⑴ 浜戣＄畻婕旇茬
銆銆2015骞10鏈7鏃ワ紝鏈骞村害鐨勪簹椹閫夾WS re:Invent 2015澶т細鍦ㄧ編鍥芥媺鏂缁村姞鏂鍙寮銆傛潵鑷鍏ㄧ悆鐨1涓9鍗冧汉鍜屽悇鍥芥妧鏈濯掍綋鍙傚姞浜嗘湰娆″ぇ浼氾紝灏嗘湁270涓鍐呭瑰垎浜锛屽叾涓涓夊垎涔嬩竴鐨勮棰樼敱AWS鐨勫悎浣滀紮浼存壙鍔炪傝窡鍘诲勾涓鏍 涓婚樻紨璁茬敱AWS楂樼骇鍓鎬昏丄ndy Jassy涓昏诧紝涓涓鍗婂皬鏃剁殑鍐呭瑰己璋冩渶澶氱殑鏄锛孉WS鎬庢牱甯鍔╁㈡埛鏇村姞涓嶅彈鏉熺細鍦颁娇鐢ㄤ簯璁＄畻鏈嶅姟銆
銆銆鏉ヨ嚜Gartner鐨勬姤鍛婃樉绀猴紝AWS鐜板湪鏈変竴鐧惧氫竾娲昏穬鐢ㄦ埛锛屽湪杩囧幓鐨勫嚑骞撮噷锛孍C2鐢ㄦ埛姣忓勾澧炲箙涓95%锛孲3鐨勭敤鎴锋瘡骞村炲姞120%锛屾ゅ栵紝鍏舵暟鎹搴撲娇鐢ㄥ炲箙涓127%銆傝嚜棣栨″叕寮2014骞碅WS涓氬姟璐㈡姤浠ユ潵锛孉ndy Jassy鍦ㄦ紨璁蹭腑閫忛湶AWS鐨勮勬ā淇濇寔浜80%鐨勫勾澧為暱锛屽凡杈73浜跨編鍏冦
銆銆寮规ц祫婧愭樉鐒舵槸鍚勮屽悇涓氶兘鍦ㄤ娇鐢ㄤ簯璁＄畻鐨勯噸瑕佸師鍥狅紝浣嗗湪Andy Jassy鐪嬫潵杩樻湁涓涓鏇翠负閲嶈佺殑鍥犵礌鈥斺旈偅灏辨槸鈥滆嚜鐢扁濄備负浜嗗疄鐜拌繖绉嶁滆嚜鐢扁濓紝鍦ㄨ繃鍘荤殑涓夊勾閲岋紝AWS鏍规嵁鎴愬崈涓婁竾瀹㈡埛鐨勪笉鍚岄渶姹傚圭郴缁熻繘琛屼簡閲嶅戯紝 澶ч噺鐨処SV鍏鍙搞佷笂鍗冧釜绯荤粺闆嗘垚鍟嗕互鍙婃洿澶氱殑鍒涗笟鍏鍙稿湪AWS涓婂緱浠ラ珮閫熷彂灞曘傚叿浣撴潵璇达紝杩欎釜搴炲ぇ鐨勭敓鎬佺郴缁熸湁浠ヤ笅鍑犱釜鐗圭偣銆
銆銆浣跨敤IT鍩虹璁炬柦鐨勮嚜鐢憋細鏄捐屾槗瑙佺殑鏄锛岀敤鎴峰笇鏈涗簯鍘傚晢鍩虹璁炬柦鐨勬敮鎸佽兘鍔涘崄鍒嗗己澶э紝甯屾湜鑳芥湁缁熶竴鐨勫钩鍙版彁渚涙墍鏈夌殑鏀鎸併俁ob Alexander鈥斺旂編鍥芥渶澶х殑閾惰屼箣涓Capital One鐨 CIO鍦ㄦ湰娆″ぇ浼欿eynote涓鐧诲彴銆傛牴鎹瓹apital One鐨勭粺璁★紝绉诲姩绔宸茬粡瓒呰繃鍏朵粬骞冲彴鎴愪负瀹㈡埛鏈闈掔潗鐨勪娇鐢ㄦ柟寮忥紝鍥犳や粬浠闇瑕佷笉鏂浼樺寲鐢ㄦ埛浣撻獙銆侰apital One鏈韬鏈夊緢濂界殑鎶鏈璧勬簮锛屽叾
銆銆鍐呴儴鐩涜屽紑婧愭枃鍖栵紝寮鍙戣呰嚦涓婄殑鐞嗗康娣卞叆浜哄績锛屼娇鐢ˋWS涓篊apital One鍚稿紩浜嗗緢澶氫紭绉鐨勪汉鎵嶃傚脊鎬ц祫婧愬归噾铻嶆満鏋勮嚦鍏抽噸瑕侊紙灏ゅ叾鏄鐢靛晢鍙戝睍甯︽潵鐨勬敮浠橀渶姹傦級锛岄櫎姝や箣澶栵紝AWS鍦ㄥ畨鍏ㄥ拰楂樺彲鐢ㄦ柟闈涔熷ぇ澶ф弧瓒充簡 Capital One鐨勯渶姹傘傗淢obile is the new wallet銆傗濇渶鍚嶳ob Alexander濡傛槸璇淬 鎸栨帢鏁版嵁鐨刞鑷鐢憋細浜戣＄畻浣垮緱鏁版嵁鐨勮幏鍙栧拰鑾峰彇鏇翠负瀹规槗锛岃繎鏈烝WS鎺ㄥ嚭浜嗗緢澶氭暟鎹搴撴柟闈㈢殑鏂版湇鍔°備互鍓嶅彧鏈夋妧鏈浜哄憳鎺屾彙鏁版嵁鍒嗘瀽鐨勮兘鍔涳紝鐜板湪浠讳綍鐨勯潪鎶鏈浜哄憳锛堝備笟鍔′汉鍛橈級鍊熷姪AWS涔熻兘澶熸嫢鏈夎繖鏂归潰鐨勮兘鍔涖傞殢鐫Andy Jassy瀹ｅ竷鎺ㄥ嚭浜咥mozon QuickSight锛 鐜板満鎺屽０鍜屾㈠懠涓鍚屽搷璧枫侫mozonQuickSight浣垮緱鏁版嵁澶勭悊閫熷害鏋佸ぇ鎻愬崌锛屾暟鎹鍙瑙嗗寲鏁堟灉澶т负鏀硅傦紝闄ゆや箣澶栫敤鎴峰彲浠ュ熷姪鎺屼笂璁惧囩Щ鍔ㄥ寲澶勭悊鍜屽垎鏋愭暟鎹銆傜敱浜庨噰鐢ㄦ瀬绠鐨勮捐″師鐞嗭紝 瀵笰mozonQuickSight鐨勭幇鍦烘紨绀鸿╀汉鍗佸垎鎯婅躲備笉鍚岀殑鏁版嵁婧愮殑鑷鍔ㄨ瘑鍒銆佷笉鍚屾暟鎹绫诲瀷鐨勮嚜鍔ㄥ叧鑱斻佹渶浣宠櫄鎷熷寲鏂规堢殑鑷鍔ㄩ夋嫨銆佸垎鏋愬伐鍏风殑鏅鸿兘鎺ㄨ崘寮曠殑澶у 鐫佸ぇ浜嗙溂鐫涳紝瀵瑰垎鏋愮粨鏋滅殑鍏ㄦ搷浣滅郴缁熸敮鎸佸拰鍥㈤槦鍏变韩鏇存槸浠や汉绉拌禐銆傛讳箣锛屽摢閲屼笉浼氱偣鍝閲岋紝鏁版嵁鍒嗘瀽灏辨槸杩欎箞绠鍗曘 璁╂暟鎹鍦ㄤ簯闂寸┛姊鐨勮嚜鐢憋細闅忕潃鐗╄仈缃戠殑鍙戝睍锛岃秺鏉ヨ秺澶氱殑鏁版嵁姝ｅ湪浠庡悇绫荤粓绔浜х敓锛岃繖浜涙暟鎹涔熻佷笉鏂琚浼犺緭鍒颁簯涓婏紝鎵鏈夌殑杩囩▼閮藉簲璇ユ槸鑷鍔ㄥ寲鐨勶紝褰撶劧杩欎釜杩囩▼涔熷緱鏄鍔犲瘑鐨勩傞殢鍗矨ndy Jassy瀹ｅ竷浜嗗疄鏃舵暟鎹娴佸伐鍏
銆銆Amozon Kinesis Firehose銆傞拡瀵瑰ぇ鏁版嵁閲忕殑鎯呭喌锛屼汉浠鍙堣ュ備綍搴斿逛笂浜戠殑闂棰樺憿锛熷彟涓涓浠や汉鎺変笅宸寸殑鏂规堝彨Amazon Snowball锛屼綘鑳芥兂璞UPS鎶婁竴涓涓淇濋櫓绠卞ぇ灏忕殑鐩掑瓙蹇閫掑埌AWS灏卞畬鎴愪簡PB绾у埆鏁版嵁涓婁簯浼犺緭鐨勯毦棰樺悧锛烝mazon Snowball涔嬮棿鍙浠ラ氳繃100G缃戠粶浜掕仈锛屽綋鐒朵篃鏀鎸佸姞瀵嗐
銆銆闃茬℃敼銆侀槻鎾炲嚮绛夊畨鍏ㄧ壒鎬с傞氳繃瀵250PB鏁版嵁浼犺緭鐨勭粨鏋滄樉绀猴紝鍏舵垚鏈闄嶄綆浜80%銆傛ゅ栵紝Amazon Snowball杩樻敮鎸佷紶缁熸暟鎹鐨勮縼绉汇傝繕绛変粈涔堬紵蹇鍒颁簹椹閫婁笅鍗曞惂銆
銆銆閫夋嫨鏁版嵁搴撶殑鑷鐢憋細浼楁墍鍛ㄧ煡锛屾暟鎹搴撶殑鎶鏈鍙橀潻闈炲父缂撴參锛屽湪鏁版嵁绉绘嶆柟闈浼犵粺鍘傚晢瀵圭敤鎴锋湁鐫璇稿氶檺鍒讹紝鍐嶅姞涓婃暟鎹涓鑷存у拰姝ｇ‘鎬х殑瑕佹眰锛屽挨鍏舵槸涓嶅悓鏁版嵁搴撳紩鎿庝箣闂寸殑杩佺Щ鍙樺緱鍗佸垎鍥伴毦銆傚敖绠℃湁浜咥mazon Aurora杩欐牱鐨勪骇鍝侊紝浜氶┈閫婃樉鐒跺苟涓嶆弧瓒筹紝Amazon MariaDB浠婂ぉ姝ｅ紡鎺ㄥ嚭锛孉ndy Jassy鎺ョ潃璇达紝鈥滄斁蹇冿紝锛圓mazon MariaDB锛夋垜浠浼氫竴鐩村紑鏀俱傗濇帉澹板垰鍒氳惤涓嬶紝鍙瀹炴椂鐩戞祴鏁版嵁搴撹縼绉荤姸鍐电殑AWS DataBase Migration Server鍜屽彲杞鎹涓嶅悓鏁版嵁搴撶被鍨嬬殑Amazon Schema Conversion Tools鍙堝紩璧蜂簡涓闃靛彨濂姐
銆銆閫夋嫨杩佺Щ鏂规堢殑鑷鐢憋細鐢变簬涓氬姟鐨勫樊寮傦紝姣忎釜鍏鍙稿線浜戣＄畻杩佺Щ鐨勬柟妗堟槸涓嶅敖鐩稿悓鐨勶紝寰堝氬㈡埛鎯冲弬鑰冮偅浜涙垚鍔熺殑妗堜緥銆傞氱敤鐢垫皵鐨凜IO Jim Fowler鍥為【浜嗕笌AWS鍚堜綔4骞寸殑鍘嗗彶锛屼粬鍧﹁█锛孏E鐨勬暟鎹涓蹇冩槸鍒嗘暎鍜岀嫭绔嬬殑锛屽叾2000浜虹殑鎶鏈鍥㈤槦鎵寮鍙戠殑杞浠剁畻娉曞氨鏄疓E鏍稿績鐨勭珵浜夊姏锛岃繖浜 搴炲ぇ鐨勮祫浜ч兘闇瑕佸叆浜戙傚皾鍒扮敎澶寸殑GE璁″垝鎶婄幇鏈夌殑9000澶氫釜workload杩佺Щ鍒癆WS锛屽彧淇濈暀4000涓鍦ㄨ嚜宸辩殑鏁版嵁涓蹇冦傚湪鎰熸叏鈥滆蒋浠跺悶鍣涓 鐣屸濇椂Jim Fowler璇撮亾锛屼笟鍔″叆浜戜笉鍐嶆槸涓涓瀹為獙鎴栨祴璇曪紝鑰屾槸涓涓蹇呯劧鐨勮秼鍔裤傚叾浠栧傚焹妫鍝层佸己鐢熺瓑鍏鍙镐篃璺烝WS鏈夌潃娣卞害鐨勫悎浣滐紝涓嶇℃槸绉佹湁浜戙佸叕鏈変簯杩樻槸娣峰悎浜戯紝鐢ㄦ埛閮藉彲浠ヨ嚜鐢遍夋嫨銆
銆銆浜鍙楀畨鍏ㄧ殑鑷鐢憋細鏇惧嚑浣曟椂锛屽畨鍏ㄥ拰涓氬姟鏄涓瀵瑰啢瀹讹紙骞朵笖璺杩樼獎锛夛紝鍒涗笟鍨嬪叕鍙稿挨鐢氥侫ndy Jassy缃楀垪浜咥WS閫氳繃鐨勮稿氬畨鍏ㄨよ瘉锛屾帴鐫浠栬达紝鈥滄槰澶╂垜浠鍙戝竷浜嗚嚜宸辩殑WAF闃茬伀澧欙紱姝ゅ栨垜浠杩樻湁韬浠界＄悊銆佸箍鍙楁㈣繋鐨凜onfig妯℃澘銆傗濇ｆ槸鍥犱负杩欎簺瀹夊叏浜у搧鍜屾湇鍔″崄鍒嗗彈娆㈣繋锛孉WS鎺ㄥ嚭浜咥WS Config Rules鍜孉mazon Inspector鏉ユ弧瓒崇敤鎴峰瑰畨鍏ㄧ殑闇姹傘傗滀粠姝や綘涓嶅繀绾犵粨涓氬姟鍙戝睍鍜屽畨鍏ㄩ棶棰樼殑骞宠銆傗滱ndy Jassy楠勫偛鍦拌淬傛ｆ槸鏈変簡AWS鐨勬敮鎸侊紝Stripe浣滀负涓瀹朵笓娉ㄧ綉涓婃敮浠樼殑鍒涗笟鍏鍙稿湪杩囧幓4骞撮噷鍏朵笟鍔℃瘡骞撮兘鍦ㄧ炕鍊嶅為暱銆
銆銆璇磞es鐨勮嚜鐢憋細閫氬父鎯呭喌涓嬶紝涓涓鍏鍙镐笟鍔＄殑鍙戝睍浼氶亣鍒板叾鐜版湁IT璧勬簮鐨勯檺鍒讹紝閭ｄ簺鍏呮弧鎯宠薄鍔涘拰鍒涢犲姏鐨勫垱鏂颁細鍥犳ゅき鎶樸傝繖鏄鈥滄渶澶х殑涓瀹朵綘浠庢湭鍚璇磋繃鐨勫獟浣撳叕鍙糕濓紝銆婄忓竷鏂銆嬫潅蹇楁浘鍦ㄦ姤閬撲腑濡傛槸褰㈠筸lbam鍏鍙革紝鍏舵棗涓嬫妧鏈涓氬姟鐨勪及鍊煎彲杈50浜跨編鍏冦傚熷姪AWS寮哄ぇ鐨勬敮鎸侊紝闄や簡娴佸獟浣撴湇鍔★紝mlbam涓嶯HL鍚堜綔姝ｅ湪璁″垝鍋氭洿澶氣滀笉鍙鎬濊鈥濈殑涓氬姟銆
銆銆褰撶劧锛岃嚜鐢变笉姝㈡槸AWS鐨勮拷姹傦紝鏇存槸骞垮ぇ浜戣＄畻鐢ㄦ埛鐨勮拷姹傘傚湪琚闂閬撲腑鍥藉競鍦虹殑鎯呭喌鏃禔ndy Jassy琛ㄧず锛屽浗鍐呬簯鍘傚晢璧锋ヨ緝鏅氾紝鍥犳や骇鍝佸拰鏈嶅姟骞朵笉鍋ュ叏锛岀敓鎬佺郴缁熻勬ā涔熻緝灏忋傚逛簬AWS鍦ㄤ腑鍥藉競鍦虹殑琛ㄧ幇锛屼粬琛ㄧず鍩烘湰绗﹀悎浜氶┈閫婄殑棰勬湡銆傛ゅ栦粬杩 鎸囧嚭锛屼腑鍥芥斂搴滃瑰備綍鐩戠′簯璁＄畻灏氭棤鏄庣‘鐨勬満鍒讹紝杩欎篃涓瀹氱▼搴︿笂褰卞搷浜嗗浗澶栦簯鍘傚晢鍦ㄤ腑鍥藉競鍦虹殑杩愯惀銆
⑵ 大数据三分钟演讲稿范文
大数据三分钟演讲稿范文(一)
大数据，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、“大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。
Facebook
中国的大数据
大数据的特点：
具体来说，大灶野数据具有4个基本特征：
一是数据体量巨大。网络资料表明，其新首页导航每天需要提供的数据超过
1、5PB(1PB=1024TB)，这些数据如果打印出来将超过5千亿张A4纸。有资料证实，到目前为止，人类生产的所有印刷材料的数据量仅为200PB。
演绎历史仅需133天
二是数据类型多样。现在的数据类型不仅是文本形式，
更多的是图片、视频、音频、地理位置信息等多类型的数据，个性化数据占绝对多数。
三是处理速度快。
数据处理遵循“1秒定律”，可从各种类型的数据中快速获得高价值的信息。四是价值密度低。以视频为例，一小时的视频，在不间断的监控过程中，可能有用的数据仅仅只有一两秒。
有用数据仅为3600分之一面临大数据时代的到来，你准备好了吗?
大数据时代到来
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”
进入20XX年，大数据(bigdata)一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。它已经上过《纽约时报》《华尔街日报》的专栏封面，进入美国白宫的新闻，现身在国内一些互联网主题的讲座沙龙中，甚至被嗅觉灵敏的国金证券、国泰君安、银河证券等写进了投资推荐报告。
2、数据正在迅速膨胀并变大，它决定着企业的未来发展，虽然很多企业可能并没有意识到数据爆炸性增长带来问题的隐患，但是随着时间的推移，人们将越来越多的意识到数据对企业的重要性。正如《纽约时报》20XX年2月的一篇专栏中所称，“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。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”
大数据应用案例：
1、医疗行业
在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
2、能源行业智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭困败安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这汪辩颤个预测后，可以降低采购成本。
3、通信行业
电信业者透过数以千万计的客户资料，能分析出多种使用者行为和趋势，卖给需要的企业，这是全新的资料经济。中国移动通过大数据分析，对企业运营的全业务进行针对性的监控、预警、跟踪。系统在第一时间自动捕捉市场变化，再以最快捷的方式推送给指定负责人，使他在最短时间内获知市场行情，结合自己的经历，移动推出夜间流量包。
4、零售业
零售企业也监控客户的店内走动情况以及与商品的互动。它们将这些数据与交易记录相结合来展开分析，从而在销售哪些商品、如何摆放货品以及何时调整售价上给出意见，此类方法已经帮助某零售企业减少了17%的存货，同时在保持市场份额的前提下，增加了高利润率自有品牌商品的比例。
大数据三分钟演讲稿范文(二)
既然说到大数据，就得先了解大数据地定义。什么是大数据。试想如果未来我们一个人拥有的电脑设备超过现在全球现在计算能力的总和，一个人产生的数据量超过现在全球数据量的总和，甚至你的宠物小狗产生的信息量都超过现在全球数据量的总和，世界会发生什么呢?那么就先来看一些官方网站给出的大数据的定义。
为导出对事业起作用的数据。对于大数据商务有目的性的定义：“利用大数据解决经济和社会的问题。提高业务附加的价值。或者是支援事业”大数据不只指它的规模是多少，还有这些数据是由那些数据构成的，还有可以怎样利用大数据。由此是与到现在的系统是不同的。 用被卖出的数据基础管理工具或者是到现在为止处理数据的应用程序，来处理巨大困难的复杂数据集合，这样的词语。
再来看两个中文的。
那么大数据到底是啥。其实就是很多数据。它是把很多信息用数据的方式储存起来，然后不断累积，一直到这些数据大的没办法用简单进行利用。大数据并不是很神奇的事情。就如同电影《永无止境》提出的问题：人类通常只使用了20%的大脑，如果剩余80%大脑潜能被激发出来，世界会变得怎样?在企业、行业和国家的管理中，通常只有效使用了不到20%的数据(甚至更少)，如果剩余80%数据的价值激发起来，世界会变得怎么样呢?特别是随着海量数据的新摩尔定律，数据爆发式增长，然后数据又得到更有效应用，世界会怎么样呢?发挥想象去思考一下。
那么大数据是怎么形成的呢?
以前我们关注的都是交易系统和业务系统产生的数据，通过数据仓库去分析展现，其实终端，尤其是个人各种流水操作，例如购买物品清单，上网浏览历史，照片，微博等也有，但是不关注，而大数据时代，更多的是关注这些大量的数据，期望分析这些数据来发现价值，因此大数据其实以前在系统，终端，个人等等都在产生，只是没有加以利用而已，现在要分析这些数据从中发现价值。这才是大数据形成的原因和意义。数据再多，但如果被屏蔽或者没有被使用，也是没有价值的。中国的航班晚点非常多，相比之下美国航班准点情况好很多。这其中，美国航空管制机构一个的好做法发挥了积极的作用，说起来也非常简单，就是美国会公布每个航空公司、每一班航空过去一年的晚点率和平均晚点时间，这样客户在购买机票的时候就很自然会选择准点率高的航班，从而通过市场手段牵引各航空公司努力提升准点率。这个简单的方法比任何管理手段(如中国政府的宏观调控手段)都直接和有效。
先说一下这个打印的课本，它里面举了两个例子。对于福岛核电站的事，以及对于便利店的优势，都是利用了大数据。比如说超市，要进好多货，然后有的买的人少可能就堆积，即使减价处理也不一定能卖得掉，从而造成亏损。那么便利店，就会根据平时周围生活的人们来选择性的进货。在上班族公寓附近就多进快餐，在老年人或者中年人多一点的地方，就进一些生活用品。对于福岛核电站，如果将监测核电站的信息及时收集，并且分析就可能发现它有问题，可能会泄露，进而去解决问题避免损失。这就是预测未来可能发生的事故，这样的话可以有效的避免。再比如说，天文学家们研究天体的运动轨迹，发现更多的行星。将这些数据收集在一起就是大数据，对这些数据分析整理，就有可能计算出，未来某个行星可能会撞上地球。然后采取一些必要的措施，来将这种毁灭性的打击消除。如何认清现在呢?比如说在医学上，通过医疗设备对细胞进行观察，并根据其他测试进而推测出该细胞是不是癌细胞。如果把判断的依据变成数据化，输入到电脑中，并且再赋予她一定的学习能力，比如给他一个癌细胞，他会记住这些细胞的特征，久而久之，他的准确度会越来越高。在医学上的作用也会越快越明显。这就是对他的应用进行简单的了解。之后赵飞会更深入更仔细的讲一下这方面的内容。
那么，大数据对我们带来的都是好的么。不是的。就比如刚刚那个医学的例子。研究出的机器会让诊断癌细胞的工作人员逝去工作。就像是80年代工厂逐渐自动化一样，工人失业会
很严重。如果你是一匹马，那么你肯定不喜欢工业革命。
接下来说一下大数据现在面临的难题，就是如何利用好这些大数据，进而为人们服务，造福我们。就个例子就拿LSST来说。他是一个广域的天文望远镜，是由多个国家参与研发，现在在智利的一个山上，20XX年开始动工，并在20XX年启用查尔斯·西蒙尼和比尔·盖兹分别捐赠20XX万美金和1000万美金给LSST计划。LSST计划至今仍寻求美国国家科学基金会能拨发将近4亿美金的赞助费。。它每三天可以拍摄整个天一次。到20XX年，它会搭载一个超级数码相机，拍摄出的照片达到32亿像素。这样的照片需要1500块高清电视屏才能展示出来。LSST的照相机每年要拍摄超过人员所能分析的超过20万张影像。如果利用好了这些数据会是很大的一笔财富，但是目前还没有一个很有效的解决方法。没有那么多人力能去分析它，也没有那样的设备直接分析。所以这堆数据就是没用的数据，没有价值的。所以大数据是很有潜力的一门科学。接下来跟大家一起看一段TED的演讲视频。
演讲人是肯尼斯-库克耶《经济学人》数据我，曾任职于《华尔街日报》(亚洲版)和《国际先驱论坛报》。他是美国外交关系协会成员，CNN、BBC和NPR的定期商业和技术评论员之一。对大数据有很深的研究，听一下他是如何评价大数据的。看完这个演讲之后，在有请赵飞带来对大数据更深入的认识。