大数据的局限性

『壹』 社交媒体中大数据的缺点有哪些

社交媒体中大数据的缺点有数据质量不高，保密性不强等缺点。

大数据（big data），或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

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）这样捷径，而采用所有数据进行分析处理，大数据归纳有五大特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

定义详解：

大数据（big data）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。

『贰』 大数据分析是什么优缺点是什么大数据的优缺点

数据分析是指抄用适当的袭统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。
大数据分析的优点：能够准备得出可靠信息，有助于企业发展，已经找到自己的方向；
缺点：信息透明化，大数据比你更了解你自己。
大数据优点：
(1)及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
(2)为成千上万的快递车辆规划实时交通路线，躲避拥堵。

(3)分析所有SKU，以利润最大化为目标来定价和清理库存。

(4)根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
(5)从大量客户中快速识别出金牌客户。
(6)使用点击流分析和数据挖掘来规避欺诈行为。
大数据的缺陷：
当前，大部分中国企业在数据基础系统架构和数据分析方面都面临着诸多挑战。根据产业信息网调查，目前国内大部分企业的系统架构在应对大量数据时均有扩展性差、资源利用率低、应用部署复杂、运营成本高和高能耗等缺陷。

『叁』 大数据的局限性是什么

计算机数据分析擅长于衡量社会交往的“数量”而不是“质量”。网络科学家可以在76%的时间里测量你与6个同事的社交互动，但他们不太可能捕捉到你对你一年只见两次的儿时朋友内心深处的感觉，更不用说但丁对比阿特丽斯的感觉了。所以，不要愚蠢到放弃你在社会决策中头脑中的神奇机器，而在工作中信任它。

1、大数据的局限性——大数据不理解背景

人类的决策不是离散的事件，而是根植于时间序列和环境中。经过数百万年的进化，人类的大脑已经适应了这个现实。人们擅长讲故事，有很多原因，也有很多场景。数据分析不知道如何讲故事，也不知道思维是如何浮现的。即使在一本普通的小说中，这种想法也无法用数据分析来解释。

2、大数据的局限性——大数据将创造更大的干草垛

这个想法是由著名商业思想家Nassim Taleb提出的，他是《黑天鹅:如何应对不可知的未来》一书的作者。我们拥有的数据越多，我们就能发现更显著的统计相关性。很多这样的关系都是毫无意义的，在解决问题时还会让人误入歧途。随着越来越多的数据可用，作弊行为呈指数级增长。在大海捞针的过程中，我们要找的针埋得越来越深。大数据时代的一个特征是，“重大”发现的数量被数据扩张的噪音淹没了。

3、大数据的局限性——大数据不能解决大问题

如果你只是想分析哪些邮件产生了最多的竞选捐款，你可以做一个随机对照试验。但如果目标是在衰退期间刺激经济，你不会找到一个平行世界社会作为对照组。最好的刺激方案是什么?关于这个问题有很多争论，尽管数据泛滥，但据我所知，这场辩论中没有一个主要的辩手根据统计分析改变了立场。

4、大数据的局限性——大数据往往是一种趋势，而不是杰作

当大量的个人迅速对一种文化产品产生兴趣时，数据分析可以对这种趋势敏感。但是一些重要的(有利可图的)产品一开始就从数据中被丢弃了，仅仅是因为它们的怪癖不为人所知。

5、大数据的局限性——大数据掩盖了价值

“原始数据”的意义在于，它永远不可能是“原始的”;它总是根据一个人的倾向和价值观来构建的。数据分析的结果看似客观公正，但实际上，价值选择贯穿于从构建到解读的全过程。

这篇文章并不是要批评大数据不是一个伟大的工具。但是，像任何工具一样，大数据也有它的长处和弱点。正如耶鲁大学(Yale University)的爱德华•塔夫特(Edward Tufte)所说:“世界比任何其他学科都更有趣。”

大数据的局限性有哪些?这才是大数据工程师必须了解的内容，计算机数据分析擅长于衡量社会互动的“数量”而不是“质量”。网络科学家可以在76%的时间里测量你与6个同事的社交互动，你能处理好吗?如果您还担心自己入门不顺利，可以点击本站其他文章进行学习。

『肆』 大数据营销炒得那么厉害，请问它有局限性吗

答：

有的。

首先，在数据源的收集上，并非所有的信息都能数据化，或者，收集的效益性价比不高。

大数据营销，首先得有数据，而且，一般的，是和互联网交互所产生的数据。

如果一些信息，是用户没有和互联网交互产生的，比如我买东西之前，打电话问了朋友意见，从而对决策购买产生了重要影响，这一步骤是电商平台监控不到的。

又或者，即使用户和互联网交互了，但不见得收集方能收集得到，比如上例中，如果我问朋友意见时，是通过微信聊天的方式，但电商平台也很难得知，除非它有渠道可以弄到微信聊天隐私数据。还有一个典型的例子是，人的情绪和心理变化，也是很难表征为0-1数据。

又或者，即使这些数据能收集得到，但是效益性价比不高，也不值得去收集。因为一来收集需要耗费资源，储存也需要成本，分析更不用说；所以，只要开始了收集，后续的成本像滚雪球一样越滚越大，最后也不过是为了助力营销而已，如果成本过大，就失去了意义。

虽然它名为针对大量人群的精准营销，但也只能通过展示文字、声音、视频等的广告转化。而一个真的销售站在用户面前时，可以充分用话语、眼神等身体语言，去对用户充分施加影响，这是大数据营销所做不到的。——特别是在用户正在犹疑，只是需要“推一把”的心理状态。

另外，一些非常注重信任度的行业，比如大额资产理财，人们很难仅凭几个大数据营销的广告，就愿意交出这么多钱去打理，但一个传统银行的客户经理就不一样，更容易赢得信任。

答：Eason羊。每日精进一点点。关注微信公号【营销航班】

『伍』 大数据时代传统社会调查过时了吗

进入大数据时代，现代网络信息技术与智能设备的普及与运用，给传统社会调查方法带来挑战。有学者提出，与通过数据挖掘技术获得海量信息相比，传统社会调查所获取的信息不过是“小数据”。由此引发学界争议：大数据时代是否还需要传统社会调查？在大数据技术与方法广泛应用的时代，传统社会调查方法如何彰显其独特价值？近日，中国社会科学报记者就此采访了相关学者。
大数据技术方便数据采集分析
“移动互联网使得社会行动者的态度、行为被迅速信息化，并被互联网设备记录下来，为科研人员的相关研究提供了以往的信息收集手段无法采集的大量信息。同时也大大提高了人类记录和采集相关信息的能力，极大降低了获取某些信息的成本。”中国人民大学社会与人口学院副教授李丁说。
大数据技术改变了数据的获取、处理和理解方式。据西安交通大学公共政策与管理学院执行院长杜海峰分析，数据获取方式从收集问卷或访谈变成了网络、多媒体等多技术手段的综合运用，更重要的是对象的变化，传统的方法需要科学地从母体中抽样，大数据的数据获取对象可能直接就是母体；数据处理方式从传统的属性数据分析方法，过渡到基于结构的、以智能信息处理为主的综合集成分析；数据理解方式，由传统的统计因果发展到以“相关”特别是不同信息之间关系“凸显”规律的解析。
在哈尔滨工业大学社会学系教授唐魁玉看来，大数据技术不仅在收集数据、整理数据和分析数据上具备优势，而且其带来的巨量交互性数据能够为社会问题的整体性分析提供有效证据。这些变革正在为社会学重新整体性回归“社会事实”奠定新方法论基础，同时也无疑给传统的问卷和深度访谈调查方法带来挑战。
社会调查方法具有特殊优势
既然大数据技术在信息获取与分析领域具有如此凸显的优势，是否意味着传统社会调查将被取代呢？受访学者并不赞同此类观点。
一方面与传统信息采集方式相比，大数据技术目前仍有其局限性；另一方面传统信息采集方式仍具有独特价值。唐魁玉分析说，以抽样调查为例，在一些案例中，抽样调查更加适用于那些有“遗失”的数据和代表性样本。在面对复杂性、人际性社会问题的分析时，大数据方法还不够细致入微。
“大数据一个非常重要的特征是‘价值密度低’，数据内容可能并不是特定研究者所关心的，因此不一定都能满足特定问题研究的需要。”杜海峰提出，对于大数据获得的信息，传统社会调查不但是其必要的补充，也是专项研究更为必要的基础资料。
大数据技术所获取的信息相当于普查和非概率样本，尽管如此，大数据也并非没有边界，如果不能认识或约定其界限，数据虽大，却不能用于科学研究。如李丁所分析，被互联网、智能设备感知和记录的社会行动者并不能覆盖全部的行动者。如果认识不到大数据的覆盖率或者代表怎样的群体，即便样本规模再大，得出来的知识和规律也有可能是误导性的。
此外，大数据的边界还在于变量意义上。“不同企业和研究单位根据其自身需要所采集的数据虽有很大的样本量，但每个样本的变量信息很少。如果不能将这些不同类型的数据库信息串并起来，增加变量即各个研究对象的有效信息量，那么研究价值也非常有限。”李丁说。
李丁认为，传统社会调查获得的信息密度非常高，其目的直接性、设计性、标准化程度更强，效率非常高。“如果不使用传统的社会调查方法，即便今天世界上能力最强的互联网公司可能也无法从现有互联网痕迹数据中获得一个和中国综合社会调查具有同等代表性、信度、效度、信息密度和相同变量的数据集。”
实现两种方法优势互补
正如李丁所说，一方面，在大数据时代背景下，从大数据中提取出有价值的信息和知识，有可能获得有关行动者的新知识、社会运行的新规律；另一方面，研究人员应该认识到大数据的局限性，以及传统研究方式的优势，避免盲目崇拜。传统的调查方式在获得某些高密度的、具有统计代表性的数据上仍具有成本优势和科学性优势。
对于学界出现的将两种方法非此即彼对立起来的争议，唐魁玉认为，我们在对不同类型、不同复杂程度的社会事实和社会问题进行分析时，要恰当地选择和使用传统的社会调查或大数据方法。
未来的社会科学研究或可实现大数据与传统社会调查方法的优势互补。受访学者提出一些设想。李丁认为，传统的质性研究方法和抽样调查方法能够补充大数据的不足，帮助我们理解大数据的社会含义。大数据也能为传统调查研究提供重要的信息补充，质性研究如果能够在既有的访谈、观察的基础上，还能获得受访对象在互联网的痕迹数据、社会交往数据、行动轨迹数据等，就能对研究对象有更全面的了解和把握。

『陆』 大数据应用方向思考

大数据应用方向思考
一、警惕大数据过热
1.1过热产生盲目性
国内大数据的宣传早已过热，很多区县级政府也在考虑成立大数据局，政府对大数据热几乎没有抵抗力，企业没有紧跟就对了，在大数据高潮中反省政府的大数据行为、冷静一下头脑是有益的，毕竟大数据应用是一个经济问题，一窝蜂地大数据会使人犯“大炼钢铁”一类的错误。
1.2大数据应用效益存在问题
大数据最积极的推动者是政府，但是政府工作如何从大数据应用中获益一直没有清晰的答案，有效的大数据应用集中于互联网企业和金融领域并非政府工作，迄今一本像样的政府大数据应用案例都编写不出来，这种情况下推力政府大数据应用会带有很大的盲目性，这是技术导向而不是问题导向，技术导向必然会造成浪费。
1.3大数据不是包治百病的神药
现在对大数据的宣传已经远远胜过对城市问题的探讨，问题还没搞清药方就先开出来了，大数据药方再灵也不可能解决自己都没有诊断清楚的问题。任何技术都有其长处和短处，大数据也是一样，都有其能解决与不能解决的问题，各地政府首先要明确要问题是什么，然后再审视大数据技术能否发挥作用，不能反过来先定大数据再去找问题，政府工作明确目标永远比搞清技术更重要。
二、大数据源自互联网的推动
2.1大数据是如何产生的?
任何有社会影响力的新名词都不是望文生义可以解释的，这些名词都被赋予了成语含义，“大数据”便是其一。历史上超大规模的数据很多却不被称为大数据，是因为单纯数据量增长并没有形成巨大社会影响力。
大数据概念是大的数据量与现代信息技术环境相结合涌现的结果，因此引发了巨大的效益机会，“大数据”一词的发明与宣传是为了抓住这个新机会。
2.2没有互联网便没有大数据
任何资源的价值展现都离不开特定的环境，互联网前的海量数据因缺少规模化的社会应用而不为人们重视，互联网创造了大数据应用的规模化环境，大数据应用成功的案例大都是在互联网上发生的，互联网业务提供了数据，互联网企业开发了处理软件，互联网企业的创新带来了大数据应用的活跃，没有互联网便没有今天的大数据产业。
2.3大数据是“大智移云物”的共同产物
如果没有汽车与高速公路石油产业不会那么重要，同样，没有互联网、云计算、物联网、移动终端与人工智能组合的环境大数据也没那么重要。大数据的价值并非与生俱来而是应用创新之结果，价值是由技术组合创新涌现出来的。离开环境的支持大数据毫无价值，就像离开了身体的手不再有手的功能一样。
三、传统大数据思维局限于支持决策
3.1传统的大数据应用理念
人们对事物的想象力很容易受所用词汇的暗示，“大数据”容易暗示人们关注数据规模而忽略信息技术背境的巨大变化所涌现的新机会。政府官员的工作经历很容易把大数据应用想象为只是统计应用在数量上的升级，大数据的作用是提取信息，信息的作用是改进决策，数据多意味着信息多，信息越多决策就越准确。在不少干部的理解中，部门数据整合起来就是大数据。
3.2两种数据使用方向：支持决策与支持操作
在政府的工作中，数据对领导层的作用主要是改进决策，但基层工作人员不需要决策，数据是用来直接操作的。政府公共服务业务主要是操作问题，服务是规范的数据处理，基层工作人员只是按章办事不需要决策分析。使用信息技术是为了提高操作服务的效率。发改委等十部门提出的“一号一窗一网”的服务要求所要解决的只是提高操作的效率。改进决策与改进操作是大数据两种不同的使用方向。
3.3专家(人脑)与系统(电脑)使用大数据的特点
支持决策的数据应用是面向专家(包括领导)的，专家需要从数据中提取信息，以信息支持决策，从数据中领悟信息是人脑独有的本领，但不同人信息领悟力并不一致，同样的数据不同人领悟的信息不同，对决策的影响也不同，应用结果的不确定性是专家使用大数据的特点。。
支持操作的数据应用不能有不确定性，操作系统的数据应用是由系统控制的，操作按确定的规则进行，没有自由量裁的可能，数据应用结果由软件决定，这种应用是电脑在使用数据，电脑不懂信息只会严格依数据操作，这种使用数据的模式保证了大规模业务行为的一致性。
3.4政府不能忽略操作型大数据应用
政府工作存在着两种大数据应用：支持决策与支持操作，但是在多数政府官员只想着大数据支持决策而想不到改进服务操作更有效益。大部分的政府服务的精细化改进并不是决策层次上改进，而是操作层次上的改进，政府提出的“一号一窗一网”式服务关键是提高操作的效率，实践证明操作的优化的改进空间更大，大数据在提高政府决策水平上的成效往往不如提高操作效率成效明显。
四、大数据决策的局限性
4.1大数据小数据的不同来源
以数据量来划分大数据与小数据会忽略两种数据更实质的差别，从数据产生的过程看，小数据是经人触摸过的数据，包括人工填报或更新、核对等。大数据是机器自动记录的、未经人触摸过数据。
小数据来自业务流程中的人工填报、统计调查等渠道，统计调查是可以根据决策信息的需要专门设计的，为降低成本统计经常采用抽样调查的方法。
大数据来自自动化业务运行的副产品，出于成本的考虑，政府不大可能专为收集信息而设计大数据收集链，为决策服务大数据只能利用业务系统产生的数据副产品，大数据的收集成本是由业务系统承担的。大数据的来源受到业务系统种类的限制，不是所有的信息需求都能找到恰当的数据源。
4.2大数据适合小决策而不适合大决策
大数据适合在狭窄范围内对具体事务决策而不适合于大范围的决策。因为大数据的形成包含着先天的局限性，很多影响重大决策的信息恰恰是无法数字化的，例如国内外形势、技术创新、队伍士气、重大事件(类似美国9.11事件)都无法数字化，可数字化的现象只是小部分，以为靠数据决策就能更全面也是一种误解。政府重大决策需要考虑各方面的平衡，局部领域的大数据仅适合局部领域的决策，不适合面向全局的政府决策，精细化与全面性是不可得兼的。
4.3改进政府操作的大数据应用
政府的大数据应用不能只关注决策应用，改进操作的大数据应用往往能够获得更好的效益。政府对公众的服务主要使用的还是以小数据为中心的数据库，但是融入现场服务数据的应用可以将服务提高到大数据的层次上并增加智能化的应用。对政府基层工作人员的支持现场化、连机化，通过云平台与实时通信能显著提高一线人员的工作效率，是提高政府基层服务的智能化的重要措施，以改进服务操作效率的智能大数据应用会有更大的成效。
五、没有人脑参与系统才能高效与智能
5.1人脑使用数据模式的效率制约
为人脑决策使用的大数据应用模式存在两点不足：一是效率上不去，大数据分析结果一旦交付大数据应用就结束了，无法形成连续服务型业务，信息的进一步应用是领导的事情，与大数据处理无关了，人脑决策的慢节奏抵消了大数据快处理的价值。
其次是大数据信息决策的效果的不确定性，决策质量与领导人的知识、思维方式、决策风格密切相关，决策效果又与执行团队的能力相关，涉及的不确定因素太多。人脑使用数据的模式无法实现数据应用效果的确定性。
5.2电脑使用数据模式的效率优势
电脑使用数据的模式排除了人脑的参与，系统完全是由事先编写的软件直接处理数据，排除了人脑介入有两点好处：一是运行速度快，信息技术的速度优势得以充分发挥;二是保证了结果的确定性，系统的行为是可预测的，这将有利于系统可成为可组合、可叠加的功能模块，能够被集成为更复杂的系统。
5.3智能大数据应用可形成连续性业务
排除人脑参与的数据应用模式是信息技术的自动化应用，这种模式可综合使用各种技术资源(包括云平台、物联网、移动终端、人工智能等等)建立高速、流畅连续型服务，进入智能服务的新阶段，常见的互联网搜索、电子商务、移动支付、摩拜单车、蚂蚁金服无一不是这类的智能大数据应用，这种持续的智能大数据服务更受公众欢迎、社会影响力也更大。
六、智能大数据应用的发展空间
6.1所有的智能应用都是大数据应用
大数据是机器与机器对话的语言，只有机器与机器的高速对话才能产生如此规模的大数据。物联网、云平台、宽带网、移动终端等设施要发挥作用都要依赖机器与机器的对话，随着信息技术的大发展，机器与机器的对话速度越来越快、范围越来越广、规模越来越大，系统也越来越智能化，所有的智能数据应用都属于大数据的应用范围。
6.2智能化的作用是提高执行的效果
虽然大数据可以用于改进决策，但智能化的目标是提高执行的效果。计算机系统的作用是使规范性、可重复的工作做的更快。对于需要创造性的、非重复性的工作信息技术是依然无能为力的，人们发现几十年来计算机对于人脑决策能力的提高始终不大，智能化应用机会还是集中在对规范业务的改进，规范业务是确定性的服务，远比充满不确定性的决策业务更能让计算机发挥作用。
6.3操作型大数据应用的智能化趋势
以提高执行效率为目标的大数据应用将向智能化发展，以互联网为基层的现代信息技术的大发展已经为服务的智能化创造力良好的条件，早期由于通信与网络能力的限制只能在一台设备上存储自动处理系统被称为自动化处理阶段，今天自动处理系统可以综合应用网络通信、云平台数据与软件、物联网感知数据与机器学习来实现更有效的自动管理，则被称为智能化服务阶段，排除了人脑参与的大数据应用进入智能化服务没有任何障碍，大数据应用智能化成为必然趋势。
七、智能大数据应用的活力
7.1 鲜活的数据
智能化应用中的大数据资源与信息决策中的数据资源的重大不同在于前者是动态形成的，其数据环境是不断变化、不断更新的，很多数据是在运行中自动生成的，数据资源与智能系统共生，这种数据资源很难转让，数据与服务系统是统一的生命体不能单独存在的，离开了系统的数据可以用来分析但失去了原来的意义，如同离开了人体的手再也没有原来的功能了。
7.2 实时的处理
在智能系统中的大数据应用是实时处理，面向信息决策中的大数据应用是批处理。实时处理能够确保及时性，这对于提高服务效率、保持业务的连续性很重要，现在强调“一号一窗一网”式的为民办事离不开对数据的实时处理。而信息决策类大数据应用则并不需要这种高效。
7.3持续高效的服务
智能化的大数据应用排除了人脑的干预，全部流程都是由电脑对电脑一气呵成，这样就能够达到很高的运行效率，而这是智能化系统巨大的优势，也是智能服务系统得以生存的原因，不论是搜索、购物还是其它自动化的服务，人的耐心都是很有限的，处理慢一点人们就会弃之而去。在信息决策大数据应用的结果是供人脑一次性使用的，处理速度就不那么重要了。
7.4不断积累的智慧
能够不断积累智慧的业务更有活力，易于修改是以软件为基础的业务的极大优点，这使得软件系统成为积累智慧最方便的工具，信息系统的高速发展也得益于系统智慧积累的能力。一项可持续的智能化业务系统始终处于不停的改进、完善与扩展之中，不断推出新版本的过程是智慧积累的过程，智慧的不断积累增添了系统的服务能力与可持续性。
信息决策大数据应用则不具有这一优势，其业务不连续很难推出一个又一个的新版本，智慧积累效率就慢多了。
八、小数据服务决定大数据中心的生存
8.1数据资源的时效性
数据资源像蔬菜一样有保鲜期，极少有越老越值钱的数据。数据集中存储很容易，由此而来的数据质量维护却是一大难题。数据生成得快贬值也快，很多数据往往还来不及处理数据就失效了，反而是那些变化稍慢、稳定期稍长的数据容易得到较多用户且服务也容易开展，这类数据大部分是小数据。
不同的数据使用方式对数据质量有不同的要求，面向操作的应用则对数据质量非常敏感，例如证照库若不能及时更新就无法使用。信息决策类应用对数据的敏感性会差一些，大数据中心应当使数据的时效性与应用需求同步，要根据需求的价值有重点有选择地组织好数据质量的维护。
8.2大数据交易中心的困难
大数据交易中心与成为建设热点，在大数据应用刚刚开始，人们还没搞清大数据交易是什么概念时就建交易中心实在太早了。
实时服务的智能大数据应用的数据是鲜活的、是服务中自动生成的动态数据，要交易的是动态数据流还是截取的静态数据，动态的大数据交易很难，不仅谈判难处理也难，用户需要建立动态数据的实时处理系统。
静态的大数据交易更可行一些，但数据资源与应用需求并不容易匹配，这将会限制交易数的增长，另一困难是隐私权保护问题，数据需要脱敏，未脱敏的数据交易会受到限制，交易中心将长期面对交易稀缺的局面，经营很不容易。
8.3小数据服务需要补课
发达国家是在小数据充分应用之后才开始应用大数据，国内是在小数据应用还很不足时跨越式应用大数据。小数据应用补课是各地大数据中心必须重视的问题。要看到越是简单的东西应用面越广，小数据的应用空间比大数据大得多，尤其是整合后的小数据服务，极可能成为的数据中心最火的业务。
政府服务的精细化依赖的主要是小数据，把小数据的整合服务做好，大数据中心的工作即完成了90%，千万不能轻视小数据服务，大数据中心的立身之本恰恰是小数据整合服务。
8.4大数据中心的经济价值
大数据中心的生存本质上是一个经济问题，人们想做交易中心也是希望能够在经济上更节约、更有效益，但是效益的基础是应用规模，只有大量重复性、相似性的工作才有可能利用平台与工具来提高服务效率创造用户价值，目前小数据服务更能够满足规模经营的条件。
政府公共服务的支柱还是小数据，单独成规模的大数据服务不多，各种数据资源的综合使用会有更大的创新机会，地理数据与政府服务相结合、推动政府服务的连线化动态化可能提升用户价值，大数据中心要发展必须全力创造用户价值，唯有用户价值才能支撑大数据中心生存。
九、拓展视野，推动大数据应用创新
9.1理念创新，积极宣传智能大数据应用
首先要拓展大数据应用理念，不能将大数据应用局限在政府信息决策的狭窄领域之中，而要看到智能大数据应用的广泛空间，将智能大数据应用与大众创业万众创新结合起来，将一切智能化应用都归入大数据应用的范围，大数据概念越广阔应用越繁荣。
利用大数据改善政府决策是大数据应用的重要方面，过去已强调得很多了，现在需要强调的是政府公共服务的智能化、精细化。大数据不仅能改善决策还能改善服务，改善服务有着更广阔的发展空间，公众的获得感更好。
9.2为大数据应用创造良好的基础环境
对大数据应用最给力的推动是提供优良的通信环境和完善的信息基础设施。大数据应用的基础是超强的通信能力，通信能力影响全社会大数据应用的成本，包括用户的时间成本与服务商的开发与服务成本，降低通信成本是对大数据应用创新极大的支持，土壤肥沃庄稼才能茂盛。
政府数据开放是推动大数据应用的措施之一，可为大数据应用带来示范效果，政府要鼓励企业利用政府大数据开展增值服务，使更多缺乏大数据处理能力的公众也能从政府数据开放中获益。
9.3鼓励社会大数据应用的自组织创新
大数据应用是一项创新，政府不能只从政府决策的视角来引导大数据应用方向，而要从方便公众受益的视角推动智能化的大数据应用，要鼓励社会各界智能化大数据应用的合作与自组织创新，好服务都是各种应用技术组合创新的结果，政府宜推动智慧城市大数据应用的互操作，降低不同技术合作创新的成本来促进应用创新的繁荣。

『柒』 何谓大数据大数据的特点,意义和缺陷.

大数据技术(big
data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
特点：
1.数据量大；
2.数据类型多；
3.数据处理实时性强；
4.数据真实性。
意义：大数据的意义在于通过对大量数据进行分析从而对核心价值进行预测。
缺陷：对处理能力要求高，存在隐私安全问题。

『捌』 大数据带来的弊端

1、社会安全问题，

2、个人隐私，

3、对于国民经济的威胁，

4、国家安全利益，

5、秘密保护。

大数据带来的弊端

1、社会安全问题

中国网民已经接近6亿，每时每刻都产生着大量的数据，也消费着大量的数据，网络的放大效应、传播的速度和动员的能力越来越大，各种社会的矛盾叠加，致使社会群体性事件频发。

2、个人隐私

人们可以利用的信息技术工具无处不在，有关个人的各种信息也同样无处不在。在网络空间里，身份越来越虚拟，隐私也越来越重要。根据哈佛大学近期发布的一项研究报告，只要有一个人的年龄、性别和邮编，就能从公开的数据当中搜索到这个人约87%的个人信息。

3、对于国民经济的威胁

堪称智能交通、智慧电网的国民经济运行和智能社会发展高度依赖信息基础，这些重要的信息基础设施、网络化智能化的程度越高，安全也就越脆弱。

4、国家安全利益

网络空间信息安全、问题严重性、迫切性在很大程度上已经远远超过其他的传统安全，当今主权国家所面临的所有非传统安全威胁总是面临着沧海一粟的困境，政府要找的那根针往往沉没在浩瀚的大海中。

5、秘密保护

美国国家安全局以及网络巨头的关系正是计算能力和海量数据的结合，因此全球大部分的数据都掌握在他们手中，他们大量的数据在网上是没有保护的。

上述就是关于大数据所带来弊端的介绍了，希望能对小伙伴们有所帮助哟。

『玖』 传统关系数据模型在大数据中的局限

我知道的如下：
1、层次模型
层次模型是一种树结构模型，它把数据按自然内的层次关系组容织起来，以反映数据之间的隶属关系。层次模型是数据库技术中发展最早、技术上比较成熟的一种数据模型。它的特点是地理数据组织成有向有序的树结构，也叫树形结构。结构中的结点代表数据记录，连线描述位于不同结点数据间的从属关系(一对多的关系)。
2、网状数据模型
网状模型将数据组织成有向图结构，图中的结点代表数据记录，连线描述不同结点数据间的联系。这种数据模型的基本特征是，结点数据之间没有明确的从属关系，一个结点可与其它多个结点建立联系，即结点之间的联系是任意的，任何两个结点之间都能发生联系，可表示多对多的关系

3、关系数据模型
由于关系数据库结构简单，操作方便，有坚实的理论基础，所以发展很快，80年代以后推出的数据库管理系统几乎都是关系型的。涉及到的基础知识有：关系模型的逻辑数据结构，表的操作符，表的完整性规则和视图、范式概念。
关系模型可以简单、灵活地表示各种实体及其关系，其数据描述具有较强的一致性和独立性。在关系数据库系统中，对数据的操作是通过关系代数实现的，具有严格的数学基础。
我知道所以你知道！

『拾』 大数据的弊端是什么

大数据的弊端是可能造成数据泡沫风险。大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

结构

大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。据IDC的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。

大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。