十百千大数据

① 大数据是什么多大的数据叫大数据

你好
多大的数据才算“大数据”
什么是大数据有一个故事，说的是一位顾客订购披萨时，披萨店可以立即调出这位顾客的许多信息，比如送披萨上门必有的家庭、单位等地址和电话，顾客的消费习惯从而推荐适合他的披萨种类，顾客名下的银行卡透支情况从而确定他的支付方式，甚至顾客要自取披萨时，还能根据顾客名下车辆的停放位置预估他的到店时间等等。
从这个故事，我们可以看出大数据的一些关键特征，比如容量大、类型多、关联性强、有价值等等。“大数据是以高容量、多样性、存取速度快、应用价值高为主要特征的数据集合，正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。”工信部信息化和软件服务业司副司长李冠宇接受经济日报·中国经济网记者采访时说。
若能给你带来帮助，请帮忙点击采纳，谢谢！！！

② 大数据的概念

大数据概述
专业解释：大数据英文名叫big data，是一种IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
通俗解释：大数据通俗的解释就是海量的数据，顾名思义，大就是多、广的意思，而数据就是信息、技术以及数据资料，合起来就是多而广的信息、技术、以及数据资料。
大数据提出时间
“大数据”这个词是由维克托·迈尔-舍恩伯格及肯尼斯·库克耶于2008年8月中旬共同提出。
大数据的特点
Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）-由IBM提出。
大数据存在的意义和用途是什么？
看似大数据是一个很高大上的感觉，和我们普通人的生活相差甚远，但是其实不然！大数据目前已经存在我们生活中的各种角落里了，举个例子，我们现在目前最关心的疫情情况数据，用的就是大数据的技术，可以实时查看确诊人数以及各种疫情数据。
大数据存在的意义是什么？
从刚才的举例中我们基本可以了解，大数据是很重要的，其存在的意义简单来说也是为了帮助人们更直观更方便的去了解数据。而通过了解这些数据后又可以更深一步的去挖掘其他有价值的数据，例如今日头条/抖音等产品，通过对用户进行整理和分析，然后根据用户的各种数据来判断用户的喜爱，进而推荐用户喜欢看的东西，这样做不仅提升了自身产品的体验度，也为用户提供了他们需要的内容。
大数据的用途有哪些？
要说大数据的用途，那可就相当广泛了，基本各行各业都可以运用到大数据的知识。如果简单理解的话，可分为以下四类：
用途一：业务流程优化
大数据更多的是协助业务流程效率的提升。能够根据并运用社交网络数据信息 、网站搜索及其天气预告找出有使用价值的数据信息，这其中大数据的运用普遍的便是供应链管理及其派送线路的提升。在这两个层面，自然地理精准定位和无线通信频率的鉴别跟踪货物和送大货车，运用交通实时路况线路数据信息来选择更好的线路。人力资源管理业务流程也根据大数据的剖析来开展改善，这这其中就包含了职位招聘的调整。
用途二：提高医疗和研发
大型数据分析应用程序的计算能力允许我们在几分钟内解码整个dna。可以创造新的治疗方法。它还能更好地掌握和预测疾病。如同大家配戴智能手表和别的能够转化成的数据信息一样，互联网大数据还可以协助病人尽快医治疾患。现在大数据技术已经被用于医院监测早产儿和生病婴儿的状况。通过记录和分析婴儿的心跳，医生预测可能的不适症状。这有助于医生更好地帮助宝宝。
用途三：改善我们的城市
大数据也被用于改进我们在城市的生活起居。比如，依据城市的交通实时路况信息，运用社交媒体季节变化数据信息，增加新的交通线路。现阶段，很多城市已经开展数据分析和示范点新项目。
用途四：理解客户、满足客户服务需求
互联网大数据的运用在这个行业早已广为人知。重点是如何使用大数据来更好地掌握客户及其兴趣和行为。企业非常喜欢收集社交数据、浏览器日志、分析文本和传感器数据，以更全面地掌握客户。一般来说，建立数据模型是为了预测。
如何利用大数据？
那我们了解了这么多关于大数据的知识，既然大数据这么好，我们怎么去利用大数据呢？那这个就要说到大数据的工具BI了，BI简单理解就是用来分析大数据的工具，从数据的采集到数据的分析以及挖掘等都需要用到BI，BI兴起于国外，比较知名的BI工具有Tableau、Power BI等；而国内比较典型的厂家就是亿信华辰了。虽然BI兴起于国外，但是这些年随着国内科技的进步以及不断的创新，目前国内BI在技术上也不比国外的差，而且因为国内外的差异化，在BI的使用逻辑上，国内BI更符合国内用户的需求。

③ 中国推行智能制造政策是什么,有哪些计划和措施

智能制造各地政策及发展目标解读

重庆：力争2022年智能制造关联产业产值突破400亿元近期，重庆印发了发展智能制造实施方案，该方案明确了重庆在智能制造方面的目标及任务。

力争到2020年，全市智能制造取得明显进展，累计推动2500家企业实施智能化改造，建设5个具备国内较强竞争力的工业互联网平台、20个智能工厂和200个数字化车间，创建10个行业级智能制造标杆企业，建设5个智能制造示范园区，68%以上规模工业企业迈入数字化制造阶段，52%以上规模工业企业迈入数字化网络化制造阶段，“两化”融合发展水平指数达到58，智能制造关联产业产值突破300亿元，汽车、电子、装备等有条件、有基础的重点产业智能转型取得明显效果。

到2022年，全市智能制造进一步发展，累计推动5000家企业实施智能化改造，建设10个具备国内较强竞争力的工业互联网平台。84%以上规模工业企业迈入数字化制造阶段，64%以上规模工业企业迈入数字化网络化制造阶段，“两化”融合发展水平指数达到62，智能制造关联产业产值突破400亿元。

山东：加速企业智能化转型根据《规划》到2022年，山东传统制造业重点领域将基本实现数字化制造，条件、基础好的重点产业和重点企业基本实现智能化转型。

到2022年，山东省传统产业企业数字化研发设计工具普及率要达到72%以上，规模以上工业企业关键工序数控化率达到57%以上，万人机器人数量将达到200台以上，山东省制造业数字化、智能化水平在国内位居前列；智能制造试点示范项目实施前后企业运营成本降低20%，产品研制周期缩短20%，生产效率提高20%，能源利用率提高13%，产品不良品率要大幅度降低。

安徽：新一代人工智能产业发展规划到2020年，人工智能发展环境和基础设施不断完善，重点前沿理论和应用技术进步明显，在产品智能、工业智能和服务智能等重点领域涌现一批优秀企业，集聚一批高水平的领军人才和创新团队，在人工智能平台、智能工业机器人、智能家电、智能装备制造等领域形成特色应用。人工智能产业规模超过150亿元，带动相关产业规模达到1000亿元。

中期目标。到2025年，重点前沿理论和应用技术在部分领域取得突破，相关技术在智能农业、智能制造、智能医疗、智慧城市等领域得到广泛应用，在智能无人设备、服务机器人等领域确立竞争优势，培育若干具有国际先进水平的人工智能企业和人才团队。人工智能产业规模达到500亿元，带动相关产业规模达到4500亿元。

广东：2025制造业全面进入智能化制造阶段到2025年，广东省制造业综合实力、可持续发展能力显著增强，在全球产业链、价值链中的地位明显提升，全省建成全国智能制造发展示范引领区和具有国际竞争力的智能制造产业集聚区。

到2025年：全省制造业全面进入智能化制造阶段，基本建成制造强省。制造业水平显著提升，规模以上工业全员劳动生产率提升至25万元/人。自主创新能力明显提升，规模以上工业企业研发投入占主营业务收入的比重达到1.7%以上，安全可控的智能技术产品配套能力和信息化服务能力明显增强。信息化与工业化深度融合，规模以上工业企业信息技术集成应用达到国内领先水平，制造业质量竞争力指数达到86.5。骨干企业国际地位凸显，培育一批年主营业务收入超100亿元、1000亿元的工业企业，涌现一批掌握核心关键技术、拥有自主品牌、开展高层次分工的国际化企业。具有自主知识产权的技术、产品和服务的国际市场份额大幅提高，建成全国智能制造发展示范引领区和具有国际竞争力的智能制造产业集聚区。

上海：制造业转型升级发展规划深入贯彻制造强国、全球科技创新中心建设战略和供给侧结构性改革部署，将智能制造作为“上海制造”向“上海智造”转变的主攻方向，实施智能制造应用“十百千”工程，坚持应用牵引、软硬协同、分类施策、政府引导，大力推广智能制造应用新模式，建立智能制造应用新机制，到2020年，力争把上海打造成为全国智能制造应用的高地、核心技术的策源地以及系统解决方案的输出地。

江苏：2020年将建成1000家智能车间日前，为加快推动互联网、大数据、人工智能和实体经济深度融合，推进工业经济高质量发展，江苏省印发《关于进一步加快智能制造发展的意见》。目标到2020年，全省建成1000家智能车间，创建50家左右省级智能制造示范工厂，试点创建10家左右省级智能制造示范区。

根据《意见》要求，要加强领军服务机构建设，进一步提升智能制造专业服务水平——培育壮大系统解决方案供应商。到2020年，江苏省培育形成100家左右国内有影响力的本土化、品牌化智能制造领军服务机构。

2019智能制造业十大发展趋势

01

安全生产将成为重中之重

当智能制造融合了机器人、人工智能众多前沿科技后，人为能够及时控制的事故似乎变得更加简单，但是在设备增多的情况下，如何有效管理人机交互时的安全性是重点之一。

另外，在工业物联网进入制造业后，工业物联网遭到数据攻击的事件常有发生，所以企业的设备、产品等数据的安全也显得尤为重要。

02

智能制造行业将会近一步扩大

智能制造在汽车行业、3C电子领域的应用已经逐步加深，当各企业开始认识到智能制造是实现中国制造2025的重要方向后，数字化、网络化、智能化能够对企业的产值和效率持续优化，智能制造会进一步渗透石化、纺织、机械等行业。

03

通用性技术或将成为AI+的突破口

在定制化柔性制造、多场景生产的大力发展下，通用性技术并不能满足生产需求。对于AI赋能传统工业，就能够容易解决这些需求。

在大数据的积累下，企业能够利用AI实现专业场景的快速转变，真正做到制造向“智”造转型。

04

数字双胞胎技术或将崛起

数字孪生技术将作为企业数字化升级和智能工厂建设的第一选择，车企可以通过这些技术在研发过程中解决生产过程复杂、资源浪费等产生高成本的问题，以更低的成本做出数字化模型。

通过降低成本，汽车行业在明年的销量可期。同时，在3C领域引入数字双胞胎技术也可带动行业的发展。

预计到2020年，至少50%年收入超过10亿元的制造商将为其产品或资产启动至少一项数字孪生项目。

05

打造精准大数据闭环

近些年，工业大数据开始被企业所重视，利用大数据能够挖掘那些隐藏在背后的客户价值，帮助企业完成时限客户需求、生产系统、商业模式、决策模式的转变。大数据能够帮助企业从0做到1，然后再从1做到N，从N做到1(个性化)。

要实现这样的模式，就需要企业构建从构建从采集、分析、转化、反馈等环节的精准数据流闭环。

06

更多互联网企业进军智能制造

互联网企业进军工业领域，即“互联网+智能制造”已取得初步成效。阿里云与西门子合作，宣布正式进军工业物联网，同时网络智慧工厂以及京东智慧供应链等都在打造自己的智能制造产业。

互联网企业具有长时间的数据积累和技术优势，在进军工业领域后，能够给传统制造企业带来更多的技术应用场景，加速企业智能制造的转型。

07

用户需求将引导企业转型

工业发展进程正在从企业产品牵引用户需求转变为用户需求引领企业生产，智能制造将会改变传统制造从生产环节降低成本增效，进而转向提供高附加值的衍生服务，从提供智能产品到智能服务实现附加值提升。

08

行业级工业互联网平台成熟发展

通用性行业平台由于纵深程度有限，市场供给与需求并不匹配，使得企业上云意愿不强，尚未探索出成熟的市场化模式。

行业级工业互联网平台由于兼具聚焦和普适双重特性，面对智能制造各行业不同需求，有望率先探索出可行的市场化商业模式。

09

聚焦智能制造解决方案等细分行业

由于国内智能制造起步较晚，对于人才的挖掘和培养以及资金压力是企业所面临的最大问题，如果从几个发展方向上切入智能制造，或许只有大企业才能负担起。

如果中小企业从智能制造系统等细分领域深入研究将有望成为独角兽。

10

超高附加值制造领域带来机遇

增材制造技术应用在桌面级应用以及简单的工艺大规模的场景不具备成本优势，而作为发动机、风电叶片、潜艇螺旋桨等为代表的超高附加值、超大型定制化单品制造领域可能会在2019年给增材制造在工业领域带来机会。

④ 什么是“大数据”，如何理解“大数据”

大数据，IT行业术语，是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，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MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。

⑤ 什么叫大数据

什么叫大数据？
大数据-网络

大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。
在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》 中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据进行分析处理。大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）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（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，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MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
大数据-维基网络
大数据（英语：Big data或Megadata），或称巨量数据、海量数据、大资料，指的是所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成为人类所能解读的信息[3][4]。在总数据量相同的情况下，与个别分析独立的小型数据集（data set）相比，将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性，可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定实时交通路况等；这样的用途正是大型数据集盛行的原因。
截至2012年，技术上可在合理时间内分析处理的数据集大小单位为艾字节（exabytes）。在许多领域，由于数据集过度庞大，科学家经常在分析处理上遭遇限制和阻碍；这些领域包括气象学、基因组学[9]、神经网络体学、复杂的物理模拟，以及生物和环境研究。这样的限制也对网络搜索、金融与经济信息学造成影响。数据集大小增长的部分原因来自于信息持续从各种来源被广泛收集，这些来源包括搭载感测设备的移动设备、高空感测科技（遥感）、软件记录、相机、麦克风、无线射频辨识（RFID）和无线感测网络。自1980年代起，现代科技可存储数据的容量每40个月即增加一倍；截至2012年，全世界每天产生2.5艾字节（2.5×1018）的数据。
大数据几乎无法使用大多数的数据库管理系统处理，而必须使用“在数十、数百甚至数千台服务器上同时平行运行的软件”。大数据的定义取决于持有数据组的机构之能力，以及其平常用来处理分析数据的软件之能力。“对某些组织来说，第一次面对数百GB的数据集可能让他们需要重新思考数据管理的选项。对于其他组织来说，数据集可能需要达到数十或数百兆字节才会对他们造成困扰。”
随着大数据被越来越多的提及，有些人惊呼大数据时代已经到来了，2012年《纽约时报》的一篇专栏中写到，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。但是并不是所有人都对big data感兴趣，有些人甚至认为这是商学院或咨询公司用来哗众取宠的buzzword，看起来很新颖，但只是把传统重新包装，之前在学术研究或者政策决策中也有海量数据的支撑，大数据并不是一件新兴事物。
大数据时代的来临带来无数的机遇，但是与此同时个人或机构的隐私权也极有可能受到冲击，大数据包含了各种个人信息数据，现有的隐私保护法律或政策无力解决这些新出现的问题。有人提出，大数据时代，个人是否拥有“被遗忘权”，被遗忘权即是否有权利要求数据商不保留自己的某些信息，大数据时代信息为某些互联网巨头所控制，但是数据商收集任何数据未必都获得用户的许可，其对数据的控制权不具有合法性。2014年5月13日欧盟法院就“被遗忘权”（right to be forgotten）一案作出裁定，判决Google应根据用户请求删除不完整的、无关紧要的、不相关的数据以保证数据不出现在搜索结果中。这说明在大数据时代，加强对用户个人权利的尊重才是时势所趋的潮流。