一、資料核心原理 從「流程」核心轉變為「資料」核心 大資料時代，計算模式也發生了轉變，從「流程」核心轉變為「資料」核心。hadoop體系的分布式計算框架已經是「資料」為核心的正規化。非結構化資料及分析需求，將改變it系統的公升級方式：從簡單增量到架構變化。大資料下的新思維——計算模式的轉變。 例如：ibm將使用以資料為中心的設計，目的是降低在超級計算機之間進行大量資料交換的必要性。大資料下，雲計算找到了破繭重生的機會，在儲存和計算上都體現了資料為核心的理念。大資料和雲計算的關係：雲計算為大資料提供了有力的工具和途徑，大資料為雲計算提供了很有價值的用武之地。而大資料比雲計算更為落地，可有效利用已大量建設的雲計算資源，最後加以利用。 科學進步越來越多地由資料來推動，海量資料給資料分析既帶來了機遇，也構成了新的挑戰。大資料往往是利用眾多技術和方法，綜合源自多個渠道、不同時間的資訊而獲得的。為了應對大資料帶來的挑戰，我們需要新的統計思路和計算方法。 說明：用資料核心思維方式思考問題，解決問題。以資料為核心，反映了當下it產業的變革，資料成為人工智慧的基礎，也成為智慧型化的基礎，資料比流程更重要，資料庫、記錄資料庫，都可開發出深層次資訊。雲計算機可以從資料庫、記錄資料庫中搜尋出你是誰，你需要什麼，從而推薦給你需要的資訊。
二、資料價值原理
由功能是價值轉變為資料是價值
說明：用資料價值思維方式思考問題，解決問題。資訊總量的變化導致了資訊形態的變化，量變引發了質變，最先經歷資訊**的學科，如天文學和基因學，創造出了「大資料」這個概念。如今，這個概念幾乎應用到了所有人類致力於發展的領域中。從功能為價值轉變為資料為價值，說明資料和大資料的價值在擴大，資料為「王」的時代出現了。資料被解釋是資訊，資訊常識化是知識，所以說資料解釋、資料分析能產生價值。
三、全樣本原理 從抽樣轉變為需要全部資料樣本 需要全部資料樣本而不是抽樣，你不知道的事情比你知道的事情更重要，但如果現在資料足夠多，它會讓人能夠看得見、摸得著規律。資料這麼大、這麼多，所以人們覺得有足夠的能力把握未來，對不確定狀態的一種判斷，從而做出自己的決定。這些東西我們聽起來都是非常原始的，但是實際上背後的思維方式，和我們今天所講的大資料是非常像的。 舉例：在大資料時代，無論是商家還是資訊的蒐集者，會比我們自己更知道你可能會想幹什麼。現在的資料還沒有被真正挖掘，如果真正挖掘的話，通過信用卡消費的記錄，可以成功**未來5年內的情況。統計學裡頭最基本的乙個概念就是，全部樣本才能找出規律。為什麼能夠找出行為規律？乙個更深層的概念是人和人是一樣的，如果是乙個人特例出來，可能很有個性，但當人口樣本數量足夠大時，就會發現其實每個人都是一模一樣的。 說明：用全資料樣本思維方式思考問題，解決問題。從抽樣中得到的結論總是有水分的，而全部樣本中得到的結論水分就很少，大資料越大，真實性也就越大，因為大資料報含了全部的資訊。
說明：用關注效率思維方式思考問題，解決問題。大資料思維有點像混沌思維，確定與不確定交織在一起，過去那種一元思維結果，已被二元思維結果取代。過去尋求精確度，現在尋求高效率；過去尋求因果性，現在尋求相關性；過去尋找確定性，現在尋找概率性，對不精確的資料結果已能容忍。只要大資料分析指出可能性，就會有相應的結果，從而為企業快速決策、快速動作、創占先機提高了效率。
網際網路、移動網際網路和雲計算機保證了大資料實時**的可能性，也為企業和使用者提供了實時**的資訊，相關性**的資訊，讓企業和使用者搶占先機。由於大資料的全樣本性，人和人都是一樣的，所以雲計算機軟體**的效率和準確性大大提高，有這種跡象，就有這種結果。
七、資訊找人原理 從人找資訊，轉變為資訊找人 網際網路和大資料的發展，是乙個從人找資訊，到資訊找人的過程。先是人找資訊，人找人，資訊找資訊，現在是資訊找人的這樣乙個時代。資訊找人的時代，就是說一方面我們回到了一種最初的，廣播模式是資訊找人，我們聽收音機，我們看電視，它是資訊推給我們的，但是有乙個缺陷，不知道我們是誰，後來網際網路反其道而行，提供搜尋引擎技術,讓我知道如何找到我所需要的資訊，所以搜尋引擎是乙個很關鍵的技術。 例如：從搜尋引擎——向推薦引擎轉變。今天，後搜尋引擎時代已經正式來到，什麼叫做後搜尋引擎時代呢？使用搜尋引擎的頻率會大大降低，使用的時長也會大大的縮短，為什麼使用搜尋引擎的頻率在下降？時長在下降?原因是推薦引擎的誕生。就是說從人找資訊到資訊找人越來越成為了乙個趨勢，推薦引擎就是說它很懂我，知道我要知道，所以是最好的技術。賈伯斯說，讓人感受不到技術的技術是最好的技術。 大資料還改變了資訊優勢。按照循證醫學，現在治病的第一件事情不是去研究病理學，而是拿過去的資料去研究，相同情況下是如何**的。這導致專家和普通人之間的資訊優勢沒有了。原來我相信醫生，因為醫生知道的多，但現在我可以到谷歌上查一下，知道自己得了什麼病。 谷歌有乙個機器翻譯的團隊，最開始的時候翻譯之後的文字根本看不懂，但是現在60%的內容都能讀得懂。谷歌機器翻譯團隊裡頭有乙個笑話，說從團隊每離開乙個語言學家，翻譯質量就會提高。越是專家越搞不明白，但打破常規讓資料說話，得到真理的速度反而更快。 說明：用資訊找人的思維方式思考問題，解決問題。從人找資訊到資訊找人，是互動時代乙個轉變，也是智慧型時代的要求。智慧型機器已不是冷冰冰的機器，而是具有一定智慧型的機器。資訊找人這四個字，預示著大資料時代可以讓資訊找人，原因是企業懂使用者，機器懂使用者，你需要什麼資訊，企業和機器提前知道，而且主動提供你需要的資訊。
九、電子商務智慧型原理 大資料改變了電子商務模式，讓電子商務更智慧型 商務智慧型，在今天大資料時代它獲得的重新的定義。例如：傳統企業進入網際網路，在掌握了「大資料」技術應用途徑之後，會發現有一種豁然開朗的感覺，我整天就像在黑屋子裡面找東西，找不著，突然碰到了乙個開關，發現那麼費力的找東西，原來很容易找得到。大資料思維，事實上它不是乙個全稱的判斷，只是對我們所處的時代某乙個緯度的描述。 大資料時代不是說我們這個時代除了大資料什麼都沒有，哪怕是在網際網路和it領域，它也不是一切，只是說在我們的時代特徵裡面加上這麼一道很明顯的光，從而導致我們對以前的生存狀態，以及我們個人的生活狀態的乙個差異化的一種表達。 例如：大資料讓軟體更智慧型。儘管我們仍處於大資料時代來臨的前夕，但我們的日常生活已經離不開它了。交友**根據個人的性格與之前成功配對的情侶之間的關聯來進行新的配對。例如，具有「自動改正」功能的智慧型手機通過分析我們以前的輸入，將個性化的新單詞新增到手機詞典裡。在不久的將來，世界許多現在單純依靠人類判斷力的領域都會被計算機系統所改變甚至取代。計算機系統可以發揮作用的領域遠遠不止駕駛和交友，還有更多更複雜的任務。別忘了，亞馬遜可以幫我們推薦想要的書，谷歌可以為關聯**排序，facebook知道我們的喜好，而linkedin可以猜出我們認識誰。 當然，同樣的技術也可以運用到疾病診斷、推薦**措施，甚至是識別潛在犯罪分子上。或者說，在你還不知道的情況下，體檢公司、醫院提醒你趕緊去做檢查，可能會得某些病，商家比你更了解你自己，以及你這樣的人在某種情況下會出現的可能變化。就像網際網路通過給計算機新增通訊功能而改變了世界，大資料也將改變我們生活中最重要的方面，因為它為我們的生活創造了前所未有的可量化的維度。 說明：用電子商務更智慧型的思維方式思考問題，解決問題。人腦思維與機器思維有很大差別，但機器思維在速度上是取勝的，而且智慧型軟體在很多領域已能代替人腦思維的操作工作。例如美國一家**公司已用電腦智慧型軟體寫稿，可用率已達70%。雲計算機已能處理超位元組的大資料量，人們需要的所有資訊都可得到顯現，而且每個人網際網路行為都可記錄，這些記錄的大資料經過雲計算處理能產生深層次資訊，經過大資料軟體挖掘，企業需要的商務資訊都能實時提供，為企業決策和營銷、定製產品等提供了大資料支援。
十大熱門的大資料技術
隨著大資料分析市場的快速滲透到各行業務，哪些大資料技術是剛需？哪些技術有極大的潛在價值？根據弗雷斯特研究公司發布的指數，這裡給出最熱的十個大資料技術 分析 隨著現在硬體和軟體解決方案的成熟，許多公司利用大資料技術來收集海量資料 訓練模型 優化模型，並發布 模型來提高業務水平或者避免風險 nosql資...
十大資料結構
演算法 資料結構 程式設計 陣列是最簡單 也是使用最廣泛的資料結構。棧 佇列等其他資料結構均由陣列演變而來。下圖是乙個包含元素 1，2，3和4 的簡單陣列，陣列長度為4。每個資料元素都關聯乙個正數值，我們稱之為索引，它表明陣列中每個元素所在的位置。大部分語言將初始索引定義為零。以下是陣列的兩種型別 ...
大資料人才戰報 十大資料分析職業趨勢
與大資料概念知名度和企業熱情形成對比的是 大資料正面臨全球性的人才荒。企業對新型大資料分析和 技術人才的熱情和需求正在超過傳統的商業智慧型和資訊管理人才。無論是資料分析的新手還是老鳥，都需要對大資料引發的資料分析職業革命做好充分的準備，以下是information week根據一次大資料企業應用調查...