大数据技术初探
大数据微专业建设初探
大数据微专业建设初探随着互联网技术的飞速发展和信息化时代的到来，数据已经成为了新的时代中最为宝贵的资源之一。
大数据技术的发展也成为了当下热门的话题之一。
为了满足市场对大数据专业人才的需求，越来越多的高校和机构开始着手建设大数据专业。
大数据微专业便是其中一种新兴的专业形式。
本文将就大数据微专业的建设进行初步探讨。
一、大数据微专业的概念大数据微专业是指面向大众提供的短期培训课程，通常由线上学习和线下实践相结合，培养学员掌握大数据的基本理论知识和专业技能。
相比于传统专业，大数据微专业更加注重实操性和职业导向，培养出更快速、更灵活、更具竞争力的专业人才。
二、大数据微专业的建设目标大数据微专业的主要建设目标在于培养具备大数据分析能力和创新意识的应用型人才。
培养学员的大数据基础理论知识，数据挖掘、数据分析和数据管理的能力，同时也培养其具备创新思维和职业素养。
三、大数据微专业的课程设置大数据微专业的课程设置通常包括了大数据概论、大数据技术基础、大数据应用案例、数据挖掘与分析、大数据管理与处理等模块。
同时还会结合实际案例进行线下实践活动，让学员真实感受到大数据的应用场景和技术要点。
四、大数据微专业的实践环节大数据微专业的实践环节主要包括实验实践、项目实训、实习就业等。
通过这些实践环节，学员可以在真实的大数据环境中应用所学知识，提高自己的实际操作能力和解决问题的能力。
五、大数据微专业的评价机制大数据微专业通常会采用多元化的评价机制，包括考试成绩、实验报告、项目成果、实习表现等多方面的评价手段。
同时也会引入行业专家进行评审，保证评价的客观性和公正性。
六、大数据微专业的师资力量大数据微专业的师资力量也是关键因素之一。
一流的师资队伍可以保证学员受到高质量的教育资源。
大数据微专业建设中需要引进具备丰富实践经验和教育经验的师资力量，同时也可以联合行业企业，邀请相关专家开展讲座和案例讲解。
七、大数据微专业的市场前景随着大数据技术的不断发展和应用，大数据专业人才的需求量也在不断增加。
应用型本科院校数据科学与大数据技术专业建设初探——以重庆三峡
2019年第12期【摘要】随着中国信息化步伐不断加快，以互联网为基础的信息体量极速增加，使大数据产业得到迅猛发展。
但是，国内高校自2016年才开始招收数据科学与大数据技术本科专业，根本无法满足各行业对大数据专业型人才的迫切需求。
特别是应用型高校对大数据技术人才的培养愈加重要，针对数据科学与大数据技术专业的教学体系改革势在必行。
为了阐述该专业的建设过程和建设设想，本文以重庆三峡学院数据科学与大数据技术专业建设为例，主要从建设背景、校企合作、建设任务等方面进行深入探讨。
【关键词】大数据；应用型；专业建设一、建设背景渝东北及三峡库区是长江上游经济带的重要组成部分，是长江中下游地区的生态环境屏障和西部生态环境建设的重点。
随着该地区经济、外贸、制造业、环境监测和治理等方面的不断发展，逐步积攒了海量的真实数据，为大数据产业的腾飞奠定了雄厚的基础。
而随着重庆市金融、信息、科教、医疗、交通、经贸、旅游等各方面的快速发展，以及智慧重庆的深入推广，工业化和信息化融合加深，未来重庆将有很强的数据生产能力，海量数据源将为大数据的创新及应用提供广阔的平台。
万州区是重庆三峡学院的所在地，该校是三峡库区腹心地带唯一的一所多科性全日制普通本科院校，在加快渝东北及库区信息化建设、为渝东北及库区培养新兴信息技术专业人员、推动渝东北及库区科技成果转化及应用等方面发挥核心作用。
万州区的制造业、商贸业、信息产业基础相对薄弱，发展升级需求强烈，空间巨大。
为此，万州区人民政府在2018年9月份出台的《重庆市万州区人民政府办公室关于印发2018年万州区新型城镇化工作要点的通知》（万州府办〔2018〕82号）中指出，需加快实施以大数据智能化为引领的创新驱动发展战略，大力推进大数据的发展与应用，全面提高万州产业集聚、科技创新、政府治理等方面的能力。
另据《广州日报》2015年的报道，数据挖掘、统计建模的人才在市场各行各业都非常紧俏。
以互联网行业为例，既有BAT等大型互联网公司的需求，也有很多新方向的创业公司对这方面人才非常渴求，如在线广告、互联网金融、社交网络等。
大数据技术及其应用研究
大数据技术及其应用研究大数据技术已经成为了当今社会的热点话题，其发展和应用影响了各个领域的行业发展。
从前几年的“数据爆炸”到如今的“数据分析”，大数据技术已经逐渐成为了企业和政府机构关注的焦点。
通过对大规模数据的收集、存储、分析和展现，大数据技术正在帮助人们实现更好、更高效的工作和生活。
本文将从技术角度对大数据技术进行探讨，总结其应用研究现状和未来发展方向。
一、大数据技术的概念和特点大数据技术是指通过对大规模数据的收集、存储、处理、分析和展现，帮助人们实现更好、更高效的工作和生活。
其发展主要依赖于计算机、网络和数据库技术的支持。
大数据技术具有三个特点：1. 数据量大：数据量非常大且增速非常快，处理这些数据的方式，对计算和存储技术提出了极高的要求。
2. 数据多样：数据来源不仅仅来自传统的结构化数据库，而且还包括非结构化数据、半结构化数据、多媒体数据等，数据的类型、格式和记录方式各异，因此需要使用多种技术进行处理。
3. 数据价值高：大数据产生的数据流动量大，数据关系复杂，对数据进行获取、整理、处理、分析和应用，可以预测未来趋势、改进业务决策、优化业务流程和提高管理效率等。
二、大数据技术的应用研究现状在各个行业中，大数据技术都在得到广泛的应用。
目前主要的应用领域包括医疗、人工智能、金融、教育、物流、制造业、物联网等。
1. 医疗领域在医疗领域，大数据技术可以帮助医生全面了解病人的生理状况，准确诊断和治疗疾病。
大数据技术还可以在该领域中应用于研究新药、开发治疗方案、制定预防和控制计划等。
2. 人工智能领域大量的数据是人工智能技术的基础，人工智能需要大量的数据作为输入，猜测输出并对其进行验证。
大数据技术将为人工智能技术的发展提供基础和素材，从而推动此领域的进一步发展。
3. 金融领域在金融领域中，大数据技术可以用于风险控制、预测市场走势、制定投资策略、开发智能信用评估等。
如基于金融行业的大数据分析，多维度、多角度获取数据可以更好地分析金融风险，减少个人和公司的投资风险。
大数据对当代统计学发展的影响初探
大数据对当代统计学发展的影响初探一、大数据对统计学的影响1. 数据量的增加传统统计学所需处理的数据往往规模较小，但是随着大数据技术的发展，我们已经可以在日常生活中接触到更加庞大的数据集。
这些数据集包括社交媒体数据、传感器数据、互联网信息等等，规模巨大、来源多样。
传统的统计方法已经不足以处理如此大规模的数据，需要引入新的方法和技术来处理大数据。
2. 数据多样性与传统统计学着重于结构化数据不同，大数据分析中所涉及的数据十分多样化，包括文本数据、图片数据、视频数据等非结构化数据。
这就需要统计学家学习新的技能和方法，来处理这些非结构化的数据并从中提炼出有价值的信息。
3. 数据处理速度大数据的处理速度要求极高，需要能够在短时间内处理大规模的数据。
传统的统计学方法难以满足这一需求，因此需要引入分布式计算、并行计算等新的技术来提高数据处理的速度。
4. 数据的价值密度大数据中包含了大量的垃圾信息，如何从海量的数据中提取出有价值的信息成为了一个挑战。
统计学需要发展新的方法和算法，来处理这一问题。
大数据的发展使得统计学需要不断创新和发展，引入新的技术和思维方式来适应数据规模大、多样性强、处理速度快、价值密度高的特点。
1. 可视化分析大数据的发展使得统计学家可以利用先进的可视化技术来展现数据内部的规律和关联。
通过数据可视化，统计学家可以更直观地展示数据分布、趋势和关联，帮助人们更好地理解数据的含义。
2. 预测分析大数据中包含着丰富的数据信息，统计学家可以利用这些数据来进行预测分析，识别潜在的趋势和规律。
通过大数据分析，可以更准确地预测未来的趋势和发展，为决策提供更为可靠的依据。
3. 数据挖掘大数据中隐藏着大量的有价值信息，统计学家可以利用数据挖掘技术来发现这些信息。
通过数据挖掘，可以发现新的规律和关联，为科学研究和商业决策提供更多的启示。
4. 个性化推荐大数据分析可以帮助企业更好地了解用户的需求和喜好，从而提供个性化的产品和服务。
走向DT时代的中国大数据产业初探
□TELECOMMUNICATIONS NETWORK TECHNOLOGY No.6
DEVELOPING STRATEGY
由于缺失原始数据资产和先期市场份额，中小企
力部分负责与数据生产加工相关的基础设施和技术要
业，特别是初创企业集中布局在数据分析和数据应用
素供应，为数据加工和价值提升提供生产工具，主要包
等低基础产业环节，投融资形势异常火爆。据中关村
括数据存储、数据处理和数据库等多个角色；数据分
数据产业联盟统计数据显示，中关村从事大数据相关
用范围，大数据产业的参与企业逐渐打破硬件和软件
命周软件”和“软件带动硬
产业呈现出以下几个新的发展特点：
件”两种新型商业模式。浪潮围绕数据存储空间和存
（1）参与主体基本完成云时代向数据时代的转型
升级
储管理服务推出了 SmartRack 系列整机柜服务器，并
析/可视化部分负责数据隐含价值的挖掘、数据关联分
的 157 家企业中，提供数据基础能力的仅有 10 余家，从
析和可视化展现等，是智力要素在数据价值中的集中
事数据分析和数据应用的企业合计超过 110 家；京津
体现，包括传统意义上的 BI、可视化和通用数据分析工
冀地区从事大数据的 427 家企业中，有 232 家致力于数
发
展
策
略
《电信网技术》2016 年 6 月第 6 期
程，将大数据产业划分为生产与集聚层、组织与管理
要素的规模化影响力逐渐淡出了新兴技术领域的热门
层、分析与发现层、应用与服务层 4 个部分；美国大数
话题。原有的云计算活跃企业纷纷根据自身的原始积
据产业知名学者 Matt Turck 则根据企业提供的大数据
大数据技术应用研究论文
大数据技术应用研究论文摘要本文旨在深入探讨大数据技术的应用及其在我国经济发展、社会进步和科技创新中的重要作用。
首先，对大数据技术的基本概念进行梳理，分析其技术特点和发展趋势。
其次，论述大数据技术在各个领域的具体应用，包括金融、医疗、城市管理、智能制造等。
接着，探讨大数据技术在推动我国经济社会发展、提升国家治理能力和创新能力方面的贡献。
最后，提出大数据技术发展的挑战和应对策略，为未来大数据技术的研究和应用提供参考。
1. 大数据技术概述1.1 概念大数据技术是指在海量数据中发现有价值信息的一系列方法和技术，包括数据采集、存储、处理、分析和可视化等方面。
大数据具有四个特点：大量（Volume）、多样（Variety）、快速（Velocity）和价值（Value）。
1.2 技术特点大数据技术具有以下特点：1. 分布式计算：通过分布式系统进行数据处理，提高计算效率。
2. 数据挖掘与分析：采用挖掘算法发现数据中的规律和关联，为决策提供依据。
3. 云计算：利用云计算平台提供数据存储、处理和分析等服务。
4. 实时数据处理：对海量数据进行实时分析，满足快速决策需求。
1.3 发展趋势1. 技术融合：大数据技术与人工智能、物联网、云计算等领域不断融合，形成新的技术方向。
2. 数据安全与隐私保护：随着数据规模的扩大，数据安全和隐私保护成为关注焦点。
3. 边缘计算：边缘计算技术的发展，使得大数据分析更加接近数据源，降低延迟。
4. 开放共享：政府、企业和社会各界加强合作，推动数据资源的开放共享。
2. 大数据技术应用领域2.1 金融领域大数据技术在金融领域应用于信用评估、风险管理、欺诈检测等，提高金融服务效率和风险控制能力。
2.2 医疗领域大数据技术在医疗领域用于疾病预测、药物研发、医疗资源优化等，提升医疗服务质量和水平。
2.3 城市管理大数据技术在城市管理领域应用于交通拥堵、环境监测、公共安全等方面，提高城市治理能力。
2.4 智能制造大数据技术在智能制造领域用于生产过程优化、设备维护、供应链管理等，提升制造业竞争力。
大数据微专业建设初探
大数据微专业建设初探大数据技术作为当今信息产业的核心驱动力之一，正日益成为各行各业发展的关键。
而在这个大数据时代，对大数据技术的需求也日益增长，因此大数据微专业的建设势在必行。
本文将从大数据微专业的概念、建设的必要性、建设的关键要素以及建设的挑战与对策等方面进行初探。
一、大数据微专业的概念大数据微专业是指以大数据技术及其应用为核心内容，为学生提供系统性、全面性的知识和技能培养的微专业课程体系。
大数据微专业课程体系主要包括大数据技术、大数据应用、大数据分析与挖掘、大数据管理与治理等内容，旨在培养学生具备对大规模数据进行采集、管理、分析和应用的能力，从而满足当前大数据产业对人才的需求。
在当前信息化浪潮的推动下，传统产业向数字化、智能化转变的趋势日益明显。
而大数据技术的应用已经深入到各行各业，成为企业发展的核心能力之一。
大数据微专业的建设具有以下几点必要性。
1. 人才需求：大数据技术的广泛应用使得大数据人才成为各行各业迫切需要的人才。
而当前的人才市场对大数据人才的需求仍然远远无法满足，因此大数据微专业的建设就显得尤为必要。
2. 行业发展：大数据技术已经成为推动产业升级和创新的关键驱动力，对于提升行业的竞争力、创造更多的就业机会、培养高素质的创新型人才等方面都具有重要意义。
3. 教育改革：大数据微专业建设对于推动传统高等教育的改革和转型、创新教学模式、促进学科交叉和融合等方面也大有裨益。
在大数据微专业的建设过程中，有一些关键要素需要特别关注和重视。
1. 课程体系：大数据微专业的课程体系应当包含大数据技术、大数据应用、大数据分析与挖掘、大数据管理与治理等方面的内容，确保学生能够全面、系统地掌握大数据相关的知识和技能。
2. 师资队伍：建设大数据微专业需要有一支高水平的师资队伍来保障教学质量，这不仅包括丰富的实践经验，还应具备前沿的学术研究成果。
3. 实践环节：为了培养学生具备实际应用能力，大数据微专业还应该设置一定的实践环节，如实习、课程项目等。
大数据微专业建设初探
大数据微专业建设初探随着信息化时代的来临，大数据技术已经成为了当今社会的重要组成部分。
大数据技术的应用不仅改变了人们的生活方式，也为企业的发展提供了全新的思路和方法。
对于大数据技术的掌握和应用已经成为了当今时代人们不可或缺的技能之一。
为了满足社会对大数据人才的需求，各级教育机构也纷纷开设了大数据相关的微专业课程，以培养更多的大数据人才。
大数据微专业的建设并非一蹴而就，需要综合考虑多方面的因素，才能够更好地满足社会的需求。
本文将对大数据微专业的建设进行初探，探讨其目标、内容、方法与评价等方面的问题，为大数据微专业的发展提供一些思路和建议。
一、大数据微专业的目标大数据微专业的目标主要是培养学生掌握大数据技术的基本理论和实际操作能力，使他们成为具备大数据分析能力和解决实际问题能力的专业人才。
具体来说，大数据微专业的目标应包括以下几个方面：1. 培养学生掌握大数据技术的基本理论知识，包括数据挖掘、数据分析、机器学习等方面的知识；2. 培养学生熟练掌握大数据技术的实际操作能力，包括数据处理、数据可视化、算法设计与优化等方面的能力；3. 培养学生具备独立解决实际问题的能力，包括了解行业需求、分析问题、提出解决方案等；4. 培养学生掌握大数据相关工具和技术，包括Hadoop、Spark、Hive等开源工具和技术的应用。
大数据微专业的内容应围绕大数据技术的理论与实践展开，主要包括以下几个方面的内容：大数据微专业的实施需要结合多种教学方法与手段，以培养学生的多方面能力。
具体来说，大数据微专业的教学方法与手段应包括以下几个方面：1.理论与实践相结合：在教学过程中，应注重理论与实践相结合，引导学生理解基本原理的进行实际案例的分析与操作；2.案例教学：通过真实的大数据案例，引导学生学习大数据技术的应用，培养学生解决实际问题的能力；3.项目驱动：通过实际项目的设计与实施，引导学生学习大数据技术的实践应用，培养学生的团队协作与沟通能力；4.互动式学习：采用互动式教学的方法，引导学生积极参与讨论与思考，培养学生的创新能力与问题解决能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
对 这 种 密集 型数 据 爆 炸 的现 象 称 为 “ 大 数 发 访 问量 大 ， 因 为同 时有 可 能 会有 成千上 万 引 擎 ：对 互 联 网 上 的 大 量 数 据 和 信息 进 行 据” 时代 的 到 来 。 大 数 据 领 域 出现 的许 多 新 的用 户来 进行 访 问和 操 作 ， 比 如火 车 票售 票 即 时 、 快速搜索 ， 实 现 即 搜 即 得 的 效 果 。目 技术 ， 是大数据采集、 存储、 处 理 和 呈 现 的 网站 的 并发 访 问量在 峰 值 时达 到上 百万 ， 这 前 各大 搜 索 引擎 都 在 致 力 于实 时 搜 索 的 实 有 力武器 。 时 传 统 的 数 据 采 集 工 具 很 容 易失 效 。 大 数 现 。 据 采 集 方 法 主要 包 括 ： 系统 日志 采 集 、 网 络 ２ ． ８ 大 数据 可 视化 数 据 采 集 、 数 据 库采 集 、 其 他 数 据 采集 等 四 可 以 提 供 更 为清 晰直 观 的 数 据 感 官 ， １ 大数 据 概 念 将 错 综 复 杂 的 数 据 和 数 据 之 间的 关系 ， 通 大数 据概念 的前身是海量 数据， 但 两 种 。 者 有 很 大 的 区 别 。海 量 数 据 主 要 强 调 了数 ２ ． ３ 大 数据 分 享 过 图片、 映 射 关 系或 表格 ， 以简单、 友好、 易 目前 数 据 分享 主 要 通 过 数 据 集 市 和 开 用 的图形 化 、 智能 化 的 形式 呈现 给用 户供 其 据 量 的规 模 ， 对 其特 性 并 没有 特 别 关注 。 而 夫 数 据 对传 播 速 率 、 体积、 特征 等 数 据 的 各 放 数 据 平 台 等 方 法 实 现 。 开 放 数 据 平 台 可 分析 使 用 ， 可 通 过 数 据访 问 接 口或 商 业智 能 娱乐、 教 育和 医疗 等 门 户实 现 ， 通 过 直 观 的 方 式 表 达 出来 。可视 种特 性进行 ｒ 描 述 。目前 对 大 数 据 最 广 泛 以 提 供 涵 盖本 地 服 务、 的 定义 是 ： 大 数 据是 无 法在 一定 时 间内用 通 方 方 面 面的 数 据 集 合 ，用户 不 但 可以 通 过 化 与可 视 分析 通 过 交 互 可视 界 面来 进 行 分 推 理和 决 策 ； 从 海量 、 动态、 不 确 定甚 至 访 问， 还 可 以 很 方 便 地 通 过 ＳＤＫ集 成 析 、 常 的 软 件工 具 进行 收 集 、 分析 、 管 理 的 大 量 ＡＰＩ 在 线 数 据 集市 除 了提 供 下 相 互 冲 突 的 数 据 中 整 合 信 息 ， 获 取 对 复 杂 数 据 的 集 合。 大数 据 的特 点一 般 用 “ ４ Ｖ” 概 到 移 动应 用 当中。 还 为 用 户 提 供 上传 和 交 情 景 的更 深 层的 理 解 ； 可供 人 们检 验 已有 预 括， 即： Ｖ ｏ ｌ ｕ ｍｅ ： 数据 量大， 目前 大 数 据 的 载 数 据 的 功 能 外 ， 数 据 平 台和 数 据 集 市 不 但 测 ， 探 索未 知 信息 ， 同时 提 供快 速 、 可检 验 、 最 小 单 位一 般 被 认 为是 １ ０ ～ ２ Ｏ ＴＢ 的 量级 ； 流 数据的场所。 还能 够 吸 引很 多数 据 Ｖ ａ ｒ ｉ ｅ ห้องสมุดไป่ตู้ Ｙ ： 数 据 类 型多 ， 包 括 了结 构 化 、 非 结 吸 引有 数 据 需 求用 户， 构 化 和 半结 构化 数 据 ； ｖ ａ ｌ ｕ ｅ ： 数 据 的 价 值 开 发者 在平 台上进 行 开发 。 ． ４ 大 数据 预 处 理 密 度 很低 ； ｖ ｅ ｌ ｏ ｃ ｉ ｔ ｙ ： 数 据 产生 和 处 理 的 速 ２ 数 据 预 处 理 就 是 对采 集 的 数 据 进 行 清 度非 常快 。 易理 解 ． 的 评 估 和 更有 效 的 交 流 手 段 。 可 视 化是人们理 解复杂现象 ， 诊 释 复 杂 数 据 的
２ ． ７ 大 数 据 检 索 ①数据库实 时检索 ： 在 数 据 仓 库 或 者
ＮＯ Ｓ Ｏ Ｌ等 人数 据 存 储 平 台 』 ： ， 或 者 多个 不 同 结 构 的数 据 存 储 平 台 之 间快 速 、 实 时 地 查 询 和 检 索 不 同 结 构 的数 据 。 ②实 时 搜 索
自己 的 Ｍａ ｐ函数 以 及 Ｒｅ ｄ Ｕ Ｃ ｅ 函数 就 可 以 理 技 术受 到 人 们 欢 迎 。 常 用 的 方法 有 ： 机 器
词翻译而来的 ， 是 当前 Ｉ Ｔ界 热 议 和 追 逐 的 在 集 群上 进 行 大 规 模 的分 布 式 数 据 处 理 。 学 习、 数据挖掘、 模式识别、 统 计分 析 、 并 行 对象， 是继物联网、 云 计 算 技 术后 世 界 又一 Ｍａ ＰＲｅ ｄ ＵＣ ｅ 将 处 理 任 务分 配 到 不 同 的 处 处 理 。 热 议 的 信息 技 术 ， 发展 迅 速 。 截至２ ０ １ １ 年 理节 点， 因此 具 有 更 强 的并 行处 理 能 力。 年底 ， 全 球互 联网总数据 存储 量已达 １ ００ ２ ． ２ 大 数据 采 集 ｛ Ｌ ＴＢ以上 ， 并且 以 ５ ９ ％以 上 的 年 增 长 率 递 大 数 据 的 采 集 是 指 利 用 数 据 库 等 方式 增。 麦 肯锡 公司在 ２ ０ １ １ ５ 的 报告 （ Ｂ ｉ ｇ ｄ ａ ｔ ａ ： 接 收 发 自客户 端 （ Ｗｅ ｂ 、 Ａｐ ｐ 或 者 传 感 器 形 ｔ ｈ ｅ Ｎｅ ｘｔ Ｆｒ ｏ ｎ ｔ ｉ ｅ ｒ ｆ ｏ ｒ Ｉ ｎ ｎｏ ｖａ ｔ ｉ ｏ ｎ） 中， 式 等） 的数据。 大 数 据 采 集 的主 要 特 点 是 并
绍了 大 数据 的概 念 ， 分 析 阐述 了大数 据 相 关技 术 。
关键 词： 大数据
中图分类号 ： Ｔ Ｐ ３ ３ ４
文献标 识码 ： Ａ
文章 编号： １ ６ ７ ４ — ０ ９ ８ ｘ （ ２ ０ ｌ ４ ） ０ ２ （ ａ ） 一 ０ ０ ４ ８ — ０ ｌ
“ 大 数 据 ”是 从 英 语 “ Ｂｉ ｇ Ｄａ ｔ ａ” 一
！
Ｑ ： 塑
Ｓ ｃｉ ｅ ｒ ￣ ｃｅ ａｎ ｄ Ｔｅｃｈ ｎ ｏｌ ｏｇｙ Ｉ ｎｎ ｏｖ ａｔ ｉ ｏｎ Ｈｅｒ ａｌ ｄ
创 新 技 术
大数 据 技术 初 探
谭琳 （ 省军区信息化处 山东济南 ２ ５ ０ ０ ９ ９ ）
摘 要： 大数据是继物联 网， 云计算技术后世界叉一热议的信息技 术， 这种 密集型数据爆炸现象的出现 ， 标志着 “ 大数据”时代的到来。文章介 数据 处理 相关技术