大数据与云计算的使用

A. 什么是云计算什么是大数据二者有何联系

云计算的关键词在于“整合”，无论你是通过现在已经很成熟的传统的虚拟机切分型技术，还是通过google后来所使用的海量节点聚合型技术，他都是通过将海量的服务器资源通过网络进行整合，调度分配给用户，从而解决用户因为存储计算资源不足所带来的问题。

大数据正是因为数据的爆发式增长带来的一个新的课题内容，如何存储如今互联网时代所产生的海量数据，如何有效的利用分析这些数据等等。

他俩之间的关系你可以这样来理解，云计算技术就是一个容器，大数据正是存放在这个容器中的水，大数据是要依靠云计算技术来进行存储和计算的。

(1)大数据与云计算的使用扩展阅读：

云计算常与网格计算、效用计算、自主计算相混淆。

网格计算：分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机，常用来执行一些大型任务；

效用计算：IT资源的一种打包和计费方式，比如按照计算、存储分别计量费用，像传统的电力等公共设施一样；

自主计算：具有自我管理功能的计算机系统。

事实上，许多云计算部署依赖于计算机集群（但与网格的组成、体系结构、目的、工作方式大相径庭），也吸收了自主计算和效用计算的特点。

被普遍接受的云计算特点如下：

(1) 超大规模

“云”具有相当的规模，Google云计算已经拥有100多万台服务器， Amazon、IBM、微软、Yahoo等的“云”均拥有几十万台服务器。企业私有云一般拥有数百上千台服务器。“云”能赋予用户前所未有的计算能力。

(2) 虚拟化

云计算支持用户在任意位置、使用各种终端获取应用服务。所请求的资源来自“云”，而不是固定的有形的实体。应用在“云”中某处运行，但实际上用户无需了解、也不用担心应用运行的具体位置。只需要一台笔记本或者一个手机，就可以通过网络服务来实现我们需要的一切，甚至包括超级计算这样的任务。

(3) 高可靠性

“云”使用了数据多副本容错、计算节点同构可互换等措施来保障服务的高可靠性，使用云计算比使用本地计算机可靠。

(4) 通用性

云计算不针对特定的应用，在“云”的支撑下可以构造出千变万化的应用，同一个“云”可以同时支撑不同的应用运行。

(5) 高可扩展性

“云”的规模可以动态伸缩，满足应用和用户规模增长的需要。

(6) 按需服务

“云”是一个庞大的资源池，你按需购买；云可以像自来水，电，煤气那样计费。

大数据特征：

1 容量（Volume）：数据的大小决定所考虑的数据的价值和潜在的信息；

2 种类（Variety）：数据类型的多样性；

3 速度（Velocity）：指获得数据的速度；

4 可变性（Variability）：妨碍了处理和有效地管理数据的过程。

5 真实性（Veracity）：数据的质量

6 复杂性（Complexity）：数据量巨大，来源多渠道

7 价值（value）：合理运用大数据，以低成本创造高价值

想要系统的认知大数据，必须要全面而细致的分解它，着手从三个层面来展开：

第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势；从大数据隐私这个特别而重要的视角审视人和数据之间的长久博弈。

第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。

B. 大数据和云计算有什么不同，学哪个好

1、大数据的定义
著名的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。
研究机构Gartner给出的定义是“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来适应海量、高增长率和多样化的信息资产。
大数据(big data)，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”。
2、云计算的定义
美国国家标准与技术研究院(NIST)定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问， 进入可配置的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
云计算(cloudcomputing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。
简单来说：云计算是硬件资源的虚拟化，而大数据是海量数据的高效处理。虽然从这个解释来看也不是完全贴切，但是却可以帮助对这两个名字不太明白的人很快理解其区别。当然，如果解释更形象一点的话，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化后在进行分配使用。
在宣州区的时候可以参考自己个人喜好以及难易程度来选择（大数据比云计算要稍复杂一些）

C. 大数据和云计算的区别是什么啊

一、大数据与云计算的概念及特点

大数据：在维基网络中，大数据（big data）是用于数据集的一个术语，是指大小超出了常用软件工具在运行时间内可以承受的收集，管理和处理数据能力的数据集。与传统海量数据相比，它不仅在数据规模上呈几何倍数的增长，还在于它集收集，分类，处理，分析于一体，能够充分挖掘出一份数据的潜在价值。

云计算：根据美国国家标准与技术研究院定义：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投人很少的管理工作，或与服务供应商进行很少的交互。也就是说云计算既是一种商业模式，也是一种计算模式。

二、大数据和云计算的区别及联系

云计算是一种商业模式，也是一种计算模式。所以，云计算是在大数据的基础上进行的，大数据的目的主要是通过海量数据发现潜在价值，使人们更好的理解和把握信息，云计算更倾向于提供服务，二者相互关联。

1、大数据和云计算的区别

1）目的不同：大数据是为了发掘信息价值，而云计算主要是通过互联网管理资源，提供相应的服务。

2）对象不同：大数据的对象是数据，云计算的对象是互联网资源以及应用等。

3）背景不同：大数据的出现在于用户和社会各行各业所产生大的数据呈现几何倍数的增长；云计算的出现在于用户服务需求的增长，以及企业处理业务的能力的提高。

4）价值不同：大数据的价值在于发掘数据的有效信息，云计算则可以大量节约使用成本。

2、大数据和云计算的联系

大数据和云计算的相同点在于它们都是数据存储和处理服务，都需要占用大量的存储和计算资源，因而都要用到海量数据存储技术、海量数据管理技术等/随着数据量的递增、数据处理复杂程度的增加，相应的性能和扩展瓶颈将会越来越大。在这种情况下，云计算所具备的弹性伸缩和动态调配、资源的虚拟化，按需使用，以及绿色节能等基本要素正好契合了新型大数据处理技术的需求。在数据量爆发增长以及对数据处理要求越来越高的先当下，实现大数据和云计算的结合，才能最大程度上发挥二者的优势，满足用户的需求，带来更高的商业价值。

三、如何理解大数据与云计算的关系

简单来说就是，大数据的超大容量自然需要容量大，速度快，安全的存储，满足这种要求的存储离不开云计算。高速产生的大数据只有通过云计算的方式才能在可等待的时间内对其进行处理。同时，云计算是提高对大数据的分析与理解能力的一个可行方案。大数据的价值也只有通过数据挖掘才能从低价值密度的数据中发现其潜在价值，而大数据挖掘技术的实现离不开云计算技术。总之，云计算是大数据处理的核心支撑技术，是大数据挖掘的主流方式。没有互联网，就没有虚拟化技术为核心的云计算技术，没有云计算就没有大数据处理的支撑技术。

其实，云计算是工业时代的电，大数据就是福特生产线，云存储就是钢铁工业。也就是说，没有钢铁，就没有电，就不会有大规模工业化生产。没有云计算，大数据不会出来，如果云计算没有解决云存储的问题，也不会出来。

四、大数据和云计算的发展前景

1、提升网络质量。随着互联网以及移动互联网的持续发展网络将会更加繁忙，用于监测网络状态的信令数据也会快速增长。通过对海量运维信息以及信令数据的智能分析，能够提高网络维护的实时性，预测网络流量峰值，预警异常流量。从而有效地防止网络拥塞和系统宕机，从而提高网络服务质量，提升用户体验。

2、提升客户价值通过使用大数据分析、数据挖掘等工具和方法，企业能够整合来自市场部门、销售部门、服务部门的数据，从各种不同的角度全面了解自己的客户，对客户形象进行精准刻画，以寻找目标客户，制定有针对性的营销计划、产品组合或商业决策，提升客户价值。

3、提升行业信息化水平。智慧城市的发展以及教育、医疗、交通、环境保护等关系到国计民生的行业，都具有极大的信息化需求。

4、提高用户体验。高速的信息处理，更优质的服务，能够更好地满足用户需要，使用户能够以最廉价的成本为生活带来更好的便利，最大程度上提高了用户的生活学习工作质量。

D. 大数据、云计算、数据中心这三者之间有什么区别和联系

不少人把数据中心、云计算数据中心、大数据搞混淆，觉得这三者是一样的产品，其实有显著的区别，数据中心机房是一整套复杂的设施，如今，云计算即将成为信息 社会 的公共资源，而数据中心则是支撑云计算服务的基础设施，所以自从云计算横空出世，一切信息技术都开始围着它转，云计算有如神一样地存在着，下面看看数据中心、云计算、大数据之间有什么区别和联系？

一、大数据

1、 大数据(Big Data)又称为巨量资料，指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，“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。

2、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”。

3、移动互联网的大数据主要来自四个方面

（1）、内容数据:

Web2.0时代以后，每个人都成为了媒体，都在网络上生产内容，包括文字、图片、视频等等。

（2）、电商数据:

随着电子商务的发展，线上交易量已经占据整个零售业交易的大部分。每一笔交易都包含了买家、卖家以及商品背后的整条价值链条的信息。

（3）、社交数据:

随着移动社交成为最主要的社交方式，社交不仅仅只有人与人之间的交流作用，社交数据中包括了人的喜好、生活轨迹、消费能力、价值取向等各种重要的用户画像信息。

（4）、物联网数据:

各行各业都出现了物联网的需求和解决方案，每时每刻都在产生巨量的监测数据。那么如此之多的数据，包含着很多有价值的信息，这些信息并不是以直观的形式呈现出来的，需要有办法对这些数据进行处理，无论是计算、存储还是通信，都提出了很高的要求，云计算的相关技术就是对巨量数据的计算、存储和通信的解决方案。

二、云计算

云计算是一种基于互联网的计算方式，通过这种方式，共享的软硬件资源和信息可以按需提供给计算机和其他设备。典型的云计算提供商往往提供通用的网络业务应用，可以通过浏览器等软件或者其他Web服务来访问，而软件和数据都存储在服务器上。云计算服务通常提供通用的通过浏览器访问的在线商业应用，软件和数据可存储在数据中心。

三、数据中心

数据中心是全球协作的特定设备网络，用来在internet网络基础设施上传递、加速、展示、计算、存储数据信息，数据中心大部分电子元件都是由低压直流电源驱动运行的。数据中心面临的物理问题是服务器本身和用来连接这些服务器到其他应用环境的电缆。

四、三者之间的联系：

1、大数据和云计算的概念区别：

大数据说的是一种移动互联网和物联网背景下的应用场景，各种应用产生的巨量数据，需要处理和分析，挖掘有价值的信息；云计算说的是一种技术解决方案，就是利用这种技术可以解决计算、存储、数据库等一系列IT基础设施的按需构建的需求，两者并不是同一个层面的东西。

2、大数据与云计算的关系，以上介绍了大数据和云计算的区别，两者之间又有着非常紧密的联系，大数据是云计算非常重要的应用场景，而云计算则为大数据的处理和数据挖掘都提供了最佳的技术解决方案。

3、大数据必然与云计算相关(大数据和云计算没有必然联系，你要作大数据，可以用云计算，也可以不用)，数据中心是云计算的基础，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。

4、数据中心是云计算的基础设施，我们通常讲到的服务器资源分配，带宽分配，业务支撑能力，流量防护和清洗能力，都是基于数据中心的大小，和其带宽的容量，数据中心分布在不同的核心城市，辐射到周边城市，提供基础支撑，其一般都符合国家机房一级标准，具备极强的容灾能力，多数厂商会选择两地三中心等方式来架设机房，云计算是在数据中心的基础上提供的从基础服务到增值服务的一种闲置资源利用。

5、但有一点不变的是，不管云计算怎样去变化，必然需要依托数据中心实现落地。可以说，数据中心是云计算的根，云计算是数据中心“叶子”，云计算通过“光合作用”促进数据中心的发展，而数据中心得壮大又为云计算发展提供了坚实的基础，这三者起到相互依存，互相促进的作用。

E. 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。

F. 大数据和云计算的联合在我们生活中有哪些应用

云计算的应用：
云音乐：在云音乐以前，由于设备的存储容量问题，在下载歌曲的时候必须要删除一部分，才能把新的保存，而云音乐的出现，使得我们可以不受容量限制，随时随地，想听就听。
云存储：这个相信大家都有所了解，目前的各类APP或者手机都附带的有一定容量的云空间，可以把自己的资料进行备份，这样不管是换设备或者是跨地区都不用担心。
在线办公软件：不知道你有没有发现，自云计算开始，办公室的概念开始逐渐变得模糊，诸如腾讯视频会议，华为welink，等的视频会议或是金山的协同编辑，飞书，钉钉等协同软件，都让办公跨越了地域障碍，也缩短了工作间的衔接。
大数据的应用：
金融：在金融行业可以概括以下两个方面：大数据营销，根据顾客的消费习惯，消费频率和常去的消费地点进行针对型的推荐；风险防控，根据用户的消费习惯和流水，进行综合评估，判断信用情况，也适用于股权融资等。
商务：电商的数据通常是别叫庞大且复杂的，通过这些数据可以分析出潮流趋势，消费趋势，地区特性和习惯等。
医疗：医疗器械行业有着很多的病案，病理报告，痊愈计划方案，药品汇报这些。在将来，凭借数据管理平台人们能够 搜集不一样病案和医治计划方案，及其患者的本质特征，能够 创建对于病症特性的数据库查询。

G. 云计算和大数据有什么区别

云计算和大数据能做什么，很多人都分不清楚，那么云计算与大数据的关系是什么呢？今天就给大家简单的分析一下。
云计算：云计算是通过互联网提供全球用户计算力、存储服务，为互联网信息处理提供硬件基础。云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在比较有名的云计算服务商是亚马逊的AWS。
大数据：大数据运用日趋成熟的云计算技术从浩瀚的互联网信息海洋中获得有价值的信息进行信息归纳、检索、整合，为互联网信息处理提供软件基础。大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。

云计算与大数据的关系：
云计算是基础，没有云计算，无法实现大数据存储与计算。大数据是应用，没有大数据，云计算就缺少了目标与价值。两者都需要人工智能的参与，人工智能是互联网信息系统有序化后的一种商业应用。这才是：云计算与大数据真正的出口！
而商业智能中的智能从何而来？方法之一就是通过大数据这个工具来对大量数据进行处理，从而得出一些关联性的结论，从这些关联性中来获得答案，因此，大数据是商业智能的一种工具。 而大数据要分析大量的数据，这对于系统的计算能力和处理能力要求是非常高的，传统的方式是需要一个超级计算机来进行处理，但这样就导致了计算能力空的时候闲着、忙的时候又不够的问题， 而云计算的弹性扩展和水平扩展的模式很适合计算能力按需调用，因此，云计算为大数据提供了计算能力和资源等物质基础。

H. 什么事云计算和大数据的解释

云计算与大数据概述
云计算(cloud computing)是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。云是网络、互联网的一种比喻说法。过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。狭义云计算指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源;广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网轿盯相关，也可是其他服务。它意味着计算能力也可作为一种商品通过互联网进行流通。
大数据(big data)，或称海量数据，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。大数据的4V特点：Volume、Velocity、Variety、Veracity。
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,必须采用分布式计算架构。它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。
大数据管理，分布式进行文件系统，如Hadoop、Maprece数据分割与访问执行;同时SQL支持，以Hive+HADOOP为代表的SQL界面支持，在大数据技术上用云计算构建下一代数据仓库成为热门话题。从慧旦系统需求来看，大数据的架构对系统提出了新的挑战：
1、集成度更高。一个标准机箱最大限度完成特定任务。
2、配置更合理、速度更快。存储、控制器、I/O通道、内存、CPU、网络均衡设计，针对数据仓库访问最优设计，比传统类似平台高出一个数量级以上。
3、整体能耗更低。同等计算任务，能耗最低。
4、系统更加稳定可靠。能够消除各种单点故障环节，统一一个部件、器件的品质和标准。
5、管理维护费用低。数据藏的常规管理全部集成。
6、可规划和预见的系统扩容、升级路线图。

云计算与大数据的关系
简单来说：云计算是硬件资源的虚拟化，而大数据是海量数据的高效处理。虽然从这个解释来看也不是完全贴切，但是却可以帮助对这两个名字不太明白的人很快理解其区别。当然，如果解释更形象一点的话，云计算相当于我们的计算机和操作系统，将大量的硬件资源虚拟化后在进行分配使用。
可以说，大数据相当于海量数据的闭碧和“数据库”，通观大数据领域的发展我们也可以看出，当前的大数据发展一直在向着近似于传统数据库体验的方向发展，一句话就是，传统数据库给大数据的发展提供了足够大的空间。
大数据的总体架构包括三层：数据存储，数据处理和数据分析。数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。
而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三者相互配合，这让大数据产生最终价值。
不看现在云计算发展情况，未来的趋势是：云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话：“动一下鼠标就可以在妙极操作PB级别的数据”，确实让人兴奋不能止。

I. 大数据、云计算、人工智能之间有什么样的关系_什么是大数据,云计算和人工智能他们有哪些应用

给你解释一下这些术语：

云计算：就是个炒得很热的商业概念，其实说白了就是将计算任务转移到服务器端，用户只需要个显示器就行了，不过服务器的计算资源可以转包。当然，要想衡隐大规模商业化，这里还有些问题，特别是隐私保护问题。

大数据：说白了就是数据太多了。如今几兆的数据在20年前也是大数据。但如今所说的大数据特殊在哪呢？如今的问题是数据实在是太多了，这已经超过了传统计算机的处理能力（区别与量子计算机），所以对于大数据我们不得不用一些折衷的办法（比如数据挖掘），就是说没必要所有数据都需要精确管理，实际上有效数据很有限，前塌用数据挖掘的方法把这些有限的知识提取出来就行了。·此外，数据抽样，数据压缩也是解决大数据问题的一些策略。

数据挖掘：从数据中提取潜在知识，这些知识可以描述或者预测数据的特性。有代表性的数据挖掘任务包括关联规则分析、数据分类、数据聚类等，这些你在任一本数据挖掘教材都可以了解。下面我说说和大数据的区别：数据挖掘只是大数据处理的一个方法。马云所说的大数据，或者如今商业领域所说的大数据，实际上指慧拦圆的就是数据挖掘，其实真正所谓大数据，或者Science杂志中提到的大数据，或者奥巴马提出的大数据发展战略，我的理解是，这些都远远大于数据挖掘的范畴，当然数据挖掘是其中很重要的一个方法。真正目的是如何将大数据进行有效管理。

机器学习：这个词很虚，泛指了一大类计算机算法。重点是学习这个词，如果想让计算机有效学习，目前绝大多数方法都采用了迭代的方法。所以在科研界，只要是采用了这种迭代并不断逼近的策略，一般都可以归到机器学习的范畴。此外，所谓学习，肯定要知道学什么，这就是所谓训练集，从训练集数据中计算机要学到其中的某个一般规律，然后用一些别的数据（即测试集）来看看学得好不好，之后才能用于实际应用。所以，选取合适的训练集也是个学问。

模式识别：意思就是模式的识别。模式多种多样，可以是语言，可以是图像，可以是事物一些有意义的模块，这些都算。所以总体来说，模式识别这个词我是觉得有点虚，倒是具体的人脸图像识别、声音识别等，这些倒是挺实在的。也许是我不太了解吧。

另外说说你的其他问题。

传统分析方法不包括数据挖掘。对于数据分析这块我不是很了解，不过可以肯定的是，传统分析都有一定的分析方向，比如我就想知道这两个商品的关联情况，那我查查数据库就行了。数据挖掘虽说有些历史，不过也挺时髦的，它是自动将那些关联程度大的商品告诉你，这期间不需要用户指定数据分析的具体对象。

如果想应对大数据时代，数据挖掘这门课是少不了的。此外对数据库，特别是并行数据库、分布式数据库，最好了解点。至于机器学习和模式识别，这些总的来说和数据挖掘关系不太大，除了一些特殊的领域外。

总之，概念挺热，但大数据还很不成熟，无论从研究上还是商业化上。我目前在作大数据背景下的算法研究，说实话，目前基本没有拓展性非常强的算法，所以未来大数据的发展方向，我也挺迷茫。

PS：将数据挖掘应用于商业，最最重要的就是如何确定挖掘角度，这需要你对具体应用的领域知识非常了解，需要你有非常敏锐的眼光。至于数据挖掘的具体算法，这些就交给我们专门搞研究的吧！（对算法的理解也很重要，这可以把算法拓展到你的应用领域）