大数据认识报告
大数据技术认识实习报告
实习报告一、实习背景及目的随着互联网和信息技术的迅猛发展，大数据技术已经成为了当今社会的重要研究领域。
为了更好地了解大数据技术的发展现状和应用前景，提高自己在数据科学与大数据技术领域的实际操作能力，我选择了大数据技术认识实习，以便为今后的学习和工作打下坚实的基础。
二、实习内容及过程在实习过程中，我主要参与了以下几个方面的工作：1. 学习大数据技术的基本概念、原理和技术体系。
通过阅读相关资料和参加培训课程，我了解了大数据的定义、特征以及常用的大数据处理技术，如Hadoop、Spark、NoSQL等。
2. 熟悉大数据技术的相关工具和平台。
在导师的指导下，我学会了使用Hadoop、Spark等分布式计算框架进行数据处理，使用Python、Java等编程语言进行数据分析和挖掘，以及使用Tableau、Power BI等数据可视化工具展示分析结果。
3. 参与实际项目，进行数据处理和分析。
在实习项目中，我负责对海量数据进行预处理、清洗和转换，使用Spark进行实时数据处理和计算，最后利用数据可视化工具展示分析结果。
4. 学习大数据技术的应用场景和行业案例。
通过调研和分析不同行业的大数据应用案例，我了解了大数据技术在金融、电商、医疗、物联网等领域的重要作用和广阔前景。
三、实习收获及体会通过这次实习，我对大数据技术有了更加深入的了解和认识，提高了自己在数据处理、分析和挖掘方面的实际操作能力。
同时，我也体会到了大数据技术在解决实际问题中的重要性和价值。
1. 加强了对大数据技术的基本概念、原理和技术体系的理解。
通过实习，我更加明确了大数据技术的内涵和发展趋势，为自己今后的学习和研究打下了基础。
2. 学会了使用大数据技术的相关工具和平台。
掌握了Hadoop、Spark等分布式计算框架，Python、Java等编程语言，以及数据可视化工具，提高了自己在实际项目中应用大数据技术的能力。
3. 了解了大数据技术的应用场景和行业案例。
大数据认知实习报告总结
大数据认知实习报告总结首先，我要感谢学校和实习单位给予我这次宝贵的大数据认知实习机会。
在这段实习期间，我深刻认识到大数据技术在各行各业的重要性，并掌握了相关技能和知识。
以下是我在实习过程中的收获和体会。
一、实习内容1. 了解大数据概念：实习期间，我学习了大数据的定义、特征、应用领域和发展趋势。
我认识到，大数据是指在规模（数据量）、多样性（数据类型）和速度（数据生成及处理速度）三个方面超出传统数据处理软件和硬件能力范围的 data。
2. 学习大数据技术：我了解了大数据技术体系，包括数据采集、存储、处理、分析和可视化等方面。
学习了 Hadoop、Spark、Flink 等大数据处理框架，以及Python、R 等数据分析语言。
3. 实践项目操作：在实习过程中，我参与了实际项目，进行了数据处理、分析和挖掘。
通过实践，我熟练掌握了大数据处理工具，提高了数据分析和解决问题的能力。
4. 参观企业：实习期间，我们参观了部分企业，了解了大数据技术在金融、医疗、互联网等领域的应用。
这使我认识到大数据技术在实际生产中的重要作用，激发了我深入学习的动力。
二、实习收获1. 知识与技能的提升：通过实习，我系统地学习了大数据相关知识，掌握了大数据技术的核心框架和工具。
同时，实践操作使我提高了数据处理和分析能力。
2. 团队合作与沟通能力的培养：在实习过程中，我与同学们共同完成项目任务，学会了协作和沟通。
这有助于我今后在团队中更好地发挥作用。
3. 行业认知的拓宽：参观企业使我了解了大数据技术在不同领域的应用，对我未来职业规划和发展具有指导意义。
4. 学术与产业的结合：实习使我认识到学术研究与实际生产之间的联系，激发了我继续深入研究的兴趣。
三、实习体会1. 实践出真知：通过实习，我深刻体会到理论联系实际的重要性。
在实践中，我将所学知识运用到实际项目中，提高了自己的综合素质。
2. 不断学习与进步：大数据技术日新月异，我认识到要跟上时代发展，必须不断学习新知识、新技能。
大数据认识报告
大数据认识报告概述：大数据是指以海量、高速、多样化和全球化的数据为基础，通过先进的分析处理技术从中提取价值的一种信息资源。
随着信息技术的迅猛发展，大数据已经成为当今社会的热点话题。
本报告旨在深入探讨大数据的定义、特点、应用领域以及对个人和社会的影响等方面，为读者提供全面的大数据认识。
一、大数据的定义及特点大数据的定义：大数据是指数据量巨大、种类多样、更新速度快、无法用传统数据库管理工具进行处理的数据。
它包含结构化数据（如关系型数据库中的数据）、半结构化数据（如网页中的HTML代码）和非结构化数据（如文本、图片、音视频等）。
大数据的特点：大数据具有4V特点，即Volume（海量）、Velocity（高速）、Variety（多样化）和Value（价值）。
1. Volume（海量）：大数据的数据量巨大。
根据国际数据公司（IDC）的研究，到2025年全球数据将增长至163ZB（1ZB=1亿TB），届时全球数据储存容量将是2016年的10倍。
2. Velocity（高速）：大数据的更新速度快。
随着互联网、物联网和移动互联网的普及，大量实时数据以极快的速度产生，并且需要实时处理和分析。
3. Variety（多样化）：大数据涵盖了各种类型的数据。
除了传统结构化数据，还包括半结构化和非结构化数据，如社交媒体数据、传感器数据、音视频数据等。
4. Value（价值）：大数据蕴含着巨大的商业和社会价值。
通过对海量数据进行深入分析，可以揭示潜在的商业机会、消费者行为趋势和社会变化等。
二、大数据的应用领域大数据已经广泛应用于各个领域，并且产生了巨大的商业和社会价值。
以下是部分大数据的应用领域：1. 商业决策支持：大数据分析可以帮助企业从市场、消费者、竞争对手等方面获取关键信息，辅助决策制定。
2. 金融服务：银行、保险公司等金融机构利用大数据分析客户信用、风险评估、交易欺诈检测等，提供个性化的金融产品和服务。
3. 医疗健康：大数据技术可以快速分析患者的病历数据、基因信息、药物疗效等，辅助医生进行准确的诊断和治疗。
大数据专业实习认知报告
一、前言随着信息技术的飞速发展，大数据已经成为当今社会的重要战略资源。
为了更好地了解大数据领域的专业知识和技术应用，我参加了为期一个月的大数据专业实习。
在此期间，我深入了解了大数据的基本概念、技术架构、应用场景以及行业发展趋势，现将实习过程中的所学所感整理如下。
二、实习内容1. 大数据基本概念实习初期，我对大数据的基本概念有了更为深入的了解。
大数据是指无法在常规数据处理应用软件中捕捉、管理和处理的数据集合，具有数据量大、类型多、速度快和价值密度低等特点。
通过学习，我认识到大数据技术对于提高决策效率、优化业务流程和推动社会进步具有重要意义。
2. 大数据技术架构在实习过程中，我学习了大数据技术架构，包括数据采集、存储、处理、分析和可视化等环节。
具体包括：- 数据采集：通过爬虫、API接口等方式获取数据。
- 数据存储：使用分布式文件系统如Hadoop HDFS存储海量数据。
- 数据处理：利用MapReduce、Spark等计算框架进行数据清洗、转换和分析。
- 数据分析：运用机器学习、数据挖掘等技术挖掘数据价值。
- 数据可视化：使用ECharts、Tableau等工具将数据分析结果以图表形式展示。
3. 大数据应用场景通过实习，我了解到大数据在各个领域的应用场景，例如：- 智慧城市：利用大数据分析交通流量、空气质量等，提高城市管理效率。
- 金融行业：通过大数据分析用户行为，实现精准营销和风险管理。
- 医疗健康：利用大数据分析疾病趋势、患者病情，提高医疗服务质量。
- 电子商务：通过大数据分析用户喜好，实现个性化推荐和精准营销。
4. 行业发展趋势实习期间，我了解到大数据行业的发展趋势，包括：- 数据安全与隐私保护：随着数据泄露事件频发，数据安全和隐私保护成为行业关注焦点。
- 人工智能与大数据融合：人工智能技术将为大数据分析提供更强大的支持。
- 边缘计算：边缘计算将使得数据处理更加实时、高效。
三、实习收获与感想1. 专业知识提升通过实习，我对大数据领域的专业知识有了更为深入的了解，为今后的学习和工作打下了坚实的基础。
大数据认识实习报告范文
一、实习背景随着信息技术的飞速发展，大数据已经成为现代社会的重要资源。
为了更好地了解大数据行业，提升自己的专业技能，我于2023年在XX科技有限公司进行了为期一个月的大数据认识实习。
通过此次实习，我对大数据有了更深入的了解，为今后的学习和工作打下了坚实的基础。
二、实习目的1. 了解大数据的基本概念、技术框架和应用领域；2. 掌握大数据采集、存储、处理和分析的基本方法；3. 熟悉大数据在实际项目中的应用，提高自己的实践能力；4. 增强团队协作和沟通能力，为今后步入职场做好准备。
三、实习内容1. 实习时间：2023年3月1日至2023年3月31日2. 实习地点：XX科技有限公司3. 实习岗位：大数据实习生实习期间，我主要参与了以下工作：（1）数据采集：在导师的指导下，我学习了如何从互联网、数据库等渠道获取所需数据，并熟悉了数据采集工具的使用。
（2）数据存储：了解了大数据存储技术，如Hadoop、Spark等，掌握了HDFS、HBase等分布式存储系统的搭建与使用。
（3）数据处理：学习了数据清洗、数据转换、数据归一化等数据处理方法，提高了数据质量。
（4）数据分析：运用Python、R等编程语言，对数据进行可视化分析，挖掘数据背后的价值。
（5）项目实践：参与公司实际项目，如电商用户行为分析、金融风险评估等，锻炼了自己的实践能力。
四、实习收获1. 理论知识与实践能力的提升：通过实习，我对大数据有了全面的认识，掌握了大数据采集、存储、处理和分析的基本方法，提高了自己的编程能力和数据分析能力。
2. 团队协作与沟通能力的提升：在实习过程中，我学会了与团队成员有效沟通，共同完成项目任务，提高了自己的团队协作能力。
3. 职场素养的积累：实习期间，我了解了职场的基本规则，培养了良好的职业素养，为今后步入职场做好了准备。
五、实习体会1. 大数据行业前景广阔：随着大数据技术的不断发展，大数据在各行各业的应用越来越广泛，为我国经济社会发展提供了有力支撑。
专业认识报告大数据分析(3篇)
第1篇一、引言随着信息技术的飞速发展，大数据已经成为现代社会不可或缺的一部分。
大数据分析作为一门新兴的交叉学科，涵盖了计算机科学、统计学、数学等多个领域，旨在从海量数据中提取有价值的信息和知识。
本报告将对大数据分析专业进行详细的介绍，包括其发展背景、核心内容、应用领域以及未来发展趋势。
二、大数据分析的发展背景1. 数据爆炸时代21世纪是信息爆炸的时代，人类社会正从信息时代迈向数据时代。
随着物联网、移动互联网、云计算等技术的广泛应用，数据量呈指数级增长。
据统计，全球数据量每两年就会翻一番，预计到2020年，全球数据量将达到40ZB。
2. 传统数据分析方法的局限性传统的数据分析方法主要依赖于统计软件和人工分析，难以应对海量数据的处理和分析。
随着数据量的不断增长，传统方法在处理速度、准确性、效率等方面逐渐暴露出不足。
3. 大数据分析技术的兴起为了解决传统数据分析方法的局限性，大数据分析技术应运而生。
大数据分析利用计算机科学、统计学、数学等领域的知识，通过数据挖掘、机器学习、深度学习等方法，从海量数据中提取有价值的信息和知识。
三、大数据分析的核心内容1. 数据采集与预处理数据采集是大数据分析的基础，包括从各种数据源获取原始数据。
数据预处理是对采集到的数据进行清洗、转换、整合等操作，以提高数据质量和分析效率。
2. 数据存储与管理随着数据量的不断增长，数据存储与管理成为大数据分析的关键问题。
目前，分布式存储系统如Hadoop、Spark等成为主流，能够满足海量数据的存储和计算需求。
3. 数据挖掘与统计分析数据挖掘是从海量数据中发现有价值的信息和知识的过程。
统计分析是对数据进行描述、推断和预测的方法，包括回归分析、聚类分析、关联规则挖掘等。
4. 机器学习与深度学习机器学习和深度学习是大数据分析的核心技术之一。
机器学习通过算法让计算机从数据中学习，自动提取特征和规律。
深度学习则是一种更高级的机器学习方法，能够模拟人脑神经网络，实现更复杂的模式识别和预测。
大数据的认识实习报告
大数据的认识实习报告一、实习背景随着互联网的快速发展和智能设备的普及，大量的数据被生成、存储和传输。
大数据作为一种具有挖掘潜力的重要资源，已经引起了社会各界的高度关注。
在这个背景下，我参加了大数据实习，以期对大数据有更深入的了解和认识。
二、实习内容1. 大数据概念与技术在实习过程中，我首先学习了大数据的基本概念，包括大数据的定义、特征和应用领域。
此外，我还了解了大数据技术体系，包括数据采集、存储、处理、分析和可视化等方面。
2. 数据采集与预处理为了更好地处理大数据，实习过程中我学习了数据采集和预处理技术。
数据采集涉及多种数据源，如结构化数据、半结构化数据和非结构化数据。
数据预处理则包括数据清洗、数据整合、数据转换等环节，以确保数据质量。
3. 数据分析与挖掘大数据的价值在于分析和挖掘其中有价值的信息。
在实习中，我学习了数据分析的基本方法和挖掘技术，如描述性分析、关联规则挖掘、聚类分析、分类与预测等。
这些技术为解决实际问题提供了有力的支持。
4. 大数据应用案例实习过程中，我研究了多个大数据应用案例，如金融、医疗、城市管理、智能交通等领域。
这些案例让我认识到大数据技术在实际生活中的重要作用，也使我意识到大数据的广泛应用前景。
5. 大数据可视化为了更直观地展示大数据分析结果，实习中我学习了大数据可视化技术。
通过使用各种可视化工具和库，如ECharts、Tableau等，我将数据分析结果以图表、地图等形式展示出来，便于理解和传播。
三、实习收获与体会1. 知识与技能的提升通过实习，我对大数据的基本概念、技术和应用有了更深入的了解，掌握了数据采集、预处理、分析和可视化等基本技能。
这些知识和技能将为我未来的学习和职业发展奠定基础。
2. 团队合作与沟通能力的培养在实习过程中，我与同学们共同完成了一系列任务，学会了协作和沟通。
这有助于提高我的团队协作能力和解决问题的能力。
3. 认识到大数据的重要性实习使我认识到大数据在各个领域的广泛应用和巨大价值，也使我意识到学习大数据技术的紧迫性。
大数据理论总结报告范文(3篇)
第1篇一、引言随着信息技术的飞速发展，大数据时代已经到来。
大数据作为一种新兴的资源，具有数据规模大、类型多、价值高、处理速度快等特点。
大数据理论的研究和应用，对于推动我国经济社会发展具有重要意义。
本报告旨在对大数据理论进行总结，分析其发展现状、应用领域以及面临的挑战。
二、大数据理论概述1. 大数据定义大数据是指规模巨大、类型多样、价值高、处理速度快的数据集合。
它具有以下四个基本特征：大量性、多样性、价值密度低和高速性。
2. 大数据来源大数据来源广泛，主要包括以下几类：（1）政府机构：如国家统计局、工信部等。
（2）企业：如阿里巴巴、腾讯等。
（3）科研机构：如中国科学院、清华大学等。
（4）社会公众：如社交媒体、在线论坛等。
3. 大数据技术大数据技术主要包括数据采集、存储、处理、分析和可视化等方面。
以下列举几种关键技术：（1）数据采集：Hadoop、Spark等。
（2）数据存储：HBase、Cassandra等。
（3）数据处理：MapReduce、Spark等。
（4）数据分析：机器学习、数据挖掘等。
（5）数据可视化：ECharts、Tableau等。
三、大数据理论发展现状1. 应用领域不断拓展大数据技术在各个领域得到广泛应用，如金融、医疗、教育、交通、环保等。
例如，在金融领域，大数据技术可以用于风险评估、欺诈检测等；在医疗领域，大数据技术可以用于疾病预测、治疗方案优化等。
2. 技术不断创新大数据技术不断创新发展，如分布式计算、深度学习、云计算等。
这些技术的发展为大数据应用提供了强大的技术支撑。
3. 政策支持力度加大我国政府高度重视大数据产业发展，出台了一系列政策支持大数据技术研发和应用。
例如，《“十三五”国家信息化规划》明确提出要大力发展大数据产业。
四、大数据理论应用领域1. 金融领域大数据技术在金融领域的应用主要体现在以下几个方面：（1）风险评估：通过对客户的历史交易数据、社交网络信息等进行分析，评估客户信用风险。
- 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)。
浅谈大数据认识—王小丽从入学的第一天就一直在好奇大数据[1]是什么？是新兴的技术？还是跟风的乌托邦？最开始我只是浅层次认为大数据就是很大的数据，只要满足：数据量大、速度快、数据多样性、数据密度低等特征的数据[2]。
在经过这一年的书本学习，老师讲解，参加各种大数据峰会、座谈交流，大数据论文调研，公司大数据部门的实习后，我发现大数据不只是一个单一的名词，它更是一种技术、应用、挖掘潜在价值趋势的表象或特征而已。
为了更全面地认识大数据，我认为应该从理论、技术、实际应用这三方面来学习。
一. 理论认识理论是认识的必经途径，也是快速认识的基础。
1. 名人的见解：最早提出大数据时代到来的是麦肯锡：“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。
”。
其实也可以看出。
大数据的诞生是信息技术发展的必然结果，是不可避免的。
IBM 最早将大数据的特征归纳为4个“V”（量V olume，多样Variety，价值Value，速Velocity）。
但这并不能说明大数据的真实特征，它还应该包括：分析、存储、技术、复杂等特征。
维克托·迈尔-舍恩伯格在《大数据时代》[3]一书中坚持认为大数据的思维应转变：1-需要全部数据样本而不是抽样；2-关注效率而不是精确度；3-关注相关性而不是因果关系。
我很认同阿里巴巴的王坚也曾说过的一句话：“你千万不要想着拿数据去改进一个业务，这不是大数据。
你一定是去做了一件以前做不了的事情。
”因为大数据的正真价值在于创造。
2. 大数据的价值：大数据的核心价值就是充分地挖掘出有用的信息，通过这些信息可以获取更大的利润，实现数据增值[4]。
因此，得数据者得天下这句话是很有道理的。
譬如，春节期间在智能交通实验室做的油耗模型建立的项目中，如果没有数据，我们能从数据中发现汽车的速度、机动车比功率和油耗之间存在着某种微妙的关系，进一步说，没有发现这层关系，我们又怎么对车辆的耗油建立预估模型。
如果没有模型，又怎么把这项发现加以推广应用，创造价值。
因此，未来在大数据领域最有价值的两种事物：：1-拥有大数据思维的人，这种人可以将大数据的潜在价值转化为实际利益；2-还未有被大数据触及过的业务领域。
这些是还未被挖掘的油井，金矿，是所谓的蓝海[5]。
3. 大数据当下的应用●大数据可以帮助智慧城市的建设[6]。
●帮助电商公司向用户推荐商品和服务，提高公司受益●在社交网络上更精准的推荐好友，用户所需信息。
●使医疗行业更加便捷、智能虽然这些应用会提高用户的满意度和生活的价值。
但是，数据是把双刃剑，有利有弊。
在数据共享的同时也无形中也泄露了个人的隐私，容易遭受攻击。
因此，数据安全问题也是大数据面临的一大难题[7]。
二. 大数据技术可以说，大数据之所以如此快速发展，源于技术的支持。
具体有什么技术和大数据密切相关？毫无置疑，就是我们经常说的云计算。
在云计算中分布式处理技术，海量数据的存储和管理技术，NoSQL、实时流数据处理、智能分析技术等都极大支持了大数据，也促使了它的发展。
但是云计算和大数据也存在区别：云计算改变了大数据，而大数据改变了业务层，两者的目标受众不同。
1. 分布式处理技术定义：分布式处理系统可以将不同地点的或具有不同功能的或拥有不同数据的多台计算机用通信网络连接起来，在控制系统的统一管理控制下，协调地完成信息处理任务。
在学习中，接触过hadoop[8]和storm[9]这两种分布式技术。
在实际工作中常用hadoop来处理大数据。
Mapreduce是hadoop的核心计算模式，它可以自动分割要执行的问题（例如程序）拆解成map（映射）和reduce（化简）的方式，在数据被分割后通过Map 函数的程序将数据映射成不同的区块，分配给计算机机群处理达到分布式运算的效果，在通过Reduce 函数的程序将结果汇整，从而输出开发者需要的结果。
另外hive，pig，Hbase[10]都大大提高了hadoop 的工作效率。
由于hadoop自身的可靠、高效、成本低的特性所决定了它在互联网中针对数据处理的现实意义。
2. 存储技术大数据可以抽象的分为大数据存储和大数据分析，这两者的关系是：大数据存储的目的是支撑大数据分析。
到目前为止，还是两种截然不同的计算机技术领域：大数据存储致力于研发可以扩展至PB甚至EB级别的数据存储平台[11]；大数据分析关注在最短时间内处理大量不同类型的数据集。
有一个著名的摩尔定律相信大家都听过：18个月集成电路的复杂性就增加一倍。
所以，存储器的成本大约每18-24个月就下降一半。
成本的不断下降也造就了大数据的可存储性。
在云计算课程中，胡春明老师给我们讲解过google的存储器是基于在廉价服务器和普通存储硬盘的基础上进行的扩大计算能力和存储能力，这大大降低了其服务成本；Amazon S3是一种面向Internet 的存储服务。
该服务旨在让开发人员能更轻松的进行网络规模计算。
Amazon S3[12]提供一个简明的Web 服务界面，用户可通过它随时在Web 上的任何位置存储和检索的任意大小的数据。
此服务让所有开发人员都能访问同一个具备高扩展性、可靠性、安全性和快速价廉的基础设施，Amazon 用它来运行其全球的网站网络。
再看看S3的设计指标：在特定年度内为数据元提供99.999999999% 的耐久性和99.99% 的可用性，并能够承受两个设施中的数据同时丢失。
3. 虚拟化虚拟化的服务器不仅提高了服务器的利用率，给服务器以容量弹性调整，而且可以避免企业在高峰期的“瘫痪”。
但是虚拟化也会带来数据安全性的忧患，应该对于虚拟化技术中数据的共享和隔离予以严格界定。
三. 实际应用当下，大数据似乎成了万灵药，从总统竞选到奥斯卡颁奖、从web安全到灾难预测，正如那句俗语：“当你手里有了锤子，什么都看上去像钉子。
”当IT经理成功部署一套Hadoop系统后，任何事看上去都与大数据有关（事实也是如此）。
类似的事情在云计算的普及中也出现过，一开始大家认为所有的IT都可以搬到云端，而现实是我们依然需要虚拟化技术和基础设施。
综合大数据白皮书中的应用现状来看，大数据在商业智能、政府服务和市场营销三个领域的应用非常广泛[13,14]。
1. 商业智能过去几十年，分析师们都依赖来自Hyperion、Microstrategy和Cognos的BI产品[15]分析海量数据并生成报告。
数据仓库和BI工具能够很好地回答类似这样的问题：“某某人本季度的销售业绩是多少？”（基于结构化数据），但如果涉及决策和规划方面的问题，由于不能快速处理非结构化数据，传统的BI会非常吃力和昂贵。
大多数传统BI工具都受到以下两个方面的局限：首先，它们都是“预设-抓取”工具，由分析师预先确定收集什么数据用于分析。
其次，它们都专注于报告“已知的未知”（Known unknowns），也就是我们知道问题是什么，然后去找答案。
（而大数据会给出一些未知的未知，也就是你没有想到的一些问题的结果）传统BI工具主要用于企业运营，侧重于成本控制和计划执行报告。
而大数据技术最主要的功能/应用是ETL（Extract、Transform、Load）。
将近80%的Hadoop 应用都与ETL有关，例如在导入Vertica这样的分析数据库之前对日志文件或传感器数据的处理。
今天计算和存储硬件变得非常便宜，配合大量的开源大数据工具，人们可以非常“奢侈”地先抓取大量数据再考虑分析命题。
可以说，低廉的计算资源正在改变我们使用数据的方式。
此外，处理性能的大幅提高（例如内存计算）使得实时互动分析更加容易实现，而“实时”和“预测”将BI[16]带到了一个新的境界——未知的未知。
这也是大数据分析与传统BI之间最大的区别。
今天的大数据技术还处于战国时期，未来几年，随着企业间的兼并和新产品的不断推出，BI厂商们将能推出完善的，让CEO感到满意的“大数据套件”，但这并不意味着企业IT经理们的工作将受到威胁。
因为正如云计算在理想和现实间达成妥协一样，大数据也会经历类似的发展过程。
传统的BI工具将与大数据分析并存。
2. 公共服务大数据另外一个重大的应用领域是社会和政府。
如今，数据挖掘已经能够预测疾病暴发、卫星行驶轨道、地震、交通模型预估、改善教育[17-21]。
今天，城市正面临预算超支、基础设施难题以及从农村和郊区涌入的大量人口。
这些都是非常紧迫的问题，而城市，也正是大数据计划的绝佳实验室。
以纽约这样的大都市为例，政府公共数据公开化、以及市民生活的高度数字化（购物、交通、医疗等）等都是大数据分析的理想对象。
客观的市政数据，是消除争端，维系公民社会的最佳纽带。
当然，前提是让公民能够访问这些数据。
苹果的Siri和谷歌的Google Now都具备成为个人化助理的潜力。
当然，我们还需要更多的产品和技术让数据分析结果更容易被公众理解和接受（数据可视化）。
此外，IBM的Watson以及Wolfram Alpha这样的人工智能技术还能实现与用户的互动。
今天，智能手机（以及Twitter等社交网络）的普及让人类社会首次实现了公民的联网。
应用程序商店实时上已经打通了政府和公民之间的应用层面的通道。
（例如奥运期间伦敦警察厅发布的iphone通缉程序）。
伴随着各国政务的数字化进程，以及政务数据的透明化，公民将能准确了解政府的运作效率。
这是不可逆转的历史潮流，同时也是大数据最具潜力的应用领域之一。
3. 市场营销大数据的第三大应用领域是市场营销。
具体来说，是提升消费者与企业之间的关系。
（卖得更多、更快、更有效率）今天，最大的数据系统是web分析、广告优化等。
今天的数字化营销与传统营销最大的区别就是个性化和精准定位。
如今，企业与客户之间的接触点也发生了翻天覆地的变化，从过去的电话和邮件地址，发展到网页、社交媒体账户、博客等等。
在这些五花八门的渠道里跟踪客户，将他们的每一次点击、收藏、“顶”、分享、加好友、转发等行为纳入企业的销售漏斗中并转化成收入是一个巨大的挑战。
也就是所谓的“360度客户视角”。
大数据已经与在线营销交织在一起，其应用可以分为两大类：首先，从线上到线下。
配备了NFC近场通讯技术的智能手机和基于位置的签到正在成为营销人员的最新利器。
他们将能跟踪商场人流，把在线零售的分析优化应用于线下。
其次，数据分析工具将更加容易使用（面向中小企业应用的大数据创业非常火爆），中小企业也许没有BI平台，但他们都有平板电脑和智能手机，移动版客户智能分析将会改变企业使用营销工具的方式。
小结综合上述的理论介绍、大数据技术支持、实际应用这三个方向全面介绍了我对大数据的理解，当然由于对于大数据技术的应用不是很精通，因此介绍的比较浅。