A. 如何應對大數據
確定企業的短中期目標和標准
大數據的資源極大繁雜豐富，如果企業沒有明確的目標，就算沒有走入迷途至少會覺得非常迷茫。因此，首先，要確定企業運用大數據的短中期目標，定義企業的價值數據標准，之後再使用那些能夠解決特定領域問題的工具。逐步推廣，步步為營，不要把理想定得太高，否則失望會愈大。
儲備好大數據相關技術人才
企業運用大數據為營銷管理服務之前，技術團隊要到位是基礎。企業管理團隊要能夠非常自如地玩轉數據。許多人認為社交媒體營銷人是個有趣的工作，其實它是個艱苦的活兒。社交化空間非常注重數據、衡量標准和數據可視化等問題。要能熟悉駕馭，首先要確保企業技術人員已經接受過相關技能培訓，了解如何最大化利用大數據的作用和潛力為企業營銷管理服務。
解決碎片化問題
企業啟動大數據營銷管理一個最重要的挑戰，是數據的碎片化、零雜化。許多公司組織中，數據都散落在互不連通的資料庫中，而且相應的數據技術也都存在於不同部門中，如何將這些孤立錯位的資料庫打通、互聯，並且實現技術共享，才是能夠最大化大數據價值的關鍵。管理者當留意的是，數據策略要成功提升網路營銷管理成效，要訣在於無縫對接網路企業管理與營銷的每一步驟，從數據收集、到數據挖掘、應用、提取洞悉、報表等。
培養內部整合能力
要做好大數據的應用管理，其一，要有較強的整合數據的能力，整合與來自企業各種不同的數據源、各種不同結構的數據，如客戶關系管理、搜索、移動、社交媒體、網路分析工具、普查數據以及離線數據，這些整合而得的數據是定向更大目標受眾的基礎;其二，要有研究探索數據背後價值的能力。未來營銷管理成功的關鍵將取決於如何在大資料庫中挖掘更豐富的營銷價值。像是站內、站外的數據整合、多方平台的數據接軌、結合人口與行為數據去建立優化演算法等都是未來的發展重點;其三，探索出來之後給予精確行動的管理指導綱領，同時通過此綱領進行精確快速實時性行動。
而從社會、國家領域而言，我國亟須在國家層面對大數據給予高度重視，特別需要從政策制定、資源投入、人才培養等方面給予強有力的支持;另一方面，建立良性的大數據生態環境是有效應對大數據挑戰、用好大數據的主要出路，需要科技界、工業界以及政府部門在國家政策的引導下共同努力，通過消除壁壘、成立聯盟、大數據質量標准、建立專業組織等途徑，建立和諧的大數據生態系統。
總之，誰率先具備從各種各樣類型的數據中快速獲得有價值信息的能力與機會，誰就是贏家!
B. 如何應對大數據時代的變革機遇挑戰
大數據搭著信息時代的快車來到了我們的面前，數據的價值逐漸為人們所重視，同時也讓數據分析師的身價倍增。而隨著大數據分析工具等大數據應用技術的出現，未來的數據分析師又將遇到怎樣的挑戰和機遇呢?
工具搶了人的飯碗?
很多大數據分析工具的設計起點非常高，定位了數據分析過程中所需要的大部分功能。很多工具的功能涵蓋了從數據前期整合、收集到挖掘、分析乃至末端的數據可視化的整個數據分析過程，功能不可謂不強大。
但如果僅憑這些就認定大數據分析工具能取代數據分析師，未免有些杞人憂天了。恰恰相反，大數據分析工具不是數據分析師的競爭者，而是協助者。工具本來就是為人服務的，數據分析師的專業素養讓其能很好的發揮大數據分析工具的性能，二者相輔相成，是友非敵。
企業的支持
雖然大數據的概念已經普及，但是很多企業還是留存有一些傳統的觀念。很多企業雖然重金聘用了數據分析師甚至是組建了數據分析師團隊，但是卻並沒有建立完善的數據價值體系。對數據分析工作缺乏理解與支持。
相對於數據管理，數據分析工的工作重心還應該放在「挖掘數據價值」上。企業與數據分析師直接缺少職能的溝通，將直接影響企業對數據分析師工作性質的定位;同時，企業應該建立資料庫並部署大數據分析工具，為了能更好地對接用戶，也為企業和數據分析師留有足夠的空間。
從幕後到台前的轉變
以往的業務人員經常要磨破嘴皮才能得到別人的認同，而現在許多企業正在考慮讓數據分析師帶著數據分析結果去談業務。打算以「讓數據說話，以數據服人」去贏得客戶的信任。而主要的實施過程，是靠數據可視化技術來實現的。
數據可視化技術讓數據能以圖表和視頻的方式直觀地展示在人們面前，而數據分析師作為數據的管理者和挖掘者，是最適合不過的講解人了。這樣就要求數據分析師不僅要有扎實的數據分析能力，還要能提取數據精髓，並將之演講出來以獲得他人的認同。從幕後轉到台前，這裡面會需要許多技能，數據分析師的工作性質也將發生改變。
在大數據時代，數據分析師所扮演的角色不可能是一成不變的。而只有順應時代的潮流，響應時代的需要，數據分析師這個行業才能繼續生存並發展。其實，大數據分析工具，數據可視化這些技術的出現固然使行業受到了影響與挑戰，但對於數據分析師來說，未嘗不是一次擺脫傳統束縛的機遇!
C. 如何解決大數據4個特點帶來的四個困難
我覺得大數據是現代非常值得研究關注的一個課題，困難很多。
D. 大數據時代的到來,你是如何面對各種挑戰的
大數據時代到來，面對更多的挑戰，其實更想要去迎難而上，因為正是因為大數據時代的到來，所以說讓我們更加有了更大的自信，讓我們更加想要去闖盪，面對更大的困難，我們也更加想要去，迎難而上，看看自己是否能夠解決，如果解決，那麼證明自己的能力非常強大，如果不能解決，那麼更加希望去有一個人來解決這個問題，帶自己走出困境。
E. 大數據時代的挑戰、價值與應對策略
大數據時代的挑戰、價值與應對策略
隨著移動互聯網、物聯網、雲計算等的快速發展，及視頻監控、智能終端、應用商店等的快速普及，全球數據量出現爆炸式增長。在此背景下，電信運營商在其網路無休止擴容的同時，卻面臨「增量不增收」的困境；而一些採用「數據驅動型決策」模式經營的公司，則可將其生產力提高5%～6%。因此，有必要深入研究大數據時代（Big Data Era）的挑戰、價值與務實應對策略。
1大數據時代的基本特徵
據統計，2010年以互聯網為基礎所產生的數據比之前所有年份的總和還要多；而且不僅是數據量的激增，數據結構亦在演變。Gartner預計，2012年半結構和非結構化的數據，諸如文檔、表格、網頁、音頻、圖像和視頻等將佔全球網路數據量的85%左右；而且，整個網路體系架構將面臨革命性改變。由此，所謂大數據時代已經來臨！
對於大數據時代，目前通常認為有下述四大特徵，稱為「四V」特徵：
（1）量大（Volume Big）。數據量級已從TB（1012位元組）發展至PB乃至ZB，可稱海量、巨量乃至超量。
（2）多樣化（Variable Type）。數據類型繁多，愈來愈多為網頁、圖片、視頻、圖像與位置信息等半結構化和非結構化數據信息。
（3）快速化（VelocityFast）。數據流往往為高速實時數據流，而且往往需要快速、持續的實時處理；處理工具亦在快速演進，軟體工程及人工智慧等均可能介入。
（4）價值高和密度低（Value HighandLowDensity）。以視頻安全監控為例，連續不斷的監控流中，有重大價值者可能僅為一兩秒的數據流；360°全方位視頻監控的「死角」處，可能會挖掘出最有價值的圖像信息。
2大數據時代面臨的挑戰
（1）運營商帶寬能力與對數據洪流的適應能力面臨前所未有的挑戰，管道化壓力化解及「雲－管－端」的有效裝備也均面臨新挑戰。
（2）大數據的「四V」特徵在數據存儲、傳輸、分析、處理等方面均帶來本質變化。數據量的快速增長，對存儲技術提出了挑戰；同時，需要高速信息傳輸能力支持，與低密度有價值數據的快速分析、處理能力。
（3）海量數據洪流中，在線對話與在線交易活動日益增加，其安全威脅更為嚴峻；而且現今黑客的組織能力、作案工具、作案手法及隱蔽程度更上一層樓，典型的有APT（Advanced Persistent Threat，高級持續性安全威脅）。
（4）大數據環境下通過對用戶數據的深度分析，很容易了解用戶行為和喜好，乃至企業用戶的商業機密，對個人隱私問題必須引起充分重視。
（5）大數據時代的基本特徵，決定其在技術與商業模式上有巨大的創新空間，這將對可持續發展起關鍵作用。
（6）大數據時代的基本特徵及安全挑戰，對政府制訂規則與監管部門發揮作用提出了新的挑戰。
3大數據帶來的價值
（1）利用大數據特徵，藉助雲計算等有效工具，深度挖掘流量與數據價值，可幫助運營商實施好流量經營，減輕管道化風險，發揚「雲－管－端」的智能管道的威力。
（2）多業務環境下掌握用戶體驗效果尤為重要，可從海量用戶數據中深度分析、挖掘出用戶的行為習慣和消費愛好，以實施精準營銷及網路優化，掌控數據增值的「金鑰匙」。
（3）掌握好大數據的存儲、分類、挖掘、快速調用和決策支撐，並應用於企業的日常運營、維護及戰略轉型中，成為企業可持續發展、維持競爭優勢的當務之急與重要途徑。
（4）充分利用對大數據的分析、挖掘，可幫助找到隱蔽性極強的APT之類的安全威脅，助力信息安全部門找到應對新型安全威脅的有效途徑。
（5）通過對公共大數據的分析、挖掘與利用，可減少欺詐行為及錯誤數據的負面作用、追收逃稅漏稅及刺激公共機構生產力等，幫助政府節省開支。例如英國政府即通過此途徑節省大約330億英鎊/年。
4大數據時代的應對策略
（1）大數據時代應以智慧創新理念融合大數據與雲計算，在大數據洪流中提升知識價值洞察力，實施高效實時個性化運作，建立有效增值的商業模式，確保應對APT之類的新型安全威脅。
（2）電信運營商轉型中流量經營已成共識，即以智能管道與聚合平台為基礎，以擴大流量規模、提升流量層次及豐富流量內涵作為基本經營方向，並以釋放流量價值為基本目標，可見大數據和雲計算的深度融合與此流量經營目標十分吻合。實際上已經有一些運營商藉助大數據Hadoop雲工具管理與分析網路中的用戶數據，為日常運維及制定市場戰略等提供有效支撐。
（3）針對大數據時代的基本特徵，加強全方位創新。包括IBM、EMC、HP、Microsoft等在內的IT巨頭，紛紛加速收購相關大數據公司進行技術整合，尋找數據洪流大潮中新的立足點。而涉及人工智慧、機器學習等新技術的創新應用，已初顯效益。
（4）將大數據時代全方位創新工作和智慧城市發展緊密結合。藉助移動互聯網、大數據與雲計算的融合、智能運營管道等，建立智能平台，優化配置城市資源，向真正的智慧城市邁進。
（5）藉助大數據創新處理技術應對APT安全攻擊。APT安全攻擊的最主要特徵為單點隱蔽能力強、攻擊空間路徑不確定、攻擊渠道不確定；同時APT攻擊一旦入侵成功則長期潛伏，攻擊時間上具有持續性。目前，全流量審計方案具備強大的實時檢測能力與事後回溯能力，並可將安全工作人員的分析能力、計算機存儲與運算能力組合在一起，是一種較完整的解決方案。