谷歌大数据案例

『壹』 从谷歌大数据中能发现什么规律得出什么结论

马克吐温说过：“世上有三种谎言，即谎言，拙劣的谎言和统计数据。”传统的调研方法得出的结论只是调研者希望得到的结论，而不是真实结论。当你拿起笔，开始在调查表上划对勾时，你已经走进调研设计者为你画好的框架之中。跟着调查报告的既定思路走，勾画有限的选项，本能地回避对自己不利的选项。
无论是善意还是恶意，人们面对他人时，总要展露自己优秀的光明面，隐藏拙劣不堪的阴影面。但是，当人们面对屏幕时，往往会放下戒备，吐露心声，甚至还会释放夸张内心的恶魔。这就是为什么会有那么多的键盘侠。
谷歌数据分析家，赛思•斯蒂芬斯-达维多维茨，从屏幕背后的大数据中，得出许多出乎意料的结论。

1、先看一个例子，你猜猜，与失业率高度相关的网络数据是什么？找工，写简历，面试，再教育培训？以上答案都不对。最高相关的数据不是找工，而是一个黄片网站，其次是“蜘蛛纸牌”。知道答案后的你有没有会心一笑？数据说明了真相：有大把时间很无聊的失业人士，把他们的时间花在数据看得见的地方。

『贰』 什么是大数据，大数据的典型案例有哪些

随着大数据时代的到来，大数据早已被逐步的运用在我们生活中的方方面面，那么除了之前众所周知的大数据杀熟事件，对于大数据你还了解多少呢？科学运用案例你又知道多少?今天就跟随千锋小编一起来看看。
洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。
google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。
统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。
麻省理工学院利用手机定位数据和交通数据建立城市规划。
梅西百货的实时定价机制，根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。
……
种种的案例实在是太多，或许我们永远说不完一样，所以我们就来看一看大数据被科学运用的一个经典案例：

“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。
如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店，直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物;而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。
当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法。沃尔玛从上个世纪 90 年代尝试将 Aprior 算法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。
其实大数据，其影响除了以上列举的方面外，它同时也能在经济、政治、文化等方面产生深远的影响，大数据可以帮助人们开启循“数”管理的模式，也是我们当下“大社会”的集中体现，三分技术，七分数据，得数据者得天下。

『叁』 谷歌搜索崩了！官方回应：数据中心发生事故三人受伤，背后有何隐情

这背后究竟有怎样的隐情我们暂时还不清楚，事故原因还处于调查阶段，还不明确导致这场事故的真实原因，也不清楚到底是真的意外，还是人为制造的悲剧，谷歌官方已经证实此事，他们也与当地有关部门取得联系，接下来他们会把调查事故的责任交付给警方，希望在警方的帮助下可以尽快查明真相，这事关谷歌的内部隐私资料，就算查明真相后也未必会公之于众，所以这背后的隐情我们无论如何也无法知道，一般都是内部私下解决。

不过这也只是我们的猜测而已，但是还没有证据可以证明此事，这背后具体的隐情和真相也不会公开，作为用户来说我们只希望谷歌可以正常运行，其他的问题还是交给谷歌自己来解决，我们也相信他们有能力处理好这次事故。

『肆』 大数据失败案例提醒 8个不能犯的错误

大数据失败案例提醒：8个不能犯的错误
近年来，大数据旋风以“迅雷不及掩耳之势”席卷全球，不仅是信息领域，经济、政治、社会等诸多领域都“磨刀霍霍”向大数据，准备在其中逐得一席之地。然而，很多公司在迈入大数据领域后遭遇“滑铁卢”。在此，本文盘点了一系列大数据失败项目，深究其原因，具有警示意义。
对数据过于相信2008年，Google第一次开始预测流感就取得了很好的效果，比美国疾病预防控制中心提前两礼拜预测到了流感的爆发。但是，几年之后，Google的预测比实际情况(由防控中心根据全美就诊数据推算得出)高出了50%。媒体过于渲染了Google的成功，出于好奇目的而搜索相关关键词的人越来越多，从而导致了数据的扭曲。低估大数据复杂程度在美国有几个互联网金融公司专做中小企业贷款。但是中小企业贷款涉及的数据更复杂，而且中小企业涉及到整个行业非常特殊的一些数据，比如非标准的财务报表和不同行业、不同范式的合同，他们没有很专业的知识，是很难理解或者很难有时间把它准确挖掘出来。当时大数据团队想用一个很完美的模型把所有的问题都解决掉，比如把市场和信贷的解决方案全部用一个模型来解决，但因为数据的复杂程度，最后证明这种方法是失败的，而且90%的时间都在做数据清理。这就说明，想通过大数据技术一下子解决所有的问题是很难成功的，而是要用抽丝剥茧、循序渐进的方式。管理层的惰性某家旅游公司系统通过web日志数据的挖掘来提升客户洞察。结果证明，用户在浏览网站之后，随后的消费行为模式与管理层所认为的不一致。当团队汇报此事时，管理层认为不值一提。但是，该团队并没有放弃，并通过严密的A/B测试，回击了管理层的轻视。这个案例的最终结果，不是每个CIO都能期盼的。但是，有一点是可以确定的：做好和管理层打交道的准备，让他们充分理解大数据是什么以及相应的价值。应用场景选择错误一家保险公司想了解日常习惯和购买生命保险意愿之间的关联性。由于随后觉得习惯太过于宽泛，该公司将调查范畴限定到是否吸烟上。但是，工作仍然没有实质进展。不到半年，他们就终止了整个项目，因为一直未能发现任何有价值的信息。这个项目的失败是由于问题的复杂性。在抽烟与否之间，该公司没有注意到还有大片灰色地带：很多人是先抽烟而后又戒烟了。在将问题简单化动机的驱动下，这个部分被忽略了。问题梳理不够全面一家全球性公司的大数据团队发现了很多深刻的洞察，并且计划通过云让全公司共享。结果这个团队低估了效率方面的损耗，由于网络拥塞的问题，无法满足全球各个分支顺畅提交数据运行分析的需求。该公司应该仔细思考下如何支撑大数据项目，梳理所需的技能并协调各IT分支的力量进行支持。由于网络、安全或基础设施的问题，已经有太多的大数据项目栽了跟头。缺乏大数据分析技能一家零售公司的首席执行官不认同亚马逊规模化、扁平化的服务模式，因此让CIO构建一个客户推荐引擎。项目最初的规划是半年为期，但是团队很快认识到诸如协同过滤(collaborativefiltering)之类的概念无法实现。为此，一个团队成员提出做一个“假的推荐引擎”，把床单作为唯一的推荐产品。这个假引擎的工作逻辑是：买搅拌机的人会买床单，买野营书籍的人会买床单，买书的人会买床单。就是如此，床单是唯一的、默认的推荐品。尽管可笑，这个主意其实并不坏，默认的推荐也能给企业带来销售上的提升。但是，由于大数据相关技能的缺失，真正意义上的引擎未能实现。提出了错误的问题一家全球领先的汽车制造商决定开展一个情感分析项目，为期6个月，耗资1千万美元。项目结束之后，该厂商将结果分享给经销商并试图改变销售模式。然后，所得出的结果最终被证明是错误的。项目团队没有花足够的时间去了解经销商所面临的问题或业务建议，从而导致相关的分析毫无价值。应用了错误的模型。某银行为判断电信行业的客户流失情况，从电信业聘请了一位专家，后者也很快构建了评估用户是否即将流失的模型。当时已进入评测验证的最后阶段，模型很快就将上线，而银行也开始准备给那些被认为即将流失的客户发出信件加以挽留。但是，为了保险起见，一位内部专家被要求对模型进行评估。这位银行业专家很快发现了令人惊奇的事情：不错，那些客户的确即将流失，但并不是因为对银行的服务不满意。他们之所以转移财产(有时是悄无声息的)，是因为感情问题——正在为离婚做准备。可见，了解模型的适用性、数据抽象的级别以及模型中隐含的细微差别，这些都是非常具有挑战性的。管理层阻力尽管数据当中包含大量重要信息,但Fortune Knowledge公司发现有62%的企业领导者仍然倾向于相信自己的直觉,更有61%的受访者认为领导者的实际洞察力在决策过程中拥有高于数据分析结论的优先参考价值。选择错误的使用方法企业往往会犯下两种错误,要么构建起一套过分激进、自己根本无法驾驭的大数据项目,要么尝试利用传统数据技术处理大数据问题。无论是哪种情况,都很有可能导致项目陷入困境。提出错误的问题数据科学非常复杂,其中包含专业知识门类(需要深入了解银行、零售或者其它行业的实际业务状况);数学与统计学经验以及编程技能等等。很多企业所雇用的数据科学家只了解数学与编程方面的知识,却欠缺最重要的技能组成部分——对相关行业的了解，因此最好能从企业内部出发寻找数据科学家。缺乏必要的技能组合这项理由与“提出错误的问题”紧密相关。很多大数据项目之所以陷入困境甚至最终失败,正是因为不具备必要的相关技能。通常负责此类项目的都是IT技术人员——而他们往往无法向数据提出足以指导决策的正确问题。与企业战略存在冲突要让大数据项目获得成功,大家必须摆脱将其作为单一“项目”的思路、真正把它当成企业使用数据的核心方式。问题在于,其它部门的价值或者战略目标有可能在优先级方面高于大数据,这种冲突往往会令我们有力无处使。大数据孤岛大数据供应商总爱谈论“数据湖”或者“数据中枢”,但事实上很多企业建立起来的只能算是“数据水坑儿”,各个水坑儿之间存在着明显的边界——例如市场营销数据水坑儿与制造数据水坑儿等等。需要强调的是,只有尽量缓和不同部门之间的隔阂并将各方的数据流汇总起来,大数据才能真正发挥自身价值。在大数据技术之外遇到了其它意外状况。数据分析仅仅是大数据项目当中的组成部分之一,访问并处理数据的能力同样重要。除此之外,常常被忽略的因素还有网络传输能力限制与人员培训等等。回避问题有时候我们可以肯定或者怀疑数据会迫使自身做出一些原本希望尽量避免的运营举措,例如制药行业之所以如此排斥情感分析机制、是因为他们不希望将不良副作用报告给美国食品药品管理局并承担随之而来的法律责任。在这份理由清单中,大家可能已经发现了一个共同的主题:无论我们如何高度关注数据本身,都会有人为因素介入进来。即使我们努力希望获取对数据的全面控制权,大数据处理流程最终还是由人来打理的,其中包括众多初始决策——例如选择哪些数据进行收集与分析、向分析结论提出哪些问题等等。为防止大数据项目遭遇失败，引入迭代机制是非常必要的。使用灵活而开放的数据基础设施,保证其允许企业员工不断调整实际方案、直到他们的努力获得理想的回馈，最终以迭代为武器顺利迈向大数据有效使用的胜利彼岸。

『伍』 大数据真的是“未来的新石油”

大数据真的是“未来的新石油”

当前IT业最热门的话题应该就是大数据了，这个两年前才被炒作起来的概念，现在已无处不在，占居了互联网的半壁江山，它与云计算一起成为未来信息技术发展最重要的内容。处于IT行业的人们，如果不知道大数据，不了解大数据所创造的那些神话般的故事，就好象已经跟不上信息技术的发展，成为时代的落伍者了。

那么什么是大数据？现在还没人能给出一个确切的答案，它同云计算一样，是一个形象但却笼统的概念。大家一致的理解是从4V的角度来描述这一概念的内涵。所谓4V就是说大数据具有体量巨大（Volume）、种类繁多（Variety）、实时处理（Velocity）、数据真实（Veracity）的特性。信息技术的发展，使互联网遍布世界的每个角落，各种各样的信息都可通过网络进行传播。世上所发生的每件事情，人类所进行的每项思考，社会所进行的每点进步，知识所增加的每种内容都可通过互联网进行汇集。网络技术、传感技术与射频技术使各种事物都可产生大量数据。事物的内容、时空、方位、特性都可转化为数据，这些经济的、社会的、规范的、杂乱的、简单的、复杂的等各式各样的数据代表了不同事物的内涵。代表不同事物的海量数据可以通过网络进行汇集，汇集后的整体数据反应了事物的本质特性或发展趋势。而这种反应事物本质特性或发展趋势的数据具有一定的价值，通过高性能计算机的数据提取、价值分析、数据表达等大数据技术，可以从大数据中把这些价值提取出来。不同的需要可以提取出不同的价值，所有的价值都可以为人类服务，这就是大数据的本质。

大数据，这一鲜明而又形象的概念之所以如此引人注目，是因为许多像亚马逊、谷歌这样的大公司为它杜撰了无数神话般的故事。每一个故事都告诉人们，大数据具有无所不能的洞察力。它可以象伟大的先知一样预测未来，可以利用玄妙的相关关系推测人的喜好，可以利用宠大的数据窥探人的内心，可以利用趋势分析引导人的行为，甚至可以用事物发展曲线来控制人的思维，改变人类社会的发展方向。

大数据利用最多的地方是商业领域。大家都知道尿布与啤酒的故事，通过大数据分析，找出这两个毫不相干的事物之间的关联，利用推荐系统，向不同用户提供不同的产品推销方案，提高产品的销售量；另一个众所周知的故事就是通过购物记录来分析少女怀孕的案例，通过分析用户的购买行为，推测用户的现在状态与未来需求。尽管这一案例因为侵犯别人隐私而广受批评，但却说明了大数据分析在商业领域的价值。还有无数这样或那样的故事，都说明大数据在分析人们的喜好与购买习惯上的巨大作用，利用这种分析，商家可以更好地进行营销。权威的市场调查机构说，大数据将会改变未来的商业规则，实时竞价系统（RTB）、更加智能的推荐系统以及基于大数据的商业智能分析（BA），使企业能够生产更加适合用户喜好的产品，能够找到向用户推销产品更好的方法，能够为用户提供更好的服务，能够利用有限的资源产生更多的效益，大数据的这些功能将会使经济社会更快更好地发展。

大数据的另一个应用领域就是社会公共领域。利用大数据，政府可以更好地管理社会，为社会提供更好的公共服务；教育部门可以更好地获取与传播知识，提高民众的素质；卫生部门可以预测重大流行疾病的发生，提前作出防范预警；安全部门可以监控社会状况，确保国家不受破坏。谷歌公司前几年利用大数据绘制了“世界流感地图”^[1]用来帮助人们了解世界各地流感的发病情况；利用大数据预测禽流感在各地的爆发趋势，为民众提供预防建议，向卫生部门提供监控资料。在公共安全领域，大数据也有巨大的作用，如美国就建立了基于各种传感技术与大数据技术的网络监控系统，预测重大社会公共事件的发生，比如爆发大规模游行活动、可能遭受的恐怖袭击等。

随着科技的发展，大数据的应用也延伸到个人服务领域。穿戴式设备的产生标志着信息技术的发展到了以人为中心的阶段。像谷歌眼镜、苹果手表这样的穿戴式设备把技术与人体结合在起来，使人类可以更加便捷得获取信息。这些穿戴式设备利用大数据为个人提供学习、生活、健康等方面的数据服务。大数据通过穿戴式设备发挥其作用，同时穿戴式设备本身也成为收集数据、构建大数据的来源。穿戴式设备作为一种工具，大数据是其服务的内容。

大数据有如此巨大的作用，让一些信息技术发达的国家倍加关注，很多大型信息公司也把大数据当作公司未来发展的重点。美国是当今世界最为重视大数据发展的国家，也是利用大数据较好的国家。美国政府把大数据作为未来信息技术发展的重中之重，认为大数据将引起信息技术发展的革命，改变未来社会的发展模式。2012年3月美国政府发布了《大数据研究和发展倡议》，把大数据称作“未来社会发展的新石油”，把发展大数据研究提到国家战略的高度上来。为掌控这一“未来的新石油”，引领世界技术发展方向，联邦政府制定了大数据研究发展计划，推进相关研究机构进行科技研究和创新发现。改进从海量数据中提取价值的方法，提高从数据中获取知识的能力，加速美国在科技领域中的前进步伐，确保美国在信息技术领域的领先地位。美国政府指定了国家科学基金（NSF）、国家卫生研究院（NIH）、能源部（DOE）、国防部（DOD）、国防部高级研究计划局（DARPA）、地质勘探局（USGS）6个联邦部门来负责推进大数据的研究，并计划投资2亿美元用来研究收集、储存、保留、管理、分析和共享海量数据的技术。

政府的投入与政策的支持，使那些本来就注重大数据研究的公司更加主动，纷纷加大对大数据研发与利用的投入，取得了不菲的成绩。如Apache基金会开发的Hadoop分布式处理系统，经过不断发展完善，现已成为大数据处理的标准结构；微软开发的Windows Azure平台使大数据的处理更加人性化、简易化；还有其它公司，经过不断的创新研究让大数据技术更加完善、更加实用。技术的发展使大数据的价值更加突显，人们对它的期望也不断提高。据说谷歌公司利用大数据不但可以预测流感的发生，也可预测美国的经济复苏情况；不但可以预测明年服装的流行色，也可预测某位娱乐名星是否可以红遍世界。谷歌公司最近一个广为流传的大数据案例就是，在2013年的奥斯卡电影节上，它预测准了大部分的奥斯卡奖项得主。Facebook也是利用大数据的典型公司，大数据是这家社交网站最大的价值所在。通过对大量社交信息的分析，Facebook可以了解用户的生活习惯与购买喜好，利用定向推荐广告，为这家年轻的公司每年创造上百亿的产值。

还有许多真实的或杜撰的有关大数据的美妙故事，每一个都反应了大数据在某一领域的巨大作用，这些故事的汇编，给人们描绘了一个大数据主宰的奇幻世界。在那里，人们利用大数据可以预测任何一件事情的发展趋势，可以完成一切不可能完成的事情。每一个人都是先知、都是智者，在大数据的支持下，每一个人都通天文、晓地理，前知一千后知八百，如齐天大圣般十八般武艺样样精通。然而真的是这样吗？

可惜的是，理想很丰满，实现很骨感。至少在当前大数据还没有那么大神奇，就连谷歌公司所说的利用人们的检索词可以用来预测流感的发展这种人人都相信的故事也没能发生。当H7N9在中国出现的时候，谷歌没能给出任何有关这一流感发生与发展的预测，更不用说事先给民众发出预警，提醒人们防范了；欧洲的金融危机持续了五六年，至今没有一家大数据公司能预测这场金融危机何时结束，就连未来是向好还是向坏发展的方向都不能预测；在商业领域，个性化广告推荐这种理应可以做好的事，大数据也没能表现出其超强的功用。最近经过大数据改造的淘宝网个性推荐系统没比五六年前好多少；号称利用大数据使图书销售量大幅增加的亚马逊网站上推荐的书，没有一本是我喜观的。

2013年4月15号，波士顿马拉松比赛现场发生了震惊世界的恐怖袭击^[4]。美国人悲伤地发现，那些基于现代信息技术与大数据分析的网络监控系统，并没能确保国家的安全，大数据分析在防范恐怖袭击方面，并不象人们所期望的那样有效。看来这个被称为未来技术竞争至高点的大数据，在当下还不能如人们所期望的那样有用。

产生如此悲观想法的原因，一是虽然大数据可能代表了未来信息技术发展的方向，具有光明的前景。但是在人们的意识与相关的配套技术还没有发展起来的情况下，大数据还不能发挥其巨大作用。二是大数据还没有一个确切的定义，它所具有的内涵还不能被清晰地诠释。美国把大数据被称作“未来的新石油”，然而石油是不可再生的，数据却是随时随地都在产生，越是往后产生的数据越多，数据的准确性越高，对数据的处理能力越强，这让人们对现在就收集并占有大量数据的必要性产生怀疑；还有从大数据中提取价值首先要有需求，没有需求就不知道从大数据中提取什么，当人们的思维还没有发展到可以完全掌控数据，还不知道大数据到底有什么用处时，很难对其产生需求；没有需求就没有数据收集的方向，没有方向的收集就会造成巨大浪费；在方向不明的时候，唯一可做的就是收集所有可能收集到的数据，然而这样不但会给数据的存储、管理造成具大的成本，也会产生一些法律的问题，例如是否会侵犯他人隐私等。再有，随着科技的发展，穿戴式设备会不断智能化并在生活中得以普及，这种以人为中心的智能设备本身就会不断分析所取得的数据，提取个人的喜好等特性，学习与适应人个的品性，具有人的品性特征，这样就使得从大数据中分析人的品性失去了意义。

以上这一切都让人们对大数据的发展未来产生了怀疑。因此，当美国制定大数据发展战略，把它看成“未来的新石油”时，世界其它国家虽然也十分重视这一技术的发展，却没有制定相关发展战略。这有可能是其它国家在大数据技术方面落后于美国，还不能制定明确的发展目标，也可能是人们对这一技术的发展前景还没有一个清楚的认识，无法确定大数据是否真的可以引领未来技术的发展方向。因此，我们还是暂时忘了大数据吧！别再关注那些炙热的概念炒作，静下心来认认真真地想一想大数据的真正内涵。

以上是小编为大家分享的关于大数据真的是“未来的新石油”的相关内容，更多信息可以关注环球青藤分享更多干货

『陆』 Google数据中心发生电气事故，3人受伤，后续赔偿工作将会如何进行

后续赔偿工作将会照常进行，Google表示工人的健康和安全是他们绝对的首要任务，所以后续的赔偿工作无需担心，目前最重要的是工作人员的健康问题， 公司将会全力抢救和医治受伤工作人员，除此之外他们也在努力调查事故原因，官方暂时并未公开后续的赔偿详细事宜，相信Google也一定会处理好此事，这次Google全球最大数据中心发生电气事故，官方也非常重视此事，必然也会妥善好后续的所有工作。

后续的赔偿工作会根据规定正常进行，公司针对赔偿方面有相关的规定，Google一直都在工作人员的安全和健康放在首位，必然不会忽视后续的赔偿工作，目前最重要的是就是工作人员的生命安全，同时需要加强各方面的安保工作，避免类似事故的发生。

『柒』 大数据可以应用在哪些方面

可以应用在云计算方面。

大数据具体的应用：

1、洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。

2、google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。

3、统计学家内特.西尔弗(Nate Silver)利用大数据预测2012美国选举结果。

4、麻省理工学院利用手机定位数据和交通数据建立城市规划。

5、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。

6、医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。

7、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。

8、为成千上万的快递车辆规划实时交通路线，躲避拥堵。

9、分析所有SKU，以利润最大化为目标来定价和清理库存。

10、根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。

(7)谷歌大数据案例扩展阅读：

大数据的用处：

1、与云计算的深度结合。大数据离不开云处理，云处理为大数据提供了弹性可拓展的基础设备，是产生大数据的平台之一。

自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。

2、科学理论的突破。随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。

参考资料：

网络--大数据

『捌』 大数据和智慧交通有哪些应用的案例

大数据方面的应用案例

在医疗方面，纽约的mountsinai医院利用数千名患者的数据、历年汇报的流感爆发数据等数据与病毒的变异过程做交叉比对。通过这种工作，科学家和医生可以预测病毒如何传播，以及对抗这些病毒的最佳途径；甚至有可能使用预测分析来判断病毒的传播方式，然后采取行动来限制这一传播。据说这家医院有望在未来阻止流感的发生。

在交通方面，浙江某城市与英特尔合作，安装了1000个数字监控设备，100个智能监测点系统，超过300个检查点的电子警察，和500多个视频监控系统。通过更有效地监测交通和拥堵数据，改善交通流量，减少道路交通事故。

在废物处理方面， 英国曼彻斯特垃圾处理局有一套系统，能够利用数据使得产生的垃圾被尽可能多的再次利用。通过对来自不同地区的卡车进出加工厂时进行称重，能够了解每个地区所产生的垃圾数量。这些数据帮助当局出台了相应的政策，鼓励那些特定的社区更好的垃圾回收和垃圾减量。

在建筑方面， 住房慈善机构hact从400,000座住房中持续不断地收集数据，并进行了各种数据分析。通过数据来发现设计、建造、布局中存在的潜在问题，进而在建造新的楼宇时优化相关的参数，避免这些问题，改进政府保障房的的维修，规划空间合理使用。

智能应用服务，Google提供的大数据分析智能应用包括客户情绪分析、交易风险（欺诈分析）、产品推荐、消息路由、诊断、客户流失预测、法律文案分类、电子邮件内容过滤、政治倾向预测、物种鉴定等多个方面。据称，大数据已经给Google每天带来2300万美元的收入。例如，一些典型应用如下：

（1）基于Map Rece，Google的传统应用包括数据存储、数据分析、日志分析、搜索质量以及其他数据分析应用。

（2）基于Dremel系统， Google推出其强大的数据分析软件和服务 — BigQuery，它也是Google自己使用的互联网检索服务的一部分。Google已经开始销售在线数据分析服务，试图与市场上类似亚马逊网络服务(Amazon Web Services)这样的企业云计算服务竞争。这个服务，能帮助企业用户在数秒内完成万亿字节的扫描。

（3）基于搜索统计算法，Google推出搜索引擎的输写纠错、统计型机器翻译等服务。

（4）Google的趋势图应用。通过用户对于搜索词的关注度，很快的理解社会上的热点是什么。对广告主来说，它的商业价值就是很快的知道现在用户在关心什么，他们应该在什么地方投入一个广告。据此，Google公司也开发了一些大数据产品，如“Brand Lift in Adwords”、“Active GRP”等，以帮助广告客户分析和评估其广告活动的效率。

（5）Google Instant。输入关键词的过程，Google
Instant 会边打边预测可能的搜索结果。

谷歌的大数据平台架构仍在演进中，追去的目标是更大数据集、更快、更准确的分析和计算。这将进一步引领大数据技术发展的方向。

在竞选方面，直到2012年，奥巴马的数据团队对数以千万计的选民邮件进行了大数据挖掘，精确预测出了更可能拥护奥巴马的选民类型，并进行了有针对性的宣传，从而帮助奥巴马成为了美国历史上唯一一位在竞选经费处于劣势下实现连任的总统。只要数据量够大，够及时，挖掘够深刻，就可以洞悉每个选民的投票几率。

在教育方面，"以物联网、云计算等综合技术的成熟为基础，在学生管理数据库中挖掘出有价值的数据，经过过程性和综合性的考虑，找到学生各种行为之间的内在联系，考量背后的逻辑关系，并作出恰当的教学决策。以某集团最新出版的全球少儿美语旗舰课程为例，引入了首款应用于少儿英语学习领域的MyEnglishLab在线学习辅导系统（以下简称MEL），应用大数据技术全程实时分析学生个体和班级整体的学习进度、学情反馈和阶段性成果，从而及时找到问题所在对症下药，实现对学习过程和结果的动态管理。

智慧交通的应用案例

根据ITS114的不完全统计，截至2015年12月31日，包括城市智慧交通和高速公路机电市场的全年千万项目统计规模为182.5亿，其中主要分为四大市场1.交通管控市场千万项目规模为84.24亿。2.智慧交通/智能运输市场千万项目规模为20.33亿。3.高速公路机电市场千万项目规模为75.8亿。4.平安城市千万项目规模为56.6亿。以上四个市场都有着很多的智慧交通方面的应用案例。

具体的在交通管控市场方面， 当前各个省积极构建的交通运行监测与应急指挥系统，还有围绕着视频、图像分析，从而实现在治安、交通、工业制造、汽车、人工智能等等诸多领域的应用亦是智慧交通的典型案例。如深圳榕享的"交通仿真与智能管控机器人"可实时采集视频检测数据与线圈检测数据，将采集的交通流数据、信号配时等数据输入到建立的仿真路网模型中，进行实时的交通系统仿真。通过一体化交通仿真模型，机器人能快速找出路网拥堵点以及分析路网的常发性拥堵点，并对交通流运营状况的演变进行预测和分析。在交通仿真与智能管控机器人平台上，还可对城市的任意交叉口的交通环境进行设置，周边居民可将相关建议"告知"机器人，实时模拟交叉口改良效果，实现全民参与、全民实践、全民创新的交通管理新模式。

智慧交通/运输方面各种“专车”“快车”“拼车”“代驾”平台类和软件数据类的实例比比皆是，如我们都熟知的“滴滴快递”“uber"“e代驾”等app应用。

交通工具新型技术案例方面：如无人驾驶、自动驾驶、智能车等等；在2015年12月互联网大会上李彦宏展示的无人车，李书福展现的自动驾驶技术都体现了当前智能交通工具的发展。 更近一点的是，汽车电子标识、ETC、车路协同。2015年的新能源客车市场呈爆发性增长，新能源客车销量达到37363辆，同比增长213.19%，同时2015年国务院印发《新能源公交车推广应用考核办法（试行）》、《电动汽车充电基础设施发展指南》等等政策文件，可预见的是新能源汽车将会造就一个巨大的市场，建立在新能源汽车之上的车联网也将搭上顺风车。

平安城市也有很多已经成型的智慧交通案例。平安城市是基于GIS数字地图技术，高度整合治安监控、智能交通、数字城管、应急指挥等子系统，改变传统的静态管理和单点管理，实现实时、动态的联动管理新模式，实现了整个城市的治安、交通、城管、应急联动等各个职能部门的联动，建立了高效的城市部门联动机制，提高了城市的集成化、智慧化管理水平。根据高清视频监控系统的特点和应用需求，结合当前与今后一定时期内图像监控系统与图像应用系统的发展需要，建设一套先进的平安城市综合应用平台，为指挥调度、调查取证、应急处置、交通管理等多种后台应用提供及时、可靠的视频图像信息，服务于实战。市面上常见的平安城市系统具备的主要功能大部分都有：人脸卡口功能；交通事件检测功能；智能检索功能；道路违法抓拍功能；车辆稽查布控功能；非现场执法；分析研判功能；交通事态监控功能；视频质量检测功能；智能应用管理功能；数据格式及通信功能；远程控制功能；指挥调度功能；勤务管理功能； 设备运行状态监测功能。

『玖』 大数据分析中有哪些有意思的东西

给你介绍几个大数据的有趣应用案例，你就知道大数据的有意思的地方了版

1.啤酒与尿布（这个权非常古老和经典的了）

2. 数据新闻让英国撤军

3.意料之外：胸部最大的是新疆妹子

4.腾讯圈子把前女友推荐给未婚妻

5.“魔镜”预知石油市场走向

6.Google成功预测冬季流感

7.大数据与乔布斯癌症治疗

8.奥巴马大选连任成功

9.微软大数据成功预测奥斯卡21项大奖

10超市预知高中生顾客怀孕

大数据挖掘的乐趣有很多很多的，远远不止上述，实际上，大数据在越来越多的领域创造着一个又一个的经典案例

『拾』 谷歌搜索崩了！官方回应：数据中心发生事故三人受伤，事故原因是什么

现如今这起事故的发生原因仍在调查当中，而且当时是因为谷歌数据中心发生了爆炸，才会导致这三名人员受伤，也可能是因为附近的一个变电站工作时发生了电气爆炸，才会导致这种意外的发生，现如今官方已经进入到这起事件的调查当中。