1. 大数据有哪些好的地方，当下大数据的杰出表现有哪些
大数据帮助政府实现市场经济调控、公共卫生安全防范、灾难预警、社会舆论监督。
大数据帮助城市预防犯罪，实现智慧交通，提升紧急应急能力。
大数据帮助医疗机构建立患者的疾病风险跟踪机制，帮助医药企业提升药品的临床使用效果，帮助艾滋病研究机构为患者提供定制的药物；
大数据帮助航空公司节省运营成本，帮助电信企业实现售后服务质量提升，帮助保险企业识别欺诈骗保行为，帮助快递公司监测分析运输车辆的故障险情以提前预警维修，帮助电力公司有效识别预警即将发生故障的设备。
大数据帮助电商公司向用户推荐商品和服务，帮助旅游网站为旅游者提供心仪的旅游路线，帮助二手市场的买卖双方找到最合适的交易目标，帮助用户找到最合适的商品购买时期、商家和最优惠价格。
大数据帮助企业提升营销的针对性，降低物流和库存的成本，减少投资的风险，以及帮助企业提升广告投放精准度。
大数据帮助娱乐行业预测歌手，歌曲，电影，电视剧的受欢迎程度，并为投资者分析评估拍一部电影需要投入多少钱才最合适，否则就有可能收不回成本；
大数据帮助社交网站提供更准确的好友推荐，为用户提供更精准的企业招聘信息，向用户推荐可能喜欢的游戏以及适合购买的商品。对大数据有兴趣想要了解学习的可以到科多大数据的官网咨询一下哟~
2. 大数据适合去哪些城市发展
大数据适合去一些一线城市发展，比如说上海，北京，广州，深圳。
3. 国家大数据库在哪里
中心基地-北京
2015年1月16日，由蓝汛与北京市供销总社共同投资的蓝讯首鸣国际数据中心项目启动仪式在北京天竺综合保税区举行。据了解，该数据中心是北京首个国家级、超大规模云数据中心，产业园占地面积8万平方米，包含9栋数据中心机房和1栋感知体验中心。
南方基地-贵州
2015年7月9日，首个国家级数据中心 ——灾备中心落户贵州，该大数据库灾备中心在贵州揭牌，这标志着大数据专项行动第一阶段任务顺利落。位于贵州贵安新区的国家旅游大数据库灾备中心机房内，有着一根特殊的网络虚拟专线，这条专线跨越了北京与贵州之间2200多公里的距离，实现了国家旅游局北京机房与贵州灾备中心数据的同步传输和异地备份。
多年以来，200余个大数据信息产业项目签约落户贵州，富士康、阿里巴巴、腾讯、华为等大型企业抢滩贵州发展。中国电信云计算贵州信息园1.1期、中国移动（贵州）大数据中心、中国联通贵安云数据中心一期建成运营。中电乐触、高新翼云、翔明科技等第三方数据中心已建成并投运，目前数据中心服务器达到2.2万台；北京供销社数据中心、惠普数据中心等一批项目已经启动，预计今后将达5万台服务器规模。
北方基地-内蒙古
“乌兰察布国家大数据灾备中心启动大会于2016年7月8日早上八点正式启动”内蒙古主席布小林将出席会议。乌兰察布市委市政府依据自身地理位置优越，地质板块稳定，电力资源丰富，气候冷凉适宜，临近京津冀经济圈核心市场等优势，将信息产业作为战略性新兴产业来发展，致力于将乌兰察布市打造成面向华北、服务京津的国家级云计算产业基地，为承接高科技产业、加快产业转型升级提供强有力的支撑。 市委市政府将为该建设国家大数据灾备中心项目提供充足的土地与极具竞争力的投资政策吸引广大企业参与建设
4. 大数据在贵州哪里
贵阳。贵阳大数据科创城启动建设，华为云全球总部落地贵州，贵阳贵安成为全球集聚超大型数据中心最多的地区之一，数字经济占比达34%、增速连续六年位居全国第一。
5. 朋友想学习大数据，有哪里可以学习呢
大数据也是最近几年才火起来的学科，之前发展一直是不瘟不火的，可能是和这些年高速发展是互联网有一定的关系的。
目前想要学习大数据建议还是去一线城市进行学习的比较好，大数据是属于高度技术行业，在二三线城市现在发展得还不是很好，大多数的大企业都是在一线城市，所以很多技术都是出现在一线城市的。
选择去北京学习大数据确实非常不错，因为现在大数据发展比较好的地方也就是北上广这样的地方。而且在这里也是大数据培训机构比较集中的地方，这里的机构有很多，其中相对比较专业的机构也有很多，大家可以选择到的几率也比较高。
具体的大家可以通过机构的师资、课程、学习环境以及就业情况等多方面的内容去对比选择，我相信总有一家是比较适合你的。
如果，确定了想要到北京学习大数据技术的话，大家可以到尚硅谷来进行了解一下。
学习大数据之前建议献血好计算机基础知识，否则如同聚沙成塔一般根基不稳。
具体到大数据本身，建议先掌握一些基本的工具，例如hive，Hadoop，hbase，es等，先做一些简单的数据分析。
个人学习经验，如果是我会先选择找一本入门的大数据相关的书籍，通读一遍，建立对大数据的一个概念。然后可以到b站或者慕课网等学习网站找视频资源，这类视频也有深有浅，看自己当时的情况有选择的看。最后，你想要更近一步的探究大数据，就应该找更专业的书籍或论文去研读，这一类论文可以到知网或者谷歌文献去找。
一、如何将商业运营问题转化为大数据挖掘问题
那么，问题来了，我们该如何把上述的商业运营问题转化为数据挖掘问题?可以对数据挖掘问题进行细分，分为四类问题：分类问题、聚类问题、关联问题、预测问题。
1、分类问题
用户流失率、促销活动响应、评估用户度都属于数据挖掘的分类问题，我们需要掌握分类的特点，知道什么是有监督学习，掌握常见的分类方法:决策树、贝叶斯、KNN、支持向量机、神经网络和逻辑回归等。
2、聚类问题
细分市场、细分客户群体都属于数据挖掘的聚类问题，我们要掌握聚类特点，知道无监督学习，了解常见的聚类算法，例如划分聚类、层次聚类、密度聚类、网格聚类、基于模型聚类等。
3、关联问题
交叉销售问题等属于关联问题，关联分析也叫购物篮分析，我们要掌握常见的关联分析算法：Aprior算法、Carma算法，序列算法等。
4、预测问题
我们要掌握简单线性回归分析、多重线性回归分析、时间序列等。
二、用何种工具实操大数据挖掘
能实现数据挖掘的工具和途径实在太多，SPSS、SAS、Python、R等等都可以，但是我们需要掌握哪个或者说要掌握哪几个，才算学会了数据挖掘?这需要看你所处的层次和想要进阶的路径是怎样的。
第一层级：达到理解入门层次
了解统计学和数据库即可。
第二层级：达到初级职场应用层次
数据库+统计学+SPSS(也可以是SPSS代替软件)
第三层级：达到中级职场应用层次
SAS或R
第四层级：达到数据挖掘师层次
SAS或R+Python(或其他编程语言)
三、如何利用Python学习大数据挖掘
只要能解决实际问题，用什么工具来学习数据挖掘都是无所谓，这里首推Python。那该如何利用Python来学习数据挖掘?需要掌握Python中的哪些知识?
1、Pandas库的操作
Panda是数据分析特别重要的一个库，我们要掌握以下三点：
pandas 分组计算;
pandas 索引与多重索引;
索引比较难，但是却是非常重要的
pandas 多表操作与数据透视表
2、numpy数值计算
numpy数据计算主要应用是在数据挖掘，对于以后的机器学习，深度学习，这也是一个必须掌握的库，我们要掌握以下内容：
Numpy array理解;
数组索引操作;
数组计算;
Broadcasting(线性代数里面的知识)
3、数据可视化-matplotlib与seaborn
Matplotib语法
python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像，要搞清楚二者的关系是什么，这样学习起来才会比较轻松。
seaborn的使用
seaborn是一个非常漂亮的可视化工具。
pandas绘图功能
前面说过pandas是做数据分析的，但它也提供了一些绘图的API。
4、数据挖掘入门
这部分是最难也是最有意思的一部分，要掌握以下几个部分：
机器学习的定义
在这里跟数据挖掘先不做区别
代价函数的定义
Train/Test/Validate
Overfitting的定义与避免方法
5、数据挖掘算法
数据挖掘发展到现在，算法已经非常多，下面只需掌握最简单的，最核心的，最常用的算法：
最小二乘算法;
梯度下降;
向量化;
极大似然估计;
Logistic Regression;
Decision Tree;
RandomForesr;
XGBoost;
6、数据挖掘实战
通过机器学习里面最著名的库scikit-learn来进行模型的理解。
以上，就是为大家理清的大数据挖掘学习思路逻辑。可是，这还仅仅是开始，在通往数据挖掘师与数据科学家路上，还要学习文本处理与自然语言知识、Linux与Spark的知识、深度学习知识等等，我们要保持持续的兴趣来学习数据挖掘。
网易云课堂
6. 云计算大数据能运用于哪些地方
这个问题看怎么理解了，其实可以说云计算山伏运、大逗梁数据可以应用于任何需要信息化的领域，只不过运用的程度不同而已。
云计算是一种基础计算方式，通过虚拟化、自动化、标准化、流程化等手段实现计算资源的统一、专业化运行，而其用户则可以按需使用、付费，省去了自己建设和管理的过程。
大数据则是有效利用已有信息进行分析，进而支持决策或根据规律预测未来发展，随着信息化的发展，可以说也将越来越广泛甚厅雀至无处不在。
这两种技术同时也相辅相成，云计算为大数据提供了底层支撑，大数据也可以帮助进行云计算的管理、运行等。
其实现在热门的人工智能、区块链等也都或多或少依赖与上述两种技术的支撑。
7. 贵州数据库建在什么地方(大数据库为什么在贵州)
一、基础网络能力强悍，是数据中心的必须的基础设施
中国移动、中国联通和中国电信三大运营商大数据中心的建立为贵阳奠定了产业发展的基础。三大运营商数据中心在贵安新区相继开工建设，其中：中国电信云计算中心用地500亩，总投资70亿元；中国移动（贵州）数据中心项目用地275亩，总投资20亿元；中国联通（贵安）云计算基地用地500亩，总启迹投资50亿元。
三大运营商数据中心在贵安新区相继建成后，将使贵阳周边特定区域集聚20-30万的机架、上百万台的服务器，数据存储规模可达EB以上，成为国内乃至全球最大的数据聚集地之一。国内运营商的支持，使得数据中心所必须的网络基础能力得以具备。
二、可以省钱，缘由是得天独厚的气候条件
其实不仅仅是苹果公司，建立数据中心，有不少企辩历业选址贵阳。其中得天独厚的是自然条件，其中比较重要的是气候条件：贵阳市气候凉爽，周边年平均气温15.1摄氏度，夏无酷暑，冬无严寒。温度适宜的好处是可以省暖气费和空调费。以及，贵阳宜居，也有利于引进人才。空气清新，达到世界卫生组织设立的清新空气负氧离子标准的上限；纬度合适，处于北纬26度；海拔适中，在l000米左右，紫外线辐射为全国乃至全球最少的地区之一，非常适合人居；灾害罕见，没有发生过地震、台风等。
三、电力充足
对于大数据中心来说，断电或者电力不足是非常恐怖的事情。而贵阳，点亮充足，也是建立数据中心的亮点。贵州省电力充沛，能源富足，是“西电东送”的起源。贵州省水资源丰富，电力水火并携旁搜济，稳定可靠。
四、均衡城市资源，以获取更多的政府资源扶持
苹果公司目前已经在北京和深圳建立或开建了研发中心，并计划在上海和苏州也建立研发中心。对于都希望苹果落地支持的各大城市来说，苹果公司自然也得平衡一下各方的需求，同时分散到不同的城市也非常利于谈判，获得优厚政策支持。所以在北京、深圳、上海、苏州等落地或者即将落地，在选择一个新城市，就合情合理了。另一个原因，贵阳地处西部，也是布局数据中心的合理地方之一，西部无非成都，其次就是贵阳可选了。
五、优惠政策
在吸引公司前来投资方面，政府也做出了出色的工作，推出了试点工程，并为用电等的使用提供优惠。
事实上很多互联网企业数据中心放在一般意义的中西部省份，确实是存在的。除了贵州以外，其实还包括宁夏固原、内蒙古的乌兰察布等地区都有一些大型企业的数据和计算中心进驻，包括题主提到的这些企业，还有亚马逊云、华为等。
这些企业的计算和数据中心落户这些地区，可能出于如下原因：第一，地方政府出于发展地方经济，招商引资的结果。因为计算和数据服务业，属于典型的生产性服务业，附加值高，利于地方经济发展和区域品牌打造。第二，对企业而言，计算和数据中心等放在一线城市和中心城市成本偏高，而基础设施较好的中西部地区成本（空间成本、能源成本、运维成本等）相对要低很多。第三，安全考虑。数据和计算中心是互联网企业的命脉，特别是大型互联网企业，更是如此。在这种情况下，类似于美国把最前沿的科技研究放在人迹罕至的51区，很多大型互联网企业把数据中心放在不引人注目中西部地区就可以理解了。
最后，贵州一直得到国家支持建设信息产业基地，各种人才政策、财税政策和产业政策大力倾斜，这也是吸引互联网企业进驻，或者建设数据和计算功能性总部的原因吧。
8. 网络大数据在什么地方获取
社区、论坛、微博、知乎、FACEBOOK、Twitter、Ins等社交媒体
网络、搜狗、360、谷歌、必应、雅虎等搜索引擎
美团、大众点评、58同城、赶集网等信息分类网站
企查查、天眼查等企业工商信息API
智联、BooS直聘、拉勾、中华英才、领英等招聘网站
阿里巴巴、慧聪、商业新知、软服之家等ToB类平台或行业网站
政府数据开放平台
北京市政务数据资源网、上海市政府数据服务网、天津市信息资源统一开放平台、开放广东、浙江政务服务网“数据开放”专题网站、武汉市政务公开数据服务网、长沙市政府门户网站数据开放平台、苏州市政府数据开放平台、成都市公共数据开放平台、数据开放--四川省人民政府网站……
国家相关部门统计信息网站
中国人民银行、中国银行业监督管理委员会、中国证券监督管理委员会、中国银保险监督管理委员会、中国国家统计局……
国外数据开放网站
纽约政府开放数据平台、美国官网数据超市、新加坡政府开放数据平台、休斯顿市开放数据门户网站、Academic Torrents、hadoopilluminated.com、美国人口普查局、世界银行开放数据搜索网站、费城开放数据平台……
资源节选自：
【Open Data】国外开放数据中心及政府数据开放平台汇总
最全的中国开放数据(open data)及政府数据开放平台汇总