“大数据”究竟是怎么个操作？能不能有个简单明了的回答？

请用语音读文章

热门回答：

这是一个非常好的问题。作为一名大数据从业者。我来回答一下。

首先。要想简单明了地表述出大数据的概念和操作。应该站在一个更高的视野来看待大数据。通常来说。站在行业的高度来看待大数据。大数据的核心在于为行业领域带来新的价值空间。通过大数据来全面重塑企业各种模式。而如果单纯地站在数据的角度来看待大数据。大数据的核心在于数据的价值化。数据价值化的过程本身就能够开辟出一个巨大的价值空间。

大数据的操作要紧紧围绕大数据的价值空间来展开。目前主要的操作可以分为三大块。分别是数据采集操作、数据分析操作和数据应用操作。这些操作的背后几乎涵盖了当前大数据行业的所有产业链。

数据采集操作是大数据产业链的起始端。所以要想了解大数据操作。首先就应该从数据采集开始。当前数据采集渠道通常有三个。一个是传统信息系统。比如各种ERP系统就是典型的代表。这些ERP系统当中的数据往往具有较高的价值密度。通常对于安全性也有非常高的要求。从数据结构上来看。传统信息系统的数据结构是相对比较单一的。处理起来也比较容易。

其二是互联网（Web）系统。相对于ERP系统来说。互联网本身就是一个巨大的数据池。这个数据池不仅承载了大量的数据。同时还在不断更新。这也为数据采集提供了天然的渠道。相对于传统信息系统来说。互联网系统本身的数据类型是比较复杂的。结构化数据、半结构化数据和非结构化数据混杂。这对于数据分析操作也提出了较高的要求。

其三是物联网系统。当前物联网系统所产生的数据是大数据的主要数据来源。也可以说物联网是促进大数据概念产生的重要原因之一。物联网所产生的数据不仅数据量大。数据类型多样化。同时物联网所产生的数据还有比较低的价值密度。这对于数据分析技术提出了更高的要求。随着5G通信的落地应用。物联网本身产生的数据量会越来越大。自身的价值空间也会越来越大。

数据分析操作是当前大数据操作的重要环节。实际上对于大量传统行业来说。数据分析将是很多职场人需要重点掌握的技能之一。当前数据分析操作有两种主要方式。一种是统计学方式。另一种是机器学习方式。统计学的数据分析方式是比较传统的数据分析方式。有大量的工具可以使用。针对于结构化数据来说。统计学的数据分析方式往往更适合一些。机器学习的数据分析方式针对于复杂的数据环境往往有更好的分析效果。但是对于数据分析人员也提出了更高的要求。

数据应用操作是体现大数据价值的重要渠道。所以数据应用操作也非常重要。从最终的应用目标来看。数据应用操作的目标无外乎两大类。一类是人类用户。另一类是智能体（人工智能产品）。从大的发展趋势来看。在大数据时代。要想充分发挥出大数据的价值。应该重视智能体的应用渠道。

我从事互联网行业多年。目前也在带计算机专业的研究生。主要的研究方向集中在大数据和人工智能领域。我会陆续写一些关于互联网技术方面的文章。感兴趣的朋友可以关注我。相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题。或者是考研方面的问题。都可以在评论区留言。或者私信我！

其他观点：

这样和你说吧。你每天使用各种APP。都有可能记录你各种行程轨迹。饮食爱好。观影偏好上网偏好。甚至浏览的词汇点击内容。这些数据量很多很大就是大数据。

但是数据本身没有太多的异议。必须配合于云端的计算梳理。深度分析。才能得出有价值的信息。比如通过你的足迹判断说你经常喜欢去哪里喜欢做什么事情。通过你的搜索病号。判断出你的爱好。你的年龄身份等等信息。这些信息其实是有用的。

我们通常所说的大数据是包含了大数据和云计算。分析在一起的整合。这样讲希望能够帮助到你。

其他观点：

大数据是个名词。所以没法“操作”。如果你想了解大数据的前世今生。要从企业内部的数据仓库说起。企业提供产品或者服务的时候。通常会在整个业务流程中产生若干数据。涉及的领域越多、周期越长产生的数据就越多。比如。顺丰每天仅仅面单数据就能达到千万级的数量。更不要说后面还有结算、发票、分成等等衍生的业务数据。所以。在这么大量的数据产生之后。如果仅仅是提供“查询”功能。那就太浪费了。此时就产生了从数据仓库升级到“大数据”的契机：将大量的多维度的数据整合在一起。进行“在线分析”。也就是OLAP。可以有助于辅助决策——这是面向企业内部的应用。如果这些数据包含了大量的用户信息。比如BAT从所有的APP、游戏、软件等等产品搜集到了某些或某个特定用户的行为记录。就可以更有针对性的发布广告、推荐产品——这是互联网公司占比最高的利润来源。但是。想要进行大数据“操作”。前提是要有数据。其次是要有模型。最后还要有利润点。不然没有哪个公司会去做不赚钱的业务——至少也要是可能会赚钱的业务。

以上就是由优质生活领域创作者 生活常识网 整理编辑的，如果觉得有帮助欢迎收藏转发~