大數(shù)據(jù)的特征

大數(shù)據(jù)的定義多而雜，不同企業(yè)、行業(yè)等都從自身角度來(lái)定義大數(shù)據(jù)，意思都差不多，就一句話，大數(shù)據(jù)由巨型數(shù)據(jù)集組成，這些數(shù)據(jù)集規(guī)模超出了常用軟件在可接受時(shí)間下的收集、管理、處理和使用能力。

雖然大數(shù)據(jù)的定義沒(méi)有統(tǒng)一，但是國(guó)際知名咨詢公司IDC定義的大數(shù)據(jù)四個(gè)特征卻受到業(yè)界的廣泛接受，也就是4V特征——數(shù)據(jù)量大(Volume)、數(shù)據(jù)種類多(Variety)、數(shù)據(jù)價(jià)值密度低(Value) 以及數(shù)據(jù)產(chǎn)生和處理速度快(Velocity)。

01

數(shù)據(jù)量大（Volume）

傳感器、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、車(chē)聯(lián)網(wǎng)、手機(jī)、平板電腦等等,無(wú)一不是數(shù)據(jù)來(lái)源或者承載的方式。當(dāng)今的數(shù)字時(shí)代，人們?nèi)粘Ｉ睿ㄎ⑿?、QQ、上網(wǎng)搜索與購(gòu)物等）都在產(chǎn)生著數(shù)量龐大的數(shù)據(jù)。

大數(shù)據(jù)不再以GB或TB為單位來(lái)衡量，而是以PB（1000個(gè)T）、EB（100萬(wàn)個(gè)T）或ZB（10億個(gè)T）為計(jì)量單位，從TB躍升到PB、EB乃至ZB級(jí)別。顧名思義，這就是大數(shù)據(jù)的首要特征。

02

數(shù)據(jù)種類多（Variety）

大數(shù)據(jù)不僅體現(xiàn)在量的急劇增長(zhǎng)，數(shù)據(jù)類型亦是多樣，可分為結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在多年來(lái)一直主導(dǎo)著IT應(yīng)用的關(guān)系型數(shù)據(jù)庫(kù)中；半結(jié)構(gòu)化數(shù)據(jù)包括電子郵件、文字處理文件以及大量的網(wǎng)絡(luò)新聞等，以內(nèi)容為基礎(chǔ)，這也是谷歌和百度存在的理由；而非結(jié)構(gòu)化數(shù)據(jù)隨著社交網(wǎng)絡(luò)、移動(dòng)計(jì)算和傳感器等新技術(shù)應(yīng)用不斷產(chǎn)生，廣泛存在于社交網(wǎng)絡(luò)、物聯(lián)網(wǎng)、電子商務(wù)之中。

有報(bào)告稱，全世界結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的增長(zhǎng)率分別是32%、63%，網(wǎng)絡(luò)日志、音視頻、圖片、地理位置信息等非結(jié)構(gòu)化數(shù)據(jù)量占比達(dá)到80%左右，并在逐步提升。然而，產(chǎn)生人類智慧的大數(shù)據(jù)往往就是這些非結(jié)構(gòu)化數(shù)據(jù)。

03

數(shù)據(jù)價(jià)值密度低（Value）

大數(shù)據(jù)的重點(diǎn)不在于其數(shù)據(jù)量的增長(zhǎng)，而是在信息爆炸時(shí)代對(duì)數(shù)據(jù)價(jià)值的再挖掘，如何挖掘出大數(shù)據(jù)的有效信息，才是至關(guān)重要。

價(jià)值密度的高低與數(shù)據(jù)總量的大小成反比。雖然價(jià)值密度低是日益凸顯的一個(gè)大數(shù)據(jù)特性，但是對(duì)大數(shù)據(jù)進(jìn)行研究、分析挖掘仍然是具有深刻意義的，大數(shù)據(jù)的價(jià)值依然是不可估量的。畢竟，價(jià)值是推動(dòng)一切技術(shù)（包括大數(shù)據(jù)技術(shù)）研究和發(fā)展的內(nèi)生決定性動(dòng)力。

04

數(shù)據(jù)產(chǎn)生和處理速度快（Velocity）

美國(guó)互聯(lián)網(wǎng)數(shù)據(jù)中心指出,企業(yè)數(shù)據(jù)正在以55%的速度逐年增長(zhǎng)，互聯(lián)網(wǎng)數(shù)據(jù)每年將增長(zhǎng)50%,每?jī)赡瓯銓⒎环?。IBM研究表明,整個(gè)人類文明所獲得的全部數(shù)據(jù)中,90%是過(guò)去兩年內(nèi)產(chǎn)生的。

要求數(shù)據(jù)處理速度快也是大數(shù)據(jù)區(qū)別于傳統(tǒng)數(shù)據(jù)挖掘技術(shù)的本質(zhì)特征。有學(xué)者提出了與之相關(guān)的“一秒定律”，意思就是在這一秒有用的數(shù)據(jù)，下一秒可能就失效。數(shù)據(jù)價(jià)值除了與數(shù)據(jù)規(guī)模相關(guān)，還與數(shù)據(jù)處理速度成正比關(guān)系，也就是，數(shù)據(jù)處理速度越快、越及時(shí)，其發(fā)揮的效能就越大、價(jià)值越大。

大數(shù)據(jù)的關(guān)鍵技術(shù)

大數(shù)據(jù)技術(shù)是IT領(lǐng)域新一代的技術(shù)與架構(gòu)，是從各種類型的數(shù)據(jù)中快速獲得有價(jià)值信息的技術(shù)。大數(shù)據(jù)本質(zhì)也是數(shù)據(jù)，其關(guān)鍵技術(shù)依然不外乎：大數(shù)據(jù)采集和預(yù)處理；大數(shù)據(jù)存儲(chǔ)與管理；大數(shù)據(jù)分析和挖掘；大數(shù)據(jù)展現(xiàn)和應(yīng)用（大數(shù)據(jù)檢索、大數(shù)據(jù)可視化、大數(shù)據(jù)安全等）。

01

大數(shù)據(jù)采集和預(yù)處理技術(shù)

大數(shù)據(jù)技術(shù)的意義確實(shí)不在于掌握規(guī)模龐大的數(shù)據(jù)信息，而在于對(duì)這些數(shù)據(jù)進(jìn)行智能處理，從中分析和挖掘出有價(jià)值的信息，但前提是得擁有大量的數(shù)據(jù)。

采集是大數(shù)據(jù)價(jià)值挖掘最重要的一環(huán)，一般通過(guò)傳感器、通信網(wǎng)絡(luò)、智能識(shí)別系統(tǒng)及軟硬件資源接入系統(tǒng)，實(shí)現(xiàn)對(duì)各種類型海量數(shù)據(jù)的智能化識(shí)別、定位、跟蹤、接入、傳輸、信號(hào)轉(zhuǎn)換等。為了快速分析處理，大數(shù)據(jù)預(yù)處理技術(shù)要對(duì)多種類型的數(shù)據(jù)進(jìn)行抽取、清洗、轉(zhuǎn)換等操作，將這些復(fù)雜的數(shù)據(jù)轉(zhuǎn)化為有效的、單一的或者便于處理的數(shù)據(jù)類型。

就算是大數(shù)據(jù)服務(wù)企業(yè)也很難就“哪些數(shù)據(jù)未來(lái)將成為資產(chǎn)”這個(gè)問(wèn)題給出確切的答案。但可以肯定的是，誰(shuí)掌握了足夠的數(shù)據(jù)，誰(shuí)就有可能掌握未來(lái)，現(xiàn)在的數(shù)據(jù)采集就是將來(lái)的流動(dòng)資產(chǎn)積累。

02

大數(shù)據(jù)存儲(chǔ)與管理技術(shù)

數(shù)據(jù)有多種分類方法，有結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化；也有元數(shù)據(jù)、主數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)；還可以分為GIS、視頻、文本、語(yǔ)音、業(yè)務(wù)交易類各種數(shù)據(jù)。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)已經(jīng)無(wú)法滿足數(shù)據(jù)多樣性的存儲(chǔ)要求。除了關(guān)系型數(shù)據(jù)庫(kù)，還有兩種存儲(chǔ)類型，一種是以HDFS為代表的可以直接應(yīng)用于非結(jié)構(gòu)化文件存儲(chǔ)的分布式存儲(chǔ)系統(tǒng)，另一種是NoSQL數(shù)據(jù)庫(kù)，可以存儲(chǔ)半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)。大數(shù)據(jù)存儲(chǔ)與管理就是要用這些存儲(chǔ)技術(shù)把采集到的數(shù)據(jù)存儲(chǔ)起來(lái)，并進(jìn)行管理和調(diào)用。

在一般的大數(shù)據(jù)存儲(chǔ)層，關(guān)系型數(shù)據(jù)庫(kù)、NoSQL數(shù)據(jù)庫(kù)和分布式存儲(chǔ)系統(tǒng)三種存儲(chǔ)方式都可能存在，業(yè)務(wù)應(yīng)用根據(jù)實(shí)際的情況選擇不同的存儲(chǔ)模式。為了提高業(yè)務(wù)的存儲(chǔ)和讀取便捷性，存儲(chǔ)層可能封裝成為一套統(tǒng)一訪問(wèn)的數(shù)據(jù)服務(wù)（Data as a Service,DaaS）。DaaS可以實(shí)現(xiàn)業(yè)務(wù)應(yīng)用和存儲(chǔ)基礎(chǔ)設(shè)施的徹底解耦，用戶并不需要關(guān)心底層存儲(chǔ)細(xì)節(jié)，只關(guān)心數(shù)據(jù)的存取。

03

大數(shù)據(jù)分析和挖掘技術(shù)

大數(shù)據(jù)分析和挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含在其中的、有用的信息和知識(shí)的過(guò)程。大數(shù)據(jù)分析和挖掘涉及的技術(shù)方法很多：根據(jù)挖掘任務(wù)可分為分類或預(yù)測(cè)模型發(fā)現(xiàn)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、依賴關(guān)系或依賴模型發(fā)現(xiàn)、異常和趨勢(shì)發(fā)現(xiàn)等；根據(jù)挖掘方法可分為機(jī)器學(xué)習(xí)、統(tǒng)計(jì)方法、神經(jīng)網(wǎng)絡(luò)等。其中，機(jī)器學(xué)習(xí)又可細(xì)分為歸納學(xué)習(xí)、遺傳算法等；統(tǒng)計(jì)方法可細(xì)分為回歸分析、聚類分析、探索性分析等；神經(jīng)網(wǎng)絡(luò)可細(xì)分為前饋網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)等。

面對(duì)不同的分析或預(yù)測(cè)需求，所需要的分析挖掘算法和模型是完全不同的。上面提到的各種技術(shù)方法只是一個(gè)處理問(wèn)題的思路，面對(duì)真正的應(yīng)用場(chǎng)景時(shí)，都得按需求來(lái)調(diào)整這些算法和模型。

04

大數(shù)據(jù)展現(xiàn)和應(yīng)用技術(shù)

大數(shù)據(jù)的使用對(duì)象遠(yuǎn)遠(yuǎn)不只是程序員和專業(yè)工程師，如何將大數(shù)據(jù)技術(shù)的分析成果展現(xiàn)給普通用戶或者公司決策者，這就要看數(shù)據(jù)展現(xiàn)的可視化技術(shù)了，它是目前解釋大數(shù)據(jù)最有效的手段之一。在數(shù)據(jù)可視化中，數(shù)據(jù)結(jié)果以簡(jiǎn)單形象的可視化、圖形化、智能化的形式呈現(xiàn)給用戶供其分析使用。常見(jiàn)的大數(shù)據(jù)可視化技術(shù)有標(biāo)簽云、歷史流、空間信息流等。

我國(guó)的大數(shù)據(jù)應(yīng)用廣泛存在于商業(yè)智能、政府決策和公共服務(wù)等重點(diǎn)領(lǐng)域，疫情防控、反電信詐騙、智能交通、環(huán)境監(jiān)測(cè)等日常生活場(chǎng)景都有大數(shù)據(jù)的功勞。

大數(shù)據(jù)時(shí)代對(duì)我們駕馭數(shù)據(jù)的能力提出了新挑戰(zhàn)，也為獲得更全面、睿智的洞察力提供了空間和潛力。大數(shù)據(jù)領(lǐng)域已經(jīng)涌現(xiàn)出了大量新技術(shù)，它們成為大數(shù)據(jù)采集、存儲(chǔ)、處理和展現(xiàn)的有力武器。隨著大數(shù)據(jù)等新興技術(shù)的發(fā)展和應(yīng)用，我國(guó)“十四五”規(guī)劃提出的碳達(dá)峰碳中和、數(shù)字化轉(zhuǎn)型、數(shù)字經(jīng)濟(jì)等一系列戰(zhàn)略目標(biāo)將獲得更大的技術(shù)支撐。