見得收集方能收集得到，比如上例中，如果我問朋友意見時，是通過微信聊天的方式，但電商平台也很難得知，除非它有渠道可以弄到微信聊天隱私數據。還有一個典型的例子是，人的情緒和心理變化，也是很難表徵為0-1數據。

又或者，即使這些數據能收集得到，但是效益性價比不高，也不值得去收集。因為一來收集需要耗費資源，儲存也需要成本，分析更不用說；所以，只要開始了收集，後續的成本像滾雪球一樣越滾越大，最後也不過是為了助力營銷而已，如果成本過大，就失去了意義。

雖然它名為針對大量人群的精準營銷，但也只能通過展示文字、聲音、視頻等的廣告轉化。而一個真的銷售站在用戶面前時，可以充分用話語、眼神等身體語言，去對用戶充分施加影響，這是大數據營銷所做不到的。——特別是在用戶正在猶疑，只是需要「推一把」的心理狀態。

另外，一些非常注重信任度的行業，比如大額資產理財，人們很難僅憑幾個大數據營銷的廣告，就願意交出這么多錢去打理，但一個傳統銀行的客戶經理就不一樣，更容易贏得信任。

答：Eason羊。每日精進一點點。關注微信公號【營銷航班】

『伍』 大數據時代傳統社會調查過時了嗎

進入大數據時代，現代網路信息技術與智能設備的普及與運用，給傳統社會調查方法帶來挑戰。有學者提出，與通過數據挖掘技術獲得海量信息相比，傳統社會調查所獲取的信息不過是「小數據」。由此引發學界爭議：大數據時代是否還需要傳統社會調查？在大數據技術與方法廣泛應用的時代，傳統社會調查方法如何彰顯其獨特價值？近日，中國社會科學報記者就此采訪了相關學者。
大數據技術方便數據採集分析
「移動互聯網使得社會行動者的態度、行為被迅速信息化，並被互聯網設備記錄下來，為科研人員的相關研究提供了以往的信息收集手段無法採集的大量信息。同時也大大提高了人類記錄和採集相關信息的能力，極大降低了獲取某些信息的成本。」中國人民大學社會與人口學院副教授李丁說。
大數據技術改變了數據的獲取、處理和理解方式。據西安交通大學公共政策與管理學院執行院長杜海峰分析，數據獲取方式從收集問卷或訪談變成了網路、多媒體等多技術手段的綜合運用，更重要的是對象的變化，傳統的方法需要科學地從母體中抽樣，大數據的數據獲取對象可能直接就是母體；數據處理方式從傳統的屬性數據分析方法，過渡到基於結構的、以智能信息處理為主的綜合集成分析；數據理解方式，由傳統的統計因果發展到以「相關」特別是不同信息之間關系「凸顯」規律的解析。
在哈爾濱工業大學社會學系教授唐魁玉看來，大數據技術不僅在收集數據、整理數據和分析數據上具備優勢，而且其帶來的巨量交互性數據能夠為社會問題的整體性分析提供有效證據。這些變革正在為社會學重新整體性回歸「社會事實」奠定新方法論基礎，同時也無疑給傳統的問卷和深度訪談調查方法帶來挑戰。
社會調查方法具有特殊優勢
既然大數據技術在信息獲取與分析領域具有如此凸顯的優勢，是否意味著傳統社會調查將被取代呢？受訪學者並不贊同此類觀點。
一方面與傳統信息採集方式相比，大數據技術目前仍有其局限性；另一方面傳統信息採集方式仍具有獨特價值。唐魁玉分析說，以抽樣調查為例，在一些案例中，抽樣調查更加適用於那些有「遺失」的數據和代表性樣本。在面對復雜性、人際性社會問題的分析時，大數據方法還不夠細致入微。
「大數據一個非常重要的特徵是『價值密度低』，數據內容可能並不是特定研究者所關心的，因此不一定都能滿足特定問題研究的需要。」杜海峰提出，對於大數據獲得的信息，傳統社會調查不但是其必要的補充，也是專項研究更為必要的基礎資料。
大數據技術所獲取的信息相當於普查和非概率樣本，盡管如此，大數據也並非沒有邊界，如果不能認識或約定其界限，數據雖大，卻不能用於科學研究。如李丁所分析，被互聯網、智能設備感知和記錄的社會行動者並不能覆蓋全部的行動者。如果認識不到大數據的覆蓋率或者代表怎樣的群體，即便樣本規模再大，得出來的知識和規律也有可能是誤導性的。
此外，大數據的邊界還在於變數意義上。「不同企業和研究單位根據其自身需要所採集的數據雖有很大的樣本量，但每個樣本的變數信息很少。如果不能將這些不同類型的資料庫信息串並起來，增加變數即各個研究對象的有效信息量，那麼研究價值也非常有限。」李丁說。
李丁認為，傳統社會調查獲得的信息密度非常高，其目的直接性、設計性、標准化程度更強，效率非常高。「如果不使用傳統的社會調查方法，即便今天世界上能力最強的互聯網公司可能也無法從現有互聯網痕跡數據中獲得一個和中國綜合社會調查具有同等代表性、信度、效度、信息密度和相同變數的數據集。」
實現兩種方法優勢互補
正如李丁所說，一方面，在大數據時代背景下，從大數據中提取出有價值的信息和知識，有可能獲得有關行動者的新知識、社會運行的新規律；另一方面，研究人員應該認識到大數據的局限性，以及傳統研究方式的優勢，避免盲目崇拜。傳統的調查方式在獲得某些高密度的、具有統計代表性的數據上仍具有成本優勢和科學性優勢。
對於學界出現的將兩種方法非此即彼對立起來的爭議，唐魁玉認為，我們在對不同類型、不同復雜程度的社會事實和社會問題進行分析時，要恰當地選擇和使用傳統的社會調查或大數據方法。
未來的社會科學研究或可實現大數據與傳統社會調查方法的優勢互補。受訪學者提出一些設想。李丁認為，傳統的質性研究方法和抽樣調查方法能夠補充大數據的不足，幫助我們理解大數據的社會含義。大數據也能為傳統調查研究提供重要的信息補充，質性研究如果能夠在既有的訪談、觀察的基礎上，還能獲得受訪對象在互聯網的痕跡數據、社會交往數據、行動軌跡數據等，就能對研究對象有更全面的了解和把握。

『陸』 大數據應用方向思考

大數據應用方向思考
一、警惕大數據過熱
1.1過熱產生盲目性
國內大數據的宣傳早已過熱，很多區縣級政府也在考慮成立大數據局，政府對大數據熱幾乎沒有抵抗力，企業沒有緊跟就對了，在大數據高潮中反省政府的大數據行為、冷靜一下頭腦是有益的，畢竟大數據應用是一個經濟問題，一窩蜂地大數據會使人犯「大煉鋼鐵」一類的錯誤。
1.2大數據應用效益存在問題
大數據最積極的推動者是政府，但是政府工作如何從大數據應用中獲益一直沒有清晰的答案，有效的大數據應用集中於互聯網企業和金融領域並非政府工作，迄今一本像樣的政府大數據應用案例都編寫不出來，這種情況下推力政府大數據應用會帶有很大的盲目性，這是技術導向而不是問題導向，技術導向必然會造成浪費。
1.3大數據不是包治百病的神葯
現在對大數據的宣傳已經遠遠勝過對城市問題的探討，問題還沒搞清葯方就先開出來了，大數據葯方再靈也不可能解決自己都沒有診斷清楚的問題。任何技術都有其長處和短處，大數據也是一樣，都有其能解決與不能解決的問題，各地政府首先要明確要問題是什麼，然後再審視大數據技術能否發揮作用，不能反過來先定大數據再去找問題，政府工作明確目標永遠比搞清技術更重要。
二、大數據源自互聯網的推動
2.1大數據是如何產生的?
任何有社會影響力的新名詞都不是望文生義可以解釋的，這些名詞都被賦予了成語含義，「大數據」便是其一。歷史上超大規模的數據很多卻不被稱為大數據，是因為單純數據量增長並沒有形成巨大社會影響力。
大數據概念是大的數據量與現代信息技術環境相結合涌現的結果，因此引發了巨大的效益機會，「大數據」一詞的發明與宣傳是為了抓住這個新機會。
2.2沒有互聯網便沒有大數據
任何資源的價值展現都離不開特定的環境，互聯網前的海量數據因缺少規模化的社會應用而不為人們重視，互聯網創造了大數據應用的規模化環境，大數據應用成功的案例大都是在互聯網上發生的，互聯網業務提供了數據，互聯網企業開發了處理軟體，互聯網企業的創新帶來了大數據應用的活躍，沒有互聯網便沒有今天的大數據產業。
2.3大數據是「大智移雲物」的共同產物
如果沒有汽車與高速公路石油產業不會那麼重要，同樣，沒有互聯網、雲計算、物聯網、移動終端與人工智慧組合的環境大數據也沒那麼重要。大數據的價值並非與生俱來而是應用創新之結果，價值是由技術組合創新涌現出來的。離開環境的支持大數據毫無價值，就像離開了身體的手不再有手的功能一樣。
三、傳統大數據思維局限於支持決策
3.1傳統的大數據應用理念
人們對事物的想像力很容易受所用詞彙的暗示，「大數據」容易暗示人們關注數據規模而忽略信息技術背境的巨大變化所涌現的新機會。政府官員的工作經歷很容易把大數據應用想像為只是統計應用在數量上的升級，大數據的作用是提取信息，信息的作用是改進決策，數據多意味著信息多，信息越多決策就越准確。在不少幹部的理解中，部門數據整合起來就是大數據。
3.2兩種數據使用方向：支持決策與支持操作
在政府的工作中，數據對領導層的作用主要是改進決策，但基層工作人員不需要決策，數據是用來直接操作的。政府公共服務業務主要是操作問題，服務是規范的數據處理，基層工作人員只是按章辦事不需要決策分析。使用信息技術是為了提高操作服務的效率。發改委等十部門提出的「一號一窗一網」的服務要求所要解決的只是提高操作的效率。改進決策與改進操作是大數據兩種不同的使用方向。
3.3專家(人腦)與系統(電腦)使用大數據的特點
支持決策的數據應用是面向專家(包括領導)的，專家需要從數據中提取信息，以信息支持決策，從數據中領悟信息是人腦獨有的本領，但不同人信息領悟力並不一致，同樣的數據不同人領悟的信息不同，對決策的影響也不同，應用結果的不確定性是專家使用大數據的特點。。
支持操作的數據應用不能有不確定性，操作系統的數據應用是由系統控制的，操作按確定的規則進行，沒有自由量裁的可能，數據應用結果由軟體決定，這種應用是電腦在使用數據，電腦不懂信息只會嚴格依數據操作，這種使用數據的模式保證了大規模業務行為的一致性。
3.4政府不能忽略操作型大數據應用
政府工作存在著兩種大數據應用：支持決策與支持操作，但是在多數政府官員只想著大數據支持決策而想不到改進服務操作更有效益。大部分的政府服務的精細化改進並不是決策層次上改進，而是操作層次上的改進，政府提出的「一號一窗一網」式服務關鍵是提高操作的效率，實踐證明操作的優化的改進空間更大，大數據在提高政府決策水平上的成效往往不如提高操作效率成效明顯。
四、大數據決策的局限性
4.1大數據小數據的不同來源
以數據量來劃分大數據與小數據會忽略兩種數據更實質的差別，從數據產生的過程看，小數據是經人觸摸過的數據，包括人工填報或更新、核對等。大數據是機器自動記錄的、未經人觸摸過數據。
小數據來自業務流程中的人工填報、統計調查等渠道，統計調查是可以根據決策信息的需要專門設計的，為降低成本統計經常採用抽樣調查的方法。
大數據來自自動化業務運行的副產品，出於成本的考慮，政府不大可能專為收集信息而設計大數據收集鏈，為決策服務大數據只能利用業務系統產生的數據副產品，大數據的收集成本是由業務系統承擔的。大數據的來源受到業務系統種類的限制，不是所有的信息需求都能找到恰當的數據源。
4.2大數據適合小決策而不適合大決策
大數據適合在狹窄范圍內對具體事務決策而不適合於大范圍的決策。因為大數據的形成包含著先天的局限性，很多影響重大決策的信息恰恰是無法數字化的，例如國內外形勢、技術創新、隊伍士氣、重大事件(類似美國9.11事件)都無法數字化，可數字化的現象只是小部分，以為靠數據決策就能更全面也是一種誤解。政府重大決策需要考慮各方面的平衡，局部領域的大數據僅適合局部領域的決策，不適合面向全局的政府決策，精細化與全面性是不可得兼的。
4.3改進政府操作的大數據應用
政府的大數據應用不能只關注決策應用，改進操作的大數據應用往往能夠獲得更好的效益。政府對公眾的服務主要使用的還是以小數據為中心的資料庫，但是融入現場服務數據的應用可以將服務提高到大數據的層次上並增加智能化的應用。對政府基層工作人員的支持現場化、連機化，通過雲平台與實時通信能顯著提高一線人員的工作效率，是提高政府基層服務的智能化的重要措施，以改進服務操作效率的智能大數據應用會有更大的成效。
五、沒有人腦參與系統才能高效與智能
5.1人腦使用數據模式的效率制約
為人腦決策使用的大數據應用模式存在兩點不足：一是效率上不去，大數據分析結果一旦交付大數據應用就結束了，無法形成連續服務型業務，信息的進一步應用是領導的事情，與大數據處理無關了，人腦決策的慢節奏抵消了大數據快處理的價值。
其次是大數據信息決策的效果的不確定性，決策質量與領導人的知識、思維方式、決策風格密切相關，決策效果又與執行團隊的能力相關，涉及的不確定因素太多。人腦使用數據的模式無法實現數據應用效果的確定性。
5.2電腦使用數據模式的效率優勢
電腦使用數據的模式排除了人腦的參與，系統完全是由事先編寫的軟體直接處理數據，排除了人腦介入有兩點好處：一是運行速度快，信息技術的速度優勢得以充分發揮;二是保證了結果的確定性，系統的行為是可預測的，這將有利於系統可成為可組合、可疊加的功能模塊，能夠被集成為更復雜的系統。
5.3智能大數據應用可形成連續性業務
排除人腦參與的數據應用模式是信息技術的自動化應用，這種模式可綜合使用各種技術資源(包括雲平台、物聯網、移動終端、人工智慧等等)建立高速、流暢連續型服務，進入智能服務的新階段，常見的互聯網搜索、電子商務、移動支付、摩拜單車、螞蟻金服無一不是這類的智能大數據應用，這種持續的智能大數據服務更受公眾歡迎、社會影響力也更大。
六、智能大數據應用的發展空間
6.1所有的智能應用都是大數據應用
大數據是機器與機器對話的語言，只有機器與機器的高速對話才能產生如此規模的大數據。物聯網、雲平台、寬頻網、移動終端等設施要發揮作用都要依賴機器與機器的對話，隨著信息技術的大發展，機器與機器的對話速度越來越快、范圍越來越廣、規模越來越大，系統也越來越智能化，所有的智能數據應用都屬於大數據的應用范圍。
6.2智能化的作用是提高執行的效果
雖然大數據可以用於改進決策，但智能化的目標是提高執行的效果。計算機系統的作用是使規范性、可重復的工作做的更快。對於需要創造性的、非重復性的工作信息技術是依然無能為力的，人們發現幾十年來計算機對於人腦決策能力的提高始終不大，智能化應用機會還是集中在對規范業務的改進，規范業務是確定性的服務，遠比充滿不確定性的決策業務更能讓計算機發揮作用。
6.3操作型大數據應用的智能化趨勢
以提高執行效率為目標的大數據應用將向智能化發展，以互聯網為基層的現代信息技術的大發展已經為服務的智能化創造力良好的條件，早期由於通信與網路能力的限制只能在一台設備上存儲自動處理系統被稱為自動化處理階段，今天自動處理系統可以綜合應用網路通信、雲平台數據與軟體、物聯網感知數據與機器學習來實現更有效的自動管理，則被稱為智能化服務階段，排除了人腦參與的大數據應用進入智能化服務沒有任何障礙，大數據應用智能化成為必然趨勢。
七、智能大數據應用的活力
7.1 鮮活的數據
智能化應用中的大數據資源與信息決策中的數據資源的重大不同在於前者是動態形成的，其數據環境是不斷變化、不斷更新的，很多數據是在運行中自動生成的，數據資源與智能系統共生，這種數據資源很難轉讓，數據與服務系統是統一的生命體不能單獨存在的，離開了系統的數據可以用來分析但失去了原來的意義，如同離開了人體的手再也沒有原來的功能了。
7.2 實時的處理
在智能系統中的大數據應用是實時處理，面向信息決策中的大數據應用是批處理。實時處理能夠確保及時性，這對於提高服務效率、保持業務的連續性很重要，現在強調「一號一窗一網」式的為民辦事離不開對數據的實時處理。而信息決策類大數據應用則並不需要這種高效。
7.3持續高效的服務
智能化的大數據應用排除了人腦的干預，全部流程都是由電腦對電腦一氣呵成，這樣就能夠達到很高的運行效率，而這是智能化系統巨大的優勢，也是智能服務系統得以生存的原因，不論是搜索、購物還是其它自動化的服務，人的耐心都是很有限的，處理慢一點人們就會棄之而去。在信息決策大數據應用的結果是供人腦一次性使用的，處理速度就不那麼重要了。
7.4不斷積累的智慧
能夠不斷積累智慧的業務更有活力，易於修改是以軟體為基礎的業務的極大優點，這使得軟體系統成為積累智慧最方便的工具，信息系統的高速發展也得益於系統智慧積累的能力。一項可持續的智能化業務系統始終處於不停的改進、完善與擴展之中，不斷推出新版本的過程是智慧積累的過程，智慧的不斷積累增添了系統的服務能力與可持續性。
信息決策大數據應用則不具有這一優勢，其業務不連續很難推出一個又一個的新版本，智慧積累效率就慢多了。
八、小數據服務決定大數據中心的生存
8.1數據資源的時效性
數據資源像蔬菜一樣有保鮮期，極少有越老越值錢的數據。數據集中存儲很容易，由此而來的數據質量維護卻是一大難題。數據生成得快貶值也快，很多數據往往還來不及處理數據就失效了，反而是那些變化稍慢、穩定期稍長的數據容易得到較多用戶且服務也容易開展，這類數據大部分是小數據。
不同的數據使用方式對數據質量有不同的要求，面向操作的應用則對數據質量非常敏感，例如證照庫若不能及時更新就無法使用。信息決策類應用對數據的敏感性會差一些，大數據中心應當使數據的時效性與應用需求同步，要根據需求的價值有重點有選擇地組織好數據質量的維護。
8.2大數據交易中心的困難
大數據交易中心與成為建設熱點，在大數據應用剛剛開始，人們還沒搞清大數據交易是什麼概念時就建交易中心實在太早了。
實時服務的智能大數據應用的數據是鮮活的、是服務中自動生成的動態數據，要交易的是動態數據流還是截取的靜態數據，動態的大數據交易很難，不僅談判難處理也難，用戶需要建立動態數據的實時處理系統。
靜態的大數據交易更可行一些，但數據資源與應用需求並不容易匹配，這將會限制交易數的增長，另一困難是隱私權保護問題，數據需要脫敏，未脫敏的數據交易會受到限制，交易中心將長期面對交易稀缺的局面，經營很不容易。
8.3小數據服務需要補課
發達國家是在小數據充分應用之後才開始應用大數據，國內是在小數據應用還很不足時跨越式應用大數據。小數據應用補課是各地大數據中心必須重視的問題。要看到越是簡單的東西應用面越廣，小數據的應用空間比大數據大得多，尤其是整合後的小數據服務，極可能成為的數據中心最火的業務。
政府服務的精細化依賴的主要是小數據，把小數據的整合服務做好，大數據中心的工作即完成了90%，千萬不能輕視小數據服務，大數據中心的立身之本恰恰是小數據整合服務。
8.4大數據中心的經濟價值
大數據中心的生存本質上是一個經濟問題，人們想做交易中心也是希望能夠在經濟上更節約、更有效益，但是效益的基礎是應用規模，只有大量重復性、相似性的工作才有可能利用平台與工具來提高服務效率創造用戶價值，目前小數據服務更能夠滿足規模經營的條件。
政府公共服務的支柱還是小數據，單獨成規模的大數據服務不多，各種數據資源的綜合使用會有更大的創新機會，地理數據與政府服務相結合、推動政府服務的連線化動態化可能提升用戶價值，大數據中心要發展必須全力創造用戶價值，唯有用戶價值才能支撐大數據中心生存。
九、拓展視野，推動大數據應用創新
9.1理念創新，積極宣傳智能大數據應用
首先要拓展大數據應用理念，不能將大數據應用局限在政府信息決策的狹窄領域之中，而要看到智能大數據應用的廣泛空間，將智能大數據應用與大眾創業萬眾創新結合起來，將一切智能化應用都歸入大數據應用的范圍，大數據概念越廣闊應用越繁榮。
利用大數據改善政府決策是大數據應用的重要方面，過去已強調得很多了，現在需要強調的是政府公共服務的智能化、精細化。大數據不僅能改善決策還能改善服務，改善服務有著更廣闊的發展空間，公眾的獲得感更好。
9.2為大數據應用創造良好的基礎環境
對大數據應用最給力的推動是提供優良的通信環境和完善的信息基礎設施。大數據應用的基礎是超強的通信能力，通信能力影響全社會大數據應用的成本，包括用戶的時間成本與服務商的開發與服務成本，降低通信成本是對大數據應用創新極大的支持，土壤肥沃莊稼才能茂盛。
政府數據開放是推動大數據應用的措施之一，可為大數據應用帶來示範效果，政府要鼓勵企業利用政府大數據開展增值服務，使更多缺乏大數據處理能力的公眾也能從政府數據開放中獲益。
9.3鼓勵社會大數據應用的自組織創新
大數據應用是一項創新，政府不能只從政府決策的視角來引導大數據應用方向，而要從方便公眾受益的視角推動智能化的大數據應用，要鼓勵社會各界智能化大數據應用的合作與自組織創新，好服務都是各種應用技術組合創新的結果，政府宜推動智慧城市大數據應用的互操作，降低不同技術合作創新的成本來促進應用創新的繁榮。

『柒』 何謂大數據大數據的特點,意義和缺陷.

大數據技術(big
data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。
特點：
1.數據量大；
2.數據類型多；
3.數據處理實時性強；
4.數據真實性。
意義：大數據的意義在於通過對大量數據進行分析從而對核心價值進行預測。
缺陷：對處理能力要求高，存在隱私安全問題。

『捌』 大數據帶來的弊端

1、社會安全問題，

2、個人隱私，

3、對於國民經濟的威脅，

4、國家安全利益，

5、秘密保護。

大數據帶來的弊端

1、社會安全問題

中國網民已經接近6億，每時每刻都產生著大量的數據，也消費著大量的數據，網路的放大效應、傳播的速度和動員的能力越來越大，各種社會的矛盾疊加，致使社會群體性事件頻發。

2、個人隱私

人們可以利用的信息技術工具無處不在，有關個人的各種信息也同樣無處不在。在網路空間里，身份越來越虛擬，隱私也越來越重要。根據哈佛大學近期發布的一項研究報告，只要有一個人的年齡、性別和郵編，就能從公開的數據當中搜索到這個人約87%的個人信息。

3、對於國民經濟的威脅

堪稱智能交通、智慧電網的國民經濟運行和智能社會發展高度依賴信息基礎，這些重要的信息基礎設施、網路化智能化的程度越高，安全也就越脆弱。

4、國家安全利益

網路空間信息安全、問題嚴重性、迫切性在很大程度上已經遠遠超過其他的傳統安全，當今主權國家所面臨的所有非傳統安全威脅總是面臨著滄海一粟的困境，政府要找的那根針往往沉沒在浩瀚的大海中。

5、秘密保護

美國國家安全局以及網路巨頭的關系正是計算能力和海量數據的結合，因此全球大部分的數據都掌握在他們手中，他們大量的數據在網上是沒有保護的。

上述就是關於大數據所帶來弊端的介紹了，希望能對小夥伴們有所幫助喲。

『玖』 傳統關系數據模型在大數據中的局限

我知道的如下：
1、層次模型
層次模型是一種樹結構模型，它把數據按自然內的層次關系組容織起來，以反映數據之間的隸屬關系。層次模型是資料庫技術中發展最早、技術上比較成熟的一種數據模型。它的特點是地理數據組織成有向有序的樹結構，也叫樹形結構。結構中的結點代表數據記錄，連線描述位於不同結點數據間的從屬關系(一對多的關系)。
2、網狀數據模型
網狀模型將數據組織成有向圖結構，圖中的結點代表數據記錄，連線描述不同結點數據間的聯系。這種數據模型的基本特徵是，結點數據之間沒有明確的從屬關系，一個結點可與其它多個結點建立聯系，即結點之間的聯系是任意的，任何兩個結點之間都能發生聯系，可表示多對多的關系

3、關系數據模型
由於關系資料庫結構簡單，操作方便，有堅實的理論基礎，所以發展很快，80年代以後推出的資料庫管理系統幾乎都是關系型的。涉及到的基礎知識有：關系模型的邏輯數據結構，表的操作符，表的完整性規則和視圖、範式概念。
關系模型可以簡單、靈活地表示各種實體及其關系，其數據描述具有較強的一致性和獨立性。在關系資料庫系統中，對數據的操作是通過關系代數實現的，具有嚴格的數學基礎。
我知道所以你知道！

『拾』 大數據的弊端是什麼

大數據的弊端是可能造成數據泡沫風險。大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。

麥肯錫全球研究所給出的定義是：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，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。

結構

大數據包括結構化、半結構化和非結構化數據，非結構化數據越來越成為數據的主要部分。據IDC的調查報告顯示：企業中80%的數據都是非結構化數據，這些數據每年都按指數增長60%。

大數據就是互聯網發展到現今階段的一種表象或特徵而已，沒有必要神話它或對它保持敬畏之心，在以雲計算為代表的技術創新大幕的襯托下，這些原本看起來很難收集和使用的數據開始容易被利用起來了，通過各行各業的不斷創新，大數據會逐步為人類創造更多的價值。