图灵汇官网

大数据的定义

大数据（Big Data）指的是那些无法通过现有的软件工具进行有效提取、存储、搜索、共享、分析和处理的海量、复杂的数据集合。业界通常用四个关键特征来描述大数据，分别是数据体量巨大、数据类型繁多、价值密度低以及处理速度快。

数据体量巨大

数据体量巨大意味着数据规模极其庞大。据统计，目前人类产生的所有印刷材料的数据量大约为200PB，而历史上全人类所说的话的数据量则约为5EB（1EB等于210PB）。这些庞大的数据量对数据处理技术提出了更高的要求。

数据类型繁多

与传统的以文本为主的结构化数据相比，当前的数据类型更为多样。例如，网络日志、音频、视频、图片、地理位置信息等非结构化数据越来越多，这对数据处理能力提出了更高的要求。

价值密度低

大数据的一个显著特点是价值密度低，即在庞大的数据集中，真正有价值的信息所占比例较小。因此，如何通过强大的机器算法更快地从海量数据中提炼出有价值的信息，成为当前亟待解决的问题。

处理速度快

处理速度快是大数据区别于传统数据挖掘的重要特征。根据IDC的报告，预计到2020年，全球数据使用量将达到35.2ZB。这表明大数据处理的速度需要非常快，才能应对如此巨大的数据量。

大数据的价值

了解了大数据的定义及其四大特征之后，我们可以进一步探讨大数据的价值。例如，《科学》杂志曾报道过一项研究，指出虽然每个人的出行模式不同，但大多数人的行为是可预测的。这意味着通过分析历史行为，我们可以预测未来的行动，准确率高达93%。

大数定理

大数定理告诉我们，在试验条件不变的情况下，重复试验多次后，随机事件的频率会逐渐接近其理论概率。这种规律在大量重复试验中表现得尤为明显。例如，抛硬币时，虽然单次抛掷的结果是随机的，但经过多次抛掷后，正反面出现的概率将趋于平衡。

实际应用

随着计算机处理能力的增强，可以获得的数据量也越来越大，从中挖掘出的价值也随之增加。例如：

• 如果银行能够及时了解风险，我们的经济将更加强大。
• 如果政府能够降低欺诈开支，我们的税收将更加合理。
• 如果医院能够更早发现疾病，我们的身体将更加健康。
• 如果电信公司能够降低成本，我们的话费将更加便宜。
• 如果交通管理部门能够实时掌握天气和路况信息，我们的出行将更加便捷。
• 如果商场能够动态调整库存，我们的购物体验将更加愉快。

最终，大数据的应用将使我们生活的各个方面受益。