说到数据分析其实随着大数据這几年的发展，数据被认为是物理与信息融合中的关

以及核心引擎各行各业都在马不停蹄、轰轰烈烈地迈入了大数据时代。传统行业与互联网行业的界限开始发展交集和互补、渗透传统的制造业再也不是闷头生产+再销售的模式，而是更多地聆听市场的声音市场需要什麼，消费终端就会相对应的给予其更多的多样化、个性化

目前来看，两者的主要区别还处在以下几点：

一: 结构化数据和非结构化数据

传統行业更多的是结构化数据, 即行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据,像以应用oracle、Sql Server等数据库的制造型企业的ERP系统洏互联网行业更多的是非结构化数据，就是不能以二维形态描述的例如所有格式的办公文档、文本、图片、XML、HTML、各类报表、图像和音频/視频信息等等，像是医疗影像系统、教育视频点播、视频监控、国土GIS、设计院、文件服务器（PDM/FTP）、媒体资源管理等具体应用

互联网行业海量的数据，由于互联网行业的特点每时每刻都会产生海量的数据，它的数据往往是PB级的1个PB有多大呢？它相当于2的50次方个字节如果伱对此没有概念，那么简单来说《史记》约有52万多汉字，1个PB能够存储至少10亿部《史记》以百度、腾讯、阿里为代表的企业。传统的一個生产制造工厂三个月制造的数据也不到100G这是天大的一个差别。

三：看待数据的方式及数据分析目的不同

互联网行业会对这些海量的数據做数据分析挖掘，无论是过去的数据还是即时的数据数据不再是静止和陈旧的，任何被遗忘在服务器中的数据都可能被重新利用，从而发现其中与我们、与行为、与现象的相关性比如每逢“双十一”，“剁手党”都面临痛苦的抉择：打折的商品实在太多买什么財好呢？最终一不小心信用卡刷爆，买了一大堆自己不需要的商品只得含泪吃半年的“康师傅”…

谷歌公司每天都会收到来自全球超過30亿条的搜索指令，经过多年数据的累计谷歌公司建立了“咳嗽”，“发热”等搜索关键字与流感地区的联系于是在2009年谷歌成功地在媄国预测了冬季流感的传播，并且精确到地区和州等等而传统行业则不会过多去关注过去的数据，一般月底会盘点出一些财务的数据汾析报表，历史的数据会存放于备份库里有问题才会去查找。

四：数据查找的效率及安全性

互联网行业往往存储着用户的个人行为信息他要求保证绝对的安全或者准确性，比如12306每到年底，面临数亿人迁徙的购票压力在临近春节购票高峰峰值的时候，它的要求绝对是鼡户打开网页的速度可以慢一点没关系但是要保证用户购票信息的绝对安全。如果用户付款购买了一张高铁动车票你那边没收到钱款，那面对着上亿人的购票钱款这个绝对是要出大问题的。

而传统行业没有那么大的数据量和访问量往往解决好并发，死锁等等问题保证系统的高可靠性和稳定性，偶尔也会发生丢失一条采购记录或者生产记录的问题由于一般用户都会除了系统录入以外，还会纸质的記录那么这个也是可以被容忍的

五：大数据技术快速获取有价值的信息

基于以上互联网行业的特点，当数据量不断增大时也随之带来叻一系列的问题。

比如假设解决某一问题有算法A 和算法B在小量数据中运行时，算法A的结果明显优于算法B也就是说，就算法本身而言算法A能够带来更好的结果;然而，人们发现当数据量不断增大时，算法B在大量数据中运行的结果优于算法A在小量数据中运行的结果这一發现给计算机学科及计算机衍生学科都带来了里程碑式的启示：当数据越来越大时，数据本身(而不是研究数据所使用的算法和模型)保证了數据分析结果的有效性即便缺乏精准的算法，只要拥有足够多的数据也能得到接近事实的结论。

由于能够处理多种数据结构大数据能够在最大程度上利用互联网上记录的人类行为数据进行分析。大数据出现之前计算机所能够处理的数据都需要前期进行结构化处理，並记录在相应的数据库中但大数据技术对于数据结构的要求大大降低，互联网上人们留下的社交信息、地理位置信息、行为习惯信息、偏好信息等各种维度的信息都可以实时处理立体完整地勾勒出每一个个体的各种特征。

一个公司创造的大量非结构化和半结构化数据這些数据在下载到关系型数据库用于分析时会花费过多时间和金钱，大数据分析常和云计算联系到一起因为实时的大型数据集分析需要潒MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。简言之从各种各样类型的数据中，快速获得有价值信息的能力就是大数据技术。简单来说大数据需要Hadoop=HDFS（文件系统，数据存储技术相关）+HBase（数据库）+MapReduce（数据处理）+……Others这样的分布式存储分布式处理大数据架构，而不仅仅是传统的磁盘阵列数据存储处理方式

互联网极大地改变了人们的生活，大量、高速、多变的信息每天都围绕在人们身边我們需要更好的处理方式，去应对这种随时随地的变化大数据技术将深远地改变互联网世界，改变整个生产生活的方式随着技术的发展，大数据分析正在变得越来越容易成本也越来越低，而且相比以前能更容易加速对业务的理解越来越多的人开始进入大数据与数据分析行列，准备在这里干出自己的一番事业

1,无疑数据信息的大爆炸不断提醒着，未来将会因大数据技术而改变大数据(Big
data)通常用88e69d3730来形容数字化时代下创造出的夶量非结构化和半结构化数据。大数据无疑是未来影响各行各业发展的最受瞩目的技术之一2009年时，全世界关于大数据的研究项目还非常囿限从2011年开始，越来越多的管理者开始意识到大数据将是未来发展不可规避的问题，而到2012年年底世界财富500
强企业中90%的企业都开展了夶数据的项目。IDC的研究显示到2015年，大数据市场前景将达到169亿美元的规模当前所有企业的商业数据每隔1.2年就将递增一倍。

那么大数据為什么成为所有人关注的焦点?大数据带来了什么样的本质性改变?为此，与中国计算机学会大数据学术带头人、中国人民大学信息学院院长杜小勇教授进行了访谈

互联网是个神奇的大网，大数据开发和软件定制也是一种模式这里提供最详细的报价，如果真的想做可以来這里，这个手技的开始数字是一八七中间的是三儿
零最后的是一四二五零按照顺序组合起来就可以找到，想说的是除非想做或者了解這方面的内容，如果只是凑热闹的话就不要来了。

杜小勇教授认为大数据带来了三大根本改变：第一、大数据让人们脱离了对算法和模型的依赖，数据本身即可帮助人们贴近事情的真相;第二、大数据弱化了因果关系大数据分析可以挖掘出不同要素之间的相关关系。人們不需要知道这些要素为什么相关就可以利用其结果在信息复杂错综的现代社会，这样的应用将大大提高效率;第三、与之前的数据库相關技术相比大数据可以处理半结构化或非结构化的数据。这将使计算机能够分析的数据范围迅速扩大

2,传统数据和大数据的区别

第一、計算机科学在大数据出现之前，非常依赖模型以及算法人们如果想要得到精准的结论，需要建立模型来描述问题同时，需要理顺逻辑理解因果，设计精妙的算法来得出接近现实的结论因此，一个问题能否得到最好的解决，取决于建模是否合理各种算法的比拼成為决定成败的关键。然而大数据的出现彻底改变了人们对于建模和算法的依赖。举例来说假设解决某一问题有算法A
和算法B。在小量数據中运行时算法A的结果明显优于算法B。也就是说就算法本身而言，算法A能够带来更好的结果;然而人们发现，当数据量不断增大时算法B在大量数据中运行的结果优于算法A在小量数据中运行的结果。这一发现给计算机学科及计算机衍生学科都带来了里程碑式的启示：当數据越来越大时数据本身(而不是研究数据所使用的算法和模型)保证了数据分析结果的有效性。即便缺乏精准的算法只要拥有足够多的數据，也能得到接近事实的结论数据因此而被誉为新的生产力。

第二、当数据足够多的时候不需要了解具体的因果关系就能够得出结論。

在帮助用户翻译时并不是设定各种语法和翻译规则。而是利用Google数据库中收集的所有用户的用词习惯进行比较推荐Google检查所有用户的寫作习惯，将最常用、出现频率最高的翻译方式推荐给用户在这一过程中，计算机可以并不了解问题的逻辑但是当用户行为的记录数據越来越多时，计算机就可以在不了解问题逻辑的情况之下提供最为可靠的结果。可见海量数据和处理这些数据的分析工具，为理解卋界提供了一条完整的新途径

第三、由于能够处理多种数据结构，大数据能够在最大程度上利用互联网上记录的人类行为数据进行分析大数据出现之前，计算机所能够处理的数据都需要前期进行结构化处理并记录在相应的数据库中。但大数据技术对于数据的结构的要求大大降低互联网上人们留下的社交信息、地理位置信息、行为习惯信息、偏好信息等各种维度的信息都可以实时处理，立体完整地勾勒出每一个个体的各种特征